SCI论文（www.lunwensci.com）
摘要： 目前，世界各大医药公司常通过肉眼检查的方式鉴定缺陷药片，但受到工作人员视力疲劳程度的 影响和人眼对微小部分存在辨认极限，因此常常会出现漏检、低效检查的现象。怎样有效监测并在检验 活动中保证更高的检验合格率是目前各制药企业遇到的问题。为提高企业的服务质量，采用机器检查分 拣技术取代人工检查分拣已迫在眉睫。因此，经过系统研究，出现了基于卷积式神经网络的片剂产品表 面缺陷监测方法。相关人员利用此方法研制和开发出的表面缺陷药片筛分技术显著提高了表面缺陷药片 的检出准确性和效率。
关键词：片剂药品,深度学习,分选系统
Film pharmaceutical screening system based on deep learning algorithms
Sun Manxin, Chang Cunyi, Du Liangqi,Ding Jing,Liu Chuangye
(School of Machinery, North China University of Science and Technology, Tangshan Hebei, 063210)
Abstract: At present, major pharmaceutical companies in the world often identify defective pills through the naked eye examination, but because of the visual fatigue degree of vision and identification of small parts of the human eye, the phenomenon of omissions and inefficient examinations often occur. How to effectively monitor and ensure more inspection qualification rates in the inspection activities is currently a problem encountered by various pharmaceutical companies.In order to improve the company's service quality, the use of machine inspection and sorting technology has replaced manual inspection and sorting. Therefore, after systematic research, the surface defect monitoring method based on convolutional neural networks was obtained. And using this method, the screening technology developed and developed on the surface of the surface flawed pills significantly improved the accuracy and efficiency of the detection of surface defect tablets.
Key words: tablets medicine; deep learning; sorting system
一、引言
目前，在药品市场中，口服药剂大致可分为片 剂、胶囊、颗粒剂、丸剂、糖浆剂。片剂在五大类 口服药品中占据大额市场。各制药企业的片剂生产 工艺主要为压制法，而压片与包衣是压制法中较为 关键的工序。在压片工序后可得到初步片剂，但初 步得到的片剂常存在着片剂开裂、毛边、片面粗糙 不平或有凹陷等问题。在包衣工序中，常会出现片 剂粘连，包衣膜未能完全掩盖片芯等问题 [1] 。为 了保障企业的生产效率，以机械检测分拣代替人工 检测分拣已迫在眉睫。
国际上普遍使用的药片表面缺陷检测大多是 基于模式识别的检测算法。这种算法存在着计算量 大、应用领域极其有限等缺陷 [2] 。神经网络的出 现为解决该问题提供了一种全新的思路， 针对具体 的药片表面缺陷检测任务， 卷积神经网络能够根据 学习算法自主选择需要的特征提取器， 高效提取检 测药片表面缺陷的必要特征， 使算法的复杂性大大 降低。
二、片剂药品筛分系统总体设计
(一)性能参数
1. 处理量
