本站小編為你精心準備了醫藥生產異物在線檢查措施參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

1引言

我國有巨大的醫藥市場，為規范醫藥生產，國家藥典對醫藥的質量檢測，特別是可見異物檢測進行了嚴格規定。可見異物來源…主要有以下幾個方面：1)由于容器即安瓿瓶本身質量問題造成的在滅菌后出現的玻屑、小波點和白點等；2)生產過程工作人員不按照規定穿戴工作服等帶入的頭發絲等；3)生產過程中由于傳輸管道使用易脫落材質而產生的脫落物和黑點；4)在灌裝過程中有未經凈化的空氣進入，而空氣中可能帶有大量的塵埃、纖維和色點等。我國的醫藥企業目前多數采用人工燈檢方法進行檢測，容易產生人眼疲勞有損人體健康，并且不能保證產品質量。目前目標檢測與跟蹤研究多集中在智能視頻監控、交通監視和軍事制導等領域，需要獲取百余幀甚至上百幀圖像由卡爾曼濾波器學習預測。如文獻[2]中所應用的擴展卡爾曼方法(ukf)，文獻[3]中的基于多智能體結構的應用處理，以及文獻[4]中所應用的模型參考自適應方法等都是針對百余幀圖像不斷進行學習。文獻[5]雖然是針對藥液中可見異物的檢測，但其使用的差分與形態學濾波相結合的方法，會遺漏許多小的點目標如碳屑等。文獻[6]巾結合雜質位置和瓶壁厚度判斷是否有雜質存在不能適用丁當溶液rfl古有較多數目的異物時的情況。田此如何設計出合適有效的檢測與跟蹤方法是燈檢機。o研發中的一個關鍵問題。針對現有技術所存在的上述問題．本文采用概率加權閾值分割與差分相結合的檢測方法，井應用夤爾曼濾渡囂進行預測，從而達到快速跟蹤，得到良好的檢測和跟蹤效果。實驗結果表明，該方法可以有效的檢鍘出異物并進行跟蹤以識別。

2檢測對象

本文所針對的系統是全自動安瓿燈檢機，檢測對象主要是安瓿瓶裝注射劑藥渡中的可見異物。本檢測系統針對不同類型的雜質共設計兩種成像方法”，針對黑色異物”…．利用其不反光特性．在其背部給光；而針對玻屑、色點、白塊等白色異物進行底部給光．形成的圖像對比度大，提高檢測效率。成像系統如圖l所示。

3異物檢測與跟蹤

3．1運動目標檢測

由于機械手的毛刺、環境巾的灰塵、瓶壁上的文字等，使得獲取的圖像上含有大量噪聲干擾，如圖2所示。本系統采用概率閾值分翱”“與幀間差分相結合的方法在去除噪聲的同時達到檢測的效果，同時利用卡爾曼濾波預測下一次目標可能位置，井在預測位置附近搜索，縮小搜索區域，減少卡爾曼濾波器的學習時問，提高檢測速度。1)對初步去噪后的當前幀圖像』與第一幀圖像^進行首次差分處理得到一次差分圈像A‘，即：M(x，，)=』(x，y)一^(#，y)(1)式巾：，，y表示當前像素點的坐標，，(z，y)表示當前像素點的灰度值。2)對差分后的圖像進行分割．進一步取出噪聲。①求取圖像的灰度概率分布”，井儲存。即：t(n)=(∑，(z，y))／n(2)H：；}．．其概率為：P‰1；^(Ⅱ)／("x^)(3)式中：k(n)表示像素值為n的像素點個數(O≤n≤255)，”、^分別表示罔像的寬和高，p蜘，表示像素值為n的像隸點所出現的概率．設初始闋值I=l。②根據廚直t分割圖像為兩部分A(每個像素點的灰度值都大于E)和B(每個像素點的灰度值都小于‘)。則區域A、B的概率分別為：f嘰2上Pm}J…(4)等5‘％2上肌一)區域A、B的平均灰度為：．IoJ地。i芻印“…(5)阻s2去．；．砷m，整幅圖像的平均灰度為：p=qM+gp口(6)兩個區域的總體方差為：，=吼(p．一p)2+如(腳一p)2(7)④按照最大類問方差””的準則，從。一255改變t，重復步驟@計算類間方差，使方差最大的I值即為區域分割的門限。④利用步驟③所求取的固值進行對步驟(1)中差分后的圖像進行分剖。3)對分割后的圖像進行第二次差分，進一步去除殘留的靜態干擾。二次差分后的阿像如圖3所示。

