毕设外文翻译.doc

毕设外文翻译.doc

《毕设外文翻译.doc》由会员分享，可在线阅读，更多相关《毕设外文翻译.doc（8页珍藏版）》请在冰点文库上搜索。

翻译第8页

英文原文到万方数据库下载或者给我评论留言留，我给您发！

原文题目:

Pre-processingTechniquesforOn-LineCapsuleInspectionBasedonMachineVision

2011第四届国际智能计算技术与自动化会议

基于机器视觉的在线胶囊检验预处理技术

ZhuZhengtao，HuangLiuqian，YuXiongyi

摘要-----机器视觉为制造业质量检验提供了极大的方便。

为了便于基于机器视觉的在线胶囊检测，在本文中提出了胶囊图像采集系统和预处理技术建议。

胶囊有一个圆柱面，让它滚动在平坦的平面，然后图像经几次拍摄会使其表面完全可见。

作为缺损的胶囊在不同的部分有着各样的不同，这是需要胶囊图像分割出的部分的灰度值是均匀的。

合成局部阈值和投影的方法可以很好执行这个分割。

实验证明，该算法具有良好的兼容性以及处理时间可以满足在线检测。

关键词：

胶囊检测；图像分割；块特点；投影；局部阈值

介绍

两半部分组成的胶囊已广泛应用在制药行业。

在制造过程中，胶囊是容易产生缺陷，包括不正确的大小，黑点，气泡，裂纹，孔，凹痕，在瓶盖切边毛刺，囊内异物等缺陷，最终产品会降低客户的信赖，甚至更糟可能对人体有害。

