论文部分内容阅读
在一次性注射器针头生产过程中,会产生倒装和弯钩等次品问题。如果这些次品针头直接用于病人则会危害病人的身心健康。因此,需要采取有效措施将不合格针头检测出来。目前国内绝大多数的注射器生产厂家主要采用人工目测检测方法来剔除次品针头,但由于注射器针头比较纤细,针梗直径不超过1mm,工人会因视觉疲劳导致漏检和误检。为提高针头的合格率,本文结合注射器针头自身特点,以基于TMS320DM642的开发板作为实验平台,利用机器视觉识别方法,实现了注射器针头合格性自动检测。具体内容如下:(1)实现了基于TMS320DM642的注射器针头图像采集。以CCD图像传感器、显微镜、照明光源、TDS642EVM多路实时图像处理器和模拟电视机构建了注射器针头检测的硬件平台;利用TI公司推出的实时操作系统DSP/BIOS中的FVID API函数,实现针头图像的实时采集和显示;选用背光照明方法减少外界光源对针尖图像采集的影响。(2)研究了注射器针头图像预处理的方法。采用边缘信息保持较好的中值滤波算法,消除噪声对检测算法的影响;采用最大类间方差法将针头从图像背景中分割出来;采用最大连通域方法提取针头部分,去除伪目标的干扰;采用边界跟踪方法提取针头边缘轮廓;采用图像矫正和针尖部分提取方法,准确提取针尖边缘轮廓,为后续针尖特征信息的准确提取奠定了基础。(3)研究了注射器针头合格性检测方法。首先,利用边界区域不变矩法建立合格针头在各角度下针尖轮廓特征库,提取被测针尖轮廓特征,并与特征库进行匹配,实现针头的倒装检测;其次,在针尖局部坐标系下,采用最小二乘法拟合针尖左右边缘曲线,计算两边缘曲线的最大曲率,利用最大曲率实现针头的弯钩检测;最后,通过TMS320DM642的GPIO口来控制语音提示模块,从而实现对针头检测结果输出。通过对合格针头和不合格针头的检测实验,其结果表明:本方法对不合格针头具有较高的检测率,对合格针头具有较低的误判率,且有较高的鲁棒性,可应用于实际生产中。