基于图像处理的药片包装视觉检测系统滤波算法
发布时间：2022-02-09 12:29
目的为了有效滤除药片包装视觉检测系统中的噪声,提升图像清晰度,保证后期图像分割、边缘处理顺利进行。方法针对药片视觉检测图像中存在大量不确定噪声,提出一种自适应模糊神经网络的图像滤波算法。在模糊神经网络结构中引入一个鲁棒性较强的隶属函数,并通过梯度下降法对模糊神经网络中的参数进行优化训练,利用优化后的网络结构对被噪声污染的图像进行滤波处理。结果仿真结果表明,该算法能够在保留较完整的图像边缘和重要细节的前提下,有效滤除药片中的噪声。结论该滤波算法有效提高了药片图像的清晰度,对于后期药片图像分割以及边缘化处理具有重要意义。
【文章来源】：包装工程. 2020,41(07)北大核心
【文章页数】：4 页
【图文】：
药片包装视觉检测流程Fig.1Tabletpackagingvisualinspectionprocess
除控制系统采用欧姆龙PLC作为控制器核心，主要负责数据采集，并控制执行机构完成逻辑动作。图1药片包装视觉检测流程Fig.1Tabletpackagingvisualinspectionprocess2模糊神经网络滤波算法药片视觉检测系统在图像采集过程中，会受到不同种类的噪声干扰，导致图像后期处理受到影响，并影响检测系统的准确性。为了有效地滤除图像中噪声，提升药品检测准确率，文中利用模糊理论能够对不同信息进行处理的优点以及神经网络自学等特点，提出了一种模糊神经网络自适应的药片图像滤波算法。定义模糊神经网络结构见图2，其输入为12,lllNxxx，其中1lx为噪声像素，lWx为滤波窗口，l=(i－1)×r+j，模糊神经网络的输出为[14]：1Nllliiiwy(1)其中：1lliiNliiw(2)12lliiiiyx(3)式中：N为滤波窗口lWx中的像素个数；liw反应每个liy在输出l中所占的权重；li为网络输入lix的模糊隶属函数；δi1和δi2为经过优化的三维矢量参数。图2网络结构Fig.2Networkstructure隶属度函数对于模糊系统性能具有重要影响，文中提出的模糊隶属函数为：122211ln1liiilic(6)式中：α和β为正常数；λi和ci为目标量参数。式（6）可改写为：
i，则采用线性最小二乘法确定其初始值；然后由式（1）求出组训练数据的系统实际输出；再根据式（12）代价函数以及式（13—15）对参数δi1，δi2和λi进行更新，最后利用最小二乘方法对参数ci进行更新，如此一直迭代下去，直到式（12）函数值小于预定的阈值活迭代次数，达到了上限设定值，则训练就此结束。4仿真分析为了验证该滤波方法能够有效滤除药片包装图像中的噪声，分别采用中值滤波、均值滤波以及模糊神经网络滤波分别对同一幅图像进行滤波处理，仿真结果见图3。a原始图像b中值滤波c均值滤波d模糊神经网络滤波图3不同滤波算法Fig.3Differentfilteringalgorithms由图3滤波效果可以看出，中值滤波算法不能有效滤除药片图像中的噪声，且图像原信息被破坏，细节变化也被大大削弱；均值滤波算法能够有效滤除图像中的噪声，但图像中的细节信息也被破坏。文中提出的模糊神经网络滤波方法能够在保证原图像中的重要信息和边缘不被破坏的前提下，有效地滤除图像中夹杂的噪声。为了进一步验证文中提出的模糊神经网络滤波方法的有效性，采用峰值信噪比来对比中值滤波、均值滤波以及模糊神经网络滤波的性能，不同滤波方法对图像噪声处理后的峰值信噪比见表1。表1不同滤波方法峰值信噪比Tab.1Peaksignal-to-noiseratio(PSNR)ofdifferentfilteringmethods滤波器峰值信噪比中值滤波21.44均值滤波22.56模糊神经网络滤波28.45
【参考文献】：
期刊论文
[1]往复压缩机故障诊断方法研究概述[J]. 张谦,舒悦,王乐,谢传东. 流体机械. 2018(03)
[2]自适应维纳滤波在钢水红外图像去噪中的应用[J]. 杨友良,王新宇,马翠红. 红外技术. 2015(09)
[3]基于CCD的金属薄板印刷墨层厚度在线检测研究[J]. 马赛,曹春平,孙宇. 包装工程. 2014(23)
[4]图像去噪在印刷品质量检测上的应用[J]. 刘苏阳,唐万有. 包装工程. 2014(15)
[5]基于图像处理的药片实时检测及处理系统的研究及其应用[J]. 刘圣晓. 计算机与现代化. 2013(05)
[6]包装标准化影响因素实证分析——以长株潭地区包装企业为例[J]. 刘莉,薛凡. 包装学报. 2012(04)
[7]基于分数阶积分的图像去噪[J]. 黄果,蒲亦非,陈庆利,周激流. 系统工程与电子技术. 2011(04)
[8]基于鲁棒性神经模糊网络的脉冲噪声滤波算法[J]. 李岳阳,王士同. 山东大学学报(工学版). 2010(05)
[9]基于计算机图像处理的印刷品缺陷检测[J]. 赵丹,丁金华,孙秋花,都虹. 包装工程. 2008(12)
[10]一种有效的小波-Wiener滤波去噪算法[J]. 赵艳明,全子一. 北京邮电大学学报. 2004(04)
