CN110032946A - 一种基于机器视觉的铝/铝泡罩包装药片识别与定位方法 - Google Patents
一种基于机器视觉的铝/铝泡罩包装药片识别与定位方法 Download PDFInfo
- Publication number
- CN110032946A CN110032946A CN201910217964.4A CN201910217964A CN110032946A CN 110032946 A CN110032946 A CN 110032946A CN 201910217964 A CN201910217964 A CN 201910217964A CN 110032946 A CN110032946 A CN 110032946A
- Authority
- CN
- China
- Prior art keywords
- tablet
- aluminium
- image
- blister package
- identification
- 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.)
- Granted
Links
Classifications
-
- 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
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- 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
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
-
- 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]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/20—Scenes; Scene-specific elements in augmented reality scenes
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明公开了公开了一种基于机器视觉的铝/铝泡罩包装药片识别与定位方法,用语自动识别药片并实现定位。本发明由图像采集,ROI提取,彩色像素统计,显著性物体(药片)提取,药片轮廓识别,轮廓质心提取,坐标排序与夹具位置定位等步骤构成。通过以上步骤,可以自适应地实现不同规格铝/铝泡罩包装药片识别,实现药片位置的量化输出,提高剥药机生产效率。本发明利用机器视觉进行药片检测的方法,能够实现剥药机的自动化工作;本发明利用统计信息分类的彩色与白色药片进行识别,可灵活实现各种工况要求;最后,本发明利用LAB色彩空间频域方法,对视觉显著性物体进行提取,可高效实现彩色药片的识别与定位。
Description
【技术领域】
本发明属于铝/铝泡罩包装的药片识别领域,尤其是一种基于机器视觉的铝/铝泡罩包装药片识别与定位方法。
【背景技术】
药品的铝塑泡罩包装形式因为其独立密封,取药方便等优点在医药行业广泛应用。目前,在各大医院、药房内,一些药物在需要大量使用时,往往需要通过去除药物的包装壳,以方便使用。然而,倘若采取人工进行剥除药物的包装,往往费事费力,效率低下,不能满足现今的医疗需求。
机器视觉是利用计算机来实现人的视觉功能,即对客观世界场景的感知、识别和理解。机器视觉系统一般由计算机、图像传感器、照明光源和图像采集程序以及图像处理程序构成。随着机器视觉技术和图像处理技术的快速发展,基于机器视觉的检测技术也得到快速发展。
基于机器视觉的药品识别是采用图像处理技术,利用工业相机捕获待测药品的图像,传入计算机中进行处理来确定药品位置。该方法极大地降低工人劳动强度,提高检测的准确率和效率。并且只要整个机器视觉检测系统安装完毕,相机对药品图像的采集程序化,不易受外界干扰,有很好的可靠性和鲁棒性,替代目前的人工检测方法,实现铝塑泡罩包装药品定位的自动化、智能化。
【发明内容】
本发明的目的在于克服上述现有技术的缺点,提供一种基于机器视觉的铝/铝泡罩包装药片识别与定位方法。将机器视觉技术应用于剥药机的药片识别,提高剥药机自动化程度。
为达到上述目的,本发明采用以下技术方案予以实现:
一种基于机器视觉的铝/铝泡罩包装药片识别与定位方法,包括以下步骤:
步骤1:将图像采集装置垂直布置于剥药机工位正上方,采用日光灯照明;
步骤2:调整图像采集装置的视场,直至视场内除铝/铝泡罩包装药板外无杂物,铝/铝泡罩包装边缘与相机视场平行,背景设为黑色,采集图像;
步骤3:利用彩色像素统计将彩色药片与黑色药片、白色药片分开,再利用彩色像素RGB通道值的差异,统计药片包装类型;
