基于K鄰域鏈碼拐點(diǎn)的膠囊端面缺陷檢測算法*

劉孝星，吳 哲，鄭力新，周凱汀（.華僑大學(xué) 信息科學(xué)與工程學(xué)院，福建 廈門 360；.華僑大學(xué) 工學(xué)院，福建 泉州 360）

基于K鄰域鏈碼拐點(diǎn)的膠囊端面缺陷檢測算法*

劉孝星1，吳 哲2，鄭力新2，周凱汀1
（1.華僑大學(xué) 信息科學(xué)與工程學(xué)院，福建 廈門 361021；2.華僑大學(xué) 工學(xué)院，福建 泉州 362021）

針對目前空心膠囊端面缺陷圖像采集困難等問題，提出了一種特殊照明的方式對膠囊端部進(jìn)行成像。將圖像銳化、改進(jìn)后的局部自適應(yīng)閾值、輪廓提取用于膠囊端面圖像的預(yù)處理，并針對膠囊端面缺陷漏檢率高、檢測效果差等問題，提出了一種基于K鄰域鏈碼的拐點(diǎn)檢測算法，統(tǒng)計(jì)出膠囊端面缺陷圖像中的拐點(diǎn)個數(shù)并做出缺陷判別。實(shí)驗(yàn)結(jié)果證明，該檢測算法實(shí)時性好，對常見的5種顏色的膠囊漏檢率和誤檢率均控制在2％～9％。

K鄰域鏈碼；空心膠囊；端面缺陷檢測

0 引言

空心膠囊的缺陷檢測是藥品質(zhì)量監(jiān)管中不可或缺的一道工序。空心膠囊輕微的表面缺陷會影響其外觀，嚴(yán)重的表面缺陷可能造成充填機(jī)停機(jī)或使膠囊失去容器特性，因此需要對膠囊表面缺陷進(jìn)行檢測。端面缺陷是常見的一種空心膠囊缺陷，ISLAM M J等人經(jīng)過Otsu算子分割、輪廓跟蹤算法擬合端部的輪廓，得到兩個圓的半徑，判斷半徑是否在設(shè)定范圍之內(nèi)來判斷膠囊端部是否存在缺陷［1］。KARLOFF A C等人利用了3個相機(jī)進(jìn)行拍攝，實(shí)現(xiàn)360°的膠囊柱面圖像采集［2］。本文提出了一種較特殊的端部缺陷檢測方案，利用特定光源照射下膠囊端部反射的“月牙”圖形進(jìn)行后續(xù)的處理和判別。通過圖像增強(qiáng)使“月牙”圖像的邊緣輪廓更為清晰，再采用圖像分割使端部的“月牙”圖形從背景中分離出來，對“月牙”的輪廓進(jìn)行提取與篩選，并提出了一種基于K鄰域鏈碼的拐點(diǎn)檢測算法統(tǒng)計(jì)輪廓拐點(diǎn)數(shù)量，從而判別端部是否存在缺陷。

1 端部缺陷檢測方案

1.1 端部缺陷類別

常見的膠囊端部缺陷主要分為梅花頭和頂凹這兩種缺陷，如圖1所示。

圖1 膠囊端部缺陷

1.2 照明結(jié)構(gòu)設(shè)計(jì)

在檢測膠囊端部缺陷時，考慮到膠囊兩頭為半球面，相機(jī)垂直拍攝，僅僅依靠背光時端部存在盲區(qū)，無法看清端部的情況。實(shí)踐發(fā)現(xiàn)，兩端各設(shè)置一個平行光源進(jìn)行正面照明，會有一部分反光進(jìn)入上方的相機(jī)，觀察反射光是否異常就可以知道端部是否存在缺陷。具體的光源結(jié)構(gòu)設(shè)計(jì)及采集的圖像分別如圖2、圖3所示。

圖2端部照明光源設(shè)計(jì)

圖3膠囊端部圖像

1.3 端部缺陷檢測算法設(shè)計(jì)

