[發明專利]基于卷積神經網絡檢測藥品包裝的方法、系統及設備

有效

• 申請號: 202010001494.0
• 申請日: 2020-01-02
• 公開（公告）號: CN111242177B
• 公開（公告）日: 2023-07-21
• 發明（設計）人: 王光夫
• 申請（專利權）人: 天津瑟威蘭斯科技有限公司
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06V10/774;G06V10/82;G06N3/0464;G06N3/08
• 代理公司: 天津展譽專利代理有限公司 12221
• 代理人: 劉紅春

1.一種基于卷積神經網絡檢測藥品包裝的方法，其特征在于，包括如下步驟：a.采集多種藥品圖像樣本，進行人工分類標記；b.使用卷積神經網絡將已標記的所述藥品圖像樣本進行分類樣本訓練，生成藥品檢測模型；c.采集多種殘缺背面鋁塑、鋁箔材質封皮圖像樣本，進行人工分類標記；d.使用卷積神經網絡將已標記的所述封皮圖像樣本進行分類樣本訓練，生成封皮檢測模型；e.藥片板進入檢測區域，工業攝像頭采集藥品板上方圖像，通過所述藥品檢測模型進行分類識別，輸出正面檢測結果，其中，通過傳統輪廓特征提取算法，將藥品板上方圖像分別裁剪成N個藥品粒識別區域，將裁剪后的區域圖像送入預先訓練的卷積神經網絡中進行分類識別，輸出正面檢測結果，如果是透明無藥品或者是不透明褶皺則報警有藥品缺失，如果是判定有臟污則報警有臟污，如果沒有以上問題則認為檢測合格；f.工業攝像頭采集藥品板下方圖像，通過所述封皮檢測模型進行分類識別，輸出背面檢測結果；g.根據所述正面檢測結果和背面檢測結果處理藥片板，所述藥品圖像樣本包括有膠囊、有藥片、有藥球、臟污膠囊、臟污藥片、臟污藥球、空包裝、不透明包裝以及不透明包裝有褶皺，所述封皮圖像樣本包括砂眼、裂口以及褶皺缺陷，步驟f還包括：使用卷積神經網絡訓練生成的模型進行分類識別時，設置缺陷閾值，步驟g還包括：當正面檢測和背面檢測合格時，向下位機傳送OK信號，藥片板向后方傳送；當正面檢測和背面檢測不合格時，向下位機傳送NG信號，控制器接收NG信號，通過觸發傳感器啟動氣動設備，將不合格藥片板剔除。

2.一種基于卷積神經網絡檢測藥品包裝的系統，基于權利要求1所述一種基于卷積神經網絡檢測藥品包裝的方法，其特征在于，包括：

藥品標記單元，采集多種藥品圖像樣本，進行人工分類標記；

藥品訓練單元，使用卷積神經網絡將已標記的所述藥品圖像樣本進行分類樣本訓練，生成藥品檢測模型；

封皮標記單元，采集多種殘缺背面鋁塑、鋁箔材質封皮圖像樣本，進行人工分類標記；

封皮訓練單元，使用卷積神經網絡將已標記的所述封皮圖像樣本進行分類樣本訓練，生成封皮檢測模型；

藥品檢測單元，藥片板進入檢測區域，工業攝像頭采集藥品板上方圖像，通過所述藥品檢測模型進行分類識別，輸出正面檢測結果，其中，通過傳統輪廓特征提取算法，將藥品板上方圖像分別裁剪成N個藥品粒識別區域，將裁剪后的區域圖像送入預先訓練的卷積神經網絡中進行分類識別，輸出正面檢測結果，如果是透明無藥品或者是不透明褶皺則報警有藥品缺失，如果是判定有臟污則報警有臟污，如果沒有以上問題則認為檢測合格；

封皮檢測單元，工業攝像頭采集藥品板下方圖像，通過所述封皮檢測模型進行分類識別，輸出背面檢測結果；

處理單元，根據所述正面檢測結果和背面檢測結果處理藥片板。

3.根據權利要求2所述一種基于卷積神經網絡檢測藥品包裝的系統，其特征在于，所述封皮檢測單元包括閾值模塊，使用卷積神經網絡訓練生成的模型進行分類識別時，設置缺陷閾值。

4.一種基于卷積神經網絡檢測藥品包裝的設備，基于權利要求1所述一種基于卷積神經網絡檢測藥品包裝的方法，其特征在于，包括兩個傳送帶、設于兩傳送帶之間的檢測區域以及設于檢測區域下游位置的剔除機構，所述剔除機構包括與檢測區域電連接的控制器、與控制器電連接的觸發傳感器以及與觸發傳感器電連接的氣動設備。

5.根據權利要求4所述一種基于卷積神經網絡檢測藥品包裝的設備，其特征在于，所述檢測區域包括透明光學玻璃以及設于透明光學玻璃兩側的工業攝像頭。