郭 斌,程 佳,謝代梁,黃震威,張永超

(1.中國(guó)計(jì)量學(xué)院計(jì)量測(cè)試工程學(xué)院,浙江杭州310018;2.浙江省計(jì)量科學(xué)研究院,浙江杭州310013)

醫(yī)藥注射劑在我國(guó)臨床應(yīng)用上十分的廣泛,但是由于生產(chǎn)環(huán)境以及加工等因素的影響,在注射劑中難免會(huì)有玻璃屑、鋁屑、毛發(fā)等雜質(zhì)異物.目前,國(guó)內(nèi)的醫(yī)藥注射劑廠家普遍采用人工燈檢,通過(guò)肉眼觀測(cè)的方式將不合格試劑剔除,由于受疲勞程度和人的主觀影響,這種方式穩(wěn)定性差、精度低、誤檢率高.

機(jī)器視覺(jué)是利用計(jì)算機(jī)來(lái)實(shí)現(xiàn)人的視覺(jué)功能,也就是用機(jī)器代替人眼來(lái)做測(cè)量和判斷[1,2].機(jī)器視覺(jué)涉及到人工智能、計(jì)算機(jī)科學(xué)、圖像處理和模式識(shí)別等多個(gè)領(lǐng)域,主要通過(guò)相機(jī)采集圖像,利用計(jì)算機(jī)完成對(duì)圖像的分析處理,最終用于實(shí)際的檢測(cè)、測(cè)量和控制[3,4].基于機(jī)器視覺(jué)技術(shù)的可見(jiàn)異物檢測(cè)設(shè)備,國(guó)外已經(jīng)有一些成品,但是由于設(shè)備昂貴而且由于各國(guó)制藥環(huán)境的差異,導(dǎo)致國(guó)內(nèi)廠家引進(jìn)國(guó)外設(shè)備來(lái)進(jìn)行檢測(cè)的效果不理想.因此,研究適合我國(guó)國(guó)情的醫(yī)藥注射劑檢測(cè)設(shè)備迫在眉睫.隨著計(jì)算機(jī)軟件、硬件的發(fā)展,數(shù)字圖像處理的理論和方法不斷完善,利用機(jī)器視覺(jué)實(shí)現(xiàn)產(chǎn)品質(zhì)量無(wú)接觸自動(dòng)檢測(cè)的技術(shù)已逐漸變得切實(shí)可行,因此可以嘗試將機(jī)器視覺(jué)技術(shù)應(yīng)用于醫(yī)藥注射劑中可見(jiàn)異物的自動(dòng)檢測(cè),以實(shí)現(xiàn)醫(yī)藥注射劑生產(chǎn)的快速、自動(dòng)檢測(cè)與控制[5,6].

1 檢測(cè)系統(tǒng)結(jié)構(gòu)

針對(duì)醫(yī)藥注射劑的全自動(dòng)在線異物檢測(cè)系統(tǒng)硬件結(jié)構(gòu)主要包括專用的機(jī)械機(jī)構(gòu)、200萬(wàn)像素高速CCD相機(jī)、LED點(diǎn)光源和高性能計(jì)算機(jī)及顯示器.整個(gè)系統(tǒng)處理流程圖如圖1.通過(guò)CCD攝像機(jī)拍攝生產(chǎn)線上每瓶藥液的序列圖像,通過(guò)有效的異物識(shí)別算法對(duì)其中的可見(jiàn)異物做出識(shí)別判斷,最后給主控系統(tǒng)發(fā)出一個(gè)判斷信號(hào),利用分瓶機(jī)構(gòu)對(duì)相應(yīng)藥瓶進(jìn)行分瓶處理.

