膠囊檢測(cè)技術(shù)的研究現(xiàn)狀

胡佳麗， 郭天太， 吳聿聰， 李沫霖， 劉維

（中國(guó)計(jì)量學(xué)院，杭州310018）

0 引言

藥用膠囊在實(shí)際生活中有著大量使用。據(jù)統(tǒng)計(jì)，中國(guó)的膠囊使用量大約是1000億粒/a［1］?？招哪z囊是包裹藥劑的外包裝，用于保護(hù)藥物成分。空心膠囊的質(zhì)量好壞決定了藥性的發(fā)揮程度，劣質(zhì)的空心膠囊不利于藥物的質(zhì)量保證，甚至?xí)鹑梭w疾病，因此膠囊的檢測(cè)非常重要。隨著自動(dòng)化技術(shù)的不斷發(fā)展，空心膠囊的檢測(cè)技術(shù)由傳統(tǒng)的人工檢測(cè)向自動(dòng)化檢測(cè)技術(shù)發(fā)展。其中，對(duì)于膠囊外形的檢測(cè)是一項(xiàng)關(guān)鍵技術(shù)。對(duì)于膠囊檢測(cè)技術(shù)，國(guó)內(nèi)外一直在進(jìn)行不斷的研究和更新。

1 國(guó)外膠囊檢測(cè)技術(shù)

國(guó)外對(duì)于膠囊檢測(cè)的技術(shù)較之國(guó)內(nèi)起步得更早，因此也較為成熟。其研制的檢測(cè)儀器精度高，對(duì)膠囊的檢測(cè)種類豐富且更市場(chǎng)化。

1.1 基于單個(gè)區(qū)域的膠囊檢測(cè)技術(shù)

H.B.Kekre等［2］通過(guò)對(duì)多種膠囊檢測(cè)技術(shù)的研究，發(fā)現(xiàn)基于單個(gè)區(qū)域的膠囊檢測(cè)技術(shù)能夠在缺陷識(shí)別中達(dá)到更好的效果。在找到膠囊的單個(gè)區(qū)域后，在此區(qū)域生成特征向量。通過(guò)將樣本缺陷圖像和查詢圖像進(jìn)行對(duì)比，識(shí)別有缺陷的膠囊。通過(guò)計(jì)算查詢圖像與各個(gè)缺陷樣品和無(wú)缺陷樣品之間的歐氏距離。如查詢圖像與無(wú)缺陷樣品圖像之間的歐氏距離相同，則接受膠囊為合格，否則拒絕。

1.2 基于RG B和HS V的膠囊檢測(cè)技術(shù)

膠囊缺陷中有一種是膠囊的顏色差異，在一般的圖像處理檢測(cè)技術(shù)中，此類膠囊不能被很好地識(shí)別與剔除。為了實(shí)現(xiàn)對(duì)彩色膠囊進(jìn)行在線檢測(cè)，LIU Feng等［3］設(shè)計(jì)了基于RGB顏色空間和HSV色差公式的檢測(cè)方法。該技術(shù)將圖像的原始RGB格式膠囊圖像轉(zhuǎn)換到HSV顏色空間進(jìn)行準(zhǔn)確的檢測(cè)。為了保證在線檢測(cè)效率，顏色空間轉(zhuǎn)換和色差的計(jì)算并不在一個(gè)像素級(jí)。該技術(shù)由灰度直方圖來(lái)表示R、G、B分量值，通過(guò)轉(zhuǎn)換得到相應(yīng)的H、S、V值，計(jì)算得到色差值。通過(guò)將得到的色差值與給定的色差閾值進(jìn)行比較，接受在閾值內(nèi)的膠囊，剔除不在色差閾值內(nèi)的彩色膠囊，從而實(shí)現(xiàn)對(duì)有色膠囊的檢測(cè)。

1.3 基于邊緣檢測(cè)的膠囊檢測(cè)技術(shù)