步骤4:对彩色药片和黑色药片在频域进行处理,对白色药片进行直方图均衡化,实现药片与铝/铝泡罩包装的图像提取;
步骤5:利用最大类间方差法实现图像分割,得到二值化图像;对二值化图像进行连通域提取,得到药片轮廓,药片轮廓数量记为N;
步骤6:对药片轮廓进行质心提取得到质心坐标,并对坐标进行排序分类,得到药片平均间距、获得药片间隙位置,再利用最小二乘法得到直线,用于夹具定位。
本发明进一步的改进在于:
所述步骤2后还包括:对采集到的图像进行ROI提取,提取出感兴趣区域即分离铝/铝泡罩包装药板与背景,以减少运算量排除背景干扰。
步骤3具体为:
对采集图像的像素进行统计信息提取,当图像的像素满足|R-G|,|R-B|或|B-G|大于30时,统计为彩色药片;对不满足上述条件的图像,若像素满足|R+G+B|<30则判断为黑色药片;上述两种条件均不满足的认定为白色药片;进而实现药片的分类。
所述步骤4中在频域进行处理具体为:
步骤4.1:对彩色药片与黑色药片进行5x5高斯滤波,去除高频信息;
步骤4.2:将RGB颜色空间转换为CIELAB颜色空间;
步骤4.3:分别计算整幅图像的L、A、B平均值;
步骤4.4:分别计算每个像素值L、A、B与对应平均值的欧式距离,得到显著图,将药片与包装分离。
所述步骤4中的直方图均衡化前还包括:对于白色药片,首先灰度化处理减小运算量,在进行大尺度中值滤波消除噪音干扰。
所述步骤6中质心提取后还包括验证药片轮廓数量N,具体为:取第一个药片轮廓,计算其他轮廓质心横坐标Xi与第一个药片质心的横坐标X1的差值,如果|Xi-X1|小于20,则药片的行数加1,最终统计行数R;取第一个药片轮廓,计算其他轮廓质心纵坐标Yi与第一个药片的纵坐标Y1的差值,如果|Yi-Y1|小于20,则药片的列数加1,统计最终的列数C,判断N是否等于RxC,若不是则重新进行步骤5,重新得到药片轮廓。
步骤6中得到药片平均间距、获得药片间隙位置具体为:对药片质心坐标进行排序,排序后按照N行和C列进行分类,对相邻的行和列分别求得Y坐标和X坐标均值,得到药片间隙位置。
与现有技术相比,本发明具有以下有益效果:
本发明利用机器视觉进行药片检测的方法,能够实现剥药机的自动化工作;本发明利用统计信息分类的彩色与白色药片进行识别,可灵活实现各种工况要求;最后,本发明利用LAB色彩空间频域方法,对视觉显著性物体进行提取,可高效实现彩色药片的识别与定位。
【附图说明】
图1为本发明的方法流程图;
图2为本发明的CCD相机采集图像;
图3为本发明的ROI提取图
图4为本发明的彩色药片显著图;
图5为本发明的白色药片显著图;
图6为本发明的阈值分割图;
图7为本发明的药片识别定位图;
图8为本发明的夹具位置示意图。
【具体实施方式】
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,不是全部的实施例,而并非要限制本发明公开的范围。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要的混淆本发明公开的概念。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
下面结合附图对本发明做进一步详细描述:
参见图1,本发明一种基于机器视觉的铝/铝泡罩包装药片识别与定位方法,包括以下步骤:
步骤1:将图像采集装置垂直布置于剥药机工位正上方,采用日光灯照明;
步骤2:调整图像采集装置的视场,直至视场内除铝/铝泡罩包装药板外无杂物,铝/铝泡罩包装边缘与相机视场平行,背景设为黑色,采集图像;
之后后还包括:对采集到的图像进行ROI提取,提取出感兴趣区域即分离铝/铝泡罩包药板与背景,以减少运算量排除背景干扰。
步骤3:利用彩色像素统计将彩色药片与黑色药片、白色药片分开,再利用彩色像素RGB通道值的差异,统计药片包装类型;具体如下:
对采集图像的像素进行统计信息提取,当图像的一定数量像素|R-G|,|R-B|或|B-G|大于30时,统计为彩色药片;对不满足上述条件的图像,若一定数量像素满足|R+G+B|<30则判断为黑色药片;上述两种条件均不满足的认定为白色药片;进而实现药片的分类。
步骤4:对彩色药片和黑色药片在频域进行处理,对白色药片进行直方图均衡化,实现药片与铝/铝泡罩包装的图像提取;在频域进行处理具体为:
步骤4.1:对彩色药片与黑色药片进行5x5高斯滤波,去除高频信息;
步骤4.2:将RGB颜色空间转换为CIELAB颜色空间;
步骤4.3:分别计算整幅图像的L、A、B平均值;
步骤4.4:分别计算每个像素值L、A、B与对应平均值的欧式距离,得到显著图,将药片与包装分离。
直方图均衡化前还包括:对于白色药片,首先灰度化处理减小运算量,在进行大尺度中值滤波消除噪音干扰。
步骤5:利用最大类间方差法实现图像分割,得到二值化图像;对二值化图像进行连通域提取,得到药片轮廓,药片轮廓数量记为N;
