輸液中微小異物目標(biāo)視覺檢測技術(shù)研究.pdf

1、醫(yī)用輸液在生產(chǎn)過程中會混入少量微小異物，這些異物可能是外來的污染物，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。中國藥典規(guī)定：在注射劑生產(chǎn)過程中，要對注射劑逐瓶進行不溶性異物檢查。傳統(tǒng)的檢查方法不僅勞動強度大，工人易疲勞，而且檢測結(jié)果不穩(wěn)定，檢測方法和標(biāo)準(zhǔn)不統(tǒng)一，是輸液自動化生產(chǎn)線的瓶頸問題。目前，基于機器視覺技術(shù)的輸液中異物智能檢測的研究還不

2、多見。雖然國外一些研究機構(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，國內(nèi)少數(shù)醫(yī)療器械公司引進的這方面技術(shù)，檢測效果很不理想。所以，研究輸液中微小異物視覺檢測算法和研制適合我國制藥標(biāo)準(zhǔn)和生產(chǎn)環(huán)境的在線全自動智能輸液異物檢測器械有著重要的理論意義和應(yīng)用價值。 利用機器視覺技術(shù)進行輸液異物檢測的關(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)的圖像識別算法是整個研究的難點和重點。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)確辨識出其中可能存在的微小異物，針對輸液圖像中的異物點目標(biāo)和面目標(biāo)分別采用了基于改進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的異物軌跡特征辨識算法。為獲取高質(zhì)量的原始圖像，設(shè)計了超高分辨率輸液圖像采集和處理系統(tǒng)，對其中的關(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，研制了專用的輸液圖像采集實驗平

4、臺，使微小異物目標(biāo)在離心電機帶動下隨輸液離心旋轉(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)的運動軌跡特性進行檢測提供了數(shù)學(xué)依據(jù)。分析了輸液圖像的背景和噪聲特點，結(jié)合輸液異物檢測要求，給出了異物目標(biāo)檢測效果的評價標(biāo)準(zhǔn)。 (2)為減少運算量，提高檢測效率，首先對獲取的原始圖像進行了感興趣區(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，提出了一種分塊自適應(yīng)背景抑制算法。通過實驗證明，該方法能

5、夠有效預(yù)測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像中的較小點目標(biāo)和較大面目標(biāo)分開，以便采用不同的檢測算法。 (3)為避免人工免疫算法在尋優(yōu)過程中陷入局部極值點和減慢優(yōu)化速度，改進了人工免疫算法，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，改進后的人工免疫算法比改進前收斂速度更快，且不易陷入局部極值點。 (4)針對輸液中粒徑較小的異物點目標(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的人工免疫算法的軌跡尋優(yōu)算法。首先構(gòu)造點目標(biāo)所有可能軌跡形成的候選航跡樹，設(shè)計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)異物點目標(biāo)的檢測要求定義了親和度函數(shù)，在此基礎(chǔ)上基于改進的人工免疫算法對可能軌跡尋優(yōu)。利用

7、該算法并行搜索和特有的記憶庫功能，能夠快速得到最優(yōu)的抗體。通過仿真和實驗，驗證了提出的算法對粒徑小于50微米的異物檢測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(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對標(biāo)準(zhǔn)數(shù)據(jù)庫中的數(shù)據(jù)集進行分類實驗發(fā)現(xiàn)，使用徑向基函數(shù)時，正則化系數(shù)和核函數(shù)寬度系數(shù)對LSSVM分類準(zhǔn)確率和分類速度影響很大；當(dāng)這兩個參數(shù)一個固定，另一個在一定范圍內(nèi)

8、取值時，它們的組合不影響LSSVM的分類性能。同時，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)方法比較實驗，證明本文算法較多折交叉驗證算法和網(wǎng)格搜索算法在分類準(zhǔn)確率和訓(xùn)練時間上都有較大改善。 (6)針對輸液

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算法來辨識異物面目標(biāo)和殘留背景團塊。通過對連續(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根據(jù)面目標(biāo)的特征實現(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)形成軌跡的特點來辨識面目標(biāo)是異物還是殘留背景團塊。 (7)設(shè)計了輸液中微小異物在線檢測系統(tǒng)

10、，著重對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)的實現(xiàn)進行了研究。通過采用嵌入式DSP圖像處理平臺，合理分配它與工控機在檢測系統(tǒng)中任務(wù)以及檢測算法的改進和優(yōu)化措施，能夠?qū)崿F(xiàn)異物目標(biāo)的實時在線檢測?；谔岢龅奈⑿‘愇锬繕?biāo)檢測算法，設(shè)計了輸液中異物目標(biāo)自動視覺檢測系統(tǒng)的主程序和微小異物目標(biāo)識別算法的流程。在研制的圖像采集實驗平臺上采集輸液圖像，在高性能PC機上對提出算法的檢測精度、檢測速度和檢測穩(wěn)定性進行了整體實驗。 最后對