輸液是醫療保健中的重要組成部分，在臨床應用中已廣泛使用。然而，若含有玻璃碎屑、橡皮屑、毛發、纖維等可見異物的輸液產品注射進入人體，將對患者造成極大的傷害。因此，許多國家在藥典中規定，要對每一只或每一瓶醫用液體進行異物檢測。基于機器視覺的異物檢測方法克服了傳統人工燈檢方法勞動強度大、檢測效率低的缺點。若從國外引進這方面的設備不僅價格昂貴，而且由于藥劑容器制造工藝的差別導致檢測精度不理想。因此，我國迫切需要自主研發適用于國內液體異物檢測的先進設備及技術。為此，本文分析并設計了基于機器視覺的大輸液可見異物檢測系統。
1系統硬件設計
1.1系統工作原理
    該系統針對機器視覺檢測大輸液異物過程中存在對噪聲敏感、難以區分異物與氣泡的問題而設計的一套自動檢測系統。首先利用攝像機拍攝生產線上每只輸液瓶的連續運動圖像,并將圖像信號送入DSP處理器，DSP利用嵌入至其中的異物檢測識別算法對圖像進行處理，并將處理后的數據送入ARM控制器中。最后控制器根據預設條件(可見異物的大小和數量)判斷輸液液體是否合格，并發送控制信號給執行機構，剔除不合格的輸液瓶。
    在靜止時，輸液瓶中的可見異物會沉在瓶底，而且輸液瓶本身還可能存在瓶子缺陷、瓶外灰塵、瓶身刻度等靜止干擾，這些都將增加檢測的難度。為了將這些靜止干擾與運動異物分離，設計了專門的旋轉機構將輸液瓶先旋轉然后急停。由于慣性和重力的作用，可見異物將在輸液中做旋轉下沉運動。當從垂直于輸液瓶的側面拍攝圖像時，異物將在序列圖像中做類似直線的連續運動。此時，攝像機跟蹤拍攝輸液瓶以獲得運動異物的連續圖像，作為后續異物檢測的基礎。大輸液中的異物分為黑色和白色兩大類，為增加異物與背景的對比度，對黑色異物采用LED背部白光照明方式，對白色異物采用LED底部紅光照明黑色背景方式。
1.2 基于DSP的檢測系統設計
    根據系統工作原理，該系統由光電傳感器、夾持與旋轉機構、LED光源、攝像機、DSP圖像處理單元、ARM控制器、剔除機構等組成。本文采用了高靈敏型低照度工業CMOS攝像機，它采用美國OmniVision公司生產的OV7725作為核心傳感器。OV7725工作電壓低，提供單片VGA攝像頭和圖像處理的所有功能,包括自動曝光控制、自動白平衡等，VGA格式圖像采集速率可高達60 S/s。通過標準的SCCB總線控制,可以輸出多種分辨率的8 bit或10 bit圖像，支持RGB和YUV/YCbCr等多種圖像輸出格式。在本設計中，采用的是8 bit 640×480的YUV(4:2:2)格式，LED光源作為CMOS攝像機的輔助光源。本設計選擇專用于數字媒體應用的高性能32 bit定點TMS320DM642 DSP[1]芯片作為運算器，專門處理耗時的異物檢測識別算法，其工作主頻最高達720 MHz，處理性能可達5 760 MIPS，滿足系統的精確性和實時性要求。TMS320DM642程序執行過程中，代碼和數據緩存在SDRAM中,對應TMS320DM642上的CEO映射的地址空間。SDRAM使用兩片HY57V283220TP-6, 每個HY57V283220TP-6均為32 bit數據總線的SDRAM。其中,高32 bit存儲在一個SDRAM中,低32 bit存儲在另一個SDRAM中，從而滿足TMS320DM642所需的64 bit數據總線要求。系統外圍部分選用了S3C2440處理器作為控制單元，包含了圖像數據采集控制、剔除設備運行及光電傳感器讀取等功能。系統參數設置和運行過程顯示采用了帶觸摸功能的AT043TN24液晶模塊。 檢測系統如圖1所示。

