基于BP神经网络的药瓶封装缺陷识别技术研究

摘要

医药大输液是我国医药行业五大重要制剂之一，不仅是医疗机构日常必须使用的药品，而且在临床上应用最频繁。然而，在大输液的包装工序中，由于封装技术的原因会出现瓶体与瓶盖封装不严的情况，不仅严重影响了药品的质量、危害人类健康，而且影响下一道工序的进行。因此有必要对药瓶的封装缺陷进行识别，以剔除不合格品，从而提高药品的质量。本文主要针对药瓶封装缺陷的特点，设计了一种基于BP神经网络的药瓶封装缺陷自动识别算法。本文的主要研究内容如下: (1)为了获取高质量的二值化图像，对图像处理相关算法进行研究。首先，对图像进行了灰度化处理;其次，在灰度化图像的基础上，对图像滤波、图像增强、图像分割和形态学操作等均采用多种算法进行实验，对比分析各种算法的优缺点，从而选择了适合本课题的算法。 (2)对处理后的药瓶目标图像进行特征提取。利用不同类型缺陷的特点，遵循特征提取的原则，分别从形状特征和纹理特征两方面进行特征提取，统计其相关的特征值，并作为模式识别的输入向量。 (3)对封装缺陷进行模式识别。首先，对BP神经网络的结构、学习算法以及网络的设计方法进行了详细的介绍，在分析了标准BP神经网络算法存在的不足后，采用动量BP法对其进行改进，采用训练好的BP网络进行仿真。其次，对可能引起识别准确率的误差进行分析，提出有效的改善方法，为后期系统的改进打下基础;最后，对系统进行了软件的设计，并通过设计好的软件对缺陷识别进行测试。

目录

声明

摘要

第1章绪论

1．1课题研究背景及意义

1．2国内外研究现状

1．2．1药瓶封装缺陷的研究现状

1．2．2模式识别的发展及研究现状

1．2．3神经网络的发展及研究现状

1．3本文主要研究内容及安排

第2章系统的总体设计方案

2．1概述

2．2检测系统总体方案

2．2．1系统的设计目标

2．2．2系统的总体结构

2．3图像采集设备的设计

2．3．1摄像机的选择

2．3．2镜头的选择

2．4照明系统的设计

2．5本章小结

第3章药瓶封装缺陷图像预处理

3．1图像灰度化处理

3．2图像复原

3．2．1图像噪声模型

3．2．2均值滤波器

3．2．3中值滤波器

3．3图像增强

3．3．1灰度直方图

3．3．2灰度变换增强

3．3．3直方图均衡化增强

3．3．4图像增强技术的选择

3．4药瓶封装缺陷图像分割

3．4．1基于边缘检测的缺陷分割

3．4．2基于阈值的缺陷分割

3．4．3图像分割技术选择

3．5药瓶图像的形态学处理

3．5．1结构元素

3．5．2膨胀和腐蚀

3．5．3开运算和闭运算

3．6本章小结

第4章药瓶封装缺陷图像的特征提取

4．1缺陷特征选取原则

4．2基于形状特征的缺陷提取

4．2．1基于轮廓的形状特征提取

4．2．2基于区域的形状特征提取

4．3基于灰度共生矩阵的特征提取

4．3．1灰度共生矩阵概述

4．3．2基于灰度共生矩阵的纹理特征提取

4．4本章小结

第5章神经网络在药瓶封装缺陷中的应用

5．1人工神经网络

5．1．1人工神经元模型

5．1．2神经元的激励函数

5．1．3人工神经网络的网络结构

5．2 BP神经网络简介

5．2．1 BP神经网络结构

5．2．2 BP学习算法

5．3 BP神经网络应用于药瓶封装缺陷检测

5．3．1网络层数的确定

5．3．2输入层和输出层节点数的确定

5．3．3传递函数的选择

5．3．4初始权值和阈值的确定

5．3．5学习速率和期望误差的确定

5．3．6隐层节点数的确定

5．3．7 BP神经网络算法的改进

5．4 BP神经网络的训练和仿真

5．5系统误差分析

5．6操作界面的设计

5．7本章小结

第6章总结与展望

6．1总结

6．2展望

参考文献

致谢