膠囊兩端各有一平行光源，光線照射到膠囊端部并反射進(jìn)相機(jī)中，由于膠囊表面較為光滑且兩端為半球形，因此反射光在相機(jī)采集到的圖像中呈現(xiàn)“月牙”的形狀。當(dāng)膠囊的端部正常時，圖像中的“月牙”形狀完整，亮度均勻，且“月牙”的輪廓相對平滑；當(dāng)膠囊的端部存在缺陷時，“月牙”的形狀將會發(fā)生改變，由于不再光滑的半球面使“月牙”的亮度變得不均勻，導(dǎo)致其輪廓的平滑度降低，產(chǎn)生許多不規(guī)則凹凸，甚至出現(xiàn)斷裂的情況，如圖4所示。

圖4 端部的“月牙”

利用端部正常時的“月牙”與端部存在缺陷時的“月牙”之間的各種差異，通過檢測“月牙”的形狀就可以判斷膠囊端部是否異常。

2 預(yù)處理

2.1 圖像增強(qiáng)

“月牙”圖像的檢測主要依賴于其邊緣平滑度的分析，當(dāng)端部存在缺陷時，“月牙”圖像可能發(fā)生虛化，圖像增強(qiáng)算法增強(qiáng)“月牙”邊緣的對比度，使邊緣更加清晰。圖像銳化即邊緣增強(qiáng)處理，可以使圖像的邊緣更為清晰，分為頻域高通濾波法和空間域微分法［3-4］。空間域微分法直接對圖像像素進(jìn)行操作，免去了頻域與空間域之間的轉(zhuǎn)換，本文采用改良后的 Laplacian變形算子［5］，獲得更佳的銳化效果。典型的算子模板如式（1）所示，考慮了在圖像45°和135°上的效果。

由于 Laplacian算子對噪點(diǎn)敏感，在銳化之前首先利用高斯平滑對圖像進(jìn)行降噪處理，然后用式（1）模板進(jìn)行二階微分運(yùn)算，將得到的拉普拉斯圖像與原圖像根據(jù)式（2）疊加，獲取銳化后的圖像如圖5所示。

圖5 銳化后的圖像

2.2 閾值分割與孤立點(diǎn)消除

為了提高算法效率，減少不必要的數(shù)據(jù)運(yùn)算，首先需要設(shè)定每個“月牙”所在區(qū)域的ROI，如圖6所示，4個白色矩形框?yàn)樵O(shè)定的ROI。由于相機(jī)觸發(fā)采集的圖像中膠囊的位置固定，可保證“月牙”包含于ROI中，復(fù)制ROI圖像后，算法只需針對“月牙”所處的區(qū)域進(jìn)行處理。

圖6端部ROI示意圖

少量的反光讓背景圖像對“月牙”后續(xù)的分析造成影響，需單獨(dú)提取出“月牙”。為了使“月牙”與背景分離，需采用閾值分割進(jìn)行處理，但膠囊端部出現(xiàn)缺陷時，可能出現(xiàn)“月牙”亮度不均勻的情況，并且膠囊槽上下各有小部分冗余的空間，使膠囊在槽中的位置有所變化。本文對最有代表性的局部自適應(yīng)閾值法 Bernsen算法［6］進(jìn)行修改，使之可以用于從較暗的背景中分割出亮的前景，修改前后的公式分別如式（3）、式（4）所示：

根據(jù)式（4）對銳化后的圖像局部自適應(yīng)閾值進(jìn)行分割得到圖7，其中窗口大小為25×25，參數(shù)C=22。

圖7 “月牙”的分割結(jié)果

從圖7可以看出，由于底板、膠囊槽邊框及膠囊本身有輕微的反光，在“月牙”周圍仍然存在一些干擾。若采用形態(tài)學(xué)運(yùn)算腐蝕或開運(yùn)算進(jìn)行處理，雖能去除周圍的小區(qū)域，但因?yàn)椤霸卵馈弊陨韰^(qū)域面積較小，其形狀將被嚴(yán)重破壞，如圖8所示。

圖8 形態(tài)學(xué)處理后的“月牙”

因此本文采用輪廓提取算法獲取圖像中所有連通域的輪廓，并計(jì)算每個輪廓包圍的面積。考慮到缺陷的“月牙”自身因?yàn)閿嗔训某霈F(xiàn)而分為幾個部分，所以通過設(shè)定一個小數(shù)值的閾值，將面積小于該閾值的區(qū)域去除，保留大于閾值的區(qū)域，即“月牙”本身，得到圖 9。

