CN107958250A - 一种基于机器视觉的西林瓶药品标签识别方法 - Google Patents
一种基于机器视觉的西林瓶药品标签识别方法 Download PDFInfo
- Publication number
- CN107958250A CN107958250A CN201710957246.1A CN201710957246A CN107958250A CN 107958250 A CN107958250 A CN 107958250A CN 201710957246 A CN201710957246 A CN 201710957246A CN 107958250 A CN107958250 A CN 107958250A
- Authority
- CN
- China
- Prior art keywords
- character
- word
- medicine
- chinese medicines
- algorithm
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/14—Image acquisition
- G06V30/148—Segmentation of character regions
- G06V30/153—Segmentation of character regions using recognition of characters or words
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/24—Aligning, centring, orientation detection or correction of the image
- G06V10/245—Aligning, centring, orientation detection or correction of the image by locating a pattern; Special marks for positioning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
Abstract
一种基于机器视觉的西林瓶药品标签识别方法,以国药准字编号作为药品标签识别依据,从圆柱状药品标签的成像图片中提取并识别药品信息,完成药品种类的自动识别。其次对国药准字字符进行快速定位,完成标签图像国药准字区域的定位,提取出待识别的国药准字编号字符串图块;最后对国药准字字符进行识别,采用基于统计特征的候选字符提取对候选模板字符进行筛选,并基于BP神经网络算法和异或增强算法分别进行国药准字编号的识别。仅当两种算法识别结果均与患者配药单中国药准字编号相同时,判定药品标签识别正确。本发明应用于全自动配药机,可大幅降低医护人员的工作强度、提高输液配药效率和可靠性、实现无菌操作和规避药剂对医护人员潜在危害等。
Description
技术领域
本发明涉及属于机器视觉与图像处理领域,尤其涉及一种基于机器视觉的西林瓶药品标签识别方法。
背景技术
医护工作的输液配药工作量巨大,易使医护人员出现操作疲劳,导致配药出现差错,造成医疗事故。自动配药机在配药准确率、配药洁净度、医护人员健康保障等方面,相较传统配药方法和流程具有明显优势。但药品种类的自动识别面临以下几个主要问题:①绝大多数药品标签没有可识别的条形码,这为标签识别和药品管理带来不便;②因缺乏行业标准,不同药品生产厂家出品的标签规格不一致,药品名称、国药准字等信息位置差异性很大;③药品标签是圆柱状曲面,标签边缘图像变形严重,难以用常规方法识别标签字符信息。
目前针对曲面文字识别的研究,李响、严晓浪等人提出了预先在纸面上绘制网格,通过展平网格的办法,将曲面文字还原为平面文字,该方法能够矫正单个文字的畸变,具有一定的曲面文字识别能力,但没有实现段落理解。发明专利“一种弯曲书面文字识别方法”,通过将每行文字中心以曲线拟合的方法矫正文字行扭曲角度,实现了对书本版面信息的识别理解,但拟合曲线过程复杂,对识别单张图片中畸变较小的文字有较好的识别效果。
专利“圆柱表面文字识别系统及方法”,公开(公告)号为CN105488507A。采用拍摄多张图像,进行特征字符匹配的方法,进行药品种类识别。该方法具有较高的静态识别精度,但动态的识别可靠性需进一步提高。
发明内容
本发明目的在于提供一种以国药准字编号作为药品标签识别依据,从圆柱状药品标签的成像图片中提取并识别药品信息,完成药品种类的自动识别的基于机器视觉的西林瓶药品标签识别方法。