圖1 系統(tǒng)處理流程圖Figure 1 Flowchart of the Processing System

2 檢測(cè)算法

檢測(cè)系統(tǒng)必須能完成多幅圖像的實(shí)時(shí)采集和同步處理.圖像處理與識(shí)別模塊必須具有高精度和實(shí)時(shí)性的特點(diǎn).在醫(yī)藥注射劑檢測(cè)中,可見(jiàn)異物類型具有多樣性和隨機(jī)性,加上瓶體存在的玻璃氣泡、花紋和瓶外壁吸附的雜質(zhì)等均會(huì)產(chǎn)生干擾,因而,快速魯棒的可見(jiàn)異物檢測(cè)識(shí)別算法是系統(tǒng)檢測(cè)的核心,也是該系統(tǒng)主要技術(shù)難點(diǎn).本文算法思路如下:首先采集原始圖像,通過(guò)差分及能量累積算法消除大量靜止背景噪聲,然后通過(guò)設(shè)置閾值將圖像二值化[7].之后通過(guò)對(duì)二值化圖像進(jìn)行邊緣檢測(cè)并計(jì)算目標(biāo)特征值,最后根據(jù)特征值進(jìn)行判別從而識(shí)別出異物.檢測(cè)算法流程如圖2.

圖2 藥液檢測(cè)算法流程圖Figure 2 Flowchart of the Detection Algorithm

2.1 圖像采集

由于可見(jiàn)異物(包括玻璃碎屑、鋁屑、橡皮屑、毛發(fā)等)在藥液靜止時(shí),一般沉在瓶底,不便實(shí)現(xiàn)自動(dòng)檢測(cè).為了能夠攪動(dòng)起藥液中的異物雜質(zhì),設(shè)計(jì)了專用的機(jī)械機(jī)構(gòu),使其夾緊藥瓶口,讓藥瓶在電機(jī)帶動(dòng)下作離心轉(zhuǎn)動(dòng).這樣,瓶底中的小異物便被攪動(dòng)起來(lái),并隨藥瓶一起作離心旋轉(zhuǎn).離心旋轉(zhuǎn)的速度和時(shí)間要保證瓶底的全部異物被攪動(dòng)起來(lái).當(dāng)離心旋轉(zhuǎn)到適當(dāng)速度時(shí),關(guān)閉電機(jī),此時(shí)瓶子停止旋轉(zhuǎn),少量氣泡平息但瓶?jī)?nèi)的顆粒異物仍在離心轉(zhuǎn)動(dòng)時(shí),相機(jī)拍攝序列圖像.

2.2 背景抑制

圖像拍攝的過(guò)程中,難免會(huì)存在噪聲[8].藥液圖像由目標(biāo)和背景噪聲組成.其中目標(biāo)主要是顆粒異物,而藥液圖像背景噪聲是需要去除的.藥液圖像背景干擾主要有以下幾種形式[9].

1)注射劑瓶壁上劃痕、字體和刻度線;

2)注射劑液面形成的反光區(qū)域;

3)注射劑外壁污物;

4)氣泡等隨機(jī)噪聲;

其中,前3種原因形成的噪聲在連續(xù)各幀圖像中是靜止的,因此采用差分與能量累積處理算法,把兩幀中相同的靜止背景去掉,只保留了可見(jiàn)異物和少量殘留噪聲.

差分與能量累積算法[10,11]流程如下:

對(duì)相機(jī)拍攝到的3幀圖片,記為:

首先由式(1)計(jì)算兩幀的差分圖像:

此時(shí)通過(guò)差分圖像將靜態(tài)背景消除,對(duì)差分圖像按式(2)進(jìn)行第二次差分:

再按式(3)計(jì)算兩幅差分圖像的能量累積:

最后按式(4)將累積后圖像和第二次差分圖像相減:

此時(shí),得到的圖像中消去了靜態(tài)背景干擾,并使異物目標(biāo)得到加強(qiáng).

圖3(a)是相機(jī)拍攝的原始圖片,圖3(b)的是經(jīng)過(guò)差分與能量累積算法后的效果.

圖3 (a)藥液原始圖像;(b)去除背景噪聲圖像Figure 3 Original image(a);Image after remove background noise(b)

2.3 氣泡干擾消除

氣泡等隨機(jī)噪聲在圖像中的位置是隨機(jī)的、無(wú)規(guī)律的,是識(shí)別異物目標(biāo)的主要噪聲.對(duì)于氣泡干擾的消除,文獻(xiàn)[2]提出了一種支持向量機(jī)分類的方法.在本文中,根據(jù)氣泡和異物雜質(zhì)在多個(gè)特征值上的差異性加以區(qū)分.在背景噪聲去除后,為了進(jìn)一步辨識(shí)可見(jiàn)異物和殘留的隨機(jī)噪聲,需要對(duì)可能目標(biāo)進(jìn)行特征提取.在選擇目標(biāo)的特征時(shí),所選擇的特征要對(duì)目標(biāo)大小、平移和旋轉(zhuǎn)變化均具有較好的不變性.提取對(duì)這些變化具有良好不變性的特征值作為目標(biāo)特征,就可以獲得良好的匹配和識(shí)別效果.通過(guò)多次實(shí)驗(yàn)發(fā)現(xiàn)以下特征值具有良好的不變性.