圖9 去除干擾后的“月牙”

3 基于K鄰域鏈碼的拐點(diǎn)檢測

拐點(diǎn)定義為改變曲線上、下走勢的點(diǎn)。拐點(diǎn)檢測算法可分兩類，一類是利用模板處理圖像中所有像素，依據(jù)結(jié)果確定拐點(diǎn)［7］；另一類通過搜索區(qū)域邊緣曲率最大值來尋找拐點(diǎn)［8］。后一種方法實(shí)現(xiàn)較為簡單，準(zhǔn)確度較高。正常的“月牙”具有兩個拐點(diǎn)，而缺陷的“月牙”由于邊緣的形變較多，拐點(diǎn)數(shù)將超過兩個，通過拐點(diǎn)檢測算法檢測“月牙”邊緣拐點(diǎn)，統(tǒng)計(jì)其數(shù)量即可判斷是否存在缺陷。

本文將K鄰域鏈碼用于拐點(diǎn)檢測，相比于8鄰域鏈碼，其方向量化精度有所提高，并且具有平滑作用，避免邊界噪聲的干擾，可準(zhǔn)確計(jì)算邊緣曲率。

設(shè)“月牙”邊緣由 n個像素 pi（i=1，2，…，n）組成，c（k，i）和 ei為第 i個邊緣像素的鏈碼和曲率，在某一鄰域內(nèi)，像素 p（i+k/8）相對于 pi的方向可表示為 c（k，i+k/8）。像素pi的K鄰域如圖10所示，中心像素的外圍第1、2、3圈分別為 8鄰域、16鄰域、和24鄰域，用數(shù)字 0，1，2，…，k-1表示鄰域方向。實(shí)際中存在兩種特殊的情況：

（1）像素 p（i+k/8）不在的 K 鄰域內(nèi)，但在 pi的 k-8m內(nèi)，其中m=1，2，…，且k-8m≥8，則用式（5）來代替；

c（k，i+k/8）≈c（k-8m，i+k/8）×k/（k-8m）（5）

（2）若像素 p（i+k/8）不在 pi的任何一個鄰域內(nèi)，表明p（i+k/8）和 pi為同一個像素，且意味著像素 p（i+k/16）為拐點(diǎn)，標(biāo)記 p（i+k/8）和 pi，在后續(xù)處理中此標(biāo)記可表明在點(diǎn) p（i+k/16）位置上有曲率突變。此時，c（k，i+k/8）不參與曲率的計(jì)算，可以令 c（k，i+k/8）=c（k，i+k/8-1）。

圖10 K鄰域鏈碼示意圖

根據(jù)K鄰域鏈碼描述可得邊緣像素pi處的切線角度的改變量θi為：

通過式（6）得到［0，π］范圍內(nèi)的曲率為：

為了擴(kuò)大邊緣上各點(diǎn)的曲率之差，使之易于比較，采用式（8）進(jìn)行計(jì)算。

對二值圖像中的“月牙”進(jìn)行拐點(diǎn)檢測，統(tǒng)計(jì)邊緣曲線上的輪廓數(shù)量，即可實(shí)現(xiàn)缺陷判斷。

4 實(shí)驗(yàn)結(jié)果

從生產(chǎn)線上選用不同顏色的膠囊作為測試樣本，主要檢測頂凹和梅花頭兩種缺陷，端部正常時與端部缺陷時的檢測結(jié)果如圖11所示，圖形“×”表示所找到的拐點(diǎn)所在位置，可以看出圖 11（a）中正常的空心膠囊端部觀點(diǎn)數(shù)目為 2個，11（b）端部缺陷的空心膠囊拐點(diǎn)數(shù)目遠(yuǎn)大于2個。可見該端部缺陷檢測算法具有良好的效果。在實(shí)際測試中，本算法在 Intel Core i7 4770k的處理平臺下耗費(fèi)的總時間平均為5.4 ms，實(shí)時性較好。

