醫(yī)藥生產(chǎn)異物在線檢查措施范文

本站小編為你精心準(zhǔn)備了醫(yī)藥生產(chǎn)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(fā)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(yī)藥市場，為規(guī)范醫(yī)藥生產(chǎn)，國家藥典對醫(yī)藥的質(zhì)量檢測，特別是可見異物檢測進(jìn)行了嚴(yán)格規(guī)定?？梢姰愇飦碓础饕幸韵聨讉€方面：1)由于容器即安瓿瓶本身質(zhì)量問題造成的在滅菌后出現(xiàn)的玻屑、小波點和白點等；2)生產(chǎn)過程工作人員不按照規(guī)定穿戴工作服等帶入的頭發(fā)絲等；3)生產(chǎn)過程中由于傳輸管道使用易脫落材質(zhì)而產(chǎn)生的脫落物和黑點；4)在灌裝過程中有未經(jīng)凈化的空氣進(jìn)入，而空氣中可能帶有大量的塵埃、纖維和色點等。我國的醫(yī)藥企業(yè)目前多數(shù)采用人工燈檢方法進(jìn)行檢測，容易產(chǎn)生人眼疲勞有損人體健康，并且不能保證產(chǎn)品質(zhì)量。目前目標(biāo)檢測與跟蹤研究多集中在智能視頻監(jiān)控、交通監(jiān)視和軍事制導(dǎo)等領(lǐng)域，需要獲取百余幀甚至上百幀圖像由卡爾曼濾波器學(xué)習(xí)預(yù)測。如文獻(xiàn)[2]中所應(yīng)用的擴(kuò)展卡爾曼方法(ukf)，文獻(xiàn)[3]中的基于多智能體結(jié)構(gòu)的應(yīng)用處理，以及文獻(xiàn)[4]中所應(yīng)用的模型參考自適應(yīng)方法等都是針對百余幀圖像不斷進(jìn)行學(xué)習(xí)。文獻(xiàn)[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(tài)學(xué)濾波相結(jié)合的方法，會遺漏許多小的點目標(biāo)如碳屑等。文獻(xiàn)[6]巾結(jié)合雜質(zhì)位置和瓶壁厚度判斷是否有雜質(zhì)存在不能適用丁當(dāng)溶液rfl古有較多數(shù)目的異物時的情況。田此如何設(shè)計出合適有效的檢測與跟蹤方法是燈檢機(jī)。o研發(fā)中的一個關(guān)鍵問題。針對現(xiàn)有技術(shù)所存在的上述問題．本文采用概率加權(quán)閾值分割與差分相結(jié)合的檢測方法，井應(yīng)用夤?fàn)柭鼮V渡囂進(jìn)行預(yù)測，從而達(dá)到快速跟蹤，得到良好的檢測和跟蹤效果。實驗結(jié)果表明，該方法可以有效的檢鍘出異物并進(jìn)行跟蹤以識別。

2檢測對象

本文所針對的系統(tǒng)是全自動安瓿燈檢機(jī)，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(tǒng)針對不同類型的雜質(zhì)共設(shè)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(jìn)行底部給光．形成的圖像對比度大，提高檢測效率。成像系統(tǒng)如圖l所示。

3異物檢測與跟蹤

3．1運動目標(biāo)檢測

由于機(jī)械手的毛刺、環(huán)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(tǒng)采用概率閾值分翱”“與幀間差分相結(jié)合的方法在去除噪聲的同時達(dá)到檢測的效果，同時利用卡爾曼濾波預(yù)測下一次目標(biāo)可能位置，井在預(yù)測位置附近搜索，縮小搜索區(qū)域，減少卡爾曼濾波器的學(xué)習(xí)時問，提高檢測速度。1)對初步去噪后的當(dāng)前幀圖像』與第一幀圖像^進(jìn)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(dāng)前像素點的坐標(biāo)，，(z，y)表示當(dāng)前像素點的灰度值。2)對差分后的圖像進(jìn)行分割．進(jìn)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(shù)(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(xiàn)的概率．設(shè)初始闋值I=l。②根據(jù)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(qū)域A、B的概率分別為：f嘰2上Pm}J…(4)等5‘％2上肌一)區(qū)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(qū)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(zhǔn)則，從。一255改變t，重復(fù)步驟@計算類間方差，使方差最大的I值即為區(qū)域分割的門限。④利用步驟③所求取的固值進(jìn)行對步驟(1)中差分后的圖像進(jìn)行分剖。3)對分割后的圖像進(jìn)行第二次差分，進(jìn)一步去除殘留的靜態(tài)干擾。二次差分后的阿像如圖3所示。

3．2運動目標(biāo)跟蹤

檢測目標(biāo)后，引人卡爾曼濾波器進(jìn)行預(yù)測，縮小搜索區(qū)域．加快搜索過程．提高跟蹤效率．快速識別同標(biāo)和干擾點，提高檢測效率。