步骤6:对药片轮廓进行质心提取得到质心坐标,并对坐标进行排序分类,得到药片平均间距、获得药片间隙位置,再利用最小二乘法得到直线,用于夹具定位。质心提取后还包括验证药片轮廓数量N,具体为:取第一个药片轮廓,计算其他轮廓质心横坐标Xi与第一个药片质心的横坐标X1的差值,如果|Xi-X1|小于20,则药片的行数加1,最终统计行数R;取第一个药片轮廓,计算其他轮廓质心纵坐标Yi与第一个药片的纵坐标Y1的差值,如果|Yi-Y1|小于20,则药片的列数加1,统计最终的列数C,判断N是否等于RxC,若不是则重新进行步骤5,重新得到药片轮廓。
得到药片平均间距、获得药片间隙位置具体为:对药片质心坐标进行排序,排序后按照N行和C列进行分类,对相邻的行和列分别求得Y坐标和X坐标均值,得到药片间隙位置。
实施例1
本实施例以彩色药片进行说明,如图1所示,包括以下步骤:
步骤1:需要进行图像采集,图像采集采用500万像素工业相机,工业相机垂直布置于剥药机工位正上方,采用日光灯照明,光照保持均匀;相机视场内除铝/铝泡罩包装药板外无杂物,铝/铝泡罩包装边缘与相机视场平行,背景为黑色,保证照明均匀,图像清晰,对比度较强,结果参见图2。
步骤2:进行感兴趣区域提取,从相机视场中将铝塑泡罩包装药板分割出来。首先需要根据公式1,将彩色图像转换为灰度图像。
Gray=0.2928R+0.5870G+0.1140B (1)
在黑色背景下,对药板包装进行阈值分割,得到二值化图像
对于二值化图像,进行连通域提取,提取结果形成点集,对这些点集进行最大面积提取,得到药品包装的图像,对原图像进行截取,获得ROI区域,结果参见图3。
步骤3彩色像素统计,对ROI图像进行统计,此统计利用彩色像素与白色和银色背景的差异进行。对于彩色图像,当图像的像素|R-G|,|R-B|或|B-G|大于30时,对满足此条件的像素进行统计,当其超过一定数量时,认为其为彩色药品;对不满足上述条件的图像,进行像素|R+G+B|<30统计,如果超过一定数量认为其黑色药品;对均不满足上述两个条件的图像认为是白色药品,实现药片的分类。
步骤4对于彩色药片,进行视觉显著性检测,图像在频率域可以分成低频部分和高频部分。低频部分反映了图像的整体信息,如物体的轮廓,背景区域。高频部分反映了图像的细节信息,如物体的纹理。显著性区域检测用到的更多的是低频部分的信息。
对彩色与黑色药片的检测,首先进行5x5高斯滤波,去除高频信息。
RGB颜色空间转换为CIELAB颜色空间。首先需要转换到X,Y,Z空间,然后转到LAB空间,公式如下
计算整幅图片的L、A、B的平均值。
计算每个像素值L、A、B同图像三个L、A、B均值的欧氏距离,得到显著图。
S(x,y)=||Iμ-I(x,y)|| (8)
进行归一化得到图像显著图,参见图4所示可以将药片与包装分离。
步骤5轮廓识别,利用最大类间方差法进行阈值分割,该方法是指按照图像的灰度特性,将图像分为背景和目标两部分,背景和目标之间的类间方差越大,说明构成图像的两部分差异越大。方差计算公式为:
g=ω1(μ-μ1)2+ω2(μ-μ2)2 (9)
对二值化图像进行边缘提取,得到药片轮廓,结果参见图6,图7。
步骤6对于药片轮廓进行质心提取得到质心坐标
并对坐标进行排序分类,得到药片平均间距,并获得药片间隙位置,利用最小二乘法得到直线,用于夹具定位。
步骤6.1统计药片轮廓数量N;取第一个药片轮廓,计算其他轮廓质心与其质心的X坐标的差值,如果|Xi-X1|小于20,则药片的行数加1,最终的行数R;取第一个药片轮廓,计算其他轮廓质心与其质心的Y坐标的差值,如果|Yi-Y1|小于20,则药片的列数加1,最终的列数C。判断N是否等于RxC,如果出错重新识别。
步骤6.2对药片质心的位置进行排序,排序后按照N行和C列进行分类,对相邻的行和列求Y坐标和X坐标的均值,可以得到药片之间的缝隙,用于夹具定位,结果参见图8。
实施例二:对于白色药品,步骤4有以下差异,白色药品与铝塑包装颜色接近,难以进行视觉显著性判断,但是利用直方图均衡化可以较好的实现图像分割。
首先利用公式1进行图像灰度转化;
为消除铝塑包装的纹理的影响,进行大尺度中值滤波,对一个数字图像序列Xj(-∞<j<∞)进行滤波处理时,首先要定义一个长度为奇数的L窗口,L=2N+1,N为正整数。设在某一个时刻,窗口内的信号样本为X(i—N),...,X(i),...,X(i+N),其中X(i)为位于窗口中心的信号样本值。对这L个信号样本值按从小到大的顺序排列后,其中值,在i处的样值,便定义为中值滤波的输出值。
直方图均衡化,即将随机分布的图像直方图修改成均匀分布的直方图。基本思想是对原始图像的像素灰度做某种映射变换,使变换后图像灰度的概率密度呈均匀分布。这就意味着图像灰度的动态范围得到了增加,提高了图像的对比度,结果参见图5。