1)透光度α

2)長(zhǎng)寬比P

3)緊湊度C

透光度是指一定面積上透射光通量與入射光通量的比值,透光度通常小于1.

長(zhǎng)寬比和緊湊度是目標(biāo)形狀特征的一種度量.首先計(jì)算每個(gè)目標(biāo)的最小外接橢圓,設(shè)Ra表示最小外接橢圓的長(zhǎng)軸長(zhǎng)度,Rb表示最小外接矩形的短軸長(zhǎng)度,則P=Rb/Ra則為目標(biāo)的長(zhǎng)寬比.設(shè)目標(biāo)的面積為S,周長(zhǎng)為L(zhǎng),則C=L2/4Aπ為目標(biāo)的緊湊度.由于可見(jiàn)異物目標(biāo)的不規(guī)則形狀,使其在長(zhǎng)寬比和緊湊度的值上和氣泡區(qū)分開(kāi)來(lái).一般說(shuō)來(lái),氣泡的長(zhǎng)寬比在1左右,目標(biāo)異物的長(zhǎng)寬比大于1.5,由于氣泡為圓形,緊湊度在1左右,而目標(biāo)異物的緊湊度一般都大于1.

首先對(duì)透光度進(jìn)行分析,一般的可見(jiàn)異物比如毛發(fā)、鋁屑、橡皮屑和纖維等都是不可透光的雜質(zhì),而氣泡具有較好的透光性,所以透光度能夠?qū)σ话悴煌腹獾碾s質(zhì)進(jìn)行較好分離.其次,計(jì)算目標(biāo)的長(zhǎng)寬比和緊湊度,實(shí)現(xiàn)目標(biāo)異物和氣泡的最終識(shí)別.經(jīng)過(guò)大量實(shí)驗(yàn),得到特征值的具體判據(jù)如下式.

當(dāng)計(jì)算出目標(biāo)的特征值滿足式(5)時(shí),則可判斷出已找到異物目標(biāo),若不滿足則判斷此目標(biāo)為氣泡干擾.最后利用測(cè)量模塊計(jì)算雜質(zhì)數(shù)量并給主控系統(tǒng)一個(gè)判斷信號(hào).圖4(a)標(biāo)示出經(jīng)過(guò)透光度α判據(jù)后,初步判斷得到的可能異物目標(biāo),均用紅色圓圈標(biāo)記出.從圖中可以看出氣泡干擾還是比較多.圖4(b)標(biāo)示出當(dāng)經(jīng)過(guò)緊湊度P判據(jù)后,絕大部分氣泡干擾得到消除.圖4(c)標(biāo)示出在最后通過(guò)長(zhǎng)寬比C判據(jù)處理后最終圖像,氣泡干擾消除,雜質(zhì)目標(biāo)被識(shí)別.

圖4 (a)透明度判據(jù)后圖像;(b)緊湊度判據(jù)后圖像;(c)處理后的最終圖像Figure 4 Image after αcriterion(a);Image after C criterion(b);Image after P criterion(c)

3 實(shí)驗(yàn)分析

為了驗(yàn)證本系統(tǒng)對(duì)醫(yī)藥注射劑中可見(jiàn)異物檢測(cè)的有效性和可靠性,進(jìn)行了實(shí)驗(yàn)研究.實(shí)驗(yàn)中系統(tǒng)采用200萬(wàn)像素高分辨率CCD黑白相機(jī)、工業(yè)鏡頭,點(diǎn)光源和高性能計(jì)算機(jī)及顯示器.軟件部分主要包括圖像采集及處理、通訊、數(shù)據(jù)庫(kù)及人機(jī)界面等功能.用廠家提供的10mL有異物雜質(zhì)的瓶子、10mL純凈氯化鈉溶液以及10mL含有 60μ m標(biāo)準(zhǔn)粒子進(jìn)行試驗(yàn).實(shí)驗(yàn)結(jié)果如表1.

