توضیحات
در خطوط تولید داروسازی، پرنشدن برخی خانههای ورق بلیستر کپسول یک نقص جدی است که باید پیش از توزیع شناسایی شود. بازرسی دستی این ورقها کند، پرهزینه و مستعد خطای انسانی است. این پروژه یک سیستم بازرسی خودکار مبتنی بر پردازش تصویر MATLAB پیادهسازی کرده که با دریافت تصویر ورق کپسول، خانههای خالی یا نادرست را شناسایی کرده و تعداد و موقعیت دقیق آنها را گزارش میدهد.
توضیحات
تشخیص خودکار خانههای پرنشده در ورق کپسول دارویی با پردازش تصویر در متلب
پروژه در محیط M-file متلب پیادهسازی شده است. گزارش فارسی توضیح کامل الگوریتم، کد و نتایج را همراه دارد.
توضیحات پروژه
این پروژه یک سیستم بینایی ماشین برای کنترل کیفیت خط تولید کپسول دارویی است. الگوریتم با دریافت تصویر ورق کپسول (مانند آموکسیسیلین)، بهصورت کاملاً خودکار موارد زیر را انجام میدهد: تراز کردن ورق، جداسازی ناحیه ورق از پسزمینه، شناسایی رنگ کپسول، بررسی هر خانه از شبکه ۲×۶ و علامتگذاری بصری خانههای خالی یا نادرست.
ویژگی کلیدی این پروژه، ترکیب سه روش مکمل است: تشخیص لبه Canny برای یافتن محیط ورق، عملیات مورفولوژیکال برای پاکسازی نویز، و ماسک رنگی RGB برای شناسایی کپسولهای سبز. این ترکیب حتی در صورت کج بودن ورق در تصویر، نتایج دقیقی ارائه میدهد.
موضوعات مورد بررسی در پروژه
- خواندن تصویر رنگی ورق کپسول و تبدیل به گرایسکیل با rgb2gray
- تشخیص لبه با الگوریتم Canny (آستانه ۰.۱) برای شناسایی محیط خانههای کپسول
- عملیات مورفولوژیکال: imclose (پرکردن شکافها)، imfill (پرکردن حفرهها)، bwareaopen (حذف نویز)
- تراز خودکار ورق با محاسبه زاویه انحراف از regionprops و چرخش تصویر با imrotate
- برش خودکار ناحیه ورق از پسزمینه با BoundingBox و imcrop
- تشخیص رنگ سبز کپسول با ماسک سهکانالی RGB و roicolor
- تقسیم ورق به شبکه ۲×۶ (۱۲ خانه) و بررسی هر خانه برای وجود کپسول
- علامتگذاری بصری خانههای خالی با بیضی آبی روی تصویر اصلی
- گزارش تعداد خطاها با عنوان Capsule Error = X
مشخصات فنی پروژه
نرمافزار مورد استفاده:
MATLAB + Image Processing Toolbox
فایلهای اصلی و پارامترهای کلیدی:
- p2.m — فایل اصلی اجرایی؛ تمام مراحل پردازش با اجرای این فایل انجام میشود
- Image04.jpg، Image05.jpg، Image06.jpg — سه تصویر نمونه ورق کپسول برای آزمایش
- عنصر ساختاری: دیسکی با شعاع ۳ پیکسل برای عملیات مورفولوژیکال
- بازه رنگی کانال قرمز: ۳۰ تا ۶۵، کانال سبز: ۷۰ تا ۱۴۰، کانال آبی: ۶۰ تا ۱۱۰
- آرایش ورق: شبکه ۲ ردیف × ۶ ستون (۱۲ خانه)
این پروژه برای چه کسانی مناسب است؟
این پروژه برای پژوهشگران و علاقهمندان به حوزههای زیر کاربرد دارد:
- دانشجویان و پژوهشگران درس پردازش تصویر دیجیتال
- علاقهمندان به بینایی ماشین و سیستمهای کنترل کیفیت صنعتی
- متخصصان مهندسی پزشکی و اتوماسیون خطوط تولید دارویی
- پژوهشگران تشخیص نقص (Defect Detection) در تصاویر صنعتی
فایلهای موجود در پروژه
پس از خرید، فایلهای زیر در اختیار شما قرار میگیرد:
- p2.m — فایل اصلی اجرایی
- Image04.jpg، Image05.jpg، Image06.jpg — تصاویر نمونه ورق کپسول
- گزارش فارسی — شامل توضیح کامل الگوریتم، کد و تحلیل نتایج
نتایج قابل مشاهده
با اجرای p2.m دو پنجره تصویر بهصورت خودکار نمایش داده میشود:
خروجی اول — ۶ مرحله پردازش
- مرحله ۱: تصویر اصلی رنگی ورق کپسول
- مرحله ۲: لبههای تشخیصدادهشده با الگوریتم Canny
- مرحله ۳: نواحی پرشده پس از عملیات مورفولوژیکال
- مرحله ۴: تصویر تراز شده (پس از چرخش خودکار)
- مرحله ۵: تصویر برشخورده ورق کپسول
- مرحله ۶: ماسک رنگ سبز کپسولهای شناساییشده
✅ شش مرحله پردازش تصویر از ورودی تا ماسک رنگی کپسولهای سبز
خروجی دوم — تصویر نهایی بازرسی
- تصویر ورق کپسول با بیضیهای آبی روی خانههای خالی یا نادرست
- عنوان Capsule Error = X که تعداد کل خطاها را نمایش میدهد
- در تصویر نمونه: ۴ خانه نادرست (کپسول سبز ندارند) شناسایی شدهاند
✅ نتیجه نهایی بازرسی — ۴ خانه نادرست با بیضی آبی مشخص شدهاند
علاوه بر این، با تغییر نام تصویر ورودی در خط اول p2.m میتوان هر سه تصویر نمونه را آزمایش کرد.