再利用后续步骤实现图像的分割,识别。
以上内容仅为说明本发明的技术思想,不能以此限定本发明的保护范围,凡是按照本发明提出的技术思想,在技术方案基础上所做的任何改动,均落入本发明权利要求书的保护范围之内。
Claims (7)
1.一种基于机器视觉的铝/铝泡罩包装药片识别与定位方法,其特征在于,包括以下步骤:
步骤1:将图像采集装置垂直布置于剥药机工位正上方,采用日光灯照明;
步骤2:调整图像采集装置的视场,直至视场内除铝/铝泡罩包装药板外无杂物,铝/铝泡罩包装边缘与相机视场平行,背景设为黑色,采集图像;
步骤3:利用彩色像素统计将彩色药片与黑色药片、白色药片分开,再利用彩色像素RGB通道值的差异,统计药片包装类型;
步骤4:对彩色药片和黑色药片在频域进行处理,对白色药片进行直方图均衡化,实现药片与铝/铝泡罩包装的图像提取;
步骤5:利用最大类间方差法实现图像分割,得到二值化图像;对二值化图像进行连通域提取,得到药片轮廓,药片轮廓数量记为N;
步骤6:对药片轮廓进行质心提取得到质心坐标,并对坐标进行排序分类,得到药片平均间距、获得药片间隙位置,再利用最小二乘法得到直线,用于夹具定位。
2.如权利要求1所述一种基于机器视觉的铝/铝泡罩包装药片识别与定位方法,其特征在于,所述步骤2后还包括:对采集到的图像进行ROI提取,提取出感兴趣区域即分离铝/铝泡罩包装药板与背景,以减少运算量排除背景干扰。
3.如权利要求1所述一种基于机器视觉的铝/铝泡罩包装药片识别与定位方法,其特征在于,步骤3具体为:
对采集图像的像素进行统计信息提取,当图像的像素满足|R-G|,|R-B|或|B-G|大于30时,统计为彩色药片;对不满足上述条件的图像,若像素满足|R+G+B|<30则判断为黑色药片;上述两种条件均不满足的认定为白色药片;进而实现药片的分类。
4.如权利要求1所述一种基于机器视觉的铝/铝泡罩包装药片识别与定位方法,其特征在于,所述步骤4中在频域进行处理具体为:
步骤4.1:对彩色药片与黑色药片进行5x5高斯滤波,去除高频信息;
步骤4.2:将RGB颜色空间转换为CIELAB颜色空间;
步骤4.3:分别计算整幅图像的L、A、B平均值;
步骤4.4:分别计算每个像素值L、A、B与对应平均值的欧式距离,得到显著图,将药片与包装分离。
5.如权利要求1所述一种基于机器视觉的铝/铝泡罩包装药片识别与定位方法,其特征在于,所述步骤4中的直方图均衡化前还包括:对于白色药片,首先灰度化处理减小运算量,在进行大尺度中值滤波消除噪音干扰。
6.如权利要求1所述一种基于机器视觉的铝/铝泡罩包装药片识别与定位方法,其特征在于,所述步骤6中质心提取后还包括验证药片轮廓数量N,具体为:取第一个药片轮廓,计算其他轮廓质心横坐标Xi与第一个药片质心的横坐标X1的差值,如果|Xi-X1|小于20,则药片的行数加1,最终统计行数R;取第一个药片轮廓,计算其他轮廓质心纵坐标Yi与第一个药片的纵坐标Y1的差值,如果|Yi-Y1|小于20,则药片的列数加1,统计最终的列数C,判断N是否等于RxC,若不是则重新进行步骤5,重新得到药片轮廓。
7.如权利要求6所述一种基于机器视觉的铝/铝泡罩包装药片识别与定位方法,其特征在于,步骤6中得到药片平均间距、获得药片间隙位置具体为:对药片质心坐标进行排序,排序后按照N行和C列进行分类,对相邻的行和列分别求得Y坐标和X坐标均值,得到药片间隙位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910217964.4A CN110032946B (zh) | 2019-03-21 | 2019-03-21 | 一种基于机器视觉的铝/铝泡罩包装药片识别与定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910217964.4A CN110032946B (zh) | 2019-03-21 | 2019-03-21 | 一种基于机器视觉的铝/铝泡罩包装药片识别与定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110032946A true CN110032946A (zh) | 2019-07-19 |
CN110032946B CN110032946B (zh) | 2021-02-12 |
Family
ID=67236404
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910217964.4A Active CN110032946B (zh) | 2019-03-21 | 2019-03-21 | 一种基于机器视觉的铝/铝泡罩包装药片识别与定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110032946B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110639840A (zh) * | 2019-11-05 | 2020-01-03 | 杭州升恒科技有限公司 | 一种全自动泡罩视觉检测机构及其检测方法 |
