CN110599512A - 基于图像识别的药品名称识别方法及系统 - Google Patents
基于图像识别的药品名称识别方法及系统 Download PDFInfo
- Publication number
- CN110599512A CN110599512A CN201910787273.8A CN201910787273A CN110599512A CN 110599512 A CN110599512 A CN 110599512A CN 201910787273 A CN201910787273 A CN 201910787273A CN 110599512 A CN110599512 A CN 110599512A
- Authority
- CN
- China
- Prior art keywords
- medicine
- character
- medicine box
- image
- 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.)
- Withdrawn
Links
- 239000003814 drug Substances 0.000 title claims abstract description 208
- 238000000034 method Methods 0.000 title claims abstract description 36
- 229940079593 drug Drugs 0.000 title abstract description 18
- 238000001514 detection method Methods 0.000 claims abstract description 28
- 230000011218 segmentation Effects 0.000 claims abstract description 26
- 238000005260 corrosion Methods 0.000 claims abstract description 15
- 230000007797 corrosion Effects 0.000 claims abstract description 15
- 238000012015 optical character recognition Methods 0.000 claims description 24
- 238000003708 edge detection Methods 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000000605 extraction Methods 0.000 claims description 9
- 238000009432 framing Methods 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 4
- 230000005764 inhibitory process Effects 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000003709 image segmentation Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 2
- 230000009469 supplementation Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- 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
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于图像识别的药品种类识别方法及系统，识别方法包括药盒图像检测与分割、药品名称位置识别、药品名称识别，识别系统由三部分组成：药盒图像检测与分割模块、药品名称位置识别模块、药品名称识别模块。本发明能够很好地识别药盒上的药品名称，通过运用腐蚀膨胀运算和MSER算法确定药品名称位置，来确定药品名称位置，并通过OCR识别确定药品名称，识别结果更加准确。
