全自動燈檢機的技術要點分析

劉宏宇 柳青 杜娟 張博 王博

摘 要：全自動燈檢機的技術核心是圖像采集處理系統技術。借助高速攝像頭和智能照明系統，以雙頭模式對異物的動態圖像進行實時采集，這種技術主要具有效率高、檢測效果佳等明顯優勢，目前已經在行業領域內得到廣泛運用。本文主要對全自動燈檢機的主要特點及技術運用進行詳細分析，實現對全自動燈檢過程的專業指導。

關鍵詞：全自動燈檢機；主要特點；技術要點分析

全自動燈檢機作為一種運用數字信號處理器和現場編程功能進行圖像、信息處理的先進圖像識別系統，對檢測對象的圖像信息及技術精度有著嚴格要求。人員在運用全自動燈檢機的環節，首先明確其技術特點，掌握全自動燈檢技術的運用方案，強化數字圖像處理，并通過有效的仿真試驗，促使人員及時掌握燈檢機的關鍵技術，便于快速完成圖像采集、識別，促進全自動燈檢機的廣泛運用。

1 全自動燈檢機的主要特點

1.1 自動燈檢機優勢

人工判斷注射劑中的異物（點狀物、2mm以下的短纖維和塊狀物等微細可見異物，生化藥品或生物制品若檢出半透明的小于約1mm的細小蛋白質絮狀物或蛋白質顆粒等微細可見異物，除另有規定外）、裝量、西林瓶壓蓋松緊有很大的靈活性，但缺點較多，主觀性較大，漏檢率高，效率低（20-50瓶/分）不能連續生產（連續工作1小時要休息15分鐘）[1]。能有效克服上述缺點，并且具有運行維護成本低的自動燈檢機便顯現出巨大優勢。

1.2 全自動燈檢技術特點

檢測過程中可以實現自動化，相應作業人員需要掌握高級的編程語言和計算機運用技能，將待檢產品對準檢測工位，對每一個瓶子進行高速的圖像采集與處理，快速得出檢測結果。工作人員從簡潔的界面可以看到每個相機的圖像采集及處理過程，實現全過程監控，保證燈檢過程可視化，自動化，以這種方式，更好的滿足產品檢測工作要求[2]。

2 全自動燈檢機的技術要點分析

2.1 全自動系統結構

2.1.1 系統結構原理

圖像識別系統是全自動燈檢技術的主要內容，采用數字圖像技術非接觸式，對產品質量進行快速、有效的檢測。在檢測中，通過利用金屬氧化物半導體、傳感器等設備，及時采集目標對象的圖像信息，利用異物識別算法判斷目標產品質量是否合格，同時發出剔除信號，在此環節，主要依賴于執行單元。圖像識別系統具有適應性強、測量范圍大、易于保存和管理、精度高等明顯優勢，實際工作中，人員為進一步提高圖像識別系統的實時性和高精度，及時將檢測任務分解，分步驟的進行，也可以將圖像識別系統按照模塊劃分為圖像采集模塊、預處理模塊、數據緩存模塊、圖像處理模塊、圖像傳感器模塊這五個部分，便于對圖像識別系統有一個更為深刻的認識。

2.1.2 光機電一體化控制

全自動燈檢中，光機電一體化系統的設計得到體現，比如在全自動燈檢環節的結構設計中，工作人員根據每日工作量進行系統結構設計優化，及時調整系統設計參數，借助拍攝序列圖像，及時了解異物處理需要消耗的時間，四臺燈檢機同時運行[3]。系統運用中，人員采用計算機控制的模式，強化產品圖像分析、處理及判斷，及時完成了高強度的機械作業，利用速度傳感器和接受伺服系統進行工作信號反饋，并對相應的光源作出科學控制。工控計算機與通訊設備同時運行，人員及時采用攝像機進行工位檢測、光源點控制，由此獲取背光源頻閃時間，并及時填寫圖像信息采集卡，利用計算機系統的總線訪問功能，及時判斷產品是否合格，進一步完善光機電一體化控制系統功能[4]。

2.1.3 激光組合照明系統

機器視覺系統運行中，及時加強光源照明系統設計，高清晰度的圖像檢測中，工作人員廣泛運用光源照明系統，快速完成目標對象的圖像采集和處理。常見的光源控制系統有：鹵素燈、LED燈、熒光燈等，燈檢中將LED燈作為機器視覺光源，LED機器視覺光源與其他光源的最大不同為：光源的使用年限長、運行成本低，同時發熱少、響應速度快，因此燈檢中，將LED作為主光源。

2.2 技術運用要點

全自動燈檢技術主要依賴于數字圖像技術，采用先進的圖像處理技術，對液體瓶中的異物進行有效的狀態檢測，其檢測精度和速度都遠遠超過普通技術[5]。比如全自動燈檢技術運用中，利用圖像采集系統對高清晰度、分辨度的圖像信息進行實時采集和處理，利用圖像處理算法，提高檢測結果的精準度，依據系統設計性能指標，要求被檢對象的圖像分辨度不低于640×480，同時可以對30微米的雜質進行科學檢測。

