视频图像中的视觉疲劳实时检测方法研究_兰婷_普杰信
Computer Engineering and Applications 计算机工程与应用
_______________________________________
基金项目：河南省科技攻关计划(092102210293)；河南省基础与前沿计划(102300410113)。 作者简介：兰婷（1983-），女，硕士，主研方向：人工智能与模式识别；普杰信，教授、博士生导师
视频图像中的视觉疲劳实时检测方法研究
兰婷，普杰信
LAN Ting ，PU Jie-xin
河南科技大学 电子信息工程学院，洛阳 471003 College of electronic and Information Engineering ，Henan University of Science and Technology ，Luoyang 471003，China
LAN Ting ，PU Jie-xin ．Visual fatigue in video image in real time detection method
Abstract ：Put forward a new visual fatigue analysis algorithm which is applicable to detect face location and eyes state in driving at real time. Firstly, the differential method is quickly used to find the target area of video. Face is positioned by skin color segmentation combining YCbCr color space. Then the eyelid is detected using the gray integral projection and Hough transform in the area of face. The detected data of eyelid is analysed, and the condition of eyes is got. Value of EOD is to judge whether the driver is fatigue combined with blink analysis. The experimental result shows that the method can locate face quickly in complex background. The value of EOD is detected when the eyes open, and real-time test of visual fatigue is improved.
Key words ：driving fatigue; Video; Skin color segmentation; Hough transform; Blink cycle
摘 要：提出一种新的适用于驾驶中视觉疲劳实时检测的人脸定位及眼睛状态分析算法。首先采用差分法快速找到视频图像中的目标运动区域，结合YCbCr 色彩空间进行肤色分割定位人脸。然后对脸部区域进行灰度积分投影并结合Hough 变换检测眼睑。对检测到的眼睑进行数据分析，得到眼睛开闭情况，结合眨眼分析，获得EOD 值来判断驾驶员是否疲劳。实验结果显示本方法能在复杂背景下快速定位人脸，检测到眼睛睁开时的EOD 值，满足视觉疲劳检测的实时需要。 关键词：疲劳驾驶；视频；肤色分割；Hough 变换；眨眼周期
1 引言
近年来，随着机动车保有量的猛增，恶性交通事故呈逐年上升趋势，采用一种非接触的、实时的疲劳检测方法及时发现并有效遏制由疲劳驾驶引发的交通事故刻不容缓。在驾驶过程中，驾驶员是否疲劳可以通过眼睛的状态反映出来，因此利用驾驶员的视觉信息来判断驾驶员的疲劳状况是一种行之有效的方法[1-2]。
视觉疲劳的检测首先要定位眼睛。目前，最具代表性的人眼状态检测方法包括模板匹配、Hough 变换圆检测、瞳孔检测等。这些方法各有优势，但也存在一些不足。模板匹配法需要预存多个模板，存储信息量大，不易推广；Hough 变换圆检测方法定位准确但计算量较大；瞳孔检测则只能确定睁眼的情况[3]。针对以上问题，本文根据驾驶员疲劳检测系统实时性要求高的特点，提出一种结合肤色信息的快速识别眼睛张开和闭合状态的方法，主要分为四步：人脸的检测、眼睛的定位、眼睛状态的识
别和疲劳状态的分析。
2 视频图像中的人脸检测
人脸检测问题最初来源于人脸识别（face recognition ），是自动人脸识别系统中的一个关键环节[4]。人脸检测的定义是采用一定的策略对给定图片或视频进行搜索，从而判断其中是否存在人脸，如果存在则定位出每个人脸的位置、大小以及姿态。
常用的人脸检测方法有：不变特征法、变形模板法和特征脸法。分别针对不同的检测对象，但普遍存在算法复杂、收敛速度慢、计算时间偏长的缺陷。本文采取先定位目标运动区域，忽略视频图像中固定背景，再用肤色模型快速定位人脸，大大节省了运算时间，提高了疲劳监控中人脸检测与定位的准确率，为驾驶员疲劳检测系统的实时性提供可靠保障。
为了提高基于图像的疲劳检测系统的准确性
网络出版时间：2012-06-15 17:27
网络出版地址：https://www.360docs.net/doc/b615806343.html,/kcms/detail/11.2127.TP.20120615.1727.045.html
和实时性，要在视频流提取出的图像中检测和定位人脸，为进一步获取面部特征提供图像数据。与静止图像中人脸检测不同的是，本文处理的是视频序列。前后各帧之间有非常大的相关性，除了静止图像中可利用的特征外，还有运动方向估计、前帧参考等更加丰富的信息。综合利用这些信息，简化算法的复杂度，提高性能。
帧间差分法[5-7]是指用连续的图像序列中两个相邻帧直接相减进行目标检测的方法，来提取图像中较小的时间间隔内的图像变化部分，即运动区域。
Y Cb Cr ?????V 色图像转变为灰度图像，灰度值对应于该点属于皮肤区域的可能性，然后通过选取合适的阈值，可以将灰度图像进一步转变为二值图像，其中0表示非皮肤区域，1为皮肤区域。
3 虹膜检测及可变模板定位眼睛
为了减小搜索计算量，采用分级检索的方法，先粗定区域，对不能通过粗定的区域不再继续检测工作，然后精确定位，可将运算量减小4至6倍[8]
，并且检测效果更好。
3.1人眼粗定位
