医用输液是我国药品中五大类重要制剂之一,临床应用十分广泛。但由于生产工艺或生产环境等原因,一些医用输液产品中可能含有玻璃碎屑、铝屑等异物,对病人身体造成极大危害。因此,我国药典明确规定:要对注射针剂进行逐支,逐瓶可见异物和澄明度检查。目前,国内厂家普遍采用人工灯检方式,这种方法检测结果主观性强、效率低、漏检率较高,是注射液自动化生产线的瓶颈问题。本课题研究基于机器视觉的智能灯检机,即利用机器视觉技术获取待检测药液的系列图像,运用恰当的图像处理算法对注射液的可见异物进行识别,并自动判别该药液是否合格。其目的在于提高药液灯检的速度和精度,使医用输液的生产能够真正实现自动化,具有巨大的经济效益和社会效益。利用机器视觉技术进行注射液中可见异物识别的检测精度取决于采集到图像的质量和图像处理算法的有效性,因此本文对注射液在线图像采集和异杂物识别算法两项关键技术做了实验研究。其主要内容包括:(1)设计了基于机器视觉技术和本文算法的输液自动灯检系统,对其中的关键技术进行了研究。设计了专门的光源和照明系统以获得高质量的原始图像。选择了合适的摄相机、镜头和图像采集卡以满足系统实时性、高精度的要求。(2)研究了图像预处理方法:对获取的图像通过中值滤波去除噪声,综合运用数学形态学算子增强图像对比度和瞬时帧差法抑制背景,得到质量较好的二值图像。(3)研究了基于特征匹配和轨迹关联的药液可见异物检测算法。通过提取图像中异物目标特征,采用基于多帧图像序列的运动目标检测方法,利用异物目标运动轨迹的连续性和干扰噪声运动轨迹的随机性来判断小目标的存在。通过处理采集到的真实药液图像对该算法进行验证,实验结果表明,该算法对药典规定中粒径较大的可见异物检测效果较好,可以满足大输液异物检查的要求。(4)研究了基于人工免疫算法的药液不溶性微小颗粒检测算法。首先构造各个小目标所有可能的候选航迹树,对所有轨迹寻优,保证了能对图像中的全部异物小目标进行搜索,有效的避免了漏检。设计了轨迹编码方案,根据所要检测异物目标的检测要求定义了的适应度函数,在此基础上提出了基于人工免疫算法的轨迹寻优算法。最后通过处理真实的药液图像对算法进行验证。实验结果表明,该算法不仅可以检测药液中粒径较大的可见异物,而且对药典规定的微小颗粒异物也有良好的检测效果,可以满足大输液澄明度和可见异物的检查要求。