基于工业机器视觉的药品包装“三期”检测技术研究

发布时间：2021-01-23 10:32

　　机器视觉是一门涉及多个领域的交叉学科,和传统的人工检测相比,视觉检测具有检测精度高、高效率、安全、成本低以及无损检测等优势,因此机器视觉技术在工业领域中受到了很大的关注和重视。本文从研究课题的背景进行分析,通过阅读大量文献对机器视觉技术在药品包装领域的研究现状有了充分的了解,并针对目前视觉检测技术在药品包装领域的缺陷,研究了提升检测精度和检测效率的算法,搭建了一套仿真工业产线上的视觉检测系统平台,基于C#联合HALCON开发了一套完整的药品三期信息机器视觉软件系统,该系统已进行量产使用。本文的研究工作以及创新点如下:（1）为了提升药品三期信息视觉检测系统的检测精度,提出一种基于时延错位的目标图像差影去噪算法。为了消除印刷包装噪声对检测结果的影响,基于采集图像的时延特性,可以利用两次采集的字符间的微小位移,通过设计特殊的卷积算子对差影后的三期字符进行处理,提升药品包装三期图像去噪效果。（2）本文提出一种时延错位差影加法增强算法,通过对带时延的两幅图像进行叠加处理,可以实现药品图像的去噪。根据背景噪声图像的随机性,将两幅带时延的图像进行相加处理,通过设置图像相加后的阈值,可以有效地消除背景... 

【文章来源】：齐鲁工业大学山东省

【文章页数】：96 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 选题的研究背景及意义
    1.2 机器视觉技术的理论及研究现状
        1.2.1 机器视觉的概念
        1.2.2 机器视觉技术的优势
        1.2.3 机器视觉技术的研究现状
        1.2.4 机器视觉的发展趋势
    1.3 药品三期信息检测的研究现状
    1.4 本文的创新性
    1.5 论文的主要研究内容和结构
第2章 机器视觉图像处理算法基础
    2.1 机器视觉精度提升算法
        2.1.1 均值滤波算法
        2.1.2 加权中值滤波算法
        2.1.3 Canny边缘检测算法
    2.2 机器视觉速度提升算法
        2.2.1 内存优化算法
        2.2.2 不同图像数据类型的内存优化模型建立
        2.2.3 优化模型的遗传算法求解
        2.2.4 内存优化实现
    2.3 本章小结
第3章 视觉检测系统的精度提升方法
    3.1 时延错位差影去噪算法
        3.1.1 传统差影算法
        3.1.2 时延错位差影法
        3.1.3 特定卷积算子增强字符区域
    3.2 时延错位差影加法去噪算法
        3.2.1 传统图像叠加原理
        3.2.2 时延错位差影加法去噪算法
    3.3 实验设计流程
        3.3.1 图像处理流程
        3.3.2 药品三期信息目标区域提取
    3.4 实验数据及结果对比
        3.4.1 评价标准
        3.4.2 基于双图像不同重叠率的图像采集处理结果
        3.4.3 基于时延差值错位叠加算法的参数设定
        3.4.4 基于时延差值错位减法运算的参数设定
    3.5 本章小结
第4章 视觉检测系统的速度提升方法
    4.1 基于内存优化的药品包装“三期”字符高速检测方法
    4.2 高速检测方法实施步骤
        4.2.1 随机贪心图像降维处理算法生成降维优化算子
        4.2.2 基于DMA直接数据保存
        4.2.3 链式分组优化处理模型
        4.2.4 Sobel边缘检测提取字符区域
        4.2.5 特征匹配与检测分析
    4.3 实验结果分析
    4.4 本方法对检测系统的整体提升效果
    4.5 本章小结
第5章 药品三期信息视觉检测系统设计
    5.1 药品三期信息视觉检测系统结构
    5.2 图像采集装置
        5.2.1 工业光源
        5.2.2 工业相机和工业镜头
        5.2.3 光电传感器
    5.3 图像处理单元
    5.4 本章小结
第6章 视觉系统软件的开发与实现
    6.1 HALCON联合C
    6.2 联合开发的优势
    6.3 人机交互界面设计
        6.3.1 界面设计
        6.3.2 控件添加及消息映射
    6.4 检测类的设计
        6.4.1 HALCON处理函数
        6.4.2 检测类的编写
        6.4.3 异常处理
    6.5 视觉软件系统的说明及运行
        6.5.1 使用说明
        6.5.2 系统运行及结果显示
    6.6 本章小结
总结与展望
参考文献
致谢
在学期间主要科研成果
    一、发表学术论文
    二、专利及软件著作权
    三、获奖
    四、参与科研项目情况


【参考文献】：
期刊论文
[1]智能视觉物联网在工业自动化中的应用研究[J]. 韩海冰.  电脑编程技巧与维护. 2019(03)
[2]基于机器视觉和激光测距的输电线故障定位[J]. 金立军,王恒,王文华,闫书佳.  同济大学学报(自然科学版). 2018(12)
[3]基于视觉显著性的木板实时分类方法研究[J]. 李晖,吴佳宁,苑玮琦,隋春江.  仪器仪表学报. 2018(12)
[4]计算机视觉中图匹配研究进展:从二图匹配迈向多图匹配[J]. 严骏驰,杨小康.  控制理论与应用. 2018(12)
[5]基于计算机视觉技术的结构表面裂缝检测方法研究[J]. 韩晓健,赵志成.  建筑结构学报. 2018(S1)
[6]自动化药品检测机检测单剂量口服分包药品的准确度分析[J]. 张钰宣,吴斌,史亦丽,张国萍,姜艳,梅丹.  中国医院药学杂志. 2018(20)
[7]车辆智能障碍物检测方法及其农业应用研究进展[J]. 何勇,蒋浩,方慧,王宇,刘羽飞.  农业工程学报. 2018(09)
[8]面向高速视觉检测的精确抓拍安全策略研究[J]. 张堃,王震,张培建,华亮,费敏锐.  仪器仪表学报. 2018(02)
[9]基于机器视觉的筒子纱缺陷在线检测系统[J]. 牟新刚,蔡逸超,周晓,陈国良.  纺织学报. 2018(01)
[10]一种新的高速多目标参数检测算法[J]. 刘家州,章宇兵,陆洲.  电子科技大学学报. 2017(04)

硕士论文
[1]基于机器视觉的轴套尺寸及涂层表面检测系统的研究[D]. 邓家华.华南理工大学 2017
[2]基于机器视觉的钢轨表面缺陷检测技术研究[D]. 丁政开.北京交通大学 2017
[3]基于机器视觉的字符识别技术研究[D]. 石洪贵.合肥工业大学 2006



本文编号：2995064