医药生产异物在线检查措施医药学论文.docVIP

医药生产异物在线检查措施医药学论文 1引言 我国有巨大的医药市场，为规范医药生产，国家药典对医药的质量检测，特别是可见异物检测进行了严格规定。可见异物来源…主要有以下几个方面：1)由于容器即安瓿瓶本身质量问题造成的在灭菌后出现的玻屑、小波点和白点等；2)生产过程工作人员不按照规定穿戴工作服等带入的头发丝等；3)生产过程中由于传输管道使用易脱落材质而产生的脱落物和黑点；4)在灌装过程中有未经净化的空气进入，而空气中可能带有大量的尘埃、纤维和色点等。我国的医药企业目前多数采用人工灯检方法进行检测，容易产生人眼疲劳有损人体健康，并且不能保证产品质量。目前目标检测与跟踪研究多集中在智能视频监控、交通监视和军事制导等领域，需要获取百余帧甚至上百帧图像由卡尔曼滤波器学习预测。如文献[2]中所应用的扩展卡尔曼方法(ukf)，文献[3]中的基于多智能体结构的应用处理，以及文献[4]中所应用的模型参考自适应方法等都是针对百余帧图像不断进行学习。文献[5]虽然是针对药液中可见异物的检测，但其使用的差分与形态学滤波相结合的方法，会遗漏许多小的点目标如碳屑等。文献[6]巾结合杂质位置和瓶壁厚度判断是否有杂质存在不能适用丁当溶液rfl古有较多数目的异物时的情况。田此如何设计出合适有效的检测与跟踪方法是灯检机。o研发中的一个关键问题。针对现有技术所存在的上述问题．本文采用概率加权阈值分割与差分相结合的检测方法，井应用夤尔曼滤渡嚣进行预测，从而达到快速跟踪，得到良好的检测和跟踪效果。实验结果表明，该方法可以有效的检铡出异物并进行跟踪以识别。 2检测对象 本文所针对的系统是全自动安瓿灯检机，检测对象主要是安瓿瓶装注射剂药渡中的可见异物。本检测系统针对不同类型的杂质共设计两种成像方法”，针对黑色异物”…．利用其不反光特性．在其背部给光；而针对玻屑、色点、白块等白色异物进行底部给光．形成的图像对比度大，提高检测效率。成像系统如图l所示。 3异物检测与跟踪 3．1运动目标检测 由于机械手的毛刺、环境巾的灰尘、瓶壁上的文字等，使得获取的图像上含有大量噪声干扰，如图2所示。本系统采用概率阈值分翱”“与帧间差分相结合的方法在去除噪声的同时达到检测的效果，同时利用卡尔曼滤波预测下一次目标可能位””的准则，从。一255改变t，重复步骤@计算类间方差，使方差最大的I值即为区域分割的门限。利用步骤所求取的固值进行对步骤(1)中差分后的图像进行分剖。3)对分割后的图像进行第二次差分，进一步去除残留的静态干扰。二次差分后的阿像如图3所示。 3．2运动目标跟踪 检测目标后，引人卡尔曼滤波器进行预测，缩小搜索区域．加快搜索过程．提高跟踪效率．快速识别同标和干扰点，提高检测效率。 321建立系统模型假设一个线性离散系统1。“，其状态方程和观测方程表示为：一24置一-+札-z+q-(8)【z–?墨+口l如图4所示。其中，随机信号”H和％．分别表示过程激励噪声和观测噪声。假设它们为相互独立并且正态分布的白色噪声，即：，(“)～(0，Q)伊(“)一(0，R)(9)在检测中．选择在连续图像中所检测到的运动目标的位置和速度为被估计量，即J；卡尔曼滤渡的目的是要预测下一次目标可能出现的位置，因此输出z=x，从而日=，(4阶单位矩阵)。由于没有外界辅A．因此口=0；因此．针对本系统所建立的模型为：I置24x川+”¨(10)【Z=XI+”‘式中：工l=[h，y，“¨吖I]，机，y¨似I，叫分别表示所检侧到运动异物的质心坐标和在此坐标方向的速度；z。=[以，几]表示当前目标的位置；由于连续两帧的时间间隔只有lO眦，因此假设运动目标在两帧之问的运动轨迹为匀速直线运动，从而可得：rlOf0]A：lo1o7l(11)0Ol0l0000l。式中：r表示前后两帧的时间间隔，在本系统中时间为10如B，因此r=00l。在本系统中。Q、届、P均设置为对角矩阵，口=0lJ洱=0O¨；P(0IO)=100f(J为4阶行搜索，减小搜索范围，提高检测效率。 3．3目标识别 在经过卡尔曼滤波器预测之后，在后一副图像中的预测位置附近进行搜索，其流程如图5所示。在识别过程中的一个主要参数是搜索区域的确定，本文中采取自适应的搜索区域确定方法。在得出卡尔曼滤波器的预测位置后，计算预测位置与原位置的欧式距离噍(后表示第七个可疑目标)。经过分析和实验验证发现，溶液中的异物或干扰存在4种情况：1)对于检测之后遗留的瓶壁上的干扰以及溶液中的气泡噪声u孓埔】，由于在连续图像上，运动距离较小，而且其形状固定，因此面积变化较小，即有喀和S氓，都较小(其中s业，表示第f—l帧图像与第i帧图像中的同一个目标即第后个目标的面积变化幅度)。2)对于面积较大的异物，如