由于虹膜区域的灰度值和眼部其他区域的灰
度值相差较大，因此，可以对人脸图像的灰度积分投影曲线进行分析，以找出虹膜区域的轮廓，即对人眼图像分别进行水平灰度积分投影和垂直积分投影，根据波峰波谷的分部信息确定出虹膜区域的轮廓线，再在所确定的虹膜区域使用Hough 变换来检测眼睛。
3.2人眼精确定位算法
在上述过程中，已经找到了真实的人脸区域，并找到了双眼所在的大致位置。以下将使用一种Hough 变换椭圆检测算法精确动态生成整个眼部曲线形状。
P 0(x 0,y 0)，x 轴的α)。
(11X P )
22Y ,
如果能确定该椭圆的两个长轴端点P1(x 1,y 1)和，上述五个参数中的四个α即可确 (6) a =
(7)
2121arctan()y y
x x α?=? (8)
这样，需要通过Hough 变换累积确定的参数仅剩下b 一个。
因长度和角度属于平移和旋转变换的不变量，可将图1的一般椭圆通过平移和旋转变换到图2所示的标准形式，再利用椭圆标准方程来分析长度和角度之间的关系。考虑到人眼睑的生理形状，直接
拟合为正标准椭圆精度不够，所以将眼睛轮廓设定为两个长轴相等短轴不等的上下两个半椭圆组合的形状。
图2 眼睛轮廓示意图
长度
选择
脸定位方法不受光照和复杂背景影响，所以定位的
准确性很高。
图3 人脸定位效果图
H表
眨眼持续时间定义为：每次眨眼时，眼睛由完
慢，眨眼持续时间会变长，因此，可以通过提取驾
驶员的眨眼持续时间来判断是否有疲劳发生[9-10]。
考虑到不同人的生活习惯和生理差异，每一名
被试在程序启动最初首先要录入一段标准状态，以
便得到个体的睁眼高度、眨眼频率等标准参数值。
将二值化后的眼部图像，分别计算出左右眼黑色像
素点纵向高度最大值H1和H2，取平均值
H=(H1+H2)/2即为当前时刻眼睛的睁开高度。再和
最初的标准信息H0做比值，得到一个EOD(Eye
Open Degree)值。
H
Y H EOD =
(12)
图7左右眼EOD 值计算图
将每个时刻的EOD 值统计汇总，就可以绘出睁眼程度随时间变化的曲线，如下
图8 眨眼过程中的EOD 值
横轴描述时间单位，纵轴描述EOD 值。当EOD 值越接近1时眼睛越接近正常睁开状态，当EOD 值越接近0时眼睛越趋于闭合状态。EOD 值从一个极大值经过一次极小值到下一次极大值时即为一个眨眼周期。
5 实验结果分析
考虑到安全问题，没有进行驾驶中实地拍摄，而是在室内分不同时段对不同被试者进行拍摄采样。
从图8中可以看出，正常情况下眼睛睁开时的EOD 值接近1，且一个眨眼周期含几帧图像即在250ms 以内；疲劳发生时眨眼速度明显变缓，眨眼周期拉长，眼睛睁开时的EOD 值降低，需要二十帧或以上显示即大于1s 的眨眼周期。
当眼睛睁开时的EOD 值持续偏低且眨眼周期大于1s 的情况连续出现时，说明此时已处于疲劳状态。部分实验数据见表1。
表1 实时疲劳检测实验结果
实验序列 1 2 3 4 5
眨眼周期s 0.176 0.184 1.561 2.137 2.466EOD 最大平
均值 0.935 0.908 0.817 0.6860.621平均每帧处理时间 s
0.055 0.054 0.056 0.060
0.061
正常人在清醒状态时每一分钟要眨眼10-20次，每一次眨眼的时间约为0.2-0.4秒。当出现疲劳时，眨眼的时间会变长，需要1-2秒甚至更多的时间。为了达到较好的视频预览效果，同时避免出现过多冗余信息，本文将捕获视频帧的频率设为15
帧 s ，即每0.067s 取1帧。实验数据显示本文算法能满足实时要求。
6 结束语
本文的研究目的是通过快速定位人脸并识别眼睛的开闭，得到眨眼的EOD 值来判断驾驶员的疲劳状况。我们在采集的图像中分两步来检测眼部特征信息。首先快速定位人脸，然后再利用可变形模板提取眼睛轮廓 包括内外眼角、上下眼睑等 特征，并为接下来的眼睛状态识别提供重要参数。
通过试验得出眼睛睁开程度是一个有效的判断疲劳的指标，而且可以通过图像处理的方法得到。但是，本文只对具有明显疲劳症状或不疲劳的视频图像进行了处理和判断，而对那些临界状态有
待进行深入研究。
参考文献
[1] 陈守明．驾驶员疲劳检测中人眼定位方法的研究[D]．长沙：中南大学，2010．
[2] 毛喆，初秀民．汽车驾驶员驾驶疲劳监测技术研究进展[J]．中国安全科学学报，2005，15(3)：108-112．
[3] HEITMANN A ，GUTYKUHN R ．Technologies for the monitoring and prevention of driver fatigue[C].Proc of the 1 st International Driving Symposium on Human Factors in Driver Assessment ，Training and Vehicle Design ．2001：81-86．
[4] 姚凯，郭宗明.多级结构的人脸检测方法及应用[J].计算机工程与应用，2010,46(20)： 106-109.
[5] 石时需，郑启伦，黄翰．基于自适应混合差分的快速视频目标检测法[J]．计算机科学，2008，35（7）：224-226．
[6] 薛丽霞，罗艳丽，王佐成．基于帧间差分的自适应运动目标检测方法[J]．计算机应用研究，2011，28（4）：1551-1552．
[7] Zhong J, Sclaroff S.Segmenting foreground objects from a dynamic textured background via a robust Kalman filter[C].
Proceedings of IEEE International Conference on Computer vision.Nice ，France ，IEEE ，2003：44-50.
[8] Wang Jun, Yin Li-jun. Detecting and tracking eyes through dynamic terrain feature matching[C].Proceeding of the 2005 IEEE Computer Society Conference on Computer Vision and Pattern Recognition,2005:78-85.
[9] 朱振华，吴晓娟，王磊等.基于眨眼持续时间的司机疲劳检测方法[J].计算机工程，2008,34（5）：201-203.
[10] 刘鹏，江朝晖，熊进等.用于驾驶疲劳检测的人眼定位及状态判别算法[J].计算机工程与应用，2010,46（24）：185-188.