Description
技术领域
本发明涉及图像识别技术领域，特别是一种基于图像识别的药品名称识别方法及系统。
背景技术
目前，信息技术在医疗卫生领域有了重大的发展，在很多医院都有相应的信息系统，这不仅仅方便其对于整个运作流程的管理，也大大提高了医院的工作效率。但在医院自动化体系中可以发现一个很明显的缺陷。现在的医院药房有很多自动发药的设备，但在补药以及库存管理这个模块却全都依靠人工完成，医院每日就诊人数、大型药店的客流量非常大，储药数量也非常多，药品的出入库、储备管理等工作非常复杂。如何使药品的库存管理工作变得简单而高效，是一个待解决的问题。这个问题将直接影响着医院发展，影响患者的临床治愈率以及医院整体的管理水平和形象。
怎样才能实现药房的自动补药模块，进一步提高医疗机构的工作效率，为人们提供更好的服务是一个有待研究的问题。想要实现自动补药，关键是解决药品的识别问题。由于药盒条形码位置不确定，而且医院会有部分自制药没有条形码，所以常见的使用扫码枪识别药品种类信息的方式很明显不适合药房的自动补药模块。传统的依靠人工补药的系统中，对药品的识别主要依靠人眼，然而由于人眼的不稳定性以及容易疲劳的特点，不能保持长时间工作的准确度。
发明内容
本发明的目的在于提供一种基于图像识别的药品种类识别方法及系统。
实现本发明目的的技术解决方案为：一种基于图像识别的药品名称识别方法，包括：
药盒图像检测与分割：采用Canny算子检测药盒边缘生成边缘图像，采用Hough直线检测确定药盒的矩形边框；
药品名称位置识别：通过对图像进行腐蚀膨胀处理，将药盒的字融合成一块整体区域，通过提取区域轮廓，对轮廓进行多边形的拟合操作，用矩形将文字区域框出来；
药品名称识别：使用大津法对文字图片进行二值化，将其变成一组二值的数字信号，再通过文本切分得到单个文字图片，调用OCR识别软件识别字符图片，获取文本信息获得药品名称信息。
一种基于图像识别的药品名称识别系统，包括药盒图像检测与分割模块、药品名称位置识别模块和药品名称识别模块；其中：
药盒图像检测与分割模块，用于对图像进行预处理：采用Canny算子检测药盒边缘生成边缘图像，采用Hough直线检测确定药盒的矩形边框；
药品名称位置识别模块，用于确定药品名称位置：通过对图像进行腐蚀膨胀处理，将药盒的字融合成一块整体区域，通过提取区域轮廓，对轮廓进行多边形的拟合操作，用矩形将文字区域框出来；
药品名称识别模块使用大津法对文字图片进行二值化，将其变成一组二值的数字信号，再通过文本切分得到单个文字图片，调用OCR识别软件识别字符图片，获取文本信息获得药品名称信息。
本发明与现有技术相比，其显著优点为：(1)本发明采用Canny算子和Hough直线检测进行药盒图像分割；(2)腐蚀膨胀处理和MSER算法一并使用既可以避免因图片复杂而导致识别区域过大，也可以避免仅使用MSER算法时很难对MSER区域的面积阈值进行准确的设定的困难；(3)采用大津法将图像二值化，使OCR的文字识别更准确。
附图说明
图1是本发明基于图像识别的药品种类识别系统原理图。
图2是本发明Canny边缘检测算法流程图。
图3是本发明的药品名称位置识别模块原理图。
图4是本发明的药品名称识别模块原理图。
具体实施方式
一种基于图像识别的药品名称识别方法，包括：
药盒图像检测与分割：采用Canny算子检测药盒边缘生成边缘图像，采用Hough直线检测确定药盒的矩形边框；
药品名称位置识别：通过对图像进行腐蚀膨胀处理，将药盒的字融合成一块整体区域，通过提取区域轮廓，对轮廓进行多边形的拟合操作，用矩形将文字区域框出来；
药品名称识别：使用大津法对文字图片进行二值化，将其变成一组二值的数字信号，再通过文本切分得到单个文字图片，调用OCR识别软件识别字符图片，获取文本信息获得药品名称信息。
进一步的，药盒图像检测与分割包括边缘检测、轮廓提取、计算药盒中心点及药盒旋转角度；边缘检测采用Canny算子经过高斯滤波、梯度计算、边缘非极大值抑制、双阈值确定边缘点、连接边缘点生成边缘图像对药盒进行初步边缘检测，轮廓提取采用Hough直线检测得到药盒矩形轮廓，最后根据所得矩形计算药盒中心点及药盒旋转角度得到规整的药盒图案。
进一步的，所述药品名称位置识别包括药盒图片的旋转、识别药盒表面文字位置、确定药品名称位置；其中：通过药盒图片的旋转确保能得到角度正确的药名图片，对图像的腐蚀膨胀处理初步提取出药盒上的文字位置，使用MSER算法对提取出的文字区域进行检验将文字部分具体划分，利用药品名称的特点确定药品名称位置。