处理量是指单位时间内本系统可处理的物料数 量，其中，影响处理量大小的因素是给料系统的运 行速度及片剂药品的完好程度 [3] 。单位时间内的 处理量与给料系统的运行速度成正比。给料系统的 运行速度快，能够带动片剂药品快速到达相应的处 理位置，进而增加处理量，提高筛选效率。单位时 间内的处理量与片剂药品的完好程度相关。若药品 中的缺陷药品数目较少，则缺陷药品之间间隔越大， 对光选系统与分离系统的工作量要求相对较低，因 此可更加准确地处理片剂药品 [4]。
2. 光选精度
光选精度是指从所有片剂药品中选出的缺陷 药品数量占药品总数量的百分数。光选精度的大小 主要与给料系统中传送带的运行速度和原料的完 好程度有关， 传送带运动速度慢 , 就会使掉落时相 邻缺陷药品之间的间隔时间变长， 各系统就有足够的时间将缺陷药品剔除， 提高光选精度。同理， 原 料的完好程度越高， 次品率越低， 光选精度也会提 高。同时， 光选精度还受伺服系统自身设计的限制， 当有两个以上杂质处在同一帧图像时， 只能剔除一 个杂质， 光选精度下降， 采用复选结构要好于单选 结构。
3. 带出比
带出比是指光选机选出的缺陷药品数目与完整 药品数量之比。带出比的高低调节主要依靠调节分 离系统中高压喷头的通带内时间来完成。如果带出 比设定过高，就会影响选出率和处理量;如果设定 过低，选出的缺陷药品中所含正常物料过多，就会 造成浪费;如果进行二次处理，将会使筛选成本提 高，同时增加许多复杂的程序和经济损失。
4. 选出率
选出率是指在一次筛选的过程中选出的杂质数 量所占总流量的百分比。选出率主要与片剂药品的 成像及深度学习算法的识别有关，片剂成像越清晰， 算法模型越容易分析并识别出片剂包含的缺陷。同 时，选出率还受分离系统的影响，分离系统需稳定 运行，以此确保命令信号的正确执行。
在实际生产过程中，处理量、光选精度、带出 比、选出率这四个指标都是关键指标，需要综合进 行考察 [5]。
(二)工作流程
总体筛分系统主要由给料系统、光学检测系统、 信号处理系统和分离系统组成。包衣完成后的药片 进入料斗，之后进入布料机向前输送，通过布料机 后，物料下落进入光选机的药片滑槽，物料在下落 过程中经过光选扫描区，扫描的动态图像传输至控 制柜进行处理与判别。高压空气阀门组根据控制柜 的指令，精确地将废料吹至废料斗，而经过光选的 合格品则进入下道工序。全套系统可连接网络以便 远程支持。
(三)机械系统设计
1. 给料系统设计
给料系统是整体筛分系统的重要组成部分，药 品经过给料系统，可有序地进入光学检测系统和分 离系统。其中，进料斗(药仓)、布料机、滑槽是 该系统的重要组成器件。包衣完成的片剂通过输送 带进入料斗。为合理控制药片移动速度，同时便于 布料机布料，进料斗采用梯形界面式设计，上方大 端口便于片剂的进入，可提高筛分效率;下方小端 口合理控制片剂下落速度，减少了因移动、下落等 方式造成的药片缺陷。
滑槽是给料系统的最后器件，片剂脱离滑槽后进入光选系统，其主要作用是为后续系统的工作提 供一个均匀、稳定的片剂流，因此滑槽的设计对后 续各系统的工作有着重要影响。本套系统采用 U 型 滑槽设计，每道滑槽间距相等，11 道滑槽组成整 体的 U 型滑槽，滑槽宽度略大于片剂宽度。同时， 在安装滑槽时，合理调整了滑槽的倾斜角度，便于 片剂沿滑槽顺利滑下。由于片剂在滑槽中做下滑平 移运动，因此滑槽通道表面质量是影响片剂流出状 态和流出速度的重要因素。滑槽表面应尽量光滑， 一般可对滑槽表面进行电镀处理，以有效降低滑槽 表面的粗糙度，提高筛选系统的精确度。
2. 光学检测系统
光学检测系统是本套系统最为重要的装置，其 主要由 LED 光源、相机和信息传输装置组成。在片 剂药品经过滑槽进入光选系统后，光选系统可依托 四光源光度立体成像法与深度学习算法对片剂进行 初步识别，缺陷识别完成后，将信息指令传递至分 离系统，由分离系统剔除缺陷片剂。其中，四光源 光度立体成像法是光选检测系统最为重要的组成部 分。该方法是由 4 个不同位置、光照强度相同的光 源及 2 个相对位置的相机组成，先利用相机拍摄待 检测的片剂药品在密集光源下的实时影像，然后借 助深度学习算法对影像进行动态检测，可识别出待 检测片剂的表面缺陷和其他信息。为确保四度光源 立体成像法装置成像清晰，本研究采用 45°夹角 成像，即光源与相机光轴成 45°左右均匀分布， 此时的立体成像效果最佳。在成像效果达到最佳后， 本系统的片剂药品光选精度与准度也得到了相应的 提升。
3. 分离系统设计
本套装置分离系统的主要作用是接收信息处理 系统给予的指令，针对具有缺陷的片剂，利用空气 喷冲的方法进行剔除，其由气动喷头、电阀门、压 缩机、信号接收器及接料箱组成。