CN110866917A (zh) * | 2019-12-03 | 2020-03-06 | 西安交通大学 | 一种基于机器视觉的药片类型及排列方式识别方法 |
CN112712496A (zh) * | 2020-12-16 | 2021-04-27 | 广州大学 | 铝泡罩包装药丸缺陷检测方法、系统和存储介质 |
CN115273053A (zh) * | 2022-09-28 | 2022-11-01 | 江苏南通鼎顺网络科技有限责任公司 | 一种基于数据处理的药物崩解性能识别方法 |
CN116612125A (zh) * | 2023-07-21 | 2023-08-18 | 山东庆葆堂生物科技有限公司 | 基于人工智能的食药品胶囊质量检测方法 |
CN118521585A (zh) * | 2024-07-23 | 2024-08-20 | 辽宁天亿机械有限公司 | 一种用于压片机的药片视觉检测方法及系统 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000105197A (ja) * | 1998-09-29 | 2000-04-11 | Ckd Corp | 捺印錠剤の外観検査方法と装置 |
JP2000186915A (ja) * | 1998-12-21 | 2000-07-04 | Yuki Gijutsu Sogo:Kk | 錠剤ブリスター包装ラインにおける外観検査方法および外観検査装置 |
CN101354360A (zh) * | 2008-08-29 | 2009-01-28 | 苏州钧信自动控制有限公司 | 铝/铝泡罩包装的胶囊或药片检测方法 |
CN101520841A (zh) * | 2009-03-10 | 2009-09-02 | 北京航空航天大学 | 一种高清视频中的实时抗干扰车牌定位方法 |
CN105728344A (zh) * | 2016-05-04 | 2016-07-06 | 成都贝森伟任科技有限责任公司 | 基于机器视觉技术的药片包装次品剔除系统 |
CN106290382A (zh) * | 2016-07-01 | 2017-01-04 | 广东技术师范学院 | 泡罩药片包装缺陷视觉检测装置及方法 |
WO2017082488A1 (ko) * | 2015-11-11 | 2017-05-18 | 주식회사 흥아기연 | 블리스터 포장기의 정제 투입 감지 장치 |
CN107014290A (zh) * | 2016-01-27 | 2017-08-04 | 深圳市卫邦科技有限公司 | 一种药瓶夹持位置矫正方法及系统 |
CN107525808A (zh) * | 2017-07-27 | 2017-12-29 | 佛山市南海区广工大数控装备协同创新研究院 | 一种生产线上泡罩药品分类及缺陷在线视觉检测方法 |
CN108344743A (zh) * | 2018-02-02 | 2018-07-31 | 佛山职业技术学院 | 一种基于机器视觉药品泡罩包装缺陷检测方法及系统 |
CN108414533A (zh) * | 2018-04-26 | 2018-08-17 | 德清炬诚电子科技有限公司 | 泡罩类包装药品视觉检测设备及方法 |
JP6411599B1 (ja) * | 2017-08-24 | 2018-10-24 | Ckd株式会社 | ブリスター包装機 |
CN109297984A (zh) * | 2018-11-13 | 2019-02-01 | 正大天晴药业集团股份有限公司 | 一种泡罩包装缺陷检测方法、装置及设备 |
CN109433641A (zh) * | 2018-09-30 | 2019-03-08 | 南通大学 | 基于机器视觉的片剂胶囊灌装遗漏智能检测方法 |
-
2019
- 2019-03-21 CN CN201910217964.4A patent/CN110032946B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000105197A (ja) * | 1998-09-29 | 2000-04-11 | Ckd Corp | 捺印錠剤の外観検査方法と装置 |
JP2000186915A (ja) * | 1998-12-21 | 2000-07-04 | Yuki Gijutsu Sogo:Kk | 錠剤ブリスター包装ラインにおける外観検査方法および外観検査装置 |