为实现上述目的,采用了以下技术方案:本发明所述方法步骤如下:
步骤1,药瓶图像平面化展开算法;
对圆柱形标签进行平面化展开,提取药瓶轮廓和矫正圆柱面标签图像,得到展平的药品标签图像;
步骤2,国药准字快速定位算法;
对国药准字字符进行快速定位,由SIFT图像匹配与错误匹配点剔除算法组成,完成标签图像国药准字区域的定位,提取出待识别的国药准字编号字符串图块;
步骤3,国药准字字符识别算法;
对国药准字字符进行识别,采用基于统计特征的候选字符提取对候选模板字符进行筛选,并基于BP神经网络算法和异或增强算法分别进行国药准字编号的识别;
步骤4,仅当两种算法识别结果均与患者配药单中国药准字编号相同时,才判定药品标签识别正确。
进一步的,步骤1中,所述的药瓶图像平面化展开算法是一种根据小孔成像原理将圆柱面图像进行平面化非线性矫正的算法,利用三角形函数变换关系,计算药瓶成像平面上每列像素所对应的圆柱面图案长度与药瓶图像列像素宽度的比值,以此作为药瓶图像每列像素的矫正系数,完成对药瓶图像的平面化展开。
进一步的,步骤2中,所述的国药准字快速定位算法采用模板匹配策略,由SIFT图像匹配与错误匹配点剔除算法实现,具体过程如下:
(1)建立“国药准字”模板图像,并使用SIFT算法提取关键点以及描述子;
(2)提取药瓶图像的关键点和描述子,并与模板图像的描述子做匹配;
(3)剔除错误匹配描述子,完成国药准字定位,进而提取出国药准字字符串图像。
进一步的,步骤3中,所述基于统计特征的候选字符提取对候选模板字符进行筛选是利用字符图像的欧拉数、跳变点数特征对候选模板字符进行筛选,对候选字符按照与待识别字符的欧氏距离进行近似度比较排序,将近似度较高的几个字符作为候选字符,以提高后续识别速度和精确度。
进一步的,步骤3中,所述的基于BP神经网络算法步骤是先将字符图像在经过大小和笔画宽度归一化,将字符图形每列首尾相接组成输入向量,输入神经网络,规定神经网络的每个输出节点唯一对应一个字符,识别时仅比较与候选字符将相对应的网络输出节点值的大小,最大值节点对应的字符作为识别结果。
进一步的,步骤3中,所述基于异或增强算法以字符笔画分布为依据的一种模板比较法;识别时利用图形异或运算查找待识别字符图像与模板字符图像的共同和异同笔画像素的分布,计算异同笔画像素到共同笔画像素区域的最近距离,并按照指数放大的方法突出偏离公共笔画的像素值,以突出两者间的差异性,累计经过异或增强放大的异同像素值作为近似度比较的依据,完成对字符的识别。
与现有技术相比,本发明具有如下优点:应用于全自动配药机,可大幅降低医护人员的工作强度、提高输液配药效率和可靠性、实现无菌操作和规避药剂对医护人员潜在危害等。
附图说明
图1是本发明的结构简图。
图1为本发明实施药品标签自动识别与分拣的工作过程示意图;
图2是圆柱面平面化展开算法原理图;
图3(a)为本发明“国药准字”模板图像的关键点和特征向量示意图;
图3(b)为本发明提取药品标签图像的关键点和特征向量示意图;
图3(c)为本发明模板与标签图像的SIFT图像匹配结果示意图;
图4为本发明实施编号字符串识别前的候选字符提取流程示意图;
图5为本发明实施国药准字编号字符串识别的流程示意图。
具体实施方式
下面结合附图对本发明做进一步说明:
如图1所示,本发明一种基于机器视觉的西林瓶药品标签识别方法,通过识别药品标签内国药准字编号来完成对药品种类的识别。本发明作为自动配药机配药前的处理环节,当识别药品种类与医生处方一致时,药品经传送带进入下一个配制环节;与医生处方不一致时,由气动机械手将药品从传送带上剔除夹持到药品回收盒,避免其进入自动配药操作中的药物配制环节。
本发明所述方法步骤如下:
步骤1,药瓶图像平面化展开算法;
对圆柱形标签进行平面化展开,提取药瓶轮廓和矫正圆柱面标签图像,得到展平的药品标签图像;所述的药瓶图像平面化展开算法用于克服圆柱表面图案成像后造成药瓶标签两侧边缘挤压变形所导致的字符识别特征偏离问题。
所述的药瓶图像平面化展开算法是一种根据小孔成像原理将圆柱面图像进行平面化非线性矫正的算法,利用三角形函数变换关系,计算药瓶成像平面上每列像素所对应的圆柱面图案长度与药瓶图像列像素宽度的比值,以此作为药瓶图像每列像素的矫正系数,完成对药瓶图像的平面化展开。圆柱面平面化展开算法原理如图2所示。
步骤2,国药准字快速定位算法;
对国药准字字符进行快速定位,由SIFT图像匹配与错误匹配点剔除算法组成,完成标签图像国药准字区域的定位,提取出待识别的国药准字编号字符串图块;
