一种生物医学滴定管的缺陷检测方法及装置制造方法及图纸

本发明专利技术公开了一种生物医学滴定管的缺陷检测方法及装置，先采集滴定管的上表面和下表面图像，对图像进行处理获得边缘图像；然后对边缘图像，基于霍夫梯度法检测滴定管上下两端圆形的内外径，与设定的标准内外径进行比较，检测滴定管尺寸是否合格；计算边缘图像的分割阈值，根据分割阈值对边缘图像中像素进行统计得到超过分割阈值的像素点总数，与设定的判断阈值进行比较，检测滴定管是否存在缺陷。本发明专利技术的方法及装置，提高了检测效率和检测质量，避免了人工检测二次污染。

【技术实现步骤摘要】
一种生物医学滴定管的缺陷检测方法及装置
本专利技术属于生产检测
，尤其涉及一种生物医学滴定管的缺陷检测方法及装置。
技术介绍
滴定管是一次性的消耗品，主要用于分子生物学和基因学研究的应用，每年的用量很大，对品质要求也较高。在滴定管的生产过程中，首先是注塑机成型，然后是把边角料分拣，最后是工人把剩下的滴定管进行检测和包装。由于其体积小，数量多，进行检测只能采用抽检的方式。包装的主要内容是把散状的滴定管插入标准的盒子里，根据不同滴定管的要求有时还需要在滴定管里面加载滤芯，然后才去塑封做成最终成品。正常情况下，一台注塑机需要对应6-7个工人，工人劳动强度大，工作效率低、工作环境差(注塑机注塑过程中需要加热，会释放一些异味)、产品质量不稳定等问题一直困扰着生产厂家。特别是产品检测过程中受工人主观因素影响大，要不浪费严重把许多良品剔除掉了，要不检测不严把次品都当良品包装了，影响销售和客户满意度。同时滴定管是一种对品质要求较高的实验耗材，人工操作过多会导致产品的二次污染和损伤，同样影响产品品质。无论是在抽检还是在包装塑封时，为了避免人为二次污染，采用适当的检测方法就显得十分重要。
技术实现思路
本专利技术的目的是提供一种生物医学滴定管的缺陷检测方法及装置，通过获取滴定管的上表面和下表面图像，并对获取的图像进行预处理后进行缺陷检测，实现滴定管的自动化检测缺陷，避免人工检测二次污染。为了实现上述目的，本专利技术技术方案如下：一种生物医学滴定管的缺陷检测方法，所述生物医学滴定管的缺陷检测方法，包括：采集滴定管的上表面和下表面图像，对图像进行处理获得边缘图像；对边缘图像，基于霍夫梯度法检测滴定管上下两端圆形的内外径，与设定的标准内外径进行比较，检测滴定管尺寸是否合格；计算边缘图像的分割阈值，根据分割阈值对边缘图像中像素进行统计得到超过分割阈值的像素点总数，与设定的判断阈值进行比较，检测滴定管是否存在缺陷。进一步地，所述生物医学滴定管的缺陷检测方法，还包括：建立检测合格产品的标准样本库，根据标准样本库来更新设定的标准内外径和判断阈值。进一步地，所述计算边缘图像的分割阈值，包括：设边缘图像中灰度为i的像素数为ni，在灰度范围为[0,L-1]时，则灰度为i的像素出现的概率为：用T把图像中的像素分为C0和C1两类，则区域C0和C1的概率分别为：区域C0和C1的平均灰度为：整幅图像的平均灰度为：区域C0和C1的方差为：δ2＝P0(u0-u)2+P1(u1-u)2＝P0P1(u0-u1)2；T依次取[0,L-1]之间的值，L为设定的参数，计算出的使得δ2最大的T即为计算出的分割阈值。本专利技术还提出了一种生物医学滴定管的缺陷检测装置，所述生物医学滴定管的缺陷检测装置，包括：图像预处理模块，用于采集滴定管的上表面和下表面图像，对图像进行处理获得边缘图像；尺寸检测模块，用于对边缘图像，基于霍夫梯度法检测滴定管上下两端圆形的内外径，与设定的标准内外径进行比较，检测滴定管尺寸是否合格；缺陷检测模块，用于计算边缘图像的分割阈值，根据分割阈值对边缘图像中像素进行统计得到超过分割阈值的像素点总数，与设定的判断阈值进行比较，检测滴定管是否存在缺陷。进一步地，所述生物医学滴定管的缺陷检测装置，还包括：阈值更新模块，用于建立检测合格产品的标准样本库，根据标准样本库来更新设定的标准内外径和判断阈值。本专利技术提出的一种生物医学滴定管的缺陷检测方法及装置，同时解决目前人工检测缺陷的过程中存在的检测速度慢、准确性低以及成本高的问题，提高检测效率和检测质量，避免了人工检测二次污染。附图说明图1为本专利技术一种生物医学滴定管的缺陷检测方法流程图。具体实施方式下面结合附图和实施例对本专利技术技术方案做进一步详细说明，以下实施例不构成对本专利技术的限定。如图1所示，本实施例一种生物医学滴定管的缺陷检测方法，包括：步骤S1、采集滴定管的上表面和下表面图像，对图像进行处理获得边缘图像。本实施例，利用专用夹具将确定数量排列整齐的滴定管放置在直线传动机构上，直线传动机构上下垂直设置有工业相机。直线传动机构匀速运动，工业相机连续采集滴定管的上表面和下表面图像，并将获取的图像上传至控制器，进行后续的处理，获取边缘图像。计算边缘图像的方法很多，例如Sobel算子、Canny算子、Robert算子等。本实施例采用最适合滴定管图像处理的Canny算子来获取边缘图像，精度更高。Canny算子使用高斯算子的一阶微分对获取的图像进行滤波，得到每个图像的梯度幅值和方向，再对梯度幅值应用非极大值抑制，通过设置的检测和连接边缘所需的低阈值β和高阈值α，进行双阈值处理，获得边缘图像。具体地，本步骤先用高斯算子的一阶微分对获取的图像f(x,y)进行滤波，得到每个图像的梯度强度和方向。其实现方法是：二维高斯函数为：其中δ是高斯函数的标准方差，对G(x,y)作偏微分，从而获得两个一维滤波器：将上述两个一维滤波器和获取的图像f(x,y)作卷积平滑，得到两个方向的梯度：根据两个方向的梯度可以计算出梯度幅值G和梯度方向θ：通过梯度方向，可以找到此像素梯度方向上的相邻像素。然后对梯度幅值应用非极大值抑制，即对梯度幅值图像中的屋脊细化，保留幅值局部变换最大的点。对图像的每一个点，将其与梯度方向上两个值比较，如果该点梯度幅值小于梯度方向上两个点，说明该点不是局部最大值，将该点对应边缘置0，否则保留边缘。然后通过设置检测和连接边缘所需的低阈值β和高阈值α，进行双阈值处理。梯度幅值大于高阈值α的一定是边缘；对应的梯度幅值小于低阈值β的一定不是边缘；梯度幅值介于两者之间的，则判断该点领域像素中是否存在大于高阈值的边缘像素，若存在则该点是边缘像素，否则不是边缘像素。通过本步骤，采用Canny边缘检测法则对获取的图像f(x,y)进行预处理，实现图像滤波及边缘提取，获得边缘图像。步骤S2、对边缘图像，基于霍夫梯度法检测滴定管上下两端圆形的内外径，与设定的标准内外径进行比较，检测滴定管尺寸是否合格。本实施例采用霍夫梯度法来进行尺寸检测，检测上表面图像和下表面图像中圆形的圆参数。其中霍夫梯度法检测圆参数的步骤如下：(1)对边缘图像中的每一个非零点，考虑其局部梯度，即用Sobel()函数计算x和y方向的一阶倒数得到梯度。(2)利用所得梯度，由斜率指定的直线上的每一个点都在累加器中被累加，这里的斜率是从一个指定的最小值到指定的最大值的距离。(3)同时，标记边缘图像中每一个非0像素的位置(4)然后从二维累加器中这些点中选择候选的中心，这些中心都大于给定阈值并且大于其所有近邻，这些候选的中心按照累加值降序排列，以便于最支持像素的中心首先出现。(5)接下来对每个中心，考虑所有的非0像素。(6)这些像素按照其与中心的距离排序，从到最大半径的最小距离算起，选择非0像素最支持的一条半径。(7)如果一个中心收到边缘图像非0像素最充分的支持，并且到前期被选择的中心有足够的距离，那么他就会被保留下来。基于霍夫梯度法可以检测上表面图像和下表面图像中圆形的圆心，接下来计算边缘图像上各非零像素点到圆心的距离，检测出上表面图像和下表面图像中圆形的内外径。最后，将检测出的上表面图像和下表面图像中圆形的内外径与设定的标准内外径比较，超出规定阈值则判定为不合格。步骤S3、计算边缘图本文档来自技高网...