2.2.1 視頻圖像技術

1）圖像采集是圖像識別的第一步，工作人員目前在檢測中，廣泛利用圖像識別技術，展開全自動燈檢工作，密切關注整個系統的性能，并對采集系統的單元信息進行及時分析。

2）借助電荷耦合元件、圖像處理器，降低燈檢中的噪音污染，作業人員實時掌握燈檢中的動態信息，保證檢測系統具有很高的靈敏度，例如利用圖像傳感器，快速的完成圖像拍攝及圖像信息處理等任務，發揮出圖像傳感器高精度的優勢，有效檢測目標對象，傳感器達到130萬像素1280H×1024V，每個像素時鐘可以同時輸出8位數據格式的圖像。

2.2.2 預處理技術

1）利用硬件描述語言，進行軟件系統模塊化設計，將軟件系統分為若干個相對獨立的功能模塊，實時掌握入口及出口的技術參數，模塊之間的組合方便、靈活。

2）利用模塊讀取芯片信息，采用主動串行方式，實現軟件應用程度加載，促使系統立即進入工作模式，圖像傳感器內部的寄存器為時鐘信號控制提供方便，工作人員及時了解輸出圖像數據，在總線配置基礎上，各個模塊間的信息傳遞更為便捷。

3）圖像采集中得到色彩圖像，對圖像信息進行預處理，同時采用圖像識別算法，提高預處理工作效率，圖像識別中，密切關注邊緣檢測和特征提取這兩個部分，將采集到的數據及時傳遞給內部總控制中心，從而得到了完整的像素點。邊緣檢測算法在目標物體檢測中的運用，還需要借助形態學、直線擬合等方法，比如將邊緣檢測算法與形態學結合，工作人員快速得到液位線上各個像素點信息，由此得到相應的坐標信息，并順利得出坐標平均值[6]。

2.2.3 關鍵技術運用案例

全自動燈檢機對某項制品進行檢測前，首先由使用廠商根據自身生產情況，挑選出所有已知的不合格樣本，樣本所占據的比例根據實際生產中統計出的比例設定，一般不合格品數量為80支（均為內容物或均為外觀），未檢查制品170支，并且將外觀不合格制品，和液體部不合格制品加以區分。合格瓶與不合格品在經過燈檢機通過燈檢時，燈檢機會對所有制品進行照相，處理器會對照片進行判讀，通過照片的明暗度進行檢查區域區分，判讀區域內制品照片是否合格的精度單位為像素。設備通過照片，得出各種制品的像素值。由于合格制品和不合格制品在相應的檢查項目中體現的像素值不同，可在合格瓶與不合格品像素值之間設定檢測門限值，如檢測結果超過門限值，設備將會把制品定義為不合格品進行剔除。在門限值設定完畢后，設備需要進行KNEPP測試，首先選取檢測水平高、中、低共計5-10人進行不合格品和未檢查產品混合檢測，每人檢測為10次，得出每個制品的被檢測出的平均次數，再將制品放置于設備上進行連續10次檢測，并就設備檢測次數與人工檢測次數進行對比，此測試的目的為驗證設備設定的檢測標準與使用廠家人工檢測標注的契合程度。設備檢測標準會略高于人工檢測標準。在檢測時，由于檢測方式為照片放大檢測，制品存在的缺陷會被放大，人工檢測時可能存在微小缺失不會被人工檢查出來。同時液體中的氣泡會被設備誤認為是異物判讀，從而增加被誤判的概率。在設備使用前，需要將不合格樣品通過設備檢測，如設備能夠將不合格樣品全部剔除，證明設備檢測功能正常，可正常使用。如不能將樣品檢測全部檢測，需檢查設備檢測功能是否依然滿足使用要。確保復檢時不合格樣品能夠全部被檢測出。

3 結束語

綜上所述：首先了解自動燈檢機優勢及主要特點，對全自動燈檢技術有一個深刻的認知，了解系統結構原理及關鍵技術要點，從而促進全自動燈檢技術的有效運用。采用先進的圖像處理技術，對液體瓶中的異物進行有效的狀態檢測，要求被檢對象的圖像分辨度不低于640×480，實時掌握燈檢中動態信息，快速得到液位線上各個像素點信息，技術優化的基礎上，提升了全自動燈檢技術。

參考文獻

[1]喬延繼.全自動燈檢機的關鍵技術探討[J].科技風，2013（23）：69-69.

[2]韋忠正.用于全自動燈檢機的圖像識別系統研制[D].廣東工業大學，2012.

[3]姜利杰.灌裝藥液在線微小異物視覺檢測技術的研究與開發[D].江南大學，2015.

[4]張家訪，袁清珂，王肇，等.注射液雜質智能燈檢機關鍵模塊設計及仿真[J].機械設計與制造，2012（5）：24-26.

[5]任勇屹.基于FPGA與DSP全自動燈檢機圖像識別系統研究[D].廣東工業大學，2013.

[6]朱明巖，凌婭，范慶龍，等.國內外全自動異物燈檢機性能比較研究[J].現代制造，2014（35）：15-19.