所述的国药准字快速定位算法采用模板匹配策略,由SIFT图像匹配与错误匹配点剔除算法实现,具体过程如下:
(1)建立“国药准字”模板图像,并使用SIFT算法提取关键点以及描述子;为了获得最佳的图像匹配效果,在经过实际矫正后的标签图像中截取仅含有“国药准字”的部分图像,将其存为匹配模板,如图3(a)所示。利用SIFT算法快速匹配图像,得到匹配点在标签图像的一组坐标点,这些点主要位于国药准字字符区域内。
(2)提取药瓶图像的关键点和描述子,并与模板图像的描述子做匹配;
SIFT匹配算法分为特征点的检测和特征向量的匹配两部分,实现过程如下:
①建立图像的尺度空间
为模拟图像的多尺度特性,二维图像I(x,y)的尺度空间表示为
L(x,y,σ)=G(x,y,σ)*I(x,y) (1)
式中,是尺度可变的高斯变换核函数,σ是可以影响图像平滑程度的空间尺度因子。
采用DOG算子和相应的DOG尺度空间进行尺度规范化计算,DOG算子计算公式为
D(x,y,σ)=(G(x,y,kσ)-G(x,y,σ))*I(x,y)=L(x,y,kσ)-L(x,y,σ) (2)
②查找尺度空间中的关键点
检测DOG尺度空间中的关键点,需要将每个像素点与其他同层和相邻层尺度域内所有相邻点比较,处于中间层中心的像素点与同尺度周围8点以及上下相邻尺度内18点(每层有9个相邻点)共26点比较,若比较结果显示该点是最值点,则判定该点是图像DOG尺度空间中的关键点。
③滤除不良关键点
对比度较低的不良关键点会降低关键点匹配的稳定性和抗干扰性。不良关键点产生的原因在于DOG算子在处理过程中产生强烈的边缘响应,进而导致边缘附近的响应点不稳定,利用Hessian矩阵计算DOG算子的主曲率,再设置适当的主曲率阈值可以滤除不稳定边缘附近的关键点。
④分配关键点方向
完成关键点检测后,需要为每个关键点指定一个主方向。方向的确定要根据关键点所在DOG尺度层内周围像素点梯度分布特征而定。梯度幅值m(x,y)和梯度方向θ(x,y)的表达式如下
⑤生成关键点特征描述子
为了保持图像局部特征的旋转不变性,将表征特征向量平面坐标系的x坐标轴旋转到关键点的主方向上。以关键点为中心划定8×8的窗口区域,用于查找关键点周围局部梯度分布特征,如图3(b)所示。
⑥关键点匹配
提取好模板图像和待匹配图像的特征向量后,采用穷举匹配的方法求出每个模板图像关键点到所有待匹配图像关键点的欧式距离。为两个最小欧式距离的比值设置关键点匹配阈值ζ,当比值低于该阈值ζ时距离最近的关键点匹配成功。
具体匹配过程为对于已经获取的模板图像中关键点描述子Ri=(ri1,ri1,…,ri128)以及待匹配图像关键点描述子Si=(si1,si1,…,si128),任意两个描述子相似性距离
如果满足如下条件
d(Rl,Sk)=min(d(Ri,Sj))····················(6)
则Rl与Sk匹配成功。
(3)剔除错误匹配描述子,完成国药准字定位,进而提取出国药准字字符串图像,如图3(c)所示。
为剔除药品标签图像中明显远离匹配核心区的匹配点,设计一个尺寸合适的游动矩形窗口,令该矩形窗口的中心点依次与标签图像中的匹配关键点重合,由于匹配点具有明显的聚集效应,当窗口位于某位置使得窗口内包含的匹配点数最多时,将窗口之外的匹配点视为错误点,据此完成错误点剔除。
步骤3,国药准字字符识别算法;
对国药准字字符进行识别,采用基于统计特征的候选字符提取对候选模板字符进行筛选,并基于BP神经网络算法和异或增强算法分别进行国药准字编号的识别;
所述基于统计特征的候选字符提取对候选模板字符进行筛选是利用字符图像的欧拉数、跳变点数特征对候选模板字符进行筛选,对候选字符按照与待识别字符的欧氏距离进行近似度比较排序,将近似度较高的几个字符作为候选字符,以提高后续识别速度和精确度。
所述的基于BP神经网络算法步骤是先将字符图像在经过大小和笔画宽度归一化,将字符图形每列首尾相接组成输入向量,输入神经网络,规定神经网络的每个输出节点唯一对应一个字符,识别时仅比较与候选字符将相对应的网络输出节点值的大小,字符候选字符提取流程示意图如图4所示,最大值节点对应的字符作为识别结果。
所述基于异或增强算法以字符笔画分布为依据的一种模板比较法;识别时利用图形异或运算查找待识别字符图像与模板字符图像的共同和异同笔画像素的分布,计算异同笔画像素到共同笔画像素区域的最近距离,并按照指数放大的方法突出偏离公共笔画的像素值,以突出两者间的差异性,累计经过异或增强放大的异同像素值作为近似度比较的依据,完成对字符的识别。编号字符串识别的流程如图5所示。