321建立系統(tǒng)模型假設(shè)一個線性離散系統(tǒng)1。“，其狀態(tài)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(jī)信號”H和％．分別表示過程激勵噪聲和觀測噪聲。假設(shè)它們?yōu)橄嗷オ毩⒉⑶艺龖B(tài)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(xù)圖像中所檢測到的運動目標(biāo)的位置和速度為被估計量，即J；卡爾曼濾渡的目的是要預(yù)測下一次目標(biāo)可能出現(xiàn)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(tǒng)所建立的模型為：I置24x川+”¨(10)【Z‘=XI+”‘式中：工l=[h，y‘，“¨吖I]，機(jī)，y¨似I，叫‘分別表示所檢側(cè)到運動異物的質(zhì)心坐標(biāo)和在此坐標(biāo)方向的速度；z。=[以，幾]表示當(dāng)前目標(biāo)的位置；由于連續(xù)兩幀的時間間隔只有l(wèi)O眥，因此假設(shè)運動目標(biāo)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(tǒng)中時間為10如B，因此r=00l。在本系統(tǒng)中。Q、屆、P均設(shè)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(yù)測過程1)獲取初始狀態(tài)信息，初始化預(yù)測的變量。經(jīng)過3l異物檢測之后，在所得到的檢測結(jié)果圖像上搜索連通區(qū)域，在初始狀態(tài)下，將所搜索到的連通域作為初始檢測目標(biāo)。記錄各自的坐標(biāo)；。，‰、寬高信息％，^。和面積蛄(表示第0次預(yù)測的第•個目標(biāo))。由于第一次檢測不能得到速度信息，因此設(shè)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(yù)測過程①運用前一時刻的得到的狀態(tài)置，(k—l=0)或狀態(tài)估計茸．．(^一l>0)和協(xié)方差矩陣P¨來預(yù)測當(dāng)前時刻的狀態(tài)估計置和協(xié)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(jù)預(yù)測的協(xié)方差矩陣^和觀測噪聲協(xié)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(jù)預(yù)測的狀態(tài)估計墨和實際觀測值z。修正系統(tǒng)的狀態(tài)估計瓦并計算相應(yīng)的協(xié)方差矩陣^即測量更新，其方程為：』五=噩+瓦(zt一風(fēng)墨’(14)L^=(，一甄日。)竹③經(jīng)過步驟(2)得到預(yù)測位置互后，在后一幀圖像上由鼉所決定的區(qū)域進(jìn)行搜索，減小搜索范圍，提高檢測效率。

3．3目標(biāo)識別

在經(jīng)過卡爾曼濾波器預(yù)測之后，在后一副圖像中的預(yù)測位置附近進(jìn)行搜索，其流程如圖5所示。在識別過程中的一個主要參數(shù)是搜索區(qū)域的確定，本文中采取自適應(yīng)的搜索區(qū)域確定方法。在得出卡爾曼濾波器的預(yù)測位置后，計算預(yù)測位置與原位置的歐式距離噍(后表示第七個可疑目標(biāo))。經(jīng)過分析和實驗驗證發(fā)現(xiàn)，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(xù)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(yè)，表示第f—l幀圖像與第i幀圖像中的同一個目標(biāo)即第后個目標(biāo)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(fā)生較大的變化。3)對于面積較小的異物，如碳渣等由于質(zhì)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(biāo)，確定搜索半徑r齷=m缸(3△&，1．5dI)。在確定搜索區(qū)域后，根據(jù)搜索半徑的大小即可確定所跟蹤目標(biāo)是否為異物。分析如表l所示。

4實驗結(jié)果

根據(jù)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(jìn)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(yù)測的范圍內(nèi)進(jìn)行搜索，并進(jìn)行識別判斷。實驗結(jié)果如圖6、圖7所示．表示連續(xù)的兩幅圖片巾當(dāng)前目標(biāo)位置和預(yù)測目標(biāo)位置的對比，阿6巾表示所跟蹤到的當(dāng)前位置，*表示對下一次位置的估計，在圖7中的+表示對當(dāng)前位置的估計位置，•表示在預(yù)測位置附近進(jìn)行搜索得到的目標(biāo)。從圖中可以看出在圖3中的瓶壁干擾點已經(jīng)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(xù)兩次預(yù)測中，卡爾曼濾波器的預(yù)測目標(biāo)位置與所檢測到的目標(biāo)實際位置在坐標(biāo)的絕對數(shù)值上的對比。從圖中可以看出，基本上預(yù)測位置與實際位置相吻合。

5結(jié)論

本文根據(jù)安瓿溶液中異物檢測的實際情況，結(jié)合實驗提出的視覺檢測與跟蹤方法經(jīng)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(jié)合，即將檢測與去除噪聲的預(yù)處理相結(jié)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(jìn)行預(yù)測，確定和縮小搜索區(qū)域，從而在提高檢測精度的同時保證檢測速度。