疲劳预警系统
国内外驾驶疲劳状态检测技术的现状与发展 摘要：疲劳驾驶是引发交通事故的重要因素之一。本文介绍了基于驾驶人生理信号、驾驶人生理反应特征、驾驶人操作行为和车辆行驶轨迹等驾驶疲劳状态监测的研究方法，并对国内外研究现状和现有产品进行了介绍，分析了目前疲劳驾驶研究中存在的问题、未来的研究发展方向和研究难点。关键字：驾驶疲劳，EEG，PERCLOS，信息融合 A Review of the Driver Fatigue Detection Technology Cheng Bo , Zhang Guang-yuan, Feng Rui-jia, Zhang Wei State Key Laboratory of Automotive Safety and Energy, Tsinghua University, Beijing, 100084, [1] Abstract: Driver fatigue is a major cause of road accidents. This paper discusses the methods of detecting driver fati gue based on the driver’s physiological signals, response characteristics, driving behavior and lane keeping characteristics. In this paper the recent developments of driver fatigue detection technology world-wide are also introduced. The findings from this review are discussed in the light of directions for future studies and development of fatigue detection. Keywords: driver fatigue, EEG, PERCLOS, information fusion 1. 引言 疲劳驾驶是当今交通安全的重要隐患之一。驾驶人在疲劳时，其对周围环境的感知能力、形势判断能力和对车辆的操控能力都有不同程度的下降，因此很容易发生交通事故。统计数据表明，在2007 年至2008 年我国直接由疲劳驾驶导致的死亡人数分别占机动车驾驶人交通肇事总死亡人数的11.35% 、10.91% 和12.5%，大约每年有9000 人死于疲劳驾驶。因此，研究开发高性能的驾[2]驶人疲劳状态实时监测及预警技术，对改善我国交通安全状况意义重大。 [3] 2. 驾驶人疲劳状态监测方法 关于驾驶人疲劳及注意分散等安全状态的监测预警技术，由于它在交通事故预防方面的发展前景而受到各国高度的重视，研究人员根据驾驶人疲劳时在生理和操作上的特征进行了多方面的研究，一些研究成果已形成产品并开始进入市场。 驾驶人疲劳状态的检测方法可大致分为基于驾驶人生理信号、基于驾驶人生理反应特征、基于驾驶人操作行为和基于车辆状态信息的检测方法。 2.1 基于驾驶人生理信号的检测方法[4][5]
视觉检测系统报告样本
年春季学期研究生课程考核 ( 阅读报告、研究报告) 考核科目:视觉测量系统 学所在院( 系) :电气工程及自动化学院学生所在学科:仪器科学与技术 学生姓名:*** 学号:10S001*** 学生类别:工学硕士 考核结果: 阅卷人:
视觉测量系统课程报告 第一部分视觉测量系统发展现状综述 机器视觉自起步发展到现在, 已有的发展历史。应该说机器视觉作为一种应用系统, 其功能特点是随着工业自动化的发展而逐渐完善和发展的。 当前全球整个视觉市场总量大概在60～70亿美元, 是按照每年8.8%的增长速度增长的。而在中国, 这个数字当前看来似乎有些庞大, 可是随着加工制造业的发展, 中国对于机器视觉的需求将承上升趋势。 一、机器视觉的定义及特点 简言之, 机器视觉就是用机器代替人眼来做测量和判断。机器视觉系统是指经过机器视觉产品( 即图像摄取装置, 分CMOS和CCD两种) 将被摄取目标转换成图像信号, 传送给专用的图像处理系统, 根据像素分布和亮度、颜色等信息, 转变成数字化信号; 图像系统对这些信号进行各种运算来抽取目标的特征, 进而根据判别的结果来控制现场的设备动作。 机器视觉系统的特点是提高生产的柔性和自动化程度。在一些不适合于人工作业的危险工作环境或人工视觉难以满足要求的场合, 常见机器视觉来替代人工视觉; 同时在大批量工业生产过程中, 用人工视觉检查产品质量效率低且精度不高, 用机器视觉检
测方法能够大大提高生产效率和生产的自动化程度。而且机器视觉易于实现信息集成, 是实现计算机集成制造的基础技术。 正是由于机器视觉系统能够快速获取大量信息, 而且易于自动处理, 也易于同设计信息以及加工控制信息集成, 因此, 在现代自动化生产过程中, 人们将机器视觉系统广泛地用于工况监视、成品检验和质量控制等领域。在中国, 这种应用也在逐渐被认知, 且带来最直接的反应就是国内对于机器视觉的需求将越来越多。 二、机器视觉在国内外的应用现状 在国外, 机器视觉的应用普及主要体现在半导体及电子行业, 其中大概40%～50%都集中在半导体行业。具体如PCB印刷电路: 各类生产印刷电路板组装技术、设备; 单、双面、多层线路板, 覆铜板及所需的材料及辅料; 辅助设施以及耗材、油墨、药水药剂、配件; 电子封装技术与设备; 丝网印刷设备及丝网周边材料等。SMT表面贴装: SMT工艺与设备、焊接设备、测试仪器、返修设备及各种辅助工具及配件、 SMT材料、贴片剂、胶粘剂、焊剂、焊料及防氧化油、焊膏、清洗剂等; 再流焊机、波峰焊机及自动化生产线设备。电子生产加工设备: 电子元件制造设备、半导体及集成电路制造设备、元器件成型设备、电子工模具。机器视觉系统还在质量检测的各个方面已经得到了广泛的应用, 而且其产品在应用中占据着举足轻重的地位。除此之外, 机器视觉还用于其它各个领域。 而在中国, 以上行业本身就属于新兴的领域, 再加之机器视
机器视觉检测系统简述及系统构成
机器视觉检测系统简述及系统构成 1机器视觉检测的一般模式 机器视觉检测的目标千差万别，检测的方式也不尽相同。农产品如苹果、玉米等通常是检测其成熟度，大小，形态等，工业产品如工业零件,印刷电路板通常是检测其几何尺寸，表面缺陷等。不同的应用场合，就需要采用不同的检测设备和检测方法。如有的检测对精度要求高，就需要选择高分辨率的影像采集装置；有的检测需要产品的彩色信息，就需要采用彩色的工业相机装置。正是由于不同检测环境的特殊性，目前世界上还没有一个适用于所有产品的通用机器视觉检测系统。虽然各个检测系统采用的检测设备和检测方法差异很大，但其检测的一般模式却是相同的。机器视觉检测的一般模式是首先通过光学成像和图像采集装置获得产品的数字化图像，再用计算机进行图像处理得到相关检测信息，形成对被测产品的判断决策，最后将该决策信息发送到分拣装置，完成被测产品的分拣。 机器视觉检测的一般模式如图1所示： 图1机器视觉检测的一般模式 1.1图像获取 图像获取是机器视觉检测的第一步，它影响到系统应用的稳定性和可靠性。图像的获取实际上就是将被测物体的可视化图像和内在特征转换成能被计算机处理的图像数据。机器视觉检测系统一般利用光源，光学镜头，相机，图像采集卡等设备获取被测物体的数字化图像。 1.2视觉检测 视觉检测通过图像处理的方法从产品图像中提取需要的信息，做出结果处理并发送相应消息到分拣机构。通常这部分功能由机器视觉软件来完成。优秀的机器视觉软件可对图像中的目标特征进行快速准确地检测，并最大限度地减少对硬件系统的依赖性，而算法设计不够成熟的机器视觉软件则存在检测速度慢，误判率高，对硬件依赖性强等特点。在机器视觉检测系统中视觉信息的处理主要依赖于图像处理方法，它包括图像增强,数据编码和传输，平滑，边缘锐化，分割，特征提取，目标识别与理解等内容。 1.3分拣 对于一个检测系统而言，最终是要实现次品（含不同种类的次品）与合格品的分离即分拣，这部分功能由分拣机构来完成。分拣是机器视觉检测的最后一个也是最为关键的一个环节"对于不同的应用场合，分拣机构可以是机电系统!液压系统!气动系统中的某一种。但无论是哪一种，除了其加工制造和装配精度要严格保证以外,其动态特性,特别是快速性和稳定性也十分重要，必须在设计时予以足够的重视。 2机器视觉检测系统的构成 一个典型的机器视觉检测系统主要包括光源、光学镜头、数字相机、图像采集卡、图像处理模块、分拣机构等部份。其构成如图2所示。 图2典型的机器视觉检测系统 3光源
