[發明專利]一種基于深度學習圖像語義分割的藥片表面缺陷檢測方法及其自動化處理裝置

在審

• 申請號: 202110437743.5
• 申請日: 2021-04-22
• 公開（公告）號: CN113129288A
• 公開（公告）日: 2021-07-16
• 發明（設計）人: 陳鵬;張漢;張德祥;章軍;王兵
• 申請（專利權）人: 安徽大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06N3/08;G06N3/04;G06T7/136;G06K9/34;B65G37/00
• 代理公司: 合肥四閱專利代理事務所(普通合伙) 34182
• 代理人: 李蘇

1.一種基于深度學習圖像語義分割的藥片自動化處理裝置，包括第一輸送機(1)，其特征在于，所述第一輸送機(1)的一側設置有圖像采集模塊、且第一輸送機(1)的出料端與圖像采集模塊之間通過第二滑板(13)相連，所述圖像采集模塊的另一側設置有第二輸送機(15)，且圖像采集模塊的出料端通過第一滑板(5)與第二輸送機(15)的起始端相連，所述圖像采集模塊與控制系統(9)電性相連，所述第二輸送機(15)的一端設置有自動包裝機(7)，且第二輸送機(15)的前側設置有回收處理箱(6)，所述第二輸送機(15)的后側對應回收處理箱(6)的位置處安裝有導向機構；

所述圖像采集模塊包括與地面相固定的安裝板(11)，所述安裝板(11)的前側固定有兩端分別連接第一滑板(5)和第二滑板(13)的支撐板(2)，且安裝板(11)的前側位于支撐板(2)的上下兩側處錯序分布有兩個擋光板(3)，所述安裝板(11)的前側對應兩個所述擋光板(3)的位置處均安裝有相機(12)，所述相機(12)的檢測端安裝有光源(4)，所述支撐板(2)的上下側對應擋光板(3)的位置處均安裝有光電開關(10)。

2.根據權利要求1所述的一種基于深度學習圖像語義分割的藥片自動化處理裝置，其特征在于，所述導向機構包括安裝于第二輸送機(15)一側的伺服電機(8)，所述伺服電機(8)的傳動端固定有導向板(14)，所述導向板(14)的下表面與第二輸送機(15)的上表面貼合。

3.根據權利要求1所述的一種基于深度學習圖像語義分割的藥片自動化處理裝置，其特征在于，所述第二滑板(13)與第一滑板(5)和水平角度均呈30°夾角。

4.根據權利要求1所述的一種基于深度學習圖像語義分割的藥片自動化處理裝置，其特征在于，所述控制系統(9)包括缺陷分割模塊和閾值分類模塊，所述缺陷分割模塊利用語義分割技術對相機拍攝的藥片圖像進行像素分類，其包含主干網絡模塊、局部注意力模塊、全局注意力模塊以及數據相關上采樣模塊，所述閾值分類模塊是對缺陷分割模塊分割的缺陷區域進行像素統計，根據設定的閾值進行分類，像素個數大于設定的閾值時視為有缺陷產品，反之則認為是合格產品。

5.根據權利要求4所述的一種基于深度學習圖像語義分割的藥片自動化處理裝置，其特征在于，所述主干網絡模塊以修改的ResNet-50作為主干網絡，為了保留更多的細節信息同時減少計算量，只使用殘差網絡的前三個分塊，并將第三個分塊的步長設置為1；

所述局部注意力模塊是一種反對稱金字塔結構，分編碼、解碼兩個階段，編碼階段下采樣局部特征圖，并在相應的下采樣之后采用相同尺寸的卷積核進一步特征提取，解碼階段在上采樣時對稱的與下采樣相同尺寸的特征圖進行融合從而實現多尺寸的特征融合；

所述全局注意力模塊捕獲具有像素依賴關系的全局信息，其輸出特征圖中的每一個像素是輸入特征圖上的相應像素與其特征圖上所有像素的加權和，且權重由兩個像素的相關性決定而與距離無關，越相似的特征權重越大。

6.根據權利要求1所述的一種基于深度學習圖像語義分割的藥片自動化處理裝置，其特征在于，所述光源(4)采用球狀分布式對稱無影燈，球狀分布式對稱無影燈采用特制漫射板將光射到不同方向，形成漸變球狀分布，確保整個球面目標坡度的反光強度都一致，所述支撐板(2)采用高透明無反光材質玻璃，所述擋光板(3)采用單一背景色，所述相機(12)采用CCD相機并連接有變焦鏡頭。