謝一首1，李慶1，鄭力新1，周凱汀2，潘書萬1

　　（1.華僑大學 工業智能化技術與系統福建省高校工程研究中心，福建 泉州 362021；2. 華僑大學 信息科學與工程學院，福建 廈門 361021）

       摘要：針對傳統人工肉眼檢測膠囊缺陷低效率及高誤檢率問題，設計了一套完整的基于機器視覺的膠囊缺陷檢測系統，構建了從上料到傳送裝置，經過機器視覺光學系統圖像采集與工控機圖像處理，最后由剔除裝置篩選出次品的硬件平臺。運用EmguCV開源計算機視覺庫和C#開發人機交互軟件系統，包括用戶管理、方案配置、相機調參、圖像算法等功能。通過測試表明，整個膠囊檢測系統可在9~12萬粒/h的高速運轉下穩定運行，誤檢率小于5%。具有良好的企業應用前景。

　　關鍵詞：機器視覺；缺陷檢測；任務并行庫；局部自適應閾值

0引言

　　華僑大學研究生科研創新能力培育計劃資助項目（1400422006）膠囊是由膠囊殼制造商銷售給藥品企業，由藥品企業對空心膠囊殼進行藥物填充后的成品，因此空心膠囊的質量好壞直接影響膠囊成品的質量，對空心膠囊的缺陷檢測成為膠囊制造的一道必備工序。本文所指膠囊檢測都是針對空心膠囊。在生產過程中，由于不同工藝、不同環境條件容易產生各類空心膠囊缺陷，如尺寸長短缺陷、斑點、端凹、梅花頭、插劈、癟殼等。目前，國內的膠囊檢測仍以傳統人工燈檢法為主，即在強光照射臺下，通過肉眼觀察膠囊外形與表面光澤判定膠囊是否合格。此種方法速度較慢，而且不可避免有人為主觀因素的錯檢、漏檢，影響制藥企業產品質量。為提高檢測效率，節約勞動成本，提升制藥企業在同行業的核心競爭力，智能化的膠囊缺陷檢測系統應運而生。

　　目前，國外的膠囊檢測儀已有較成熟的產品［1］，雖然性能相對穩定良好，但高額的售價讓普通中小型企業望而卻步。國內也有一些產品，如大恒科技的全自動膠囊檢測儀，然而檢測效率與系統穩定性還無法與國外產品媲美。基于上述背景，本文對膠囊缺陷檢測的各方面技術進行深入的探索和研究，并研制出一套智能化膠囊檢測系統。

1硬件系統設計

　　1.1系統組成

　　膠囊缺陷檢測系統的硬件架構主要包括機器視覺光學系統、傳送帶及傳感觸發裝置、基于PC的圖像處理平臺、剔除裝置及上下料硬件控制模塊。其中機器視覺光學系統由三臺工業相機配上光學鏡頭及適配的光源組成。圖像處理平臺包括工控上位機、擴展圖像采集卡（本系統為千兆網卡）和串口卡。傳送帶與傳感觸發裝置有序地傳送膠囊進入相機視野，膠囊借助底板摩擦滾動，滿足了360°拍攝需要。工控機與外部硬件控制模塊的交互由串口協議通信完成，包括硬件系統中振動槽的震動，排序輪的轉動，傳送帶的啟停及狀態監測的報警等。系統設計圖如圖1。　

　　1.2系統工作原理

　　向料斗中倒入待檢測膠囊，為避免造成料槽堵塞，在槽中加入振動器，通過振動使膠囊順利并逐次進入排序輪的孔槽中。當膠囊被帶動旋轉至排序輪底部后，自動落入傳送裝置上的膠囊槽中。其中，傳送鏈條由若干片鏈板拼接而成，每片鏈板上有兩個略大于膠囊大小的膠囊槽，用于在傳送過程中使膠囊的位置相對固定。當系統運行時，直流電機同時帶動傳送帶和排序輪運轉，兩者的線速度保持一致，從而使排序輪上的膠囊能夠準確落入膠囊槽中。