計(jì)算機(jī)視覺(jué)系統(tǒng)通過(guò)數(shù)碼相機(jī)獲得的數(shù)字圖像通常有24位彩色圖像。這對(duì)于圖像處理而言運(yùn)算較為復(fù)雜且耗時(shí)長(zhǎng)。在實(shí)際應(yīng)用中對(duì)于膠囊的檢測(cè)需要能夠快速完成，因此必須減少圖像存儲(chǔ)量。該技術(shù)采用圖像灰度處理獲取更易于管理的二進(jìn)制映象圖，同時(shí)保留所有必要的膠囊原始圖像特征。M.Ahmadi等［4］提出了基于邊緣檢測(cè)的膠囊檢測(cè)技術(shù)。該技術(shù)基于邊緣檢測(cè)獲取原始圖像中高亮值的數(shù)據(jù)點(diǎn)，通過(guò)剔除一些與膠囊檢測(cè)內(nèi)容不相關(guān)的信息點(diǎn)來(lái)獲取膠囊輪廓邊緣的重要結(jié)構(gòu)信息，大大減少實(shí)際所用數(shù)據(jù)量。在邊緣檢測(cè)的基礎(chǔ)上進(jìn)行缺陷識(shí)別，能夠在保證判別率的同時(shí)提高檢測(cè)速度。

1.4 基于US B接口相機(jī)的膠囊檢測(cè)技術(shù)

M.J.Islam等［5-6］發(fā)現(xiàn)，自動(dòng)檢測(cè)與生產(chǎn)線上的人工檢測(cè)相比可以克服物理極限以及主觀判斷的缺陷。為了實(shí)現(xiàn)靈活便捷的膠囊檢測(cè)，他們開(kāi)發(fā)了基于USB 2.0接口相機(jī)以及小型硬件相配合的檢測(cè)技術(shù)。該技術(shù)自定義的USB相機(jī)由一個(gè)3像素CMOS圖像傳感器、一個(gè)賽靈思500K系統(tǒng)的FPGA和一個(gè)USB 2.0的微控制器組成。在圖像處理方面，該技術(shù)使用邊界跟蹤接近膠囊并圍繞膠囊旋轉(zhuǎn)了一圈，用以進(jìn)行檢查。通過(guò)定制系統(tǒng)控制器接受和拒絕，并將膠囊傳遞到相應(yīng)的容器內(nèi)。

1.5 基于稱重的膠囊檢測(cè)技術(shù)

國(guó)外的膠囊檢測(cè)技術(shù)不僅能夠通過(guò)圖像處理技術(shù)對(duì)膠囊的外形缺陷進(jìn)行檢測(cè)，還能夠通過(guò)稱重系統(tǒng)對(duì)膠囊的重量進(jìn)行檢測(cè)。如英國(guó)的SADE SP膠囊分揀機(jī)，產(chǎn)自CI公司，其對(duì)膠囊的稱重精度已經(jīng)精確到l mg。美國(guó)的高速膠囊在線稱重及分揀系統(tǒng)，能同時(shí)檢測(cè)膠囊的外形缺陷和膠囊的重量誤差［7-8］。

2 國(guó)內(nèi)膠囊檢測(cè)技術(shù)

國(guó)內(nèi)對(duì)于膠囊檢測(cè)的起步較晚，但隨著研究的深入，目前的膠囊檢測(cè)技術(shù)水平也有了顯著的提升。同時(shí)，檢測(cè)的方式也向多元化和自動(dòng)化發(fā)展。

2.1 基于圖像處理的膠囊檢測(cè)

將圖像處理技術(shù)運(yùn)用于膠囊的檢測(cè)，可以大大提高膠囊檢測(cè)的速度。對(duì)于膠囊的圖像處理首先是將膠囊拍照，從而獲取其圖像，對(duì)圖像進(jìn)行去噪濾波等預(yù)處理后，利用工控機(jī)將獲取得到的圖像與缺陷數(shù)據(jù)庫(kù)比對(duì)，識(shí)別膠囊的缺陷類型。吳德等［9-11］通過(guò)對(duì)傳統(tǒng)的濾波算法進(jìn)行分析，發(fā)現(xiàn)這些算法在濾波的同時(shí)容易丟失膠囊的邊緣以及缺陷特征，不能很好地適用于檢測(cè)，因此提出一種基于平均曲率流的濾波算法，從而實(shí)現(xiàn)了在去噪的同時(shí)保存必要的膠囊邊緣缺陷特征。對(duì)于膠囊圖像的提取和分割，該檢測(cè)方法基于線掃描將原本的檢測(cè)區(qū)域增長(zhǎng)，從而解決了膠囊圖像多區(qū)域非均勻的問(wèn)題。該技術(shù)提出了一整套用于膠囊檢測(cè)的圖像處理算法，同時(shí)配備了包含圖像采集、自動(dòng)剔除裝置的硬件系統(tǒng)。這一技術(shù)可以大批量、高效地識(shí)別膠囊的多種缺陷，其檢測(cè)速度可以到達(dá)7.5萬(wàn)粒/h。