CN101354360A (zh) * | 2008-08-29 | 2009-01-28 | 苏州钧信自动控制有限公司 | 铝/铝泡罩包装的胶囊或药片检测方法 |
CN101520841A (zh) * | 2009-03-10 | 2009-09-02 | 北京航空航天大学 | 一种高清视频中的实时抗干扰车牌定位方法 |
WO2017082488A1 (ko) * | 2015-11-11 | 2017-05-18 | 주식회사 흥아기연 | 블리스터 포장기의 정제 투입 감지 장치 |
CN107014290A (zh) * | 2016-01-27 | 2017-08-04 | 深圳市卫邦科技有限公司 | 一种药瓶夹持位置矫正方法及系统 |
CN105728344A (zh) * | 2016-05-04 | 2016-07-06 | 成都贝森伟任科技有限责任公司 | 基于机器视觉技术的药片包装次品剔除系统 |
CN106290382A (zh) * | 2016-07-01 | 2017-01-04 | 广东技术师范学院 | 泡罩药片包装缺陷视觉检测装置及方法 |
CN107525808A (zh) * | 2017-07-27 | 2017-12-29 | 佛山市南海区广工大数控装备协同创新研究院 | 一种生产线上泡罩药品分类及缺陷在线视觉检测方法 |
JP6411599B1 (ja) * | 2017-08-24 | 2018-10-24 | Ckd株式会社 | ブリスター包装機 |
CN108344743A (zh) * | 2018-02-02 | 2018-07-31 | 佛山职业技术学院 | 一种基于机器视觉药品泡罩包装缺陷检测方法及系统 |
CN108414533A (zh) * | 2018-04-26 | 2018-08-17 | 德清炬诚电子科技有限公司 | 泡罩类包装药品视觉检测设备及方法 |
CN109433641A (zh) * | 2018-09-30 | 2019-03-08 | 南通大学 | 基于机器视觉的片剂胶囊灌装遗漏智能检测方法 |
CN109297984A (zh) * | 2018-11-13 | 2019-02-01 | 正大天晴药业集团股份有限公司 | 一种泡罩包装缺陷检测方法、装置及设备 |
Non-Patent Citations (9)
Title |
---|
DUTH P. SUDHARSHAN ET AL: "A review on detecting anomalies in tablet blisters using image segmentation", 《2018 2ND INTERNATIONAL CONFERENCE ON INVENTIVE SYSTEMS AND CONTROL (ICISC)》 * |
JOŽEDERGANC ET AL: "Real-time automated visual inspection of color tablets in pharmaceutical blisters", 《REAL-TIME IMAGING》 * |
PENG ZHAO ET AL: "Tablets Vision Inspection Approach Using Fourier Descriptors and Support Vector Machines", 《 2008 THE 9TH INTERNATIONAL CONFERENCE FOR YOUNG COMPUTER SCIENTISTS》 * |
RADHAKRISHNA ACHANTA ET AL: "Frequency-tuned Salient Region Detection", 《2009 IEEE CONFERENCE ON COMPUTER VISION AND PATTERN RECOGNITION》 * |
WENZHUYANG ET AL: "Saliency-based color image segmentation in foreign fiber detection", 《MATHEMATICAL AND COMPUTER MODELLING》 * |
严海领: "泡罩药品自动视觉检测系统关键技术研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
彭涛等: "铝塑泡罩包装机器视觉在线检测系统", 《包装工程》 * |
方文星等: "一种铝塑泡罩药品包装缺陷检测方法", 《包装工程》 * |
毛建新: "基于智能摄像机的泡罩药片检测服务器软件开发与研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110639840A (zh) * | 2019-11-05 | 2020-01-03 | 杭州升恒科技有限公司 | 一种全自动泡罩视觉检测机构及其检测方法 |