　　為保證后續圖像采集不受外界光線干擾，將整套機器視覺光學系統置于密閉的遮光盒中。其中相機1采集膠囊端部圖像信息，相機2與相機3采集膠囊柱面圖像信息。系統采用了背光源，在相機視場內的底板中嵌入漫反射光源，并蓋上玻璃板。相機1膠囊端面檢測另需加上垂直于端面的照射光，為避免對相機2、3光線產生干擾，中間用擋板隔開。相機1拍攝兩個膠囊端面，相機2與相機3分別拍攝四個膠囊柱面。本系統借鑒傳統人工檢測中的復檢工序，若相機1膠囊在第一個槽的圖像沒有檢測出缺陷，將移入第二個槽進行復檢；若相機2中4個膠囊柱面轉動過程沒有360°完整呈現［2］，則相機3重復相機2的工序進行復檢。以此保證膠囊檢測的全面性與準確性。

　　傳送帶每移動一個槽，末端的光電傳感器將觸發一個外部信號促使3臺相機進行同步采集，相機開啟外觸發模式，幀率與傳送帶頻率保持一致。軟件系統部分將對采集到的圖像進行判定，標記缺陷膠囊，并計算缺陷膠囊所在槽與剔除裝置所在槽的間隔個數，當缺陷膠囊到達剔除噴閥上方時，上位機通過串口發送命令，下位機接受指令并控制開啟電磁閥將缺陷膠囊噴入次品盒。合格的膠囊通過傳送帶進入成品盒。工作流程圖如圖2。

　　2.1軟件框架及人機交互界面

　　軟件系統為整套膠囊缺陷檢測的技術核心部分。為便于操作員對硬件進行控制及對系統后臺數據庫進行訪問，設計了包括用戶管理、歷史數據查詢、相機控制與參數配置等模塊的簡易人機交互界面。為提高開發效率，縮短開發周期，選擇Microsoft Visual Studio 2010為開發環境，以C#為開發主體語言，結合.NET下C#封裝的Opencv即EmguCV圖像處理庫進行圖像算法開發。選擇SQL Sever為軟件系統開發數據庫。軟件流程如圖3所示。

　　首先通過用戶登錄界面對用戶進行驗證，并授予用戶不同權限。在進行膠囊檢測之前，操作員首先需要根據不同顏色膠囊設置相應的檢測參數；通過相機設置界面設置相機1、相機2、相機3的參數如增益、曝光時間等；通過檢測方案管理界面，操作員將測試好的參數輸入到新方案中，若方案已經存在，只需從數據庫中讀取。回到主界圖4系統人機交互主界面面，選擇相應方案并點擊“開始”按鈕啟動檢測。實時檢測的圖像將顯示于主界面（圖4），每幀圖像在軟件后臺進行圖像處理并判定膠囊是否存在缺陷。檢測過程中，程序設計定時器定時監測物料狀態，若判定為空則觸發報警通知加料，待全批次檢測完畢，操作員點擊主界面“結束”按鈕停止檢測。

　　2.2圖像處理算法

　　考慮到程序的實時性，本系統在圖像處理方面并沒有引入耗時的復雜算法，而是以精簡的步驟達到最優效果。柱面缺陷檢測算法主要分為以下幾步：

　　(1)用改進的中值濾波［3］對ROI中膠囊圖像進行預處理，消除點噪聲干擾（如圖5（b））。

　　(2)用形態學算子對膠囊圖像進行腐蝕，去除膠囊槽邊框。用OSTU雙閾值分割法提取膠囊輪廓（如圖5（c））。

　　（3)對提取輪廓構建凸包（如圖5（d）），將凸包區域進行填充，形成掩碼圖像（如圖5（e））。

　　（4)掩碼圖像與原圖進行“與”［4］運算，分割膠囊本體圖像（如圖5（f））。

　　（5)通過局部自適應閾值［5］對柱面內圖像進行處理，得到圖像再經過8鄰域連接并貼標簽獲取連通域（如圖5(h)）。計算所有的連通域面積，根據產品檢測指標設定閾值，若柱面內部最大連通域面積（即最大缺陷面積）大于給定閾值，則判定為缺陷膠囊。