2.2 基于紅外圖像的膠囊缺陷檢測(cè)

基于紅外圖像的膠囊缺陷檢測(cè)技術(shù)利用紅外線進(jìn)行照射，考慮到紅外線具有極強(qiáng)的穿透力，在無(wú)需對(duì)膠囊進(jìn)行機(jī)械翻轉(zhuǎn)的情況下，可以直接對(duì)膠囊的正面和背面進(jìn)行檢測(cè)，這既簡(jiǎn)化了機(jī)械結(jié)構(gòu)，也減少了膠囊的漏檢情況［12］。同時(shí)，該技術(shù)采用BP神經(jīng)網(wǎng)絡(luò)中的反向傳播神經(jīng)網(wǎng)絡(luò)對(duì)膠囊缺陷進(jìn)行分類識(shí)別。其檢測(cè)過(guò)程分為兩步：1）對(duì)膠囊的初步檢測(cè)。BP神經(jīng)網(wǎng)絡(luò)由輸入、人工神經(jīng)細(xì)胞體、輸出三部分組成。該技術(shù)首先將膠囊的外形、紋理特征相結(jié)合，再利用PCA進(jìn)行降低維度，以此得到特征向量作為輸入，初步實(shí)現(xiàn)對(duì)缺陷膠囊的識(shí)別。2）對(duì)膠囊的精確檢測(cè)。對(duì)于第一步檢測(cè)合格的膠囊根據(jù)其邊緣輪廓和組合距離進(jìn)行邊緣檢測(cè)，對(duì)不符合要求的缺陷膠囊進(jìn)行識(shí)別。該技術(shù)對(duì)缺陷膠囊的識(shí)別率為95%及以上，其錯(cuò)誤判別率僅為1.6%。

2.3 基于計(jì)算機(jī)視覺(jué)技術(shù)的雙通道膠囊檢測(cè)

該技術(shù)采用雙通道設(shè)計(jì)，分別為近紅外通道和可見(jiàn)光通道。近紅外通道由黑白相機(jī)完成圖像采集，背光源實(shí)現(xiàn)照明，主要檢測(cè)膠囊黑點(diǎn)、油污、開(kāi)裂、殘缺等內(nèi)部殘損等缺陷?？梢?jiàn)光通道由彩色相機(jī)和條形光源配合完成圖像采集，主要檢測(cè)膠囊超長(zhǎng)、超短、形變、癟殼等外形尺寸缺陷［13］。對(duì)于膠囊檢測(cè)的算法，通過(guò)濾波算法，進(jìn)行對(duì)圖像的預(yù)處理；通過(guò)圖像分割算法得到膠囊輪廓，并采用方形滑塊分割算法和形態(tài)學(xué)算法，對(duì)膠囊結(jié)合部位實(shí)現(xiàn)準(zhǔn)確有效的提取，并以此為依據(jù)分離成三部分；通過(guò)邊緣檢測(cè)算法，提取膠囊特征值；設(shè)計(jì)孔洞填充算法識(shí)別膠囊的缺陷并對(duì)膠囊彩色部分亮度較高的地方進(jìn)行補(bǔ)償。該膠囊檢測(cè)技術(shù)的檢測(cè)速度達(dá)到8.4萬(wàn)粒/h，識(shí)別準(zhǔn)確率高達(dá)99%，并能夠?qū)δz囊采用120°旋轉(zhuǎn)實(shí)現(xiàn)完整檢測(cè)。

2.4 基于D S P的破損膠囊多通道檢測(cè)