进一步的，药品名称识别包括文字颜色识别、图像二值化、文本切分、OCR文字识别，其中：文字颜色识别为二值化提供预处理，若文字颜色为黑色，则直接进行二值化操作，若文字颜色为白色，则反转图片再进行二值化操作，二值化算法选用大津法，区分文字和文字背景；采用投影法进行文本切分得到单个文字，再调用OCR识别软件识别字符图片，获取文本信息。
如图1所示，本发明还提供一种基于图像识别的药品名称识别系统，包括药盒图像检测与分割模块、药品名称位置识别模块和药品名称识别模块；其中：
药盒图像检测与分割模块，用于对图像进行预处理：采用Canny算子检测药盒边缘生成边缘图像，采用Hough直线检测确定药盒的矩形边框；
药品名称位置识别模块，用于确定药品名称位置：通过对图像进行腐蚀膨胀处理，将药盒的字融合成一块整体区域，通过提取区域轮廓，对轮廓进行多边形的拟合操作，用矩形将文字区域框出来；
药品名称识别模块使用大津法对文字图片进行二值化，将其变成一组二值的数字信号，再通过文本切分得到单个文字图片，调用OCR识别软件识别字符图片，获取文本信息获得药品名称信息。
所述的药盒图像检测与分割模块用于边缘检测、轮廓提取、计算药盒中心点及药盒旋转角度；其中：边缘检测采用Canny算子经过高斯滤波、梯度计算、边缘非极大值抑制、双阈值确定边缘点、连接边缘点生成边缘图像对药盒进行初步边缘检测，轮廓提取采用Hough直线检测得到药盒矩形轮廓，最后根据所得矩形计算药盒中心点及药盒旋转角度得到规整的药盒图案。
所述药品名称位置识别模块用于药盒图片的旋转、识别药盒表面文字位置、确定药品名称位置；其中：通过药盒图片的旋转确保能得到角度正确的药名图片，对图像的腐蚀膨胀处理初步提取出药盒上的文字位置，使用MSER算法对提取出的文字区域进行检验将文字部分具体划分，利用药品名称的特点确定药品名称位置。
所述药品名称识别模块用于文字颜色识别、图像二值化、文本切分、OCR文字识别；文字颜色识别为二值化提供预处理，若文字颜色为黑色，则直接进行二值化操作，若文字颜色为白色，则反转图片再进行二值化操作，二值化算法选用大津法；采用投影法进行文本切分得到单个文字，再调用OCR识别软件识别字符图片，获取文本信息。
本发明通过设计一种图像识别的药品种类识别系统，该系统能够很好的判断所识别药品的药品名称，通过Canny算子及Hough直线检测、腐蚀膨胀处理及MSER等一系列预先图像处理过程，使后续的OCR识别得到准确的结果。该药品种类识别系统可以很好地投入到自动化药房的备货系统中，具有良好的实用性。
下面结合实施例对本发明进行详细说明。
实施例
一种基于图像识别的药品种类识别系统，由三部分组成：药盒图像分割模块、药品名称位置识别模块、药品名称识别模块。
药盒图像分割模块采用Canny算子检测药盒边缘，Canny算子是一种非微分边缘检测算子，如图2所示，它不容易受到噪声的干扰，是真正可以检测到弱边缘的边缘检测算法。这种算法的优点在于双阈值的设定，用高阈值和低阈值来区分边缘像素。高于高阈值的设定为强边缘，低于低阈值的不算边缘，在高低阈值之间的则设定为弱边缘，通过判断弱边缘是否和强边缘连通来确定弱边缘是否是真正的边缘，连通的则判断为边缘，不连通则判断是噪声引起的。这种算法可以真正检测出药盒的边缘，从而为后续的药盒分割做好准备。
轮廓提取不能直接确定药盒在图片中所在的矩形位置，这时就采用Hough直线检测的方法确定药盒矩形位置。标准的Hough直线检测会存在计算量大、内存空间需求大和耗时长的问题，选用概率Hough直线检测的方法。概率Hough直线检测的主要步骤为：a)随机选择一个图像的边缘点，判断该点是否为已经标记好的某条直线上的一点，若是则重新选择一点，直至图像所有的边缘点都选取完；b)对选取的点进行Hough变换，并Hough空间进行累加和计算；c)若Hough空间中最大值超过设定的阈值，则进入步骤d，否则返回步骤a；d)根据Hough空间确定的最大值，从该点沿着直线的方向开始移动，直到确定直线的两个端点；e)计算直线的长度，如果比设定的阈值大，则输出直线，否则不作为直线输出，返回步骤a继续检测直线。