　　膠囊端部缺陷檢測算法為基于K鄰域鏈碼［67］的拐點檢測，拍攝的“月牙”狀端面圖像正常拐點數為2，若圖像中拐點數大于2，則判定為缺陷膠囊。端面檢測如圖6所示。

　　2.3任務并行處理技術

　　系統包含三臺相機，每臺相機拍攝的圖像又包含多個膠囊，若對三臺相機獲得膠囊圖像的10個ROI（Region of Intrest）進行串行計算，將使圖像處理時間大大延長，效率大幅降低，不便與硬件架構的同步配合。.Net Framework4.0引入了一個新的關于異步操作的API,稱為任務并行庫(Task Parallel Library,TPL)［8］，其使用task關鍵字創建任務。TPL可被認為是線程池之上的又一個抽象層。在線程池的基礎上進行優化誕生了任務并行庫，相比于線程池，TPL在靈活性上更具有優勢。為優化處理時間，計算機會根據CPU的負載自動向多個任務分配最佳線程數［9］。本系統采用該技術，通過引用System.Threading.Tasks命名空間下的Task類創建任務，利用任務并行庫對多幅膠囊圖像進行高速處理。如圖7所示，在主線程中創建三個相機線

　　程，每個相機線程中再創建對應膠囊個數的task，等待處理完畢返回結果后，自動銷毀已建立的線程重新等待下一次調用。

3現場測試結果

　　在生產現場取樣不同顏色樣本空心膠囊進行檢測測試。對檢測后的成品與次品個數進行統計計算，誤檢率如表1所示。

　　測試結果顯示，不同顏色膠囊誤檢率均控制在5%以下，效果良好。且整套膠囊檢測系統在9~12萬粒/h的高檢測速度下，可長時間保持穩定運轉，并無出現停止工作等異常情況。檢測速度與系統穩定性均達到預期水平。

4結束語

　　本套設備是自主研發的智能化檢測系統，運用精簡而高效的圖像算法結合任務并行技術，保證了檢測系統軟硬件實時性配合。檢測效果、檢測速率及系統穩定性能均可達到預期水準，具有可觀的企業應用價值。

參考文獻

　　［1］ PICLIN Z, LIKAR B, PERNS F. Realtime print localization on pharmaceutical capsules for automatic visual inspection［C］.Industrial Technology (ICIT), 2010 IEEE International Conference on， IEEE, 2010: 279284.

　　［2］ KARLOFF A C, SCOTT N E, MUSCEDERE R. A flexible design for a cost effective, high throughput inspection system for pharmaceutical capsules［C］.Industrial Technology, 2008.ICIT 2008. IEEE International Conference on， IEEE, 2008: 14.

　　［3］ 李剛，范瑞霞. 一種改進的圖像中值濾波算法［J］. 北京理工大學學報，2002，22（3）：376378.

　　［4］ 王娟，周永霞，徐冰俏，等. 圖像處理在膠囊外形缺陷檢測中的應用［J］. 中國計量學院學報，2012，23（3）：239245.

　　［5］ BERNSEN J. DYNAMIC thresholding of greylevel images［C］.International Conference on Pattern Recognition, 1986: 12511255.

　　［6］ CHETVERIKOV D. A simple and efficient algorithm for detection of high curvature points in planar curves［C］.Computer Analysis of Images and Patterns, Springer Berlin Heidelberg, 2003（2756）: 746753.

　　［7］ SARFRAZ M, MASOOD A, ASIM M R. A new approach to corner detection［J］.Computer Vision and Graphics， 2006(32): 528533.

　　［8］ 錢博文,李濤,韓俊剛，等.多態并行處理器中的線程管理器設計［J］.電子技術應用,2014,40(2):3032.

　　［9］ LEIJEN D, SCHULTE W, BURCKHARDE S. The design of a task parallel library［C］.Acm Sigplan Notices, ACM, 2009, 44(10): 227242.