微柱凝胶血型检测卡异物智能检测系统_李雨晴.pdf

计算机与现代化JISUANJI YU XIANDAIHUA2023年第3期总第331期文章编号：1006-2475（2023）03-0006-05收稿日期：2022-04-08；修回日期：2022-05-20基金项目：国家自然科学基金资助项目（42074198）；湖南省水利科技项目（XSKJ2019081-44）作者简介：李雨晴（1991），女，湖南长沙人，硕士研究生，研究方向：图像处理，机器视觉，E-mail：；通信作者：文勇军（1975），男，湖南长沙人，硕士，研究方向：大数据及人工智能，E-mail：；曾小为（1992），男，湖南长沙人，工程师，研究方向：机器视觉；唐立军（1963），男，湖南长沙人，教授，博士，研究方向：信号检测与处理；周庆华（1977），男，湖南长沙人，教授，博士，研究方向：人工智能及其应用；张志刚（1989），男，河北河间人，博士研究生，研究方向：信号检测与处理。0引言卡式微柱凝胶血型检测是一项重要的血型检测技术，广泛应用于临床诊断上1-2。但由于注胶工艺和卡片生产环境等方面的原因，凝胶卡产品中可能含有污渍、毛发、纤维等异物，以及出现干胶、气泡、空柱等异常现象3。如果不能及时发现，将在临床诊断时产生重大医疗事故，严重危害患者的生命安全。根据中国药典 规定，液体药物生产过程中，需要对直径超过50 m的异物进行检测4。目前国内各厂家普遍依赖人工检测，通过人眼在特定光照条件下进行分析判断，检测结果主观性强、检测效率低、准确率差，检测人员长时间用眼容易疲劳，使得异物检出率普遍不高5。本文从图像处理算法入手，研究微柱凝胶中的杂质检测方法，探索智能检测系统的实现方案，为高效、准确、自动检测微柱凝胶杂质提供有力的手段。1系统设计方法及实现微柱凝胶中的杂质包括空柱、干胶、气泡和纤维、毛发、污渍等微小异物，要求异物直径不得超过50 m。普通LED光源对凝胶的穿透性不强，无法清晰获取杂质的图像，通过设计红外LED光源，可以获得更加清晰的杂质图像6。凝胶卡在高速运动过程中，获取的图像会产生拖影问题，导致杂质的特征信息被虚化，影响检测精度，需要保证一定的成像时间，确保曝光时间7。凝胶卡在光学成像过程中，往往会受到外部环境的干扰，使得图像中出现噪声，微小杂质会淹没在噪声中，需要特定的滤波算法在滤除噪声微柱凝胶血型检测卡异物智能检测系统李雨晴1，文勇军1，曾小为2，唐立军1，周庆华1，张志刚1（1.长沙理工大学物理与电子科学学院，湖南 长沙 410114；2.纳威尔智能科技有限公司，湖南 长沙 410114）摘要：微柱凝胶血型检测卡中的异物严重影响临床检测结果，在分发装盒之前必须经过严格检测，目前主要依赖人工灯检，检测效率低，精准性差。本文设计一种微柱凝胶异物智能检测系统。该系统设计特定波段的红外LED光源获取凝胶卡图像，研究并实现用于提取凝胶卡图像杂质特征信息的改进型高斯滤波算法和二次高斯差分算法，设计识别、跟踪、剔除自动控制装置，实现对有异物的血型检测卡的自动分离。使用纳威尔智能科技有限公司提供的样品进行测试，本文系统检测准确率高于98%，检测异物最小直径为50微米。关键词：异物检测系统；微柱凝胶卡；改进型高斯滤波中图分类号：TP391.4文献标志码：ADOI：10.3969/j.issn.1006-2475.2023.03.002Intelligent Foreign Body Detection System of Micro-gel Blood Group Test CardLI Yu-qing1，WEN Yong-jun1，ZENG Xiao-wei2，TANG Li-jun1，ZHOU Qin-hua1，ZHANG Zhi-gang1（1.School of Physics and Electronic Science，Changsha University of Science and Technology，Changsha 410114，China；2.Nevil Intelligent Technology Co.LTD.