随着生活水平的不断提高,人们对于自身生命健康的要求也在逐渐提高,医疗行业的发展也随之上升。因此,医疗用品的安全性需要得到密切的关注。目前,输液软袋的包装流程逐渐走向机械性的自动化,但由于输液软袋的柔软性、易变形等特点,在机械系统中难以固定操作,较难实现机械性的自动化输液软袋包装过程。在如今的社会环境和科技水平下,利用机器视觉技术对输液软袋的包装流程进行视觉引导,检测判断包装系统的准确率和稳定性,这一研究具有重要的应用价值。本文基于机器视觉技术,设计了一套针对4L大输液软袋的包装流程的视觉引导算法,基于包装步骤着重探讨并研究了输液软袋的准确定位、折叠检测和热封检测,具体研究工作如下:(1)首先,简单阐述了本课题的研究意义和背景,根据实际情况分析了输液软袋包装监控的难点,针对所需完成任务和难题研究了图像处理的相关技术理论和方法。主要包括图像特征提取,支持向量机和神经网络,并实际利用这些技术完成包装流程的视觉引导算法。(2)其次,根据输液软袋的特性和包装流程,设计了一套图像采集系统以争取拍摄到质量最优的图像数据,并对系统中光源、照明方式和相机进行了简要的介绍。为了得到对比度效果更强的热封图片,经过实验对比最后选定了使用条形光源并在封口背部打光的光照方式。(3)最后,基于采集到的输液软袋样品图像,经过图像去噪和形态学等操作提取出图像中输液软袋的目标区域,提取并利用颜色、位置等特征,构造并训练支持向量机的模型实现对输液软袋进行折叠效果的判断。以及通过霍夫检测提取出热封区域并学习训练出轻量化的神经网络实现输液软袋的热封检测。通过输液软袋图像数据的拍摄获取和检测算法的多次实验和测试,折叠检测算法的准确率达到99.9%,热封检测算法的准确率达到96.1%,均实现了突出的效果。