目前，国内厂家还是采用人工检查胶囊。

由于人生理条件的限制，人工检测将低效率和高失误率。

此外，它会造成二次污染。

因此，高性能，高速度和更可靠的自动检测系统是必要的。

对于制造业的检测和减少图像采集设备的成本的机器视觉的发展，使人们有可能开发的低成本、高性能计算机视觉去检测胶囊质量。

在最近几年，大量的胶囊在线检测方法已经被提出了[1]，一种传统的胶囊检测已被探索。

它集中在胶囊检验硬件系统设计。

又见文[2]。

[3]提供了一个由DSP组成FPGA的解决方案。

作为检测算法，它采用彩色模型分析和处理颜色胶囊图像。

一种有效的算法被仿真的小样本空间证明。

基于边缘提取，[4]提取胶囊区域确定的预测和形态滤波，再判断胶囊是否是贝叶斯决策系统缺陷所定义的。

通过提取胶囊特征参数对神经网络的输入，[5]建立一个神经网络，可以区分是胶囊是虚假或真实。

以上有不同方面有关基于机器视觉的胶囊检测。

但以往的文献很少讨论关的键详细介绍图像的采集和预处理技术，这有着重大影响在后续缺陷歧视和检测效率上。

在[1]图像获得通过将胶囊单独在透明的塑料支架和[6]固定胶囊影像，四次在不同的角度实现胶囊完全可见。

但这些方法浪费时间增加成本。

基于视觉的实时检测胶囊涉及四个关键方面：

1）设计的自动排料胶囊；2）使汽缸表面完全可见技术；3）图像采集系统中的缺陷胶囊可以清楚被反映；4）胶囊图像的快速缺陷检测算法。

关于自动分类，超出我们的讨论范围；另一方面是有关图像处理技术。

在本文中，我们重点的提取与分割图像从原来的胶囊，以方便后续工作。

除了各种尺寸，胶囊也有不同的配对的颜色。

检测在光下的颜色信息是没有必要，我们用黑白摄像机得到的灰度图像来减少和缩短数据处理时间。

不仅灰度特征能区分胶囊各部分之间，即上盖，下半身和盖身组合件，是不同的，而且对于同一类型的缺陷在三个不同部分也是不同的。

常规图像分割方法不能满足胶囊图像的精确性，因此影响后续的图像处理。

在实时检测，在料斗的胶囊被放入检测槽在链板，链板移动到检验位置。

尽量减少分配给图像采集的时间，有几个胶囊在照相机的视觉领域。

第一步是提取胶囊原图像，再分割成单个胶囊便于后续进程。

胶囊圆柱的反射和传送的不平使胶囊图像更加困难的提取和分割。

鉴于这种情况，我们采用全球双阈值分割和形态学算子提取胶囊图像区域，再处理整个胶囊区。

计算其质心和倾斜角度，然后它的垂直角度。

通过两次局部阈值和预测，我们确定的边缘上盖，胶囊图像为三个同质区域，奠定了良好基础的后处理。

图像获取

A胶囊检测系统

在检测位置，玻璃板上的胶囊卷是在链板移动；链部分明胶胶囊有一个圆柱表面，假设胶囊在纯滚动的玻璃板上，然后可使胶囊移动360形成完全可见来成像。

这样，我们能检测除了其两端的整个表面胶囊。

示意图如图1所示。

在检测位置，胶囊第一图像是在位置1，其中胶囊提出了四方表面；相应地，第二，第三和第四的图像是在位置2，表现出的是有四个图像中提取的胶囊。

除帽上，身体，和他它的组合部分，并检测它们每一个，如果蒴果圆柱面在一定角度有任何缺陷，我们可以得出结论。

四个胶囊的图像处理后，我们最终得到了检验结果。

附近的链的末端，有缺陷的胶囊由电磁铁或气体喷出，从而实现缺陷和合格的快速分离。

前视觉表面

第一视觉表面

图1

图1.胶囊检测示意图。

在图上有相同的胶囊。

胶囊是第一的位置1。

在相机下灰色部分是可见的。

然后胶囊滚动位置2，另一个表面呈现给相机。

当它滚到4的位置，胶囊的全部表面能被照射到。

B提取胶囊原图像

图2（a）显示源图像中获得的检查位置。

我们可以清楚地看到，每个胶囊包括三部分：

上盖，下半身和两者的结合部分。

作为对比，缺陷和胶囊是在每一个不同的部分，把胶囊图像分成三部分这是必须的。

对于胶囊沟检查将有一点位置的偏移量，在分割之前我们应该提取物胶囊图像。

胶囊图像分割程序如下：

1）进行二值化处理

由于图像是在一个封闭的背光环境中获取的，相应的灰度值的链板是最低在源图像上，并在透光部分是最高的。

胶囊的灰度值是两者之间的。

因此，我们可以采用双阈值法提取胶囊图像。

条件表达式是描述如下：

f1

像素满足条件设置为黑色，否则设置为白色。

过滤后的黑色区域保持原样还是，其他地方变成白色。

从而可以完全提取出胶囊的图像提。

2）形态学滤波

由于光的衍射，灰度值，链板的边界可能会落在胶囊相应的给定范围内，在之后的二值处理，边界会被误认为是胶囊，影响胶囊图像的提取。

但这些部分区域小于胶囊，其长度是远远长于宽度。

根据这些特点，我们采用形态滤波和模糊分析消除他们。

形态滤波，不仅使噪声可以被删除，而却能删除胶囊缺陷区域产生的黑点，以及充满胶囊区域产生的黑点。

结果显示在图2。

图2胶囊图像分割。

（a）源图像；（b）双阈值二值化结果；（c）开放式形态滤波器图（d）胶囊的提取图像。

3）单个胶囊的获取

为提高图像采集效率，在相机下有四粒胶囊，我们需要检测每一个。

使用触发模式获取图像。

以及高精度的间隔尺寸链板，四个胶囊的位置在图像上变化不大，我们可以细分胶囊图像并认识到每一个胶囊所包含的部分。

参见图3。

图3来自于图2（d）的胶囊图像分割

在单一胶囊图像上实现盖体分割

作为颜色匹配的帽子和身体是不同的，同一个胶囊的美一部分也是不同的部分，它是需要分别在三个部分进行检测。

针对这一特点胶囊图像，本文提出了一种方法，通过设置的地方阈值提取高频成分的胶囊图像，然后执行像素投影定位配件分割线。

在分割之前，几何校正胶囊图像是需要确定像素投影可以正确反映零件的细节。

整个胶囊可以被视为一个点，计算单一胶囊图像主轴角的点和角度。

让f（x，y）是指单一的胶囊图像。

作为为样本胶囊，帽子的颜色比身体暗，以及颜色组合的部分在图像也不同。

因此，分割可以被分为两个处理的步骤：

1）把胶囊分为两半胶囊帽和身体；2）将上部侧一分为二：

上盖与组合一部分。

fi（x,y）的局部阈值处理，将fi（x,y）的满足条件设置为0，否则为255。

结果显示在图4（b）中，应该指出的是阈值取决实际具体情况。

|f（x,y）-f（x+1,y）|+|f（x,y）-f（x-1,y）|+|f（x,y）-f（x,y+1）|+|f（x,y-1）|>30

把处理图像投影到Y方向上，并且找到最大投影值的位置（见图4（c））。

基于这个位置，我们分割图像以及获得胶囊的下面部分（见图4（b））。

图4第一个单胶囊图像的分割：

（a）单个胶囊处理；（b）方法（a）的表示

（2）；（c）对于Y方向的项目（b）；（d）第一分割结果。

对于上侧，用同样的方法，满足下列条件的像素设置为0，否则为255

|f（x,y）-f（x-1,y）|+|f（x,y）-f（x+1,y）|+|f（x,y）-f（x,y+1）|+|f（x,y-1）|>6

同样的，投射处理图像的上部去找到两部分的边界：

上盖和盖体连接部（见图5）。

图5在上半部分的图像分割（a）上半部分被分割；方法（a）的表达（3）；（c），项目（b）投影到Y方向；（d）第二次分割的结果

实验表明：

作为在一幅有不同对比的图像上的区域，同样的阈值不能进行正确分割。

采用算法合成局部阈值和投影，可以执行正确分割不同部分。

结论

在胶囊的不同部分，胶囊的缺陷是不同的。

我们应该把胶囊分割为三部分，每一个部分的灰度值基本保持不变。

作为对比的边界附近是不同的，我们提出一个方法合成局部阈值和投影找到边界的位置，从而将图像分割成三个部分。

不同的颜色匹配，精确的阈值取决于实验。

该算法不仅容易实现，但也有较好的鲁棒性和效率，可以实现真实的胶囊图像提取与分割。

参考书籍

[1]A.C.karloff,N.E.Scott,R.Museedere,Aflexibledesignforacosteffective[C],HighThroughputInspectionSystemforPharmaceuticalCapsules,inIEEEInternationalConferenceIndustrialTenhnology（ICIT2008）,Chendu,China,April21-24,2008.

[2]MJ.Islam,M.Ahmadi,M,A,Sid-Ahmed,Imageprocessingtechniquesforqualityinspectionofgelatincapsulesinpharmaceuticalapplications[C],Intl.Conf.onControl,Automation,RoboticsandVision,Hanoi,Vietnam,Dec17-20,2008.

[3]WangJunhai,胶囊检测系统的研究设计[C],武汉理工大学硕士学问论文,2008,5.

[4]ZuoQi,ShiZhongke,基于机器视觉的胶囊完整性检测系统[J],先交通大学学报,Vol.36,no12,Dec,2002.

[5]FengShanhan,ChenShuye,基于图像分析的真假胶囊颗粒识别的研究[J]传感器与微系统,Vol.27,no8,2008.

[6]INSPECAPS150AUTOMATICCAPSULEINSPECTION[Z],