大型医院包药房的摆药和核药是一项重要的工作,对医院的工作效率具有重要的影响。传统的摆药和核药都是依靠人工来完成的,存在着因视觉疲劳导致药品误摆,用手摆药产生药品污染,工作效率低下等问题。针对这个问题,社会上已经出现全自动药品分包系统(Automated Tablet Dispensing&Packaging System,ATDPS)。这个系统主要有两部分组成:全自动药片包药系统(Tablet Packing Machine System,TPMS)和全自动药片核验系统(Tablets Check Machine System,TCMS)。其中TPMS的技术已经很成熟了,TCMS技术处在发展阶段,有很多医院只使用了TPMS技术,核药的工作依旧依靠人工来完成。因此,对TCMS技术的研究具有重要的现实意义。本文基于机器视觉设计了一种药片检测和识别算法。在药片检测阶段,本文先进行药片区域提取得到前景目标,然后进行粘连药片分割得到单个药片区域。在药片区域提取方面,本文考虑了四种分割算法:大津算法、一维最大熵分割算法、改进后的大津算法和改进后的一维最大熵分割算法,其中改进后的一维最大熵分割算法效果较好。在粘连药片分割方面,本文采用先进行凹点检测,再进行凹点匹配的方法来分割粘连药片。进行凹点检测时,考虑了三种算法:具有自适应阈值和动态支撑区域的曲率尺度空间算法、局部区域角度算法和改进后的局部区域角度算法,其中改进后的局部区域角度算法的性能较好。进行凹点匹配时,比较了K-M算法和改进后的KNN算法,其中改进后的KNN算法耗时较少。在药片识别阶段,本文主要利用药片面积、形状、颜色三个重要特征来判断药片的种类。测量面积时,采用了连通域标记的方法来统计连通域内的像素个数。在进行形状分类时,比较了基于形状上下文的形状匹配和一个十层的卷积神经网络模型,后者在准确率和速度上都优于前者。在进行颜色分类时,设计了一种基于色调直方图和支持向量机的颜色分类器。