數(shù)字信號(hào)處理技術(shù)（DSP）在信息技術(shù)和集成電路的發(fā)展下不斷成熟，使得數(shù)字信號(hào)處理器的優(yōu)勢(shì)逐漸顯現(xiàn)。數(shù)字信號(hào)處理是將所獲得的信號(hào)通過(guò)數(shù)字方式表示并進(jìn)行處理的理論和技術(shù)?；贒SP的破損膠囊多通道檢測(cè)，將圖像處理技術(shù)與具有強(qiáng)大運(yùn)算能力的數(shù)字信號(hào)處理器結(jié)合，從而對(duì)膠囊圖像處理高效精確地進(jìn)行檢測(cè)。

該技術(shù)使用CCD圖像傳感器，能夠同時(shí)對(duì)膠囊的4個(gè)表面進(jìn)行圖像采集，配合4路編解碼器實(shí)現(xiàn)檢測(cè)膠囊的4個(gè)表面是否存在缺陷，從而大大提高了檢測(cè)速度，減少了檢測(cè)時(shí)間。更大的優(yōu)勢(shì)是該技術(shù)在利用多個(gè)CCD的情況下可以同時(shí)檢測(cè)多個(gè)膠囊［14-16］。

在軟件編程方面，該技術(shù)選擇均值濾波和中值濾波來(lái)對(duì)圖像進(jìn)行預(yù)處理。在圖像檢測(cè)時(shí)，先用邊沿檢測(cè)識(shí)別并確定每個(gè)膠囊的邊界信息，再分別對(duì)每一個(gè)膠囊進(jìn)行4個(gè)表面的破損缺陷檢測(cè)。利用雙閾值分割法對(duì)膠囊進(jìn)行分割，實(shí)現(xiàn)對(duì)完整膠囊的全方位檢測(cè)。該技術(shù)的另一個(gè)創(chuàng)新之處是利用反色與圖像合成的方法來(lái)對(duì)膠囊圖像進(jìn)行處理，這大大減少了DSP的運(yùn)算工作量。最后，在缺陷檢測(cè)方面，通過(guò)計(jì)算膠囊圖像存在的破損面積和對(duì)顯現(xiàn)的灰度直方圖進(jìn)行分析，來(lái)對(duì)膠囊的實(shí)際缺陷進(jìn)行判斷。

2.5 基于D S P和F P G A的殘損膠囊圖像檢測(cè)

FPGA是專用集成電路（ASIC）領(lǐng)域中的一種半定制電路，是一種現(xiàn)場(chǎng)可編程門陣列，克服了定制電路不足和原有可編程器件門電路數(shù)有限這兩個(gè)缺陷。在利用圖像處理技術(shù)實(shí)現(xiàn)膠囊檢測(cè)的過(guò)程中，要保證檢測(cè)速度以及效率，需要進(jìn)行數(shù)據(jù)的高速交換，在DSP高速處理器平臺(tái)上加上FPGA，將圖像的預(yù)處理部分在FPGA中進(jìn)行，則可以大大減小DSP的工作量，從而保證檢測(cè)過(guò)程的高速完成。

FPGA可以連接硬件系統(tǒng)的一些數(shù)據(jù)線以及控制線，也可以將大量的邏輯控制集成到內(nèi)部。這可以極大地簡(jiǎn)化電路設(shè)計(jì)，滿足電路易于調(diào)試的要求，也可以使得整個(gè)系統(tǒng)更加集成化和小型化。另一方面，F(xiàn)PGA可以控制FIFO的緩存容量，保證圖像數(shù)據(jù)的交換更加順利。

該技術(shù)可對(duì)膠囊表面不同的磨損程度進(jìn)行檢測(cè)。研究者建立圖像的HSI顏色模型，通過(guò)對(duì)膠囊圖像進(jìn)行處理，從而獲取膠囊彩色圖像的色度和飽和度。從膠囊圖像的H分量和S分量直方圖的區(qū)別中，可以判斷膠囊不同部位的磨損程度［17］。

3 結(jié)論

近年來(lái)，圖像處理技術(shù)在醫(yī)學(xué)醫(yī)藥領(lǐng)域的廣泛應(yīng)用加快了膠囊檢測(cè)技術(shù)的發(fā)展。在理論研究方面，基于圖像處理的膠囊檢測(cè)技術(shù)已經(jīng)取得了不少成果。但實(shí)際應(yīng)用于生產(chǎn)的膠囊檢測(cè)系統(tǒng)目前尚不成熟。國(guó)外的膠囊檢測(cè)系統(tǒng)較為完善，但價(jià)格較高不能被國(guó)內(nèi)市場(chǎng)廣泛接受。而國(guó)內(nèi)的膠囊檢測(cè)系統(tǒng)目前普遍適用于小樣本檢測(cè)。因此，膠囊檢測(cè)技術(shù)仍有較大的研究空間。

［1］ 馮珊珊，陳樹(shù)越.基于圖像分析的真假藥膠囊顆粒識(shí)別方法研究［J］.傳感器與微系統(tǒng)，2008，27（8）：54-56.