机器视觉与图像处理方法
图像处理及识别技术在机器人路径规划中的一种应用 摘要：目前，随着计算机和通讯技术的发展，在智能机器人系统中，环境感知与定位、路径规划和运动控制等功能模块趋向于分布式的解决方案。机器人路径规划问题是智能机器人研究中的重要组成部分，路径规划系统可以分为环境信息的感知与识别、路径规划以及机器人的运动控制三部分，这三部分可以并行执行，提高机器人路径规划系统的稳定性和实时性。在感知环节，视觉处理是关键。本文主要对机器人的路径规划研究基于图像识别技术，研究了图像处理及识别技术在路径规划中是如何应用的，机器人将采集到的环境地图信息发送给计算机终端，计算机对图像进行分析处理与识别，将结果反馈给机器人，并给机器人发送任务信息，机器人根据接收到的信息做出相应的操作。 关键词：图像识别；图像处理；机器人；路径规划 ABSTRACT：At present, with the development of computer and communication technology, each module, such as environment sensing, direction deciding, route planning and movement controlling moduel in the system of intelligent robot, is resolved respectively. Robot path planning is an part of intelligent robot study. The path planning system can be divided into three parts: environmental information perception and recognition, path planning and motion controlling. The three parts can be executed in parallel to improve the stability of the robot path planning system. As for environment sensing, vision Proeessing is key faetor. The robot path planning of this paper is based on image recognition technology. The image processing and recognition technology is studied in the path planning is how to apply, Robots will sent collected environment map information to the computer terminal, then computer analysis and recognize those image information. After that computer will feedback the result to the robot and send the task information. The robot will act according to the received information. Keywords: image recognition，image processing, robot，path planning
视觉测量系统技术及应用
视觉测量系统技术及应用 1 引言 基于计算机的视觉检测系统是指通过计算机视觉产品将被摄取目标转换成图像信号，传送给图像处理系统，图像处理系统再根据像素分布和亮度、颜色等信息，转变成数字化信号，计算机图像系统对这些信号进行复杂运算来抽取目标的特征，进而根据判别的结果来控制设备动作。它具有非接触、速度快等优点，是一种先进的检测手段，非常适合现代制造业。可用于视觉检测的试验原理很多，如纹理梯度法、莫尔条纹法、飞行时间法等，然而诸多测试原理中，尤其基于三角法的主动和被动视觉测量原理具有抗干扰能力强、效率高、精度合适等优点，非常适合在线非接触测量。本文主要从视觉测量系统在实际中应用出发，展示视觉检测技术在制造业中的广阔应用[1-4]。 2 视觉测量系统技术的应用 2.1 汽车车身视觉检测系统 在汽车制造过程中，车身上总有很多关键的三维尺寸进行测量，采用传统的三坐标测量机只能离线抽样检测，效率低，更不能满足现代汽车制造在线检测的需要，而视觉检测系统能很好的适应该需要，典型的汽车车身视觉检测系统如图1所示[5]。 图1 车身视觉检测系统 车身检测系统主要依靠的是数个视觉传感器，其中还包括传送机构、定位机构，计算机图像采集、网络控制部分。每个传感器对应一个被测区域，然后通过传输总线传至计算机，通过计算机对每个视觉传感器进行过程控制。 汽车车身检测系统的测量效率很高，精度式中，并且可以在完全自动情况下完成，这个包含几十个测点的系统都能再几分钟内测量完成，因此可以适应汽车制造的在线检测。而且传感器的布置可以根据不同车型来布置，增加了应用要求，
因此减少了车身视觉系统的维护费用。 2.2 拔丝模孔形视觉检测系统 使用计算机视觉检测技术开发出的拔丝模孔形检测系统由光学成像系统、工业用摄像机图像采集卡、计算机及监视器组成，可以解决生产实际中的模具孔形检测问题．工作原理如下：先采用注入硅胶方法获得反映待检拔丝模尺寸及形状的硅胶凸模，然后把硅胶凸模放在光学系统的载物台上．硅胶凸模经光学成像放大，成像于CCD像面上，然后用图像采集卡采集CCD图像信息，最后由计算机视觉检测软件完成对孔形尺寸的自动计算，此时图像采集时需要配置特殊的光照系统．系统实现了自动数据采集、处理，实现采样、进样、结果一条龙，形成检测的自动化． 2.3 无缝钢管直线度和截面在线视觉检测 无缝钢管是一类重要的工业产品，在反应无缝钢管质量中，钢管直线度及截面尺寸是主要的几何参数。现代工业已经可以实现无缝钢管的大批量大规模生产，并且并无成熟的直线度、截面尺寸高效率的检测系统，主要原因为：无缝钢管空间尺寸大，需要很大的测量空间，一般的检测手段很难实现如此大尺度的检测。然而视觉检测却非常适合无缝钢管及截面尺寸的测量，其测量原理图如图2所示。 多个传感器组成了视觉检测系统，传感器的结构光所投射的光平面与被测钢管相交，从而得到钢管的部分圆周，传感器测量圆周在传感器三维空间位置，每一个传感器实现一个截面圆周测测量，然后通过拟合得到截面的圆心和其空间位置，从而实现对无缝钢管截面和直径的测量。 图2 无缝钢管在线检测 2.4 视觉测量在逆向工程中的应用 逆向工程是针对现有的工件，利用3D数字化测量仪准确快速地测量出轮廓坐标值，并建构曲面，经过编辑、修改后，将图形存档形成一般的CAD/CAM系统，再由CAM所产生刀具的NC加工路径送至CNC加工机制所需模具，或者以快速成型将物品模型制作出来。视觉测量一般使用三种激光光源：点结构光、线结构光、面结构光，图3为使用线结构光测量物体表面轮廓的结构示意图[6]。
驾驶员疲劳检测系统.