，Changsha 410114，China）Abstract:The foreign matter in the micro-gel blood group test card seriously affects the clinical test results，so it must be strictlytested before it is distributed and boxed.At present，it mainly depends on manual lamp test，which has low detection efficiencyand poor accuracy.In this paper，an intelligent detection system for micro-column gel foreign bodies is designed.In this system，the infrared LED light source with a specific wavelength band is designed to obtain the gel card image，and the improved Gaussian filtering algorithm and quadratic Gaussian difference algorithm for extracting the impurity characteristic information of the gelcard image are studied and realized.The automatic control device for identification，tracking and rejection is designed，and theautomatic separation of blood type test cards with foreign bodies is realized.Samples provided by Nevil Intelligent TechnologyCo.，Ltd.are used for testing，the detection accuracy of the proposed system is higher than 98%，and the minimum diameter offoreign bodies detected is 50 microns.Key words:vision inspection system；microcolumn gel；improved Gaussian filtering2023年第3期的同时，保留住杂质的特征信息8。1.1系统结构设计微柱凝胶血型检测卡智能视觉检测系统主要包括视觉成像系统、电气控制系统、图像处理算法3个模块9。系统的正常工作需要各个方面协调配合，以完成复杂的过程。机械结构由电气系统控制来完成凝胶卡的传送、夹持、剔除等工作；视觉成像系统和图像处理算法完成凝胶卡的图像获取、检测、识别等10-11。系统整体结构如图1所示。图1系统总体设计1.2视觉成像方式与实现视觉成像系统是微柱凝胶血型检测卡智能视觉检测系统的重要组成部分之一。视觉成像系统主要包括相机和光源2个部分12。相机和光源选择的主要依据是要快速准确获取后续检测所要求的图像，由于要求检测到的杂质很小（最小为50 m）以及生产线对检测速度的要求，需要全局快门高速高分辨率工业相机和对凝胶穿透性较强的光源才能满足要求13。针对凝胶卡中异物的类型，需要选择正反两面分别成像的方法。其示意图如图2所示。图2凝胶卡成像示意图在图2中，上下2幅图均采用背光的方式，相机放置于被检测对象的前方，这样可以获取靠近柱体表面异物的清晰图像14，2次成像可将靠近前表面与后表面的异物拍摄出来，对异物有着较好的成像效果。根 据 凝 胶 卡 的 检 测 要 求，本 文 选 用 BasleracA4096-11gm型号工业相机来采集图像。该相机的感光芯片为Sony公司生产的IMX267型号，具有较好的动态范围与信噪比，成像清晰，适合做高精度杂质检测。相机分辨率达到 40962160，选取 60 mm32mm 视野大小，检测的理论最高精度能够达到 14.6m，满足对50 m可见杂质检测的要求。相机部分参数如表1所示。表1相机参数感光芯片芯片型号快门芯片类型分辨率/MP帧速率/fps规格IMX267GlobalCMOS911EMVA数据量子效率/%暗噪声饱和容量动态范围/dB信噪比/dB数值69.02.3 e-10.2 ke-72.840.1可见光波长范围为380 nm780 nm。