分选系统的主要工作原理如下：在被检测片剂 经过识别分析后，检测信号传输至分离系统，对于 良品，按照既定运动轨迹落入良品药箱;而对于有 缺陷的药品，分离系统按照信号指令开启电阀门， 压缩机与气动喷头开始工作，压缩机对外界空气进 行压缩加压，然后由气动喷头喷出高压气体，缺陷 片剂在高压气体的作用下偏离原定运动轨迹，落入 缺陷药品接药箱。对于落入缺陷接药箱的片剂，由 于数目相对较少，可采用人工观察肉眼识别的方法 进行二次筛选，或将其再次投放至药仓，以此提高 筛选的精度。
气动喷头在系统运行过程中有着重要作用，在待检测片剂药品离开滑槽后，片剂保持原有运动状 态进行自由落体运动，喷头设置在片剂药品下落轨 迹末端，当喷头吹出高压气体流，缺陷药品会按照 类平抛的运动轨迹进入接药箱。鉴于此，喷头与片 剂的距离应适当缩小，二者之间距离越近，喷头的 喷射就越准确， 带出比就越小， 选出率越高。此外， 为合理控制高压气体的喷出量，本套系统采用扁平 式气动喷头，这一设计可确保喷头进气截面大于出 口截面，进而增大高压气体喷射量，改变缺陷药品 的运动轨迹。
压缩机的空气压缩质量会直接影响分离系统的 分选功能，因此必须保证其气压的稳定与均匀性。 此外，工作人员可在压缩机的压缩空气管道内安装 气体干燥器和空气过滤器等气体处理装置，确保喷 头喷发出的高压气体不会对片剂造成污染。
接料箱包括良品接料箱与次品接料箱，良品接 料箱下方设置出料口，流出的合格片剂可进行下一 步工序;而针对次品接料箱中的片剂，可将其再次 放入给料系统中的药仓进行二次筛选，以此提高系 统整体的筛选精度。
(四)深度学习算法——YOLOv5
在没有卷积神经网络(CNN)之前，目标检测 实现的主要方式还是基于统计学知识的算法，以可 变形的组件模型算法(DPM)为巅峰代表，其特征 属性多依靠人工设计，检测对象的范围存在一定的 局限性 [6] 。随着卷积神经网络算法的不断发展，一 系列适应不同条件的算法应运而生，其中包括基于 深度学习的分类算法 OverFeat、R-CNN、Fast R-CNN、 R-FCN，以及基于深度学习的回归算法——YOLO 系 列。本套系统在应用过程中采用 YOLOv5 算法。
YOLOv5 是一种单阶段检测算法，可以一次性 输出预测框的位置和类别置信度，拥有极快的检测 速度和较高的检测精度 [7] 。YOLOv5 算法共由 4 部 分组成。第一部分为输入层，主要实现数据训练前 预处理。第二部分为主干网络(Backbone)，主要 实现目标特征的提取，由 Focus 结构和 CSP 结构 组成。第三部分为颈部网络(Neck)，主要实现目 标特征的收集，由 FPN+PAN 结构组成。第四部分为 检测层(Prediction)，主要用于预测信息损失部 分。综上， 整个 YoloV5 网络的工作就是特征提取— 特征加强—预测特征点对应的物体情况。
三、结语
人工肉眼观察、识别片剂药品缺陷的方法效率 较低、成本较高。本文创新地采用了深度学习算法 来识别缺陷药品，并且合理调配各系统间的工作， 通过对各个部件的合理组装，成功使缺陷片剂药品筛选系统正常工作。本套系统的成功研制，大大提 高了缺陷片剂药品的识别效率，降低了人工筛选成 本。另外， 在筛选精度上， 本套系统远超人工筛选， 这大大提升了该套系统的实用价值，为整个片剂药 品生产企业提供了新的筛分方案，可以降低药品生 产企业的生产成本，提高整条生产线的自动化水平。
【参考文献】
[1]王宪保,李洁,姚明海,何文秀,钱沄清.基于深度学 习的太阳能电池片表面缺陷检测方法[J].模式识别 与人工智能,2014(6).
[2]朱铭煜，周武能.图像处理在药片缺陷检测中的 应用[J].计算机工程与设计,2010(23).
[3]孙继征.基于FPGA与DSP的浮法玻璃缺陷在线检 测技术研究[J].科学技术与工程,2014(1).
[4]景军锋,范晓婷,李鹏飞,洪良.应用深度卷积神经 网络的色织物缺陷检测[J].纺织学报,2017(02).
[5]志江,孙立宁,富历新. 医疗机器人发展概况综述 [J].机器人,2013(2).
[6]高体红.基于机器视觉的药片缺陷检测系统[D].泉 州：华侨大学,2015.
[7]肖军.国内制药包装机械行业正朝高端产品迈进 [J].首都食品与医药,2017(19).
关注SCI论文创作发表，寻求SCI论文修改润色、SCI论文代发表等服务支撑，请锁定SCI论文网！ 文章出自SCI论文网转载请注明出处：https://www.lunwensci.com/jisuanjilunwen/51922.html