驾驶员疲劳检测系统 随着交通运输业的发展,交通事故己成为当前各国所面临的严重问题, 疲劳驾驶是引发交通事故的主要因素之一。基于机器视觉的疲劳检测在实时 性、非接触性及全天候等方面比其他监控方法有更大的优势,所以该方法已成为当前研究的一个热点。本文在研究前人工作的基础上,提出一套有效的疲劳检测算法。该算法可分为四个过程:人脸的检测与定位,人脸姿态的调整,人眼的检测与定位,人眼的跟踪与定位和识别驾驶员疲劳状态。本文研究内容和取得的主要 成果如下:(1)人脸的检测与定位。从红外摄像头获取的视频流中读取一帧红外 图象,利用红外人脸图象面部区域亮度较高,背景较暗并且简单的优势,采用迭代式阈值算法对图象进行自适应的二值化处理,然后利用区域标记的方法定位出人脸区域。该人脸检测方法不仅能够准确的定位人脸,而且基本不受光照的影响, 很好的解决了传统检测方法受光照及姿态影响较大,从而导致定位不准确的缺点。(2)人脸姿态的调整。由于人眼的检测与定位采用的是模板匹配的方法,而 人眼模板是水平的,未旋转的,这时如果待检测人脸旋转了某个角度,就很可能会导致人眼模板匹配失败,从而得到一个错误的匹配结果。所以在进行人眼检测与定位之前必须将待检测人脸进行旋转校正,这样可以很大程度上提高人眼模板匹配的成功率。(3)人眼的检测与定位。本文在仔细分析红外图象特点的基础上, 改进了传统模板匹配算法,总结出多步长模板匹配的方法,该算法大幅度减少了 模板匹配的次数,减少了算法的计算量,而且该算法在进行抽样匹配的过程中由 于抽样能够均匀覆盖搜索子图,从而保证了模板匹配的准确度,最终使得该方法 定位准确,算法速度快,能够满足了实时性的要求。(4)采用驾驶疲劳识别算法本文算法能够自动测量并连续跟踪驾驶员眼睛的睁闭情况,并且根据相应的阈值提醒驾驶员。由于夜间是驾驶疲劳的高发时期,该方法采用红外光作为光源,解决 了夜间光照不稳定的问题,所采用算法简单有效,复杂度低,而且具有较好的容错性和鲁棒性。 同主题文章 [1]. 舆水大和,江涛. 机器视觉的研究动向(上)' [J]. 红外. 1996.(03) [2]. 艾海舟. 机器视觉及其应用' [J]. 科学中国人. 1997.(09) [3]. 张福贵. 利用FFT图象检测和分析砷化镓材料中的缺陷' [J]. 电子与信息学报. 1988.(04) [4]. 王红军. 机器视觉——现代工业的眼睛' [J]. 机电一体化. 1999.(03) [5]. 刘曙光,刘明远,何钺. 机器视觉及其应用' [J]. 机械制造. 2000.(07) [6].
全自动光学视觉检测机
全自动光学视觉检测机 培训手册 第二版 科隆威自动化设备公司
目录 第一章：安全与危险.......................................................................................... 错误！未指定书签。第二章：系统描述.............................................................................................. 错误！未指定书签。第三章：工作原理.............................................................................................. 错误！未指定书签。 3.1电气工作原理 .......................................................................................... 错误！未指定书签。 3.2相机工作原理 .......................................................................................... 错误！未指定书签。第四章：程序编辑入门...................................................................................... 错误！未指定书签。第五章：元件种命名举例.................................................................................. 错误！未指定书签。第六章：元件编辑.............................................................................................. 错误！未指定书签。 6.1点编辑 ......................................................................................................... 错误！未指定书签。 6.2元件基本设定及颜色抽取方法 ................................................................. 错误！未指定书签。 6.3晶体管元件基本设定及颜色抽取方法...................................................... 错误！未指定书签。 6.4排阻元件基本设定及颜色抽取方法.......................................................... 错误！未指定书签。 6.5钽电容元件基本设定及颜色抽取方法...................................................... 错误！未指定书签。 6.6元件基本设定及颜色抽取方法 ................................................................. 错误！未指定书签。 6.7数据导入 ..................................................................................................... 错误！未指定书签。第七章：维护与保养.......................................................................................... 错误！未指定书签。第八章：易损配件及注意事项 .......................................................................... 错误！未指定书签。
机器视觉检测系统【深度解读】