在光波传播的过程中，当波长小于障碍物时，波将会被反射、折射或者吸收，当波长大于障碍物时，波长可以绕过障碍物继续传播。使用可见光LED光源成像时，由于凝胶内的微粒尺寸大于可见光波长，导致成像较暗，无法将凝胶内的杂质拍摄出来。本文选用红外LED光源，红外线的波长（0.78 m1000 m）较长，大于凝胶内的微粒尺寸，可以绕过它们继续传播，从而对凝胶的穿透性比较好15。图3展示了2种光源下的成像对比，左侧为可见光LED光源成像，右侧为本文选用的特定波段的红外LED光源成像。图3成像对比1.3电气控制系统电气控制系统主要由工控机和PLC等部件组成。工控机是整个电气控制系统的核心，主要实现图像处理、参数调试、数据显示、数据统计，协调控制各个模块16。它与相机通过以太网相连，相机将需要处理的图像数据传送给工控机，再由工控机显示到界面并做图像处理。本文选用Intel Core I5-8365U型芯片作为工控机的处理器，并使用TBB库加速处理，以满足系统对检测的速度要求。工控机和 PLC 之间通过串口（RS232）传递相关控制信号。PLC的主要功能是控制电机、电眼、按钮、剔除机构等输入输出信号17。当工控机处理完成后，将结果信号传给PLC，PLC控制剔除机构完成次品的剔除。本文选用STM32F103VCT6为主控芯片，它包含72 MHz运行频率高性能RISC核心，高速嵌入式存储器，以及连接至2条APB总线的增强型I/O与外设，可满足系统对高速I/O的需求。2检测算法2.1改进的高斯滤波凝胶卡在光学成像过程中往往会受到外部环境LED光源1LED光源2相机1相机2LED光源2工控机PLC按钮三色灯电眼传送带电机机械手臂剔除机构相机相机凝胶卡 背光源背光源凝胶卡李雨晴，等：微柱凝胶血型检测卡异物智能检测系统7计算机与现代化2023年第3期的干扰，使得图像中出现噪声，从而降低图像的质量，进而影响后续的图像处理和杂质的识别。因此在对杂质识别之前需要对图像进行一些预处理，以消除图像中的噪声。目前凝胶图像滤噪主要采用：中值滤波18、均值滤波19、高斯滤波20等空间域滤波方法，但此类方法容易引起图像模糊，造成图像边缘等主要细节丢失等问题21，对凝胶图像而言，会损失成像不明显的杂质信息22。本文设计一种基于空间域距离与像素相似性相23结合的改进型高斯滤波算法，在过滤噪声的同时，能有效地保留图像细节，并解决传统方法导致的图像模糊问题。设S=f（i，j）MN 表示输入图像，其中f（i，j）表示图像矩阵中（i，j）处像素的灰度值，选取NN的滤波窗口（N为奇数）在输入图像中滑动，将滤波窗口的中心点逐一与输入图像中的各像素点对应。选取滤波窗口的大小为N=3，得到在（i，j）处的滤波窗口如式（1）：d(i-1，j-1)d(i，j-1)d(i+1，j-1)d(i-1，j)d(i，j)d(i+1，j)d(i-1，j+1)d(i，j+1)d(i+1，j+1)（1）其中，d（i，j）表示第（i，j）个像素与中心像素的距离。同时，添加一个影响因子如式（2）：d(m，n)=exp(-(m-i)2+(n-j)222d)（2）g(i-1，j-1)g(i，j-1)g(i+1，j-1)g(i-1，j)g(i，j)g(i+1，j)g(i-1，j+1)g(i，j+1)g(i+1，j+1)（3）其中，g（i，j）表示第（i，j）个像素与中心像素的像素相似性，即：g(m，n)=exp(-I(m，n)-I(i，j)222g)（4）将代表空间距离与像素相似性的系数相乘后，得到改进型高斯滤波的加权系数如式（5）：w(m，n)=d(m，n)g(m，n)（5）最终，滤噪后的中心像素灰度I（i，j）与其邻域内的像素灰度值的关系如下：I(i，j)=m，nw(m，n)I(i，j)m，nw(m，n)（6）令d=g=1.0，N=3，利用改进型的高斯滤波算法对采集的图像进行处理，得到的图像如图4所示，左边的3幅是相机采集的图像，右边3幅是经过滤波处理后的图像，从上到下分别对应中值滤波、高斯滤波、改进型高斯滤波。图4滤波处理2.2图像的二值化经过预处理后，图像的质量得到明显改善。使用阈值处理的方法对图像进行分割来定位杂质区域是视觉检测中常用的方法24。使用 OTSU方法进行最佳全局阈值处理是图像分割中的一种常用方法25，它完全以一副图像的直方图为基础执行计算。设图像灰度级为i的像素个数为ni，灰度范围为 0，L-1，各灰度值出现的概率为：pi=nii=0L-1ni（7）对于pi，有i=0L-1pi=1。