輸液中微小異物目標(biāo)視覺檢測(cè)技術(shù)研究.pdf

1、醫(yī)用輸液在生產(chǎn)過程中會(huì)混入少量微小異物，這些異物可能是外來(lái)的污染物，如鋁屑、玻璃屑、橡皮屑等，也可能是內(nèi)源性的固體，如原料中存在的不溶物、藥物放置后析出的沉淀物等。輸液中的異物檢查是為了控制其中的異物污染。中國(guó)藥典規(guī)定：在注射劑生產(chǎn)過程中，要對(duì)注射劑逐瓶進(jìn)行不溶性異物檢查。傳統(tǒng)的檢查方法不僅勞動(dòng)強(qiáng)度大，工人易疲勞，而且檢測(cè)結(jié)果不穩(wěn)定，檢測(cè)方法和標(biāo)準(zhǔn)不統(tǒng)一，是輸液自動(dòng)化生產(chǎn)線的瓶頸問題。目前，基于機(jī)器視覺技術(shù)的輸液中異物智能檢測(cè)的研究還不

2、多見。雖然國(guó)外一些研究機(jī)構(gòu)已經(jīng)做過一些研究工作，但是由于生產(chǎn)環(huán)境和制藥標(biāo)準(zhǔn)不同，國(guó)內(nèi)少數(shù)醫(yī)療器械公司引進(jìn)的這方面技術(shù)，檢測(cè)效果很不理想。所以，研究輸液中微小異物視覺檢測(cè)算法和研制適合我國(guó)制藥標(biāo)準(zhǔn)和生產(chǎn)環(huán)境的在線全自動(dòng)智能輸液異物檢測(cè)器械有著重要的理論意義和應(yīng)用價(jià)值。 利用機(jī)器視覺技術(shù)進(jìn)行輸液異物檢測(cè)的關(guān)鍵在于采集到的圖像質(zhì)量和圖像處理算法的有效性。其中，輸液中微小異物目標(biāo)的圖像識(shí)別算法是整個(gè)研究的難點(diǎn)和重點(diǎn)。根據(jù)輸液異物檢查標(biāo)準(zhǔn)

3、和成像系統(tǒng)的分辨率，為準(zhǔn)確辨識(shí)出其中可能存在的微小異物，針對(duì)輸液圖像中的異物點(diǎn)目標(biāo)和面目標(biāo)分別采用了基于改進(jìn)的人工免疫算法的異物軌跡尋優(yōu)算法和基于優(yōu)化的最小二乘支持向量機(jī)的異物軌跡特征辨識(shí)算法。為獲取高質(zhì)量的原始圖像，設(shè)計(jì)了超高分辨率輸液圖像采集和處理系統(tǒng)，對(duì)其中的關(guān)鍵技術(shù)一超高分辨率圖像采集和高速圖像處理技術(shù)給出了解決方案。主要做了以下幾方面的研究工作： (1)為便于輸液中微小異物目標(biāo)的視覺檢測(cè)，研制了專用的輸液圖像采集實(shí)驗(yàn)平

4、臺(tái)，使微小異物目標(biāo)在離心電機(jī)帶動(dòng)下隨輸液離心旋轉(zhuǎn)。建立了輸液中異物目標(biāo)離心旋轉(zhuǎn)形成軌跡的曲線方程，為后續(xù)章節(jié)利用異物目標(biāo)的運(yùn)動(dòng)軌跡特性進(jìn)行檢測(cè)提供了數(shù)學(xué)依據(jù)。分析了輸液圖像的背景和噪聲特點(diǎn)，結(jié)合輸液異物檢測(cè)要求，給出了異物目標(biāo)檢測(cè)效果的評(píng)價(jià)標(biāo)準(zhǔn)。 (2)為減少運(yùn)算量，提高檢測(cè)效率，首先對(duì)獲取的原始圖像進(jìn)行了感興趣區(qū)域提取。為了抑制背景噪聲干擾，根據(jù)輸液圖像的背景和噪聲特點(diǎn)，提出了一種分塊自適應(yīng)背景抑制算法。通過實(shí)驗(yàn)證明，該方法能

5、夠有效預(yù)測(cè)輸液圖像中明暗交界區(qū)域的像素值，避免了背景抑制后在這些區(qū)域出現(xiàn)虛假目標(biāo)。最后，提出了一種面目標(biāo)搜索算法，能夠?qū)⑤斠簣D像中的較小點(diǎn)目標(biāo)和較大面目標(biāo)分開，以便采用不同的檢測(cè)算法。 (3)為避免人工免疫算法在尋優(yōu)過程中陷入局部極值點(diǎn)和減慢優(yōu)化速度，改進(jìn)了人工免疫算法，提出了一種自適應(yīng)克隆抑制免疫算法。該算法綜合考慮了抗體與抗原間的親和度以及抗體間的濃度兩個(gè)方面，更加全面的模擬人類免疫系統(tǒng)。為便于工程應(yīng)用，論文為改進(jìn)的人工免疫