机器视觉检测系统 内容来源网络，由“深圳机械展（11万㎡，1100多家展商，超10万观众）”收集整理！ 更多cnc加工中心、车铣磨钻床、线切割、数控刀具工具、工业机器人、非标自动化、数字化无人工厂、精密测量、3D打印、激光切割、钣金冲压折弯、精密零件加工等展示，就在深圳机械展. 现代工业自动化生产中涉及到各种各样的检验、生产监视和零件识别应用，如汽车零配件批量加工的尺寸检查和自动装配的完整性检查、电子装配线的元件自动定位、IC上的字符识别等。通常这种带有高度重复性和智能性的工作是由肉眼来完成的，但在某些特殊情况下，如对微小尺寸的精确快速测量、形状匹配以及颜色辨识等，依靠肉眼根本无法连续稳定地进行，其它物理量传感器也难以胜任。人们开始考虑用CCD照相机抓取图像后送入计算机或专用的图像处理模块，通过数字化处理，根据像素分布和亮度、颜色等信息来进行尺寸、形状、颜色等的判别。这种方法是把计算机处理的快速性、可重复性与肉眼视觉的高度智能化和抽象能力相结合，由此产生了机器视觉检测技术的概念。 视觉检测技术是建立在计算机视觉研究基础上的一门新兴测试技术。与计算机视觉研究的视觉模式识别、视觉理解等内容不同，视觉检测技术重点研究的是物体的几何尺寸及物体的位置测量，如轿车白车身三维尺寸的测量、模具等三维面形的快速测量、大型工件同轴度测量以及共面性测量等，它可以广泛应用于在线测量、逆向工程等主动、实时测量过程。视觉检测技术在国外发展很快，早在20世纪80年代，美国国家标准局就曾预计未来90％的检测任务将由视觉检测系统来完成。因此仅在80年代，美国就有100多家公司跻身于视觉检测系统的经营市场，可见视觉检测系统确实很有发展前途。在近几届北京国际机床展览会上已
疲劳耐久测试系统疲劳损伤谱(FDS)功能
疲劳耐久测试系统中的疲劳损伤频谱(FDS)允许用户通过比较不同随机曲线，正弦扫频曲线或两者的组合而发现设备的潜在损害。振动所引起的损伤可以发生在下列情况之一: 1、对物体的极度瞬时应力所造成的损伤。 2、当某一应力水平的高循环次数应用于该物体时，疲劳造成的损伤。 FDS表示一个物体的产生疲劳损伤的能量的频谱。 如何实现随机振动疲劳分析 FDS函数利用S-N曲线构建频谱分析图。S-N曲线表示对材料(S)施加的应力和应用应力(N)的循环次数。通过频谱分析图我们可以实现随机振动疲劳分析。铝条的S-N曲线如下图所示: FDS功能能够提供一种方法，通过计算最快的破坏或破坏路径来减少试验时间。根据FDS的计算，将随机或扫频正弦的能量集中到它将引起最疲劳损伤的地方，加速了测试时间。 简而言之，FDS让用户了解何种振动频谱会对对象造成更大的损害，并使用该信息和其他参数(比如峰态)来减少测试时间。利用晶钻仪器Spider-80X 多通道数据采集仪（或Spider-81 振动台控制仪）采集数据，并通过EDM随
机测试功能生成疲劳损伤谱，下图是20Hz-40Hz的4g峰值的正弦曲线的疲劳损伤谱: 通过这些具体的测试，在较高的频率域内随机频谱造成的疲劳损伤大于正弦扫频曲线。然而，在低频范围内，疲劳损伤是相似的。 当然，结果取决于测试对象的特性(比如S-N曲线的斜率)和配置文件的水平和频率范围。 这将提供一种方法来比较和研究具有相对相同级别的目标谱是否适合于运行特定的测试。在许多测试中，目标是通过失效对象来估计对象的目标生命。通过进行FDS分析，可以显著降低扩展测试的时间(例如，进行40小时的测试取代400小时的测试)，以达到同样的目标，即试件失效。对于一个昂贵而复杂的测试对象，如卫星，完全破坏是不需要的。因此，利用FDS分析，可以减小应力的持续时间和强度，以观察长期振动试验中可能出现的松动部分。 杭州锐达数字技术有限公司是美国晶钻仪器公司中国总代理，负责产品销售、技术支持与产品维护，是机械状态监测、振动噪声测试、动态信号分析、动态数据采集、应力应变测试等领域的供应商，提供手持一体化动态信号分析系统、多通道动态数据采集系统、振动控制系统、多轴振动控制系统、三综合试验系统和远程状态监测系统等。更多详情请拨打联系电话或登录杭州锐达数字技术有限公司咨询。
视觉检测系统报告
视觉检测系统报告 年春季学期研究生课程考核（阅读报告、研究报告）考核科目:视觉测量系统学所在院（系）:电气工程及自动化学院学生所在学科:仪器科学与技术学生姓名:***学 号:10S001***学生类别:工学硕士考核结果: 阅卷人: 视觉测量系统课程报告第一部分视觉测量系统发展现状综述机器视觉自起步发展到现在，已有15年的发展历史。应该说机器视觉作为一种应用系统，其功能特点是随着工业自动化的发展而逐渐完善和发展的。 目前全球整个视觉市场总量大概在60～70亿美元，是按照每年 8、8%的增长速度增长的。而在中国，这个数字目前看来似乎有些庞大，但是随着加工制造业的发展，中国对于机器视觉的需求将承上升趋势。 一、机器视觉的定义及特点简言之，机器视觉就是用机器代替人眼来做测量和判断。机器视觉系统是指通过机器视觉产品（即图像摄取装置，分CMOS和CCD两种）将被摄取目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。
机器视觉系统的特点是提高生产的柔性和自动化程度。在一些不适合于人工作业的危险工作环境或人工视觉难以满足要求的场合，常用机器视觉来替代人工视觉；同时在大批量工业生产过程中，用人工视觉检查产品质量效率低且精度不高，用机器视觉检测方法可以大大提高生产效率和生产的自动化程度。而且机器视觉易于实现信息集成，是实现计算机集成制造的基础技术。 正是由于机器视觉系统可以快速获取大量信息，而且易于自动处理，也易于同设计信息以及加工控制信息集成，因此，在现代自动化生产过程中，人们将机器视觉系统广泛地用于工况监视、成品检验和质量控制等领域。在中国，这种应用也在逐渐被认知，且带来最直接的反应就是国内对于机器视觉的需求将越来越多。 二、机器视觉在国内外的应用现状在国外，机器视觉的应用普及主要体现在半导体及电子行业，其中大概40%～50%都集中在半导体行业。具体如PCB印刷电路：各类生产印刷电路板组装技术、设备；单、双面、多层线路板，覆铜板及所需的材料及辅料；辅助设施以及耗材、油墨、药水药剂、配件；电子封装技术与设备；丝网印刷设备及丝网周边材料等。SMT表面贴装：SMT工艺与设备、焊接设备、测试仪器、返修设备及各种辅助工具及配件、SMT材料、贴片剂、胶粘剂、焊剂、焊料及防氧化油、焊膏、清洗剂等；再流焊机、波峰焊机及自动化生产线设备。电子生产加工设备：电子元件制造设备、半导体及集成电路制造设备、元
机器视觉简介
机器视觉概述 机器视觉就是用机器代替人眼来做测量和判断。机器视觉系统是指通过机器视觉产品（即图像摄取装置，分CMOS 和CCD 两种）将被摄取目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。 【应用领域】 机器视觉广泛应用于各个方面，广泛应用于微电子、PCB生产、自动驾驶、印刷、科学研究和军事等领域。 【基本构造】 一个典型的工业机器视觉系统包括：光源、镜头、CCD 照相机、图像处理单元（或图像捕获卡）、图像处理软件、监视器、通讯/ 输入输出单元等。系统可再分为、主端电脑(Host Computer)、影像获取卡(Frame Grabber)与影像处理器、影像摄影机、CCTV镜头、显微镜头、照明设备、Halogen光源、LED光源高周波萤光灯源、闪光灯源、其他特殊光源、影像显示器、LCD、机构及控制系统、PLC、PC-Base控制器、精密桌台、伺服运动机台。 以上涵盖大部分的机器视觉系统组成部分，在本实验室中机器视觉的主要系统组成为：光源、工控机、工业相机、镜头；其中在进行算法设计时尽量的减少对于光源条件的依赖（实验室的光源性能一般，光照条件良好）。 图1 典型的机器视觉系统
图2 本实验室的机器视觉的主要组成 尽量以本实验室现有的实验条件为主，其他需要的部分按实际要求也可以添加。 【工作原理】 机器视觉检测系统采用CCD照相机将被检测的目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号，图像处理系统对这些信号进行各种运算来抽取目标的特征，如面积、数量、位置、长度，再根据预设的允许度和其他条件输出结果，包括尺寸、角度、个数、合格/ 不合格、有/ 无等，实现自动识别功能。 【机器视觉系统的典型结构】 一个典型的机器视觉系统包括以下五大块： 1.照明 照明是影响机器视觉系统输入的重要因素，它直接影响输入数据的质量和应用效果。由于没有通用的机器视觉照明设备，所以针对每个特定的应用实例，要选择相应的照明装置，以达到最佳效果。光源可分为可见光和不可见光。常用的几种可见光源是白帜灯、日光灯、水银灯和钠光灯。可见光的缺点是光能不能保持稳定。如何使光能在一定的程度上保持稳定，是实用化过程中急需要解决的问题。另一方面，环境光有可能影响图像的质量，所以可采用加防护屏的方法来减少环境光的影响。照明系统按其照射方法可分为：背向照明、前向照明、结构光和频闪光照明等。其中，背向照明是被测物放在光源和摄像机之间，它的优点是能获得高对比度的图像。前向照明是光源和摄像机位于被测物的同侧，这种方式便于安装。结构光照明是将光栅或线光源等投射到被测物上，根据它们产生的畸变，解调出被测物的三维信息。频闪光照明是将高频率的光脉冲照射到物体上，摄像机拍摄要求与光源同步。
人眼疲劳检测系统
不规范驾驶检测系统 概 要 设 计 说 明 书 2014年12月10日
1. 引言 (2) 1.1 编写目的 (2) 1.2 背景 (2) 1.3 定义 (4) 1.4 参考资料 (4) 2. 总体设计 (5) 2.1 需求规定 (5) 2.2 运行环境 (5) 2.2.1 硬件环境 (5) 2.2.2 软件环境 (5) 2.3 基本设计概念和处理流程 (6) 2.3.1 概述 (6) 2.3.2 系统处理流程 (7) 3. 接口设计 (8) 3.1 内部接口 (8) 4. 系统数据结构设计 (9) 4.1 总体逻辑结构设计 (9) 5. 系统出错处理设计 (10) 5.1 出错信息 (10) 5.2 补救措施 (10)
1.引言 1.1 编写目的 该说明书是在充分理解系统可行性分析的基础上，为以后的详细设计及编码设计做了概要性的说明。是详细设计和系统编码实现的依据。 通过该报告能够了解本系统的体系结构，实现方案等。同时，这份概要设计说明书对整个系统的功能模块进行了划分和描述，为下一步的详细设计和代码实现指明了方向，提出了纲要。本文档的读者主要为本小组的成员。 1.2 背景 当今，汽车已走近千家万户，人们在享受汽车带来便捷生活的同时，也不得不面对日益严峻的交通安全问题。目前，国内的交通安全形势非常严峻，大型交通事故频发。据不完全调查统计，在2012 年至2013 年我国直接由疲劳驾驶导致的死亡人数分别占机动车驾驶交通肇事总死亡人数的16.35%，大约每年有10020 人死于疲劳驾驶导致的车祸，公安部交通管理局发布的2012 年全国道路交通事故情况显示，2012年，全国共发生道路交通事故238351 起，其中造成人员伤亡的公有210812 起，造成61284 人死亡，149528 人受伤，直接财产损失10.9 亿元，分析近几年来的全国道路交通事故情况，其中疲劳驾驶导致的严重交通事故占很大的比例。因此，研究开发高性能
视觉检测原理介绍
技术细节 本项目应用了嵌入式中央控制及工业级图像高速传输控制技术，基于CCD/CMOS与DSP/FPGA的图像识别与处理技术，成功建立了光电检测系统。应用模糊控制的精选参数自整定技术，使系统具有对精确检测的自适应调整,实现产品的自动分选功能。 图1 控制系统流程图 光电检测系统主要通过检测被检物的一些特征参数(灰度分布,RGB分值等)，从而将缺陷信息从物体中准确地识别出来，通过后续的系统进行下一步操作，主要分为以下几部分 CCD/CMOS图像采集部分 系统图像数据采集处理板中光信号检测元件CCD/CMOS采用进口的适合于高精度检测的动态分析单路输出型、保证实际数据输出速率为320MB/s的面阵CCD/CMOS。像素分别为4000*3000和1600*1200，帧率达到10FPS。使用CCD/CMOS 作为输入图像传感器，从而实现了图像信息从空间域到时间域的变换。为了保证所需的检测精度，需要确定合理的分辨率。根据被检测产品的大小,初步确定系统设计分辨率为像素为0.2mm。将CCD/CMOS接收的光强信号转换成电压幅值，再经过A/D转换后由DSP/ FPGA芯片进行信号采集，即视频信号的量化处理过程，图像采集处理过程如图所示：
图2 图像采集处理过程 数据处理部分 在自动检测中，是利用基于分割的图像匹配算法来进行图像的配对为基础的。图像分割的任务是将图像分解成互不相交的一些区域，每一个区域都满足特定区域的一致性，且是连通的，不同的区域有某种显著的差异性。分割后根据每个区域的特征来进行图像匹配，基于特征的匹配方法一般分为四个步骤：特征检测、建立特征描述、特征匹配、利用匹配的“特征对”求取图像配准模型参数。 算法基本步骤如下: 1)利用图像的色彩、灰度、边缘、纹理等信息对异源图像分别进行分割，提取区域特征； 2)进行搜索匹配，在每一匹配位置将实时图与基准图的分割结果进行融合，得到综合分割结果； 3)利用分割相似度描述或最小新增边缘准则找出正确匹配位置。 设实时图像分割为m个区域，用符号{A1，A2，… Am}表示，其异源基准图像分割为n个区域，用符号{B1，B2，…Bn}表示。分割结果融合方法如下: 在每一个匹配位置，即假设的图像点对应关系成立时，图像点既位于实时图中，又位于其异源基准图像中，则融合后区域点的标识记为：（A1B1，A1B2，…，A2B1，A2B2，…）。标识AiBj表示该点在实时图中位于区域i，在基准图中位于区域j。算法匹配过程如下图所示：
司机疲劳驾驶检测系统设计
司机疲劳驾驶检测系统设计 摘要：随着社会经济的发展，商用长途运输车越来越多，司机为了追求经济效益，经常罔顾交通法的规定疲劳驾驶，而一些私家车也因为各种各样的原因经常铤而走险疲劳驾驶，酿成很多人间惨剧。为了减少减轻司机的精神压力并对疲劳及时提示预警，本论文以计算机视觉技术为主体，设计实用操作简单的疲劳驾驶检测系统，辅助驾驶员安全驾驶。 司机疲劳驾驶实时检测系统在实际应用中有很重要的意义。设计了一个利用图像分析的方法，通过测量PERCLOS指标值来进行疲劳判断的该类系统。系统首先对图像进行预处理，然后采用基于YCbCr颜色空间肤色模型进行人脸粗定位，根据人脸特征，逐次进行人眼区域缩小；最后通过对边缘信息进行先验知识结合积分投影的方法进行人眼定位和闭合度测量。考虑到视频图像序列帧与帧之间的相关性，采用线性运动预测的方法对人眼进行跟踪，减少了系统的运算量。实验结果表明系统能实时、准确地反映司机的疲劳状态。 关键词：疲劳驾驶人脸检测肤色检测交通安全疲劳判断
目录 摘要 Abstract 1.疲劳驾驶检测系统研究背景与意义............................................................................................................... 2.疲劳驾驶检测系统研究与实现 2.1国内外疲劳驾驶检测系统研究现状 2.1.1国外疲劳驾驶检测系统的研究成果......................................................................................................... 2.1.2国内疲劳驾驶检测系统的研究现状......................................................................................................... 2.2疲劳驾驶检测系统浅析................................................................................................................................ 2.3驾驶员疲劳检测系统的研究........................................................................................................................ 2.3.1人脸检测 2.3.2人眼定位 2.3.3疲劳程度的综合判定 ............................................................................................................................................................................. 3.基于人脸特征的列车司机疲劳驾驶检测与识别系统研究........................................................................... 3.1研究内容及目标............................................................................................................................................ 3.1.1基于人脸特征的疲劳驾驶检测与识别算法开发..................................................................................... 3.1.2疲劳驾驶检测与识别算法OSP移植 3.2基于Adaboost算法的人脸检测 3.2.1人脸检测技术概述 3.2.2Adaboost人脸检测算法 3.3基于Adaboost算法的人脸检测软件实现 3.3.1.样本训练过程 3.3.2人脸检测程序 3.4人眼检测与人眼状态分析算法 3.4.1基于Adaboost的人眼检测算法 3.4.2人眼级联分类器效果分析 3.4.3人眼状态分析算法 4.基于贝叶斯网络的驾驶疲劳程度识别模型 4.1基于贝叶斯网络模型的驾驶疲劳程度识别 4.2驾驶疲劳程度识别模型 4.2.1驾驶疲劳贝叶斯网络结构 4.2.2贝叶斯网络条件概率表的确定 4.2.3驾驶疲劳程度贝叶斯网络识别模型 4.3模型有效性验证 5.基于FPGA的疲劳驾驶检测系统设计 5.1疲劳驾驶检测系统总体设计方案 5.1.1系统红外光源原理 5.1.2系统总体设计 5.2系统硬件设计与实现 5.2.1系统硬件总体架构 5.2.2图像采集电路设计
自动视觉检测的应用
智能视觉传感器及其在药品自动检测的应用 一智能视觉传感器组成及特点 智能视觉传感器，也称智能相机，是近年来机器视觉领域发展最快的一项新技术。智能视觉传感器是一个兼具图像集、图像处理和信息传递功能的小型机器视觉系统，是一种嵌入式计算机视觉系统。它将图像传感器、数字处理器、通讯模块和其他外设集成到一个单一的相机内，使相机能够完全替代传统的基于PC 的计算机视觉系统，独立地完成预先设定的图像处理和分析任务。由于采用一体化设计，可降低系统的复杂度，并提高可靠性。同时系统尺寸大大缩小，拓宽了视觉技术的应用领域。 智能视觉传感器一般由图像采集单元、图像处理单元、图像处理软件、通信装置、I／0接口等构成，视觉传感器系统构成如图所示。 智能视觉传感器系统构成图 二智能视觉传感器在药品自动检测的应用及其原理 药品的包装方式目前主要有瓶装、袋装和铝塑泡罩包装三种形式，其中铝塑泡罩包装是近几年来有较大发展的包装形式，铝塑泡罩包装不仅具有防水和对异味阻隔性好的特性，而且其封口性能、抗张强度、耐用性等各项指标都比较优良，因此其应用将越来越广泛。旧式的包装机(生产线)一般没有自动检测功能，对于这些缺陷，传统上采用人工挑选的方法来进行检测。对于人工检测，长时间操作会使人眼感觉疲劳，检测准确率降低，直接影响产品的质量与成本。视觉传感器在应用中具有体积小、多功能、方便易用、抗干扰好、集成度高等优点。 泡罩药品自动视觉检测系统可以位于泡罩药品包装工艺流程中的两个检测环节，对应于图1．1中的缺陷检测环节①和缺陷检测环节②。在缺陷检测环节①情况下，药粒已经装入PVC吸塑成型的泡罩中，但这时泡罩还没有与铝箔实现热封合。这一环节主要检测药粒的缺粒、漏装现象，由于泡罩还没有与铝塑封合，且泡罩PVC材料是透明的，所以系统可以采用背光源的透射照明方式。在缺陷检测环节②情况下，生产线上已经输出了成品药板，也就是我们日常所见的药品包装，这时由于铝箔的非透明性，要检测出药片的缺粒、破损，系统应采用前向光源的反射照明方式。由于药品装盒后就将直接面向消费者，因此为确保药品100％的合格率，有必要在药品装盒之前再次安排缺陷检测任务。本文针对泡罩药品包