选定一个阈值T把图像分为C0和C1，C0由图像中灰度在范围 0，T-1 内的所有像素组成，C1由图像中灰度在范围 T，L-1 内的所有像素组成。区域C0和C1的概率分别为：P0=i=0T-1pi（8）P1=i=TL-1pi=1-P0（9）区域P0和P1的平均灰度为：0=1P0i=0T-1ipi=(T)P0（10）1=1P1i=TL-1ipi=-(T)1-P0（11）其中，是整幅图像的平均灰度：=i=0L-1ipi=i=0T-1ipi+i=TL-1ipi=P00+P11（12）2个区域的总方差为：2=P0(0-)2+P1(1-)2=P0P1(1-)2（13）使得2达到最大的T值即为最佳分割阈值。利用OTSU分割算法的图像如图5右侧第1张图所示。从图5中可以看出，对于能量较弱的目标杂质，无法分割出来。这是由于最佳分割阈值是基于全局信息所产生，不利于局部细节的保留26。通过二次高斯82023年第3期差分可以有效地解决这个问题。图5二值化处理2.3二次高斯差分由于全局阈值处理会存在上述问题，本文在首次高斯滤波生成预处理图像的基础上，对高斯图像再进行一次高斯滤波，将结果图像与预处理图像进行差分，并设定最小阈值K27，差分图像中灰度值大于K则认为存在灰度突变，将结果图像设置为0，若小于设定阈值则认为不存在像素突变，将结果图像设置为255，处理效果如图5右侧第2张所示。为了更形象地说明，给出对图像进行二次高斯差分的示意图，如图6所示。通过最小阈值K和高斯滤波的模板大小N来决定图像分割的程度，可以很好地将能量较弱的杂质区域分割出来。图6二次高斯差分2.4检测流程凝胶卡经传送带送入检测工位，通过成像系统获取图像。由于红外光穿透性强，杂质与液体形成了较大的灰度差，通过改进型高斯滤波算法对图像做预处理，通过二次高斯差分算法将图像二值化，凝胶中的杂质被分割出来，提取杂质区域，将杂质信息计算出来28。根据 2个相机的检测结果，综合判断是否检测出杂质，从而达到检测目的29。检测流程如图7所示。3实验测试与分析本文选取由纳威尔智能科技有限公司提供的ABO正定型和ABO正反定型2种微柱凝胶卡作为实验样本。对每种样本选取1000个进行准确率测试。其中合格品400个，不良品600个。测试结果如表2和表3所示。表2ABO正定型准确率测试结果类型合格纤维毛发污渍干胶气泡空柱准确率/%数量400100100100100100100本文系统39696100971009210098.10人工灯检391938995999210095.90表3ABO正/反定型准确率测试结果类型合格纤维毛发污渍干胶气泡空柱准确率/%数量400100100100100100100本文系统3989799961009710098.70人工灯检39593929296909995.70从表2、表3中可以看出：对于该2种测试样品，本文设计的智能检测系统对异物识别的准确率达到98.10%和98.70%，均高于人工灯检。同时，选取ABO正定型微柱凝胶卡，根据样本中异物的尺寸，将卡片分成6类，每类选取200个样本进行精度测试，测试结果如表4和表5所示。表4为采 图7检测流程图图像采集改进型高斯滤波二次高斯差分特征提取与计算是否为杂质是否为杂质N NY剔除装盒李雨晴，等：微柱凝胶血型检测卡异物智能检测系统9计算机与现代化2023年第3期用传统算法进行测试的结果，表5为采用本文提出的改进型算法进行测试的结果。表4传统算法测试结果杂质直径/mm520.50.20.10.05数量200200200200200200传统算法200198185170162133检出率/%10099.092.585.081.066.5人工灯检数量200197193182160114检出率%10098.596.591.080.057.0表5改进型算法测试结果杂质直径/mm520.50.20.10.05数量200200200200200200改进型算法200200200198192188检出率/%10010010099.096.094.0人工灯检数量200197193182160114检出率/%10010096.591.080.057.0从表4、表5中可以看出，随着异物尺寸的减小，检测系统和人工的检出率均有下降，在异物尺寸下降到0.05 mm的情况下，采用本文提出的改进型算法，对异物的检出率为94.0%，远远高于采用传统算法检测系统的检出率和人工灯检的检出率。