［2］ KEKRE H B，MISHRA D，VARUN D.Detection of defective pharmaceutical capsules and its types of defect using image processing techniques ［C］//Proc. of 2014 International Conference on Circuit，Power and ComputingTechnologies（ICCPCT），2014：1190-1195.

［3］ LIU Feng，LIU Xiaoyu，CHEN Yi.An efficient detection method for rare colored capsule based on RGB and HSV color space［C］//Proc.of 2014 IEEE International Conference on Granular Computing（GrC），2014：175-178.

［4］ ISLAM M J，AHMADI M，SID-AHMED M A.Image processing techniques forquality inspection ofgelatin capsules in pharmaceutical applications ［C］//Proc. of International Conference on Control，Automation，Robotics and Vision，2008：862-867.

［5］ KARLOFF A C，SCOTT N E，MUSCEDERE R.A flexible design for a cost effective，high throughput inspection system for pharmaceuticalcapsules ［C］//Proc.ofIEEE International Conference on Industrial Technology，2008：1-4.

［6］ ISLAM M J，BASALAMAH S，AHMADI M，et al.Capsule image segmentation in pharmaceutical applications using edge-based techniques［C］//Proc.of IEEE International Conference on Electro/Information Technology（EIT），2011：1-5.

［7］ WANG Huanhuan，LIU Xiaoyu，CHEN Yi.Detection of capsule foreign matter defect based on BP neural network［C］//Proc.of 2014 IEEE International Conference on Granular Computing（GrC），2014：325-328.

［8］ 陳汗青，萬(wàn)艷玲，王國(guó)剛.數(shù)字圖像處理技術(shù)研究進(jìn)展［J］.工業(yè)控制計(jì)算機(jī)，2013，26（1）：72-74.

［9］ 程巧玲.圖像處理技術(shù)近期發(fā)展及應(yīng)用［J］.信息與電腦（理論版），2013（6）：203-204.

［10］ 吳德.基于圖像處理的膠囊檢測(cè)系統(tǒng)的研究［D］.廣州：廣東工業(yè)大學(xué)，2011.

［11］ ZHU Zhengtao，YU Xiongyi，HUANG Liuqian，et al.Fast Capsule Image Segmentation Based on Linear Region Growing［J］.Computer Science and Automation Engineering（CSAE），2011：99-103.

［12］ 王娟，周永霞，徐冰俏，等.圖像處理在膠囊外形缺陷檢測(cè)中的應(yīng)用［J］.中國(guó)計(jì)量學(xué)院學(xué)報(bào)，2012，23（3）：239-245.

［13］ 王道檔，趙超杰，孔明，等.基于圖像處理的膠囊外形快速檢測(cè)系統(tǒng)設(shè)計(jì)［J］.電視技術(shù)，2014，38（19）：216-220.

［14］ 吳宏杰，季劍蘭，朱音，等.一種膠囊缺陷檢測(cè)系統(tǒng)的設(shè)計(jì)與研究［J］.電腦知識(shí)與技術(shù)，2010，6（28）：8093～8094，8100.

［15］ 李蓮，閆志洋.破損膠囊檢測(cè)的圖像處理分析與研究［J］.儀器儀表學(xué)報(bào)，2011，32（12）：322-324.

［16］ 楊娟寧，王映卓，張永元.基于DSP的圖像處理技術(shù)在制藥工業(yè)在線檢測(cè)中的應(yīng)用［J］.物聯(lián)網(wǎng)技術(shù)，2011，1（8）：60-62.

［17］ 王軍海.殘損膠囊圖像檢測(cè)系統(tǒng)的研究與設(shè)計(jì)［D］.武漢：武漢理工大學(xué)，2008.