圖11 拐點(diǎn)檢測結(jié)果

選用5種不同顏色的膠囊進(jìn)行端部缺陷檢測實(shí)驗(yàn)，檢測完成后分別從成品和次品中抽樣檢測，統(tǒng)計(jì)每種顏色膠囊的漏檢率和誤檢率，部分抽樣結(jié)果如表1所示。本算法漏檢率和誤檢率均在2％～9％之間。

表1 5種顏色空心膠囊抽樣結(jié)果

5 結(jié)論

本文提出了一種較為特殊的端部缺陷檢測方案，利用特定光源照射下膠囊端部反射的“月牙”圖形進(jìn)行后續(xù)的處理和判別。實(shí)驗(yàn)結(jié)果證明，本文提出的缺陷檢測算法實(shí)時性好，漏檢率、誤檢率較低，算法健壯性較強(qiáng)且效率較高，有一定的應(yīng)用價值。

［1］ISLAM M J，AHMADI M，SID-AHMED M A.Image processing techniques for quality inspection of gelatin capsules in pharmaceutical applications［C］.10th International Conference on Control，Automation，Robotics and Vision，ICAR-CV 2008，IEEE，2008：862-867.

［2］KARLOFF A C，SCOTT N E，MUSCEDERE R.A flexible design for a cost effective，high throughput inspection system for pharmaceutical capsules［C］.IEEE International Conference on Industrial Technology，ICIT 2008，IEEE，2008：1-4.

［3］MURAI T，MORIMOTO M，F(xiàn)UJII K.A visual inspection system for medical capsules［C］.Systems，Man，and Cybernetics（SMC），IEEE，2012：1433-1437.

［4］萬水龍，劉進(jìn)，余彪，等.基于閾值函數(shù)和 TV模型的印章圖像去噪［J］.微型機(jī)與應(yīng)用，2014，33（2），46-49.

［5］張聰，桂志國.噪聲控制的圖像非線性銳化方法［J］.計(jì)算機(jī)工程與應(yīng)用，2011，47（4）：154-156.

［6］BERNSEN J.Dynamic thresholding of grey-level images［C］.International Conference on Pattern Recognition，1986：1251-1255.

［7］尚振宏，劉明業(yè).二值圖像中拐點(diǎn)的實(shí)時檢測算法［J］.中國圖象圖形學(xué)報，2005，10（3）：295-300.

［8］SARFRAZ M，MASOOD A，ASIM M R.A new approach to corner detection［M］.Springer Netherlands：Computer Vision and Graphics，2006.

Capsule end face defect detection algorithm based on K-neighborhood chain code inflection point

Liu Xiaoxing1，Wu Zhe2，Zheng Lixin2，Zhou Kaiting1
（1.College of Information Science and Engineering，Huaqiao University，Xiamen 361021，China；2.College of Engineering，Huaqiao University，Quanzhou 362021，China）

In view of difficulty in images acquisition of vacant capsules end face defects，a special way lighting mode of capsules end face defects imaging was proposed.Firstly image sharpening，improved local adaptive threshold，and contour extraction were used for pre-processing.And according to problems of high missing rate and unsatisfactory detection of capsules end face defects，K-neighborhood chain code for inflection point detection algorithm was proposed to calculate out the number of inflection point in capsule end face defects in images and realize defect detection.The experimental results show that the detection algorithm is of good real-time performance，and the missing rate and error rate of common five color capsules is 2％～9％.

K-neighborhood chain code；vacant capsules；end defect detection

TP391.4

A

1674-7720（2015）24-0053-03

劉孝星，吳哲，鄭力新，等.基于K鄰域鏈碼拐點(diǎn)的膠囊端面缺陷檢測算法［J］.微型機(jī)與應(yīng)用，2015，34（24）：53-55，59.

2015-08-18）

劉孝星（1987-），男，碩士研究生，主要研究方向：智能技術(shù)與自動化裝置，機(jī)器視覺與模式識別。

吳哲（1991-），女，碩士研究生，主要研究方向：光電信息檢測與智能計(jì)算，模式識別。

鄭力新（1967-），通信作者，男，博士，教授，主要研究方向：工業(yè)自動化技術(shù)，人工智能。E-mail：1275373176@qq.com。

福建省科技廳項(xiàng)目（2013H2002）