CN110866917A (zh) * | 2019-12-03 | 2020-03-06 | 西安交通大学 | 一种基于机器视觉的药片类型及排列方式识别方法 |
CN112712496A (zh) * | 2020-12-16 | 2021-04-27 | 广州大学 | 铝泡罩包装药丸缺陷检测方法、系统和存储介质 |
CN115273053A (zh) * | 2022-09-28 | 2022-11-01 | 江苏南通鼎顺网络科技有限责任公司 | 一种基于数据处理的药物崩解性能识别方法 |
CN116612125A (zh) * | 2023-07-21 | 2023-08-18 | 山东庆葆堂生物科技有限公司 | 基于人工智能的食药品胶囊质量检测方法 |
CN116612125B (zh) * | 2023-07-21 | 2023-09-29 | 山东庆葆堂生物科技有限公司 | 基于人工智能的食药品胶囊质量检测方法 |
CN118521585A (zh) * | 2024-07-23 | 2024-08-20 | 辽宁天亿机械有限公司 | 一种用于压片机的药片视觉检测方法及系统 |
CN118521585B (zh) * | 2024-07-23 | 2024-09-13 | 辽宁天亿机械有限公司 | 一种用于压片机的药片视觉检测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110032946B (zh) | 2021-02-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110032946A (zh) | 一种基于机器视觉的铝/铝泡罩包装药片识别与定位方法 | |
CN108229561B (zh) | 一种基于深度学习的颗粒产品缺陷检测方法 | |
CN109918971B (zh) | 监控视频中人数检测方法及装置 | |
CA2867365C (en) | Method, system and computer storage medium for face detection | |
US20200250840A1 (en) | Shadow detection method and system for surveillance video image, and shadow removing method | |
CN106846339A (zh) | 一种图像检测方法和装置 | |
CN102842037A (zh) | 一种基于多特征融合的车辆阴影消除方法 | |
CN102749034B (zh) | 基于图像处理的铁路道岔缺口偏移量检测方法 | |
CN110335233B (zh) | 基于图像处理技术的高速公路护栏板缺陷检测系统和方法 | |
CN110866932A (zh) | 多通道舌体边缘检测装置、方法及存储介质 | |
CN102637262B (zh) | 一种自适应细菌计数方法 | |
CN106097368A (zh) | 一种单板裂缝的识别方法 | |
CN103440035A (zh) | 一种三维空间中的手势识别系统及其识别方法 | |
CN110175556B (zh) | 基于Sobel算子的遥感图像云检测方法 | |
CN111401364B (zh) | 一种基于颜色特征和模板匹配相结合的车牌定位算法 | |
CN110751619A (zh) | 一种绝缘子缺陷检测方法 | |
CN103198319A (zh) | 用于矿山井筒环境下的模糊图像角点提取方法 | |
CN111695373A (zh) | 斑马线的定位方法、系统、介质及设备 | |
WO2023231262A1 (zh) | 基于视觉振频识别的提升钢丝绳张力检测方法 | |
WO2024016632A1 (zh) | 亮点定位方法、亮点定位装置、电子设备及存储介质 | |
CN113781421A (zh) | 基于水下的目标识别方法、装置及系统 | |
Wu et al. | Video surveillance object recognition based on shape and color features | |
CN111695374B (zh) | 监控视角中斑马线区域的分割方法、系统、介质及设备 | |
CN110866917A (zh) | 一种基于机器视觉的药片类型及排列方式识别方法 | |
KR100488014B1 (ko) | YCrCb 칼라 기반 얼굴 영역 추출 방법 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |