面向藥業(yè)質(zhì)量控制的目標(biāo)跟蹤與缺陷檢測技術(shù)研究.pdf

1、AVI缺陷檢測已經(jīng)成為現(xiàn)代工業(yè)生產(chǎn)與質(zhì)量控制的一個重要組成部分.我國AVI的發(fā)展起步較晚,目前國內(nèi)企業(yè)所應(yīng)用的AVI系統(tǒng)仍以國外產(chǎn)品為主.發(fā)展具有自主知識產(chǎn)權(quán)的、適合我國國情的AVI系統(tǒng),有著重要的現(xiàn)實(shí)意義.本文針對藥品生產(chǎn)中片劑和膠囊制劑鋁塑泡罩包裝的缺陷檢測,將跟蹤機(jī)制引入到藥品包裝AVI中,提出了"運(yùn)動檢測—跟蹤—缺陷檢測"的檢測模式,并圍繞這一結(jié)構(gòu)模式,對運(yùn)動檢測、多目標(biāo)跟蹤以及規(guī)則紋理的缺陷檢測三個方面的關(guān)鍵算法技術(shù)進(jìn)行了研究

2、.運(yùn)動檢測是實(shí)現(xiàn)跟蹤的前提.文章基于只檢測運(yùn)動物體邊緣輪廓的思想,構(gòu)建了基于塊區(qū)域變異系數(shù)最大似然比的三幀差分MLR運(yùn)動檢測模型,同時采用基于核密度估計的背景減除模型來濾除MLR模型檢測結(jié)果中的非運(yùn)動區(qū)域,建立了魯棒的MLR-KDE自適應(yīng)混合模型;針對MLR-KDE模型所檢測到的運(yùn)動區(qū)域,提出了能夠?qū)Σ贿B貫區(qū)域進(jìn)行快速輪廓追蹤的RW算法,為實(shí)現(xiàn)多目標(biāo)跟蹤奠定了基礎(chǔ).將圖論的方法與SVC聚類相結(jié)合,采用只對多維數(shù)據(jù)集的最小生成樹主干進(jìn)行遞

3、歸連接運(yùn)算的方法,對傳統(tǒng)的SVC聚類算法進(jìn)行了改進(jìn),以在保證聚類質(zhì)量的前提下實(shí)現(xiàn)對小數(shù)據(jù)集的實(shí)時聚類;并將改進(jìn)的聚類算法應(yīng)用到對MLR-KDE模型所檢測到的多目標(biāo)運(yùn)動區(qū)域的實(shí)時動態(tài)分割中,獲得了較為滿意的效果.根據(jù)運(yùn)動區(qū)域的分割結(jié)果,結(jié)合RW輪廓追蹤算法,采用基于特征的跟蹤方案,提出了隔幀法實(shí)現(xiàn)多目標(biāo)跟蹤的思想,構(gòu)建了相應(yīng)的計算模型.片劑和膠囊制劑通常具有規(guī)則的紋理表面.文章以規(guī)則紋理圖像為研究對象,構(gòu)建了紋理缺陷檢測的統(tǒng)一模型.在對紋

4、理圖像進(jìn)行小波多分辨率分析的基礎(chǔ)上,采用自相關(guān)函數(shù)分別對多分辨率分析結(jié)果的LH和HL頻帶進(jìn)行局部統(tǒng)計性描述,提出了基于自相關(guān)序列Fourier頻譜分析的子帶規(guī)整度的概念,給出了相應(yīng)的表達(dá)模型,并進(jìn)一步定義了多尺度紋理局部規(guī)整度的向量表達(dá)形式;采用改進(jìn)的SVC聚類算法,分別對紋理圖像的行、列局部規(guī)整度向量集進(jìn)行兩類分類,并將分類結(jié)果映射回原圖像空間,實(shí)現(xiàn)了對紋理缺陷區(qū)域的定位.基于上述的研究成果,以藥業(yè)信息化工程中的舊設(shè)備改造為背景,開發(fā)