步骤4,仅当两种算法识别结果均与患者配药单中国药准字编号相同时,才判定药品标签识别正确。
以上所述的实施例仅仅是对本发明的优选实施方式进行描述,并非对本发明的范围进行限定,在不脱离本发明设计精神的前提下,本领域普通技术人员对本发明的技术方案做出的各种变形和改进,均应落入本发明权利要求书确定的保护范围内。
Claims (6)
1.一种基于机器视觉的西林瓶药品标签识别方法,其特征在于,所述方法步骤如下:
步骤1,药瓶图像平面化展开算法;
对圆柱形标签进行平面化展开,提取药瓶轮廓和矫正圆柱面标签图像,得到展平的药品标签图像;
步骤2,国药准字快速定位算法;
对国药准字字符进行快速定位,由SIFT图像匹配与错误匹配点剔除算法组成,完成标签图像国药准字区域的定位,提取出待识别的国药准字编号字符串图块;
步骤3,国药准字字符识别算法;
对国药准字字符进行识别,采用基于统计特征的候选字符提取对候选模板字符进行筛选,并基于BP神经网络算法和异或增强算法分别进行国药准字编号的识别;
步骤4,仅当两种算法识别结果均与患者配药单中国药准字编号相同时,才判定药品标签识别正确。
2.根据权利要求1所述的一种基于机器视觉的西林瓶药品标签识别方法,其特征在于:步骤1中,所述的药瓶图像平面化展开算法是一种根据小孔成像原理将圆柱面图像进行平面化非线性矫正的算法,利用三角形函数变换关系,计算药瓶成像平面上每列像素所对应的圆柱面图案长度与药瓶图像列像素宽度的比值,以此作为药瓶图像每列像素的矫正系数,完成对药瓶图像的平面化展开。
3.根据权利要求1所述的一种基于机器视觉的西林瓶药品标签识别方法,其特征在于,步骤2中,所述的国药准字快速定位算法采用模板匹配策略,由SIFT图像匹配与错误匹配点剔除算法实现,具体过程如下:
(1)建立“国药准字”模板图像,并使用SIFT算法提取关键点以及描述子;
(2)提取药瓶图像的关键点和描述子,并与模板图像的描述子做匹配;
(3)剔除错误匹配描述子,完成国药准字定位,进而提取出国药准字字符串图像。
4.根据权利要求1所述的一种基于机器视觉的西林瓶药品标签识别方法,其特征在于:步骤3中,所述基于统计特征的候选字符提取对候选模板字符进行筛选是利用字符图像的欧拉数、跳变点数特征对候选模板字符进行筛选,对候选字符按照与待识别字符的欧氏距离进行近似度比较排序,将近似度较高的几个字符作为候选字符,以提高后续识别速度和精确度。
5.根据权利要求1所述的一种基于机器视觉的西林瓶药品标签识别方法,其特征在于:步骤3中,所述的基于BP神经网络算法步骤是先将字符图像在经过大小和笔画宽度归一化,将字符图形每列首尾相接组成输入向量,输入神经网络,规定神经网络的每个输出节点唯一对应一个字符,识别时仅比较与候选字符将相对应的网络输出节点值的大小,最大值节点对应的字符作为识别结果。
6.根据权利要求1所述的一种基于机器视觉的西林瓶药品标签识别方法,其特征在于:步骤3中,所述基于异或增强算法以字符笔画分布为依据的一种模板比较法;识别时利用图形异或运算查找待识别字符图像与模板字符图像的共同和异同笔画像素的分布,计算异同笔画像素到共同笔画像素区域的最近距离,并按照指数放大的方法突出偏离公共笔画的像素值,以突出两者间的差异性,累计经过异或增强放大的异同像素值作为近似度比较的依据,完成对字符的识别。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710957246.1A CN107958250A (zh) | 2017-10-16 | 2017-10-16 | 一种基于机器视觉的西林瓶药品标签识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710957246.1A CN107958250A (zh) | 2017-10-16 | 2017-10-16 | 一种基于机器视觉的西林瓶药品标签识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107958250A true CN107958250A (zh) | 2018-04-24 |
Family
ID=61954586
