[发明专利]一种采血管铝箔帽状态识别方法、装置、设备及介质

权利要求书

1.一种采血管铝箔帽状态识别方法，其特征在于，包括：

对采血管的位置进行监测，并在所述采血管的位置到达目标检测位置时，采集所述采血管的原始图像；

利用预设机器视觉算法对所述原始图像进行处理，得到所述采血管的第一管口铝箔帽图像；

将所述第一管口铝箔帽图像进行归一化处理，然后将归一化后的第一管口铝箔帽图像输入至预先构建的轻量化深度学习分类网络模型中，以便利用所述轻量化深度学习分类网络模型输出的识别结果，确定所述采血管的铝箔帽状态。

2.根据权利要求1所述的采血管铝箔帽状态识别方法，其特征在于，所述对采血管的位置进行监测，并在所述采血管的位置到达目标检测位置时，采集所述采血管的原始图像之前，还包括：

加载所述轻量化深度学习分类网络模型的模型文件。

3.根据权利要求2所述的采血管铝箔帽状态识别方法，其特征在于，获取所述模型文件，包括：

获取若干份包含不同型号的采血管的铝箔帽样本；其中，所述铝箔帽样本包括所述铝箔帽的未去膜样本、所述铝箔帽的去膜失败样本以及所述铝箔帽的去膜成功样本；

利用工业相机采集所述铝箔帽样本的样本图像，并根据所述样本图像，利用所述预设机器视觉算法对所述样本图像进行处理，确定出与所述铝箔帽样本对应的第二管口铝箔帽图像，以得到模型训练集；

利用所述模型训练集对所述轻量化深度学习分类网络模型进行训练，并在训练的过程中动态调整所述轻量化深度学习分类网络模型的学习率，以便经过预设次数的迭代训练后，利用当前的学习率确定出所述轻量化深度学习分类网络模型当前的最佳模型参数，然后根据所述最佳模型参数确定出所述轻量化深度学习分类网络模型的模型文件。

4.根据权利要求1所述的采血管铝箔帽状态识别方法，其特征在于，所述利用预设机器视觉算法对所述原始图像进行处理，得到所述采血管的第一管口铝箔帽图像，包括：

对所述原始图像进行色彩转换，以将所述原始图像对应的RGB彩色图像转换为灰度图像；

对所述灰度图像进行空间域高斯滤波和/或中值滤波，然后对滤波后图像进行第一预设处理，以得到所述采血管的第一感兴趣区域图像；

根据所述第一感兴趣区域图像，按照预设铝箔帽的高度对所述滤波后图像进行裁剪，以得到所述采血管管口的铝箔帽区域图像；

对所述铝箔帽区域图像进行第二预设处理，以得到所述铝箔帽的第二感兴趣区域图像；

根据所述第二感兴趣区域图像，对所述铝箔帽区域图像进行裁剪，以得到所述采血管的第一管口铝箔帽图像。

5.根据权利要求4所述的采血管铝箔帽状态识别方法，其特征在于，所述对滤波后图像进行第一预设处理，以得到所述采血管的第一感兴趣区域图像，包括：

利用基于预设低阈值构建的第一边缘检测算法对所述滤波后图像进行处理，以得到所述采血管的边沿二值化图像；

利用第一轮廓提取算法对所述采血管的边沿二值化图像进行处理，以获得与所述采血管的边沿二值化图像对应的第一外轮廓点集；

确定所述第一外轮廓点集的最小外接矩形，以得到所述采血管的第一感兴趣区域图像。

6.根据权利要求4所述的采血管铝箔帽状态识别方法，其特征在于，所述对所述铝箔帽区域图像进行第二预设处理，以得到所述铝箔帽的第二感兴趣区域图像，包括：

利用基于预设高阈值构建的第二边缘检测算法对所述铝箔帽区域图像进行处理，以得到所述铝箔帽的边沿二值化图像；

利用第二轮廓提取算法对所述铝箔帽的边沿二值化图像进行处理，以获得与所述铝箔帽的边沿二值化图像对应的第二外轮廓点集；

确定所述第二外轮廓点集的最小外接矩形，以得到所述铝箔帽的第二感兴趣区域图像。