包衣机广泛适用于制药、食品等行业,是一种可以对药丸、糖果等球形颗粒进行薄膜包衣的重要过程设备。颗粒的粒径是包衣过程中需不断监测的重要过程信息。基于人工取样的传统颗粒粒径离线检测方法存在样本少、检测结果滞后、效率低且容易造成药品和食品污染的缺点。针对这一问题,本课题研究一种基于机器视觉的包衣机颗粒粒径检测方法,以提高检测的准确率和检测效率,具有较高的理论和实用价值。本课题首先以BY600型包衣机为具体实验平台,选取不同粒径的球形颗粒为测试颗粒物料,根据包衣机的结构特点,设计了视觉检测硬件系统,完成了光源、工业相机、镜头的选型,并设计了专用支架。对所设计的视觉检测硬件系统进行了测试,完成了颗粒图像的采集。然后,针对颗粒图像噪声多、颗粒边缘不清晰等问题,在图像平滑滤波的基础上采用形态学开闭重建方法对颗粒图像进行了处理;针对图像中颗粒存在粘连不易分割的难题,本文采用一种距离变换与局部极大值图像结合的改进分水岭分割算法,将分水岭脊线图与颗粒的二值图像叠加,在保留待测颗粒的外形形状的同时,从图像中分割出单个颗粒,为颗粒粒径的测量及分布统计奠定基础。最后,针对颗粒图像分割后的粒径测量问题,本文首先采用最小外接圆拟合方法,测量出单个颗粒的像素直径以及图像中所有颗粒的粒径分布。针对因颗粒重叠而导致的粒径测量误差变大的问题,本文采用基于自适应模糊C均值聚类算法,对图像中所有颗粒的像素直径进行聚类,根据每个颗粒的分类属性获得其对应的粒径。采用Matlab编程实现了本文算法,并采用采集到的颗粒图像对本文方法进行了实验验证。实验结果表明,采用聚类算法之后,粒径测量的平均准确率为92.5%,且所得到的粒径分布图与实际粒径分布图高度一致,这表明本文方法是有效可行的。本文所设计的包衣机颗粒粒径机器视觉平台具有结构简单的优点,所提出的粒径测量方法测量准确度较高,研究成果为包衣机生产过程信息的自动检测提供了一种可行方案。