[发明专利]基于视觉识别的大输液软袋产品的检测方法、系统及装置在审

专利信息
申请号: 202111181592.8 申请日: 2021-10-11
公开(公告)号: CN113916899A 公开(公告)日: 2022-01-11
发明(设计)人: 杨琴;彭晓琴;刘思川;刘文军;谭鸿波;葛均友;郭晓英;喻强;王昌斌 申请(专利权)人: 四川科伦药业股份有限公司
主分类号: G01N21/90 分类号: G01N21/90;G01N21/94
代理公司: 四川省成都市天策商标专利事务所(有限合伙) 51213 代理人: 赵以鹏
地址: 610500 四川省*** 国省代码: 四川;51
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 视觉 识别 输液 产品 检测 方法 系统 装置
【权利要求书】:

1.一种基于视觉识别的大输液软袋产品的检测方法,其特征在于,包括以下步骤:

采集传输线上的大输液软袋产品的图像;

将采集的图像输入到预先建立的合格品识别模型中,合格品识别模型对获取的图像进行检测,检测到图像中存在异物时,则识别、并剔除该大输液软袋产品,否则,对该大输液软袋产品放行处理。

2.根据权利要求1所述的一种基于视觉识别的大输液软袋产品的检测方法,其特征在于,所述采集传输线上的大输液软袋产品的图像,包括:通过面阵3D相机获取图像,具体包括:面阵3D相机对大输液软袋产品进行拍照;在连续模式下,以最高帧率输出图像,上位机对输出图像像素点进行逐个读取作为获取的图像。

3.根据权利要求1所述的一种基于视觉识别的大输液软袋产品的检测方法,其特征在于,

所述合格品识别模型的建立方法包括:

获取多种合格品的俯视图像;

将图像分别输入卷积神经网络中进行训练,分别设置训练神经网络时输入合格品的大小、每次训练样本的数目、合格品类别数、测试的准确率阈值;获得该种合格品对应的合格品识别子模型;

将多个合格品识别子模型进行融合,形成合格品识别分类模型。

4.根据权利要求1所述的一种基于视觉识别的大输液软袋产品的检测方法,其特征在于,所述将采集的图像输入到预先建立的合格品识别模型中,合格品识别模型对获取的图像进行检测包括:

所述合格品识别模型从所述采集的图像中获取至少一个目标框;

基于第一预设条件对所述至少一个目标框进行筛选,确定所述至少一个处理框;

所述合格品识别模型对所述处理框进行检测;

其中,对于所述至少一个目标框中的一个,

所述第一预设条件与所述目标框的识别次数相关,所述识别次数是指所述识别模型对所述视频中至少一幅历史帧图像中的所述目标框的至少一个关联框进行识别的次数。

5.一种基于视觉识别的大输液软袋产品的检测系统,其特征在于,包括:

采集模块,用于采集传输线上的大输液软袋产品的图像;

识别模块,用于将采集的图像输入到预先建立的合格品识别模型中,合格品识别模型对获取的图像进行检测,检测到图像中存在异物时,则识别、并剔除该大输液软袋产品,否则,对该大输液软袋产品放行处理。

6.根据权利要求1所述的一种基于视觉识别的大输液软袋产品的检测系统,其特征在于,所述采集模块进一步用于:

通过面阵3D相机获取图像,具体包括:面阵3D相机对大输液软袋产品进行拍照;在连续模式下,以最高帧率输出图像,上位机对输出图像像素点进行逐个读取作为获取的图像。

7.根据权利要求1所述的一种基于视觉识别的大输液软袋产品的检测系统,其特征在于,

所述合格品识别模型的建立方法包括:

获取多种合格品的俯视图像;

将图像分别输入卷积神经网络中进行训练,分别设置训练神经网络时输入合格品的大小、每次训练样本的数目、合格品类别数、测试的准确率阈值;获得该种合格品对应的合格品识别子模型;

将多个合格品识别子模型进行融合,形成合格品识别分类模型。

8.根据权利要求1所述的一种基于视觉识别的大输液软袋产品的检测方法,其特征在于,所述识别模块进一步用于:

所述合格品识别模型从所述采集的图像中获取至少一个目标框;

基于第一预设条件对所述至少一个目标框进行筛选,确定所述至少一个处理框;

所述合格品识别模型对所述处理框进行检测;

其中,对于所述至少一个目标框中的一个,

所述第一预设条件与所述目标框的识别次数相关,所述识别次数是指所述识别模型对所述视频中至少一幅历史帧图像中的所述目标框的至少一个关联框进行识别的次数。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于四川科伦药业股份有限公司,未经四川科伦药业股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202111181592.8/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top