3．2運動目標跟蹤

檢測目標后，引人卡爾曼濾波器進行預測，縮小搜索區域．加快搜索過程．提高跟蹤效率．快速識別同標和干擾點，提高檢測效率。

321建立系統模型假設一個線性離散系統1。“，其狀態方程和觀測方程表示為：一24置一-+札-z+q-(8)【z^=^r墨+口l如圖4所示。其中，隨機信號”H和％．分別表示過程激勵噪聲和觀測噪聲。假設它們為相互獨立并且正態分布的白色噪聲，即：，(")～Ⅳ(0，Q)伊(")一Ⅳ(0，R)(9)在檢測中．選擇在連續圖像中所檢測到的運動目標的位置和速度為被估計量，即J；卡爾曼濾渡的目的是要預測下一次目標可能出現的位置，因此輸出z=x，從而日=，(4階單位矩陣)。由于沒有外界輔A．因此口=0；因此．針對本系統所建立的模型為：I置24x川+”¨(10)【Z‘=XI+”‘式中：工l=[h，y‘，“¨吖I]，機，y¨似I，叫‘分別表示所檢側到運動異物的質心坐標和在此坐標方向的速度；z。=[以，幾]表示當前目標的位置；由于連續兩幀的時間間隔只有lO眥，因此假設運動目標在兩幀之問的運動軌跡為勻速直線運動，從而可得：rlOf0]A：lo1o7l(11)0Ol0l0000l。式中：r表示前后兩幀的時間間隔，在本系統中時間為10如B，因此r=00l。在本系統中。Q、屆、P均設置為對角矩陣，口=0lJ洱=0O¨；P(0IO)=100f(J為4階單位矩陣)。

322卡爾曼預測過程1)獲取初始狀態信息，初始化預測的變量。經過3l異物檢測之后，在所得到的檢測結果圖像上搜索連通區域，在初始狀態下，將所搜索到的連通域作為初始檢測目標。記錄各自的坐標；。，‰、寬高信息％，^。和面積蛄(表示第0次預測的第•個目標)。由于第一次檢測不能得到速度信息，因此設第一次的速度為l像素／秒．即似。、”h各自為l。2)卡爾曼濾波器預測過程①運用前一時刻的得到的狀態置，(k—l=0)或狀態估計茸．．(^一l>0)和協方差矩陣P¨來預測當前時刻的狀態估計置和協方差矩陣只，即時間更新，其方程為：f墨=A邑一-：曰u川(12)L巧=AP‘一lAl+Q②運用時間更新方程在得到氍的情況下，根據預測的協方差矩陣^和觀測噪聲協方差矩陣也一。計算卡爾曼濾波器的增益甄：墨=P；日：(日。P：研+R。)‘1(13)③根據預測的狀態估計墨和實際觀測值z。修正系統的狀態估計瓦并計算相應的協方差矩陣^即測量更新，其方程為：』五=噩+瓦(zt一風墨’(14)L^=(，一甄日。)竹③經過步驟(2)得到預測位置互后，在后一幀圖像上由鼉所決定的區域進行搜索，減小搜索范圍，提高檢測效率。

3．3目標識別

在經過卡爾曼濾波器預測之后，在后一副圖像中的預測位置附近進行搜索，其流程如圖5所示。在識別過程中的一個主要參數是搜索區域的確定，本文中采取自適應的搜索區域確定方法。在得出卡爾曼濾波器的預測位置后，計算預測位置與原位置的歐式距離噍(后表示第七個可疑目標)。經過分析和實驗驗證發現，溶液中的異物或干擾存在4種情況：1)對于檢測之后遺留的瓶壁上的干擾以及溶液中的氣泡噪聲u孓埔】，由于在連續圖像上，運動距離較小，而且其形狀固定，因此面積變化較小，即有喀和△S氓，都較小(其中△s業，表示第f—l幀圖像與第i幀圖像中的同一個目標即第后個目標的面積變化幅度)。2)對于面積較大的異物，如玻屑、纖維等由于在拍攝過程中，異物仍在不停的運動，使得在圖像上的面積會發生較大的變化。3)對于面積較小的異物，如碳渣等由于質量較重，會有較大的移動距離。因此，綜合以上分析，為保證檢測精度，不遺漏異物目標，確定搜索半徑r齷=m缸(3△&，1．5dI)。在確定搜索區域后，根據搜索半徑的大小即可確定所跟蹤目標是否為異物。分析如表l所示。

4實驗結果

根據上述提出的檢測療法，對含有玻屑、纖維等異物的2lnL安瓿瓶裝藥范進行檢測與跟蹤識別．在運用差分法檢測之后，在用卡爾曼濾波器所預測的范圍內進行搜索，并進行識別判斷。實驗結果如圖6、圖7所示．表示連續的兩幅圖片巾當前目標位置和預測目標位置的對比，阿6巾表示所跟蹤到的當前位置，*表示對下一次位置的估計，在圖7中的+表示對當前位置的估計位置，•表示在預測位置附近進行搜索得到的目標。從圖中可以看出在圖3中的瓶壁干擾點已經被差分和閾值分割去除，而異物信息仍然得到了保留。圖8為連續兩次預測中，卡爾曼濾波器的預測目標位置與所檢測到的目標實際位置在坐標的絕對數值上的對比。從圖中可以看出，基本上預測位置與實際位置相吻合。

5結論

本文根據安瓿溶液中異物檢測的實際情況，結合實驗提出的視覺檢測與跟蹤方法經過試驗驗證既滿足檢測精度要求也滿足了檢測速度要求。本文巧妙地利用差分與概率閾值分割結合，即將檢測與去除噪聲的預處理相結合，壓縮了檢測過程，提高檢測速度。另外本文中利用卡爾曼濾波器進行預測，確定和縮小搜索區域，從而在提高檢測精度的同時保證檢測速度。