【技术保护点】
一种生物医学滴定管的缺陷检测方法，其特征在于，所述生物医学滴定管的缺陷检测方法，包括：采集滴定管的上表面和下表面图像，对图像进行处理获得边缘图像；对边缘图像，基于霍夫梯度法检测滴定管上下两端圆形的内外径，与设定的标准内外径进行比较，检测滴定管尺寸是否合格；计算边缘图像的分割阈值，根据分割阈值对边缘图像中像素进行统计得到超过分割阈值的像素点总数，与设定的判断阈值进行比较，检测滴定管是否存在缺陷。

【技术特征摘要】
1.一种生物医学滴定管的缺陷检测方法，其特征在于，所述生物医学滴定管的缺陷检测方法，包括：采集滴定管的上表面和下表面图像，对图像进行处理获得边缘图像；对边缘图像，基于霍夫梯度法检测滴定管上下两端圆形的内外径，与设定的标准内外径进行比较，检测滴定管尺寸是否合格；计算边缘图像的分割阈值，根据分割阈值对边缘图像中像素进行统计得到超过分割阈值的像素点总数，与设定的判断阈值进行比较，检测滴定管是否存在缺陷。2.如权利要求1所述的生物医学滴定管的缺陷检测方法，其特征在于，所述生物医学滴定管的缺陷检测方法，还包括：建立检测合格产品的标准样本库，根据标准样本库来更新设定的标准内外径和判断阈值。3.如权利要求1所述的生物医学滴定管的缺陷检测方法，其特征在于，所述计算边缘图像的分割阈值，包括：设边缘图像中灰度为i的像素数为ni，在灰度范围为[0,L-1]时，则灰度为i的像素出现的概率为：用T把图像中的像素分为C0和C1两类，则区域C0和C1的概率分别为：区域C0和C1的平均灰度为：整幅图像的平均灰度为：区域C0和C1的方差为：δ2＝P0(u0-u)2+P1(u1-u)2＝P0P1(u0-u1)2；T依次取[0,L-1]之间的值，L为设定的参数，计算出的使得δ2最大的T即为计算出的分割阈值。4.一种生物医学滴定管的缺陷检测装置，其特征在于...

【专利技术属性】
技术研发人员：管力明，方琪，楼小栋，包一良，
申请(专利权)人：杭州迈锐钶科技有限公司，浙江中在医疗科技有限公司，
类型：发明
国别省市：浙江,33