پرسشهای متداول
چه Toolboxی نیاز است؟
Image Processing Toolbox الزامی است. این Toolbox در نسخههای استاندارد MATLAB موجود است.
چطور تصویر ورودی را تغییر دهم؟
خط اول فایل p2.m را به این صورت تغییر دهید: pic = imread(‘capsule\Image05.jpg’); سه تصویر نمونه (Image04، Image05، Image06) همراه پروژه ارائه میشوند.
آیا برای ورقهای دیگر هم کار میکند؟
الگوریتم برای کپسولهای سبز رنگ تنظیم شده است. برای کپسولهای با رنگ متفاوت، بازههای RGB در بخش roicolor باید تنظیم شوند.
اگر ورق در تصویر کج باشد چه اتفاقی میافتد؟
الگوریتم بهصورت خودکار زاویه انحراف ورق را محاسبه و تصویر را تراز میکند. این ویژگی برای شرایط واقعی تولید بسیار مفید است.
گزارش چه اطلاعاتی دارد؟
گزارش فارسی شامل توضیح گامبهگام هر مرحله پردازش، شرح خطبهخط کد و تحلیل نتایج است.
مزایای پروژه
- تراز خودکار ورق — حتی اگر تصویر کج گرفته شده باشد، الگوریتم آن را تصحیح میکند
- نمایش بصری کامل — هم مراحل پردازش و هم نتیجه نهایی بهصورت گرافیکی نمایش داده میشوند
- سه تصویر نمونه واقعی برای آزمایش فوری پس از خرید
- کد ساده و ماژولار — هر مرحله با علامت %% مجزا شده و قابل اجرای مستقل است
- گزارش فارسی با توضیح کامل برای استفاده در پروژههای درسی
نکات مهم
۱. رنگ کپسول: بازههای RGB برای رنگ سبز کپسول آموکسیسیلین تنظیم شدهاند. برای کپسولهای با رنگ متفاوت، مقادیر roicolor در مرحله ۶ باید تغییر کنند.
۲. آرایش ورق: الگوریتم برای ورقهای ۲×۶ (۱۲ خانه) طراحی شده است. برای آرایشهای متفاوت، متغیرهای xn و yn در کد باید تنظیم شوند.
۳. کیفیت تصویر: برای بهترین نتیجه، تصویر باید با نور کافی، بدون سایه و از زاویه روبهرو گرفته شود.
۴. مسیر فایل: فایلهای تصویر باید در پوشهای به نام capsule در کنار فایل p2.m قرار داشته باشند.
شاید به موارد زیر نیز علاقهمند باشید:
- شبیهسازی حذف نویز تصویر با فیلتر بیلاترال چندرزولوشنی در متلب
- شبیهسازی دموزاییکینگ تصویر رنگی با الگوریتم POCS در متلب
- شبیهسازی تشخیص موجهای مشخصه در سیگنال ECG با تبدیل مورفولوژیکال در متلب
تشخیص خودکار خانههای پرنشده در ورق کپسول دارویی با پردازش تصویر در متلب
طبق توضیحات فوق توسط کارشناسان سایت متلبی تهیه شده است و به تعداد محدودی قابل فروش میباشد.
سفارش انجام پروژه مشابه
درصورتیکه این محصول دقیقاً مطابق خواسته شما نمیباشد،
با کلیک بر روی کلید زیر پروژه دلخواه خود را سفارش دهید.
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.