　 檢測系統工作流程如下：
　（1）傳送帶將輸液瓶送至檢測區，同時光電傳感器檢測到位后，輸出檢測信號至ARM控制器，ARM驅動輸液旋轉設備夾住瓶口并開始旋轉。
　（2）旋轉輸液瓶到達攝相機拍攝位置時，ARM停止旋轉設備運行，同時開啟攝像機及LED輔助光源。
　（3）攝像機按照預先設定的曝光時間連續拍攝指定幀數的圖像,以YUV(4：2：2)格式輸出至DSP的SDRAM緩存區中。
　（4）DSP運行異物檢測與識別算法，對緩存區保存的序列圖像數據進行處理，并將處理后的識別結果傳送至ARM。
   （5）ARM控制器根據預設的范圍參數對識別結果進行判斷，控制剔除設備剔除不合格的輸液瓶，并將處理結果顯示在LCD上。
2 系統檢測識別算法設計
　輸液在旋轉過程中不可避免地會產生向上運動氣泡，為了提高檢測的準確性，排除氣泡干擾，本文采用先跟蹤后檢測的異物檢測方法。首先對連續多幀旋轉-急停-跟蹤拍攝的大輸液瓶圖像中的可疑運動目標進行分割，初步確定異物的大小、數目、位置等信息，并以這些信息為基礎連續跟蹤數幀圖像，根據運動目標在幀間運動的連續性和方向性判別異物氣泡。為了避免運動異物在連續兩幀中位移不大導致不利于檢測的情況及滿足檢測的實時性要求，本文對每瓶輸液瓶圖像選取等時間間隔的5幀圖像并取其亮度分量Y(即灰度信息)做檢測。
　在采集到的單幀圖像中，包含有異物、靜止干擾以及大量的噪聲，使得異物目標和背景的對比度和圖像的信噪比很低，不利于異物目標的提取。因此，本文首先建立序列圖像的背景，然后利用背景減除法提取異物圖像。為了更準確地分割出異物，本文對異物圖像利用形態學方法進一步去除背景亮度，增強目標能量。最后利用閾值分割法進行異物分割。異物檢測識別算法流程如圖2所示。

線性預測。圖5(b）中，由于從第三幀開始引入了線性預測，迭代次數要比未預測的少。

　　本文對100瓶150 ml的透明瓶裝大輸液進行了試驗檢測,檢測速度大約為0.8瓶/s,識別率平均達96.3%。
    本文針對機器視覺檢測大輸液異物中存在的噪聲敏感、難以區分異物與氣泡問題,設計了一套自動檢測系統。首先通過攝像機拍攝生產線上每瓶輸液的運動序列圖像，通過DSP運行異物檢測與識別算法，對SDRAM緩存區中的序列圖像進行專門處理，并將處理后的數據送入ARM控制器中，由ARM根據預設條件剔除不合格的輸液瓶。本文首先利用簡化的歸一化互相關系數快速建立序列圖像的背景，其次利用背景減除法提取異物圖像，然后利用灰度形態學操作對異物圖像進行圖像增強以便準確分割異物，最后以改進的Mean Shift跟蹤算法對運動異物進行跟蹤，根據異物運動方向排除氣泡干擾，保證檢測準確率。本文設計的系統和方法滿足自動化生產的要求。
參考文獻
[1] 王躍宗，劉京會.TMS320DM642 DSP應用系統設計與開發[M].北京：人民郵電出版社，2009
[2] Lu Juan, Wang Yaonan, Zhang Jie, et al. On-line detection of foreign substances in glass bottles filled with transfusion solution through computer vision[C]. Proceedings of  the 2008 IEEE International Conference on Information and  Automation, Zhangjiajie,China.New York:IEEE Press,2008.
[3] 王珂娜,王耀南,魯娟,等.基于Camshift 跟蹤算法與SVM的大輸液雜質檢測識別方法研究[J]. 湖南大學學報(自然科學版), 2009,36(7):41-45.
[4] COMANICIU D, RAMESH V, MEER P. Kernel-based object tracking[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2003,25(5):564-577.
[5] NING J,ZHANG L, ZHANG D,et al. Robust object tracking using joint color-texture histogram[J]. International Journal of Pattern Recognition and Artificial Intelligence, 2009,23(7):1245-1263.
[6] 章倢,王耀南,魯娟.大輸液在線視覺檢測系統的研究[J].計算機工程與應用,2010,46(23):231-234.