任亚恒，高晓芝，程 煜，郝存明，陈宏彩

(1.河北省科学院应用数学研究所，河北 石家庄 050000；2.河北科技大学 电气工程学院，河北 石家庄 050018)

0 引言

目前国家在逐步加大对药品安全的监督力度，药品包装材料标准也在逐步提高，以确保药品的质量和用药安全。人工抽检导致漏检和误检问题频出，无法保障产品质量，企业迫切需要实现从人工抽检到自动化、智能化检测的转型升级[1]。

机器视觉系统是根据图像各种信息，来进行尺寸、形状、颜色等的判别，进而根据判别结果来控制现场的设备动作。机器视觉相对于人眼具有自动化、客观、非接触和高精度等特点[2]。

1 视觉系统整体流程

首先对采集到的图象做去噪、增强等操作以改善图象质量来突出感兴趣信息，并为后期识别提供更多有效信息。然后对图像中感兴趣的目标进行分析，获得相对稳定因素作为共同特征，从而建立对图像中目标的描述，以此描述做为所有图像的基准信息，以它做为坐标系的原点，由此原点向各个ROI搜索，得到各ROI的实际坐标。然后在图像分析的基础上，进一步分析图像中各ROI的目标特点以及此ROI在图像时间链上的前后关联，得到各ROI在多图像下的综合分析。最后通过多ROI的综合判断来确定检测产品的OK或是NG，并将判断信息放入剔除序列，给剔除位的器件是否剔除操作提供信号。最后是数据分析部分，数据分析用来通过一段时间或一个班组或指定时间段内的各指标结果分析这个指标的生产情况，并分析影响次品过多因素，从而给前端生产线提供生产意见来改善生产质量。

系统流程图如图1所示。

图1 系统流程图

2 特征提取

图像特征一般包含颜色特征、纹理特征、形状特征、空间特征等关系，安瓿瓶形状特征比其颜色或纹理要更突出，本文选择以形状为匹配模板，形状匹配一般包括模板选择、形状识别和匹配几个步骤，形状匹配的相似度由形状间的距离决定，形状子向量按照一定规则表示形状间距离。距离大，形状相似度差；距离小，相似度好。

2.1 特征模板选择

模板特征一般选择变化较小、相对稳定的信息做为模板，对于安瓿瓶相对稳定的部位在中间位置，首先手动框取相应区域，将模板图像从原图像复制出来，并进行仿射变换，使之达到理想角度。

2.2 模板特征提取

模板选择区域如图2所示，选择安瓿瓶相对稳定的颈部区域做为模板区域，采用Hu距提取形状结果如图3所示，形状提取效果良好。

图2 模板区域 图3 形状匹配结果

3 亚像素尺寸测量方法

首先采用快速图像形状匹配匹配的方法确定玻璃瓶测量位置的大致区域；其次，通过Canny边缘检测算子提取测量区域内药瓶的边缘[4]；接着，再对边缘像素点的位置利用加权最小二乘法进行曲线拟合；最后，通过药瓶外边沿曲线形状上的特性定位测量位置，并利用拟合后的曲线完成瓶外径的精确测量，实现药用玻璃瓶瓶口、瓶身、全高、泡外径、丝外径和颈外径同时达到亚像素级的测量精度,如图4所示。

图4 测量区域和测量显示

4 缺陷检测

图5 自编码网络

由于缺陷种类的多样性，应提取具有鲁棒性较强的特征。自动编码器[5]是一种无监督的神经网络模型，它可以学习到输入数据的隐含特征，这称为编码，同时用学习到的新特征可以重构出原始输入数据，称之为解码。

自动编码器是一种能够重构原始输入的人工神经网络。其包含三层即输入层(x)、隐藏层(h)和输出层(y)，

它们有如下关系：

h=f(Wx+b)y=g(WTh+c)

自动编码器的优化形式如下所示：

训练结果如图6所示，可以判别出各种缺陷并进行归类。

图6 缺陷处理结果

5 结语

围绕安瓿瓶自动检测的技术难题，取得了一些关键性技术成果。目前项目研制的药用玻璃包装高速在线视觉检测系统已经成功应用到多家医药包装公司，显著提高了药用玻璃包装产品的稳定性和合格率、节省了人工成本、降低了能耗、提升了药用玻璃包装产品的安全性和企业市场竞争力。