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710957246.1A Pending CN107958250A (zh) | 2017-10-16 | 2017-10-16 | 一种基于机器视觉的西林瓶药品标签识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107958250A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110807453A (zh) * | 2018-08-06 | 2020-02-18 | 研祥智能科技股份有限公司 | 基于ocr的产品字符在线检测方法、装置及系统 |
CN111627016A (zh) * | 2020-05-29 | 2020-09-04 | 哈尔滨理工大学 | 一种基于机器视觉的药品分拣系统 |
CN112507866A (zh) * | 2020-12-03 | 2021-03-16 | 润联软件系统(深圳)有限公司 | 一种汉字字向量生成方法、装置、计算机设备及存储介质 |
CN113658080A (zh) * | 2021-08-23 | 2021-11-16 | 宁波棱镜空间智能科技有限公司 | 一种基于特征点匹配的线扫圆柱体几何校正方法及装置 |
CN116935080A (zh) * | 2023-09-19 | 2023-10-24 | 深圳市瑞意博医疗设备有限公司 | 一种针剂药品识别方法、系统及存储柜 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101566582A (zh) * | 2008-04-23 | 2009-10-28 | 上海新先锋药业有限公司 | 基于机器视觉的粉针剂生产中药瓶标贴信息在线检测系统 |
CN105488507A (zh) * | 2016-01-22 | 2016-04-13 | 吉林大学 | 圆柱表面文字识别系统及方法 |
-
2017
- 2017-10-16 CN CN201710957246.1A patent/CN107958250A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101566582A (zh) * | 2008-04-23 | 2009-10-28 | 上海新先锋药业有限公司 | 基于机器视觉的粉针剂生产中药瓶标贴信息在线检测系统 |
CN105488507A (zh) * | 2016-01-22 | 2016-04-13 | 吉林大学 | 圆柱表面文字识别系统及方法 |
Non-Patent Citations (1)
Title |
---|
张显明,: "基于机器视觉的西林瓶药品标签识别方法", 《中国优秀硕士学位论文全文数据库医药卫生科技辑》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110807453A (zh) * | 2018-08-06 | 2020-02-18 | 研祥智能科技股份有限公司 | 基于ocr的产品字符在线检测方法、装置及系统 |
CN111627016A (zh) * | 2020-05-29 | 2020-09-04 | 哈尔滨理工大学 | 一种基于机器视觉的药品分拣系统 |
CN112507866A (zh) * | 2020-12-03 | 2021-03-16 | 润联软件系统(深圳)有限公司 | 一种汉字字向量生成方法、装置、计算机设备及存储介质 |
CN112507866B (zh) * | 2020-12-03 | 2021-07-13 | 润联软件系统(深圳)有限公司 | 一种汉字字向量生成方法、装置、计算机设备及存储介质 |
CN113658080A (zh) * | 2021-08-23 | 2021-11-16 | 宁波棱镜空间智能科技有限公司 | 一种基于特征点匹配的线扫圆柱体几何校正方法及装置 |
CN113658080B (zh) * | 2021-08-23 | 2023-12-22 | 宁波棱镜空间智能科技有限公司 | 一种基于特征点匹配的线扫圆柱体几何校正方法及装置 |
CN116935080A (zh) * | 2023-09-19 | 2023-10-24 | 深圳市瑞意博医疗设备有限公司 | 一种针剂药品识别方法、系统及存储柜 |
CN116935080B (zh) * | 2023-09-19 | 2024-01-05 | 深圳市瑞意博医疗设备有限公司 | 一种针剂药品识别方法、系统及存储柜 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107958250A (zh) | 一种基于机器视觉的西林瓶药品标签识别方法 | |