硕士论文
[1]基于LIFTING SCHEME小波的图像自适应去噪研究[D]. 肖杨波.南昌大学 2007
[2]图像去噪方法的研究[D]. 刘祝华.江西师范大学 2005
本文编号：3617009
【文章来源】：包装工程. 2020,41(07)北大核心
【文章页数】：4 页
【图文】：
药片包装视觉检测流程Fig.1Tabletpackagingvisualinspectionprocess
除控制系统采用欧姆龙PLC作为控制器核心，主要负责数据采集，并控制执行机构完成逻辑动作。图1药片包装视觉检测流程Fig.1Tabletpackagingvisualinspectionprocess2模糊神经网络滤波算法药片视觉检测系统在图像采集过程中，会受到不同种类的噪声干扰，导致图像后期处理受到影响，并影响检测系统的准确性。为了有效地滤除图像中噪声，提升药品检测准确率，文中利用模糊理论能够对不同信息进行处理的优点以及神经网络自学等特点，提出了一种模糊神经网络自适应的药片图像滤波算法。定义模糊神经网络结构见图2，其输入为12,lllNxxx，其中1lx为噪声像素，lWx为滤波窗口，l=(i－1)×r+j，模糊神经网络的输出为[14]：1Nllliiiwy(1)其中：1lliiNliiw(2)12lliiiiyx(3)式中：N为滤波窗口lWx中的像素个数；liw反应每个liy在输出l中所占的权重；li为网络输入lix的模糊隶属函数；δi1和δi2为经过优化的三维矢量参数。图2网络结构Fig.2Networkstructure隶属度函数对于模糊系统性能具有重要影响，文中提出的模糊隶属函数为：122211ln1liiilic(6)式中：α和β为正常数；λi和ci为目标量参数。式（6）可改写为：
i，则采用线性最小二乘法确定其初始值；然后由式（1）求出组训练数据的系统实际输出；再根据式（12）代价函数以及式（13—15）对参数δi1，δi2和λi进行更新，最后利用最小二乘方法对参数ci进行更新，如此一直迭代下去，直到式（12）函数值小于预定的阈值活迭代次数，达到了上限设定值，则训练就此结束。4仿真分析为了验证该滤波方法能够有效滤除药片包装图像中的噪声，分别采用中值滤波、均值滤波以及模糊神经网络滤波分别对同一幅图像进行滤波处理，仿真结果见图3。a原始图像b中值滤波c均值滤波d模糊神经网络滤波图3不同滤波算法Fig.3Differentfilteringalgorithms由图3滤波效果可以看出，中值滤波算法不能有效滤除药片图像中的噪声，且图像原信息被破坏，细节变化也被大大削弱；均值滤波算法能够有效滤除图像中的噪声，但图像中的细节信息也被破坏。文中提出的模糊神经网络滤波方法能够在保证原图像中的重要信息和边缘不被破坏的前提下，有效地滤除图像中夹杂的噪声。为了进一步验证文中提出的模糊神经网络滤波方法的有效性，采用峰值信噪比来对比中值滤波、均值滤波以及模糊神经网络滤波的性能，不同滤波方法对图像噪声处理后的峰值信噪比见表1。表1不同滤波方法峰值信噪比Tab.1Peaksignal-to-noiseratio(PSNR)ofdifferentfilteringmethods滤波器峰值信噪比中值滤波21.44均值滤波22.56模糊神经网络滤波28.45
【参考文献】：
期刊论文
[1]往复压缩机故障诊断方法研究概述[J]. 张谦,舒悦,王乐,谢传东. 流体机械. 2018(03)
[2]自适应维纳滤波在钢水红外图像去噪中的应用[J]. 杨友良,王新宇,马翠红. 红外技术. 2015(09)
[3]基于CCD的金属薄板印刷墨层厚度在线检测研究[J]. 马赛,曹春平,孙宇. 包装工程. 2014(23)
[4]图像去噪在印刷品质量检测上的应用[J]. 刘苏阳,唐万有. 包装工程. 2014(15)
[5]基于图像处理的药片实时检测及处理系统的研究及其应用[J]. 刘圣晓. 计算机与现代化. 2013(05)
[6]包装标准化影响因素实证分析——以长株潭地区包装企业为例[J]. 刘莉,薛凡. 包装学报. 2012(04)
[7]基于分数阶积分的图像去噪[J]. 黄果,蒲亦非,陈庆利,周激流. 系统工程与电子技术. 2011(04)
[8]基于鲁棒性神经模糊网络的脉冲噪声滤波算法[J]. 李岳阳,王士同. 山东大学学报(工学版). 2010(05)
[9]基于计算机图像处理的印刷品缺陷检测[J]. 赵丹,丁金华,孙秋花,都虹. 包装工程. 2008(12)
[10]一种有效的小波-Wiener滤波去噪算法[J]. 赵艳明,全子一. 北京邮电大学学报. 2004(04)
硕士论文
[1]基于LIFTING SCHEME小波的图像自适应去噪研究[D]. 肖杨波.南昌大学 2007
[2]图像去噪方法的研究[D]. 刘祝华.江西师范大学 2005
本文编号：3617009
本文链接：https://www.wllwen.com/guanlilunwen/gongchengguanli/3617009.html