表1 異物檢測(cè)結(jié)果Table 1 Inspection result of detection

表1中,誤檢量是指藥品中存在可見(jiàn)異物而系統(tǒng)未能檢測(cè),即當(dāng)作純凈藥品處理.從表中可以看出,對(duì)于無(wú)雜質(zhì)純凈的氯化鈉溶液,系統(tǒng)并不會(huì)檢測(cè)出有雜質(zhì).整個(gè)系統(tǒng)對(duì)可見(jiàn)異物的檢測(cè)正確率達(dá)93%以上,相對(duì)于人工燈檢,本系統(tǒng)對(duì)醫(yī)藥注射劑的檢測(cè)實(shí)現(xiàn)了穩(wěn)定性好、精度高、誤檢率低的要求.

4 結(jié) 語(yǔ)

設(shè)計(jì)了一種醫(yī)藥注射劑可見(jiàn)異物檢測(cè)系統(tǒng),提出一種可見(jiàn)異物檢測(cè)算法并進(jìn)行了實(shí)驗(yàn)研究.針對(duì)異物檢測(cè)拍攝圖像中的氣泡干擾,計(jì)算其相關(guān)特征值,并根據(jù)氣泡和異物目標(biāo)的特征值的差別加以區(qū)分.通過(guò)實(shí)驗(yàn)驗(yàn)證,該算法能有效的消除氣泡噪聲的干擾從而識(shí)別目標(biāo)異物.實(shí)驗(yàn)結(jié)果表明系統(tǒng)對(duì)可見(jiàn)異物檢測(cè)的正確率達(dá)93%以上.

[1]魯 娟,王耀南,余洪山,等.大輸液中可見(jiàn)異物智能在線檢測(cè)系統(tǒng)設(shè)計(jì)[J].計(jì)算機(jī)測(cè)量與控制,2008,16(12):1802-1805.

[2]周博文,王耀南,葛 繼,等.基于機(jī)器視覺(jué)的醫(yī)藥注射劑智能檢測(cè)系統(tǒng)研究[J].機(jī)器人,2009,31(1):53-60.

[3]鄔文俊,何 濤,吳慶華.軸承漏針自動(dòng)檢測(cè)系統(tǒng)[J].中國(guó)計(jì)量學(xué)院學(xué)報(bào),2008,19(1):29-33.

[4]楊立娜,單越康,周 銘.機(jī)器視覺(jué)的石墨軸承同軸度檢測(cè)系統(tǒng)[J].中國(guó)計(jì)量學(xué)院學(xué)報(bào),2007,18(1):26-28.

[5]DUAN F,WANG Y N,LIU H J,et al.Empty bottle inspector based on machine vision[C]∥Proc of the 3rd Int.Confon Machine Learning and Cybernetics.Shanghai:IEEE,2004:3845-3850.

[6]M ICHAEL K CHEEZUM,WILLIAM F.Quantitative comparison of algorithms for tracking sing le fluorescent particles[J].Biophyrsical Journal,2001,81(10):2378-2388.

[7]單越康,衛(wèi) 力,毛謙敏.復(fù)雜幾何形狀零件自動(dòng)檢測(cè)[J].中國(guó)計(jì)量學(xué)院學(xué)報(bào),1997(2):38-45.

[8]蔣登峰,周 娟.圖像處理在晶圓瑕疵自動(dòng)標(biāo)記系統(tǒng)中的應(yīng)用[J].中國(guó)計(jì)量學(xué)院學(xué)報(bào),2009,20(2):167-170.

[9]楊福剛,孫同景,宋松林.基于機(jī)器視覺(jué)的全自動(dòng)燈檢機(jī)關(guān)鍵技術(shù)研究[J].儀器儀表學(xué)報(bào),2008,29(3):562-566.

[10]SONG H,SHI F.A real-time algorithm for moving objects detection in video images[C].Proceedings of the 5th World Cong ress on Intelligent Control and Automation.Piscataway,NJ:IEEE,2004:4108-4111.

[11]李楊果,王耀南,王 威.基于機(jī)器視覺(jué)的大輸液智能燈檢機(jī)研究[J].光電工程,2006,33(11):69-74.