本发明专利技术公开了一种高速医药生产线上药液异物图像跟踪识别方法,其特征在于,包括以下步骤:步骤1:获取多帧图像,搜寻目标,提取目标信息,初始化卡尔曼滤波器参数;步骤2:预测各个目标的下一位置;步骤3:更新卡尔曼滤波器参数;步骤4:判断当前对象是否可能是异物;步骤5:在最后一帧差分图像中,计算当前目标从初始位置到当前位置的位移矢量的幅值大小,并于当前目标的初始位移幅值大小和当前目标的平均直径进行比较,进而判断当前目标是否为异物。该高速医药生产线上药液异物图像跟踪识别方法通用性强、检测效果稳定、准确度高、自动化程度高、显著减小人工检测的劳动强度。
【技术实现步骤摘要】
本专利技术属于机器视觉跟踪与识别领域,涉及一种高速医药生产线上药液异物图 像跟踪识别方法。
技术介绍
由于我国有着巨大的医药市场,流向市场的任何液态医药产品都需要进行容器 清洗、容器烘干灭菌、药液灌装、封装和质量检测五个过程,目前对于液态医药产品的 流水线上的洗、烘、灌、封四个步骤基本上都已经实现了机械化和全自动化,大大提高 了生产线的速度。但由于生产环境不洁或生产设备不够优良而造成内壁脱落或者在灌封 过程中瓶口玻屑掉入瓶中等诸多因素,都使得医药产品在流向市场之前,对医药产品的 质量检测至关重要。目前多数还停留在人工检测阶段,检测方法为由培训过的工人在日光灯下观察 药液中是否有可见异物,若有则将瓶子丢弃在专门盛装不合格品的大容器内,这种方法 称为人工灯检。由于长时间的工作会使得人眼疲劳,影响检测效果,并且需要每个员工 时刻保持高度责任心对自己的工作认真仔细,因此人工检测结果在很大程度上都和每个 人的视力、责任心、甚至心情等众多主观因素有关,不能保证检测结果的客观准确。有 些企业为保证检测质量,规定灯检工人每工作一小段时间便需休息一段时间,这样的做 法虽然可以在一定程度上减少了主观因素对检测结果的影响,但大大降低了生产效率, 使得最后的药液质量检测环节成为影响医药产品生产过程速度的瓶颈环节,也成为影响 医药生产行业效益的一个重要因素。在我国,由于生产工艺原因,盛装药液的容器质量 参差不齐,瓶壁厚度不均,密度分布也不均勻,因此,虽然德国、日本等发达国家已经 有比较成熟的全自动灯检设备,但设备不仅价格高昂,而且由于国内外的容器标准等的 不同会造成过高的次品率,使企业得不偿失。因此开发适合我国国情的全自动灯检设备势在必行,即采用机器视觉的方法模 拟人类眼睛进行检测,但在视觉方面由于以下几点难点使得现在市面上仍没有一台能够 客观准确的检测出异物的全自动灯捡机(1)成像过程中的图像随机噪声以及其他众多干扰。在成像过程中的干扰主要包 括以下几点a)由于生产环境不洁,空气中含有的微小悬浮物或灰尘颗粒等;b)容器本身缺陷如玻璃瓶上的裂痕会造成强烈反光,对异物跟踪与识别造成严 重干扰;(2)瓶壁上的刻字、凹痕等会偶尔遮挡异物,造成识别错误。(3)由于机械加工精度影响,在成像过程中装药液的瓶子会发生移动,增加检测 识别的难度;(4)不同产品所含有的异物种类、数量不同,即使同一类产品的不同个体也会含 有多种异物并且数量不一、大小迥异,需要找寻一种通用有效的检测识别方法。 检测速度和检测精度的要求增加了检测难度。由于检测速度的要求,一方面限制了获取图像帧数,另一方面也限制了先进检测算法的应用。
技术实现思路
本专利技术的目的是提出一种,该通用性强、检测效果稳定、准确度高。 本专利技术的技术解决方案如下 一种,其特征在于,包括以下步骤 步骤l获取多帧图像,搜寻目标,提取目标信息,初始化卡尔曼滤波器参数; 步骤2预测各个目标的下一位置; 步骤3更新卡尔曼滤波器参数; 步骤4判断当前对象是否可能是异物; 步骤5在最后一帧差分图像中,计算当前目标从初始位置到当前位置的位移矢量的幅值大小,并于当前目标的初始位移幅值大小和当前目标的平均直径进行比较,进而判断当前目标是否为异物。 步骤l的具体步骤为 1)获取图像从高速医药生产线上获取某一瓶体的多帧图像,取预处理和差分后的结果图像中的第一帧图像; 2)搜寻目标并提取目标信息在经过步骤1)的处理后所获得的图像表现为大面积的黑色背景区域,只有少数分散区域由于异物或干扰的存在而呈现为白色连通域,因此运用搜寻连通域的方法搜索图像中的各个可疑目标,在搜寻到满足大于4个像素的面积条件的连通域后,以每一个连通域作为一个目标,所需要提取的目标信息包括检测到的各目标的质心坐标x。