6、算法建立了數(shù)學(xué)解析模型。通過數(shù)學(xué)算例仿真表明，改進(jìn)后的人工免疫算法比改進(jìn)前收斂速度更快，且不易陷入局部極值點(diǎn)。 (4)針對(duì)輸液中粒徑較小的異物點(diǎn)目標(biāo)，利用其在連續(xù)多幀圖像中形成軌跡的特性，提出了一種基于改進(jìn)的人工免疫算法的軌跡尋優(yōu)算法。首先構(gòu)造點(diǎn)目標(biāo)所有可能軌跡形成的候選航跡樹，設(shè)計(jì)候選軌跡的編碼方案，將編碼后的軌跡作為免疫算法的抗體。根據(jù)異物點(diǎn)目標(biāo)的檢測(cè)要求定義了親和度函數(shù)，在此基礎(chǔ)上基于改進(jìn)的人工免疫算法對(duì)可能軌跡尋優(yōu)。利用

7、該算法并行搜索和特有的記憶庫(kù)功能，能夠快速得到最優(yōu)的抗體。通過仿真和實(shí)驗(yàn)，驗(yàn)證了提出的算法對(duì)粒徑小于50微米的異物檢測(cè)概率和虛警概率能夠滿足生產(chǎn)要求。 (5)為提高最小二乘支持向量機(jī)(LSSVM)的分類性能和速度，提出了一種LSSVM模型參數(shù)優(yōu)化算法。利用LSSVM對(duì)標(biāo)準(zhǔn)數(shù)據(jù)庫(kù)中的數(shù)據(jù)集進(jìn)行分類實(shí)驗(yàn)發(fā)現(xiàn)，使用徑向基函數(shù)時(shí)，正則化系數(shù)和核函數(shù)寬度系數(shù)對(duì)LSSVM分類準(zhǔn)確率和分類速度影響很大；當(dāng)這兩個(gè)參數(shù)一個(gè)固定，另一個(gè)在一定范圍內(nèi)

8、取值時(shí)，它們的組合不影響LSSVM的分類性能。同時(shí)，多類到兩類的不同編碼方案也影響LSSVM的分類效果。為此，將以上影響LSSVM分類性能的因素統(tǒng)籌考慮，將它們作為免疫算法中抗體基因的組成部分，利用改進(jìn)的人工免疫算法優(yōu)化它們的組合，以提高LSSVM獲取模型參數(shù)的速度和提高其分類準(zhǔn)確率。通過和現(xiàn)有的LSSVM模型參數(shù)尋優(yōu)方法比較實(shí)驗(yàn)，證明本文算法較多折交叉驗(yàn)證算法和網(wǎng)格搜索算法在分類準(zhǔn)確率和訓(xùn)練時(shí)間上都有較大改善。 (6)針對(duì)輸液

9、中粒徑較大的異物面目標(biāo)，提出一種基于優(yōu)化的最小二乘支持向量機(jī)算法來(lái)辨識(shí)異物面目標(biāo)和殘留背景團(tuán)塊。通過對(duì)連續(xù)各幀中輸液圖像一些形狀特征、灰度特征分析發(fā)現(xiàn)，對(duì)于在連續(xù)各幀中的同一異物面目標(biāo)，上述特征信息變化較小。因此，首先提取各幀中面目標(biāo)的上述特征，利用優(yōu)化的最小二乘支持向量機(jī)根據(jù)面目標(biāo)的特征實(shí)現(xiàn)連續(xù)幀間同一目標(biāo)的軌跡關(guān)聯(lián)，然后根據(jù)關(guān)聯(lián)成功的各組面目標(biāo)形成軌跡的特點(diǎn)來(lái)辨識(shí)面目標(biāo)是異物還是殘留背景團(tuán)塊。 (7)設(shè)計(jì)了輸液中微小異物在線檢測(cè)系統(tǒng)

10、，著重對(duì)超高分辨率圖像獲取技術(shù)、高速圖像數(shù)據(jù)采集處理技術(shù)的實(shí)現(xiàn)進(jìn)行了研究。通過采用嵌入式DSP圖像處理平臺(tái)，合理分配它與工控機(jī)在檢測(cè)系統(tǒng)中任務(wù)以及檢測(cè)算法的改進(jìn)和優(yōu)化措施，能夠?qū)崿F(xiàn)異物目標(biāo)的實(shí)時(shí)在線檢測(cè)?；谔岢龅奈⑿‘愇锬繕?biāo)檢測(cè)算法，設(shè)計(jì)了輸液中異物目標(biāo)自動(dòng)視覺檢測(cè)系統(tǒng)的主程序和微小異物目標(biāo)識(shí)別算法的流程。在研制的圖像采集實(shí)驗(yàn)平臺(tái)上采集輸液圖像，在高性能PC機(jī)上對(duì)提出算法的檢測(cè)精度、檢測(cè)速度和檢測(cè)穩(wěn)定性進(jìn)行了整體實(shí)驗(yàn)。 最后對(duì)