CN104392238B (zh) | 含多类型标识的信息载体的识别方法 | |
Shah et al. | Leaf classification using marginalized shape context and shape+ texture dual-path deep convolutional neural network | |
Dave | Segmentation methods for hand written character recognition | |
Dai et al. | Chart decoder: Generating textual and numeric information from chart images automatically | |
WO2017016240A1 (zh) | 一种钞票冠字号识别方法 | |
CN110399878B (zh) | 表格版式恢复方法,计算机可读介质以及计算机 | |
US10929639B2 (en) | Method and system for encoding fingerprint of things | |
CN114494265B (zh) | 识别化妆品生产领域包装印刷质量方法及人工智能系统 | |
JPH06139404A (ja) | 表認識装置 | |
CN111091124B (zh) | 一种书脊文字识别方法 | |
WO2021253633A1 (zh) | 一种批量二维码的识别方法及识别终端 | |
Garg et al. | An algorithm for text line segmentation in handwritten skewed and overlapped Devanagari script | |
Kibria et al. | Bangla compound character recognition using support vector machine (SVM) on advanced feature sets | |
Ziaratban et al. | An adaptive script-independent block-based text line extraction | |
CN112329641A (zh) | 一种表格识别方法、装置、设备及可读存储介质 | |
CN107067009A (zh) | 一种实时杆号识别方法 | |
Shivasankaran et al. | LineEX: Data Extraction from Scientific Line Charts | |
Srivastava et al. | Separation of machine printed and handwritten text for Hindi documents | |
Sajedi et al. | Persian handwritten number recognition using adapted framing feature and support vector machines | |
TWM618756U (zh) | 影像識別系統 | |
CN111968115A (zh) | 基于栅格化图像处理方法的骨科耗材检测方法及系统 | |
Wu et al. | Registration and matching method for directed point set with orientation attributes and local information | |
Valveny et al. | Numerical recognition for quality control of surgical sachets | |
Chen et al. | A Segmentation-free Approach to OCR |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180424 |
|
WD01 | Invention patent application deemed withdrawn after publication |