实验结果表明本文算法能达到智能检测系统对异物的检出标准30。4结束语本文采用特定波段的红外 LED光源，以背光方式获取微柱凝胶血型检测卡图像，研究实现了改进型高斯滤波算法和二次高斯差分算法，用于提取凝胶图像中异物特征信息，设计并开发了一种基于机器视觉的微柱凝胶血型检测卡异物检测系统。该系统的检测准确率达到 98%，对 50 m 的异物识别率达到94%，远远高于人工灯检，具有较广泛的市场前景。参考文献：1 赵妮，兰爱侠.微柱凝胶法检测ABO血型正反定型不符的影响因素分析 J.贵州医药，2022，46（1）：132-133.2 陈卉.卡式微柱凝胶试验在临床输血检验中的应用 J.当代医学，2019（16）：135-136.3叶晓芳.卡式微柱凝胶试验与传统盐水法在输血检验中的应用价值 J.医疗装备，2022，35（5）：57-59.4 国家药典委员会.中华人民共和国药典 M.北京：化学工业出版社，2005.5 张辉，易俊飞，王耀南，等.医药质量检测关键技术及其应用综述 J.仪器仪表学报，2020（3）：1-17.6 王馥宇，黄梅珍，曾涛，等.针剂中异物的光电检测方法研究 J.光子学报，2012（3）：375-378.7 王耀南，吴成中，张辉，等.医药输液视觉检测机器人关键技术综述 J.机械工程学报，2013，49（7）：130-140.8 丁金如，孟志刚，杨燕鹤.基于机器视觉的冻干粉中的异物检测分类技术研究 J.计算机与数字工程，2017，45（1）：29-33.9 杨福刚，孙同景，宋松林.基于机器视觉的全自动灯检机关键技术研究 J.仪器仪表学报，2008，29（3）：562-566.10张辉，王耀南，周博文.基于机器视觉的液体药品异物检测系统研究 J.仪器仪表学报，2009（3）：548-553.11李杨果，王耀南，王威.基于机器视觉的大输液智能灯检机研究 J.光电工程，2006，33（11）：69-74.12 李智慧，华云松.表面缺陷检测中工件与光源相机位置关系研究 J.电子科技，2018，31（5）：66-68.13 王海涛，甄理，杨春霞，等.基于计算机视觉的铁轨表面缺陷检测系统 J.无损检测，2011，33（11）：38-41.14 尹宏鹏，陈波，柴毅，等.基于视觉的目标检测与跟踪综述 J.自动化学报，2016（10）：1466-1489.15 张保华，李江波，樊书祥，等.高光谱成像技术在果蔬品质与安全无损检测中的原理及应用 J.光谱学与光谱分析，2014（10）：2743-2751.16 朱家诚，赵松丽，胡智勇，等.微柱凝胶卡自动封切机的设计与研究 J.机械工程与自动化，2015（2）：133-134.17 练士龙.基于 DSP图像处理的道路目标检测技术研究D.绵阳：西南科技大学，2013.18 王晓凯，李锋.改进的自适应中值滤波 J.计算机工程与应用，2010（3）：175-176.19 李秀峰，苏兰海，荣慧芳，等.改进均值滤波算法及应用研究 J.微计算机信息，2008，24（1）：235-236.20王振华，窦丽华，陈杰.一种尺度自适应调整的高斯滤波器设计方法 J.光学技术，2007，33（3）：395-397.21 崔磊，杨兴全.数字图像常用空间域滤波算法仿真与分析 J.科技致富向导，2011（27）：232.22 董蓉，纪娟娟.瓶装食用油异物检测算法 J.安庆师范学院学报（自然科学版），2015，21（4）：61-64.23 张文清，肖厚元，王众，等.基于双核高斯滤波的PSP图像去噪 J.电子测试，2022（1）：39-42.24李小琦.基于Matlab的图像阈值分割算法研究 J.软件导刊，2014，13（12）：76-78.25曾艳阳，谢高森，张建春.基于截距直方图和Otsu融合的弱光图像分割 J.激光与光电子学进展，2021，58（20）：211-219.26 韩少刚，江巨浪.基于图像分割的双直方图均衡算法J.安庆师范大学学报（自然科学版），2021，27（1）：66-69.27 孟立娜，韩其睿.一种全局和局部相结合的二值化方法研究 J.计算机技术与发展，2012，22（11）：116-119.28 王志兵，李杏清.基于局部阈值的图像分割方法 J.科技风，2011（8）：77.29王涛，徐娅萍，亢海龙.结合Canny算子的图像二值化方法 J.微型电脑应用，2010，26（2）：4-7.30 国家药典委员会.中华人民共和国药典-三部 M.北京：中国医药科技出版社，2010.10