和Y、。、每个目标的平均直径d即所检测到的连通域的平均直径以及初始位移矢量Si信一(S。, O。), S。、 O。分别是位移矢量的幅值大小和相位角,初始状态下设定S。一o、 O。一o,其中Si。表示第i个目标的第。次位移即初始位移。 3)初始化卡尔曼滤波器 在卡尔曼滤波器中定义状态方程为X(k)一’, 其中, VX—Xk—Xk一、、 Vy—yk—yL、,分别表示目标的质心在X、y方向的运动速度; 状态转移矩阵为权利要求1.一种,其特征在于,包括以下步骤步骤1:获取多帧图像,搜寻目标,提取目标信息,初始化卡尔曼滤波器参数; 步骤2:预测各个目标的下一位置; 步骤3 更新卡尔曼滤波器参数; 步骤4:判断当前对象是否可能是异物;步骤5:在最后一帧差分图像中,计算当前目标从初始位置到当前位置的位移矢量 的幅值大小,并于当前目标的初始位移幅值大小和当前目标的平均直径进行比较,进而 判断当前目标是否为异物。2.根据权利要求1所述的,其特征在 于,步骤1的具体步骤为1)获取图像从高速医药生产线上获取某一瓶体的多帧图像,取预处理和差分后的 结果图像中的第一帧图像;2)搜寻目标并提取目标信息在经过步骤1)的处理后所获得的图像表现为大面积的 黑色背景区域,只有少数分散区域由于异物或干扰的存在而呈现为白色连通域,因此运 用搜寻连通域的方法搜索图像中的各个可疑目标,在搜寻到满足大于4个像素的面积条 件的连通域后,以每一个连通域作为一个目标,所需要提取的目标信息包括检测到的各 目标的质心坐标Xltl和Y1(l、每个目标的平均直径d即所检测到的连通域的平均直径以及初 始位移矢量Sitl = (ν θ0), s0, θ ^分别是位移矢量的幅值大小和相位角,初始状态下 设定Stl = O、θ0 = 0,其中Sltl表示第i个目标的第O次位移即初始位移。3)初始化卡尔曼滤波器在卡尔曼滤波器中定义状态方程为X(k) = T, 其中,VX = Xk-Xk+ vy = yk-yk-i;分别表示目标的质心在x、y方向的运动速度;"1 At O O" OlOO状态转移矩阵为A=,其中At = 0.01,001 Δ 0001由于在拍照过程中,无外界控制量输入,因此输入U = O;输出量即需要预测和测量的值为目标的位置即坐标值,因此输出量为Z(k) = T,因此输出矩阵为"10 0 0" H=;0010>000]Γ^ 0 0 0"OrOOOqOO观测测量噪声协方差R=;过程激励噪声协方差0= Λ,初始状态下OOrOOOgOOOOrJ|_0 0 0gr = 0.1, q = 0.1,表示输出值和起始状态量都会作用于预测值,q、r分别为Q、R的对 角元素,决定了噪声对输入输出的影响大小。3.根据权利要求2所述的,其特征在于,步骤2的具体步骤为 1)建立更新方程 时间更新方程为4.根据权利要求3所述的,其特征在 于,步骤3的具体步骤为首先在第二帧差分图像中各目标的预测位置附近搜寻目标,即取以各目标预测位置 为中心的3*3区域为搜索区域,这时可能有两种情况I.若在预测位置附近搜索到目标,则计算当前目标的此次位移量与前一次位移量的偏 差,记此次目标位移量为S11 = (S1, θ J,则此次位移与前一次位移的幅值偏差Δ |S|和 相角偏差Δ θ分别为5.根据权利要求4所述的,其特征在 于,步骤4的具体步骤为首先判断目标的运动轨迹是否符合异本文档来自技高网...
【技术保护点】
一种高速医药生产线上药液异物图像跟踪识别方法,其特征在于,包括以下步骤:步骤1:获取多帧图像,搜寻目标,提取目标信息,初始化卡尔曼滤波器参数;步骤2:预测各个目标的下一位置;步骤3:更新卡尔曼滤波器参数;步骤4:判断当前对象是否可能是异物;步骤5:在最后一帧差分图像中,计算当前目标从初始位置到当前位置的位移矢量的幅值大小,并于当前目标的初始位移幅值大小和当前目标的平均直径进行比较,进而判断当前目标是否为异物。
【技术特征摘要】
【专利技术属性】
技术研发人员:王耀南,杨双,张辉,周博文,葛继,陈铁健,熊路,马波,侯备,
申请(专利权)人:湖南大学,
类型:发明
国别省市:43[中国|湖南]
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。