药品名称位置识别模块通过对图像的腐蚀膨胀处理，可以将药盒的字融合成一块整体区域，通过提取区域轮廓，对轮廓进行多边形的拟合操作，最终可以用矩形将文字区域框出来，如图3所示。若药盒表面图案较简单，则利用上文提到的腐蚀膨胀和闭运算可以较为准确地提取文字在药盒图片中的位置，但若药盒表面图案复杂，则有可能在执行膨胀操作或闭运算时将文字区域与其它区域连接在一起，此时得出的结果区域很明显不仅仅包含文字，药品名称所在的矩形框还包含药盒表面的其他图案，所以需要使用MSER算法对提取出的文字区域进行检验。若仅仅利用MSER算法检测文字区域，则很难对MSER区域的面积阈值进行准确的设定，若阈值设定过大，则检测到的文字区域不全，若阈值过小，则检测到的区域过多，后续的计算量会急剧增大，所以利用结合MSER算法和腐蚀膨胀的方法进行文字区域的检测。
观察日常常用药盒和合作医院提供的药盒图片可知药品名称有以下特点：
1)字体较大
为了突出药名，让医生和患者可以一眼看出药品种类，一般药盒上药品名称的字体会明显比其他字体大，而字体较大带来的直观体现就是包含药名的矩形的宽比包含其他文字的矩形的宽更长。
2)药品名称一般在药盒的上方
药品名称这个特性可以直接根据各个矩形的中心点位置进行排序。
3)面积较大
药品名称的字体较大，带来的另一个特点就是药品名称占药盒总面积的比例较大。
4)药品名称一般是5到7个字
利用上述特点对文字区域进行排序，先按照矩形的宽对文字区域进行排序，之后按照矩形的中心点排序，最后按照矩形面积排序，逐个对排序完的文字区域判断矩形长宽比，若长宽比小于4，则将其排至队列最后。将排序首位的文字区域作为包含药品名称的区域继续识别，若后续识别过程中发现识别出的文字不是药品名称，则按照排好的顺序继续识别，直至识别出药品的名称。
基于OCR文字识别的药品名称识别模块，如图4所示。统计药品名称位置识别模块中得到的单个文字框中像素的比例，可以确定的是，文字框中比例最高的颜色必然为文字的颜色。若文字颜色为黑色，则直接进行二值化操作，若文字颜色为白色，则反转图片再进行二值化操作。二值化算法选用大津法，这是一种自适应阈值的二值化算法。根据图像的灰度值将图像分为背景和前景，当选取的阈值为最佳阈值时，前景和背景的差别应该是最大的。
设分割阈值为T，前景点的点数占图像总点数的比例为w0，前景点的平均灰度值为u0，背景点的点数占图像总点数的比例为w1，背景点的平均灰度值为u1，图像的平均灰度值为u，前景与背景的方差为g，则有：
u＝w0×u0+w1×u1
g＝w0×(u0-u)2+w1×(u1-u)2
联立两式可得：
g＝w0×w1×(u0-u1)2
当方差g为最大时，分割阈值T为最佳阈值。
大津法的优点是可以比较快速的找到最佳的分割阈值，但它只能针对单一的目标进行划分。在药盒识别系统中，需要分割的目标是药盒表面文字，药品名称文字的颜色都相同，背景颜色一般也单一，所以可以使用大津法有效区分文字和文字背景。
当药品名称图片经过二值化处理过后，文字的图像就会变成一组二值的数字信号，药品名称所有的字都是一个整体，之后通过对文字进行行切分和字切分得到单个字符图片，再调用OCR识别软件识别字符图片，获取文本信息。本文选用的OCR识别软件为Google提供的OCR引擎Tesseract。行切分的主要原理是：由于行与行之间是空白区域，所以只会有文字的行上才会存在黑色点，根据这一特性可以通过判断图片某一行上的黑色点数来确定文字的起始行和终止行。从第一行开始逐行往下扫描，如果某一行上面的黑色点的个数小于阈值，则默认为这一行为空白行，当扫描到某一行的黑色点的个数大于阈值时，则认为这一行是字开始的起始行，继续往下扫描直至扫描到行上的黑色点的个数小于阈值，则认为该行是字的终止行，判断起始行和终止行之间的高度是否大于设定的阈值，若比阈值小，则将起始行和终止行之间的区域作为无用区，若比阈值大，则认为这块区域为一行文字区。继续往下扫描，重复操作直至将所有文字行切分出来。字切分采用相同的原理调整阈值即可。
以上公开的仅为本发明的一个具体实施方式，但是本发明并非局限于此，本领域的技术人员在不脱离本发明所保护的范围和精神下，可根据不同的实际需要做出各种具体的变化，仍属于本发明的保护范围。
Claims (8)
1.一种基于图像识别的药品名称识别方法，其特征在于，包括：
药盒图像检测与分割：采用Canny算子检测药盒边缘生成边缘图像，采用Hough直线检测确定药盒的矩形边框；
药品名称位置识别：通过对图像进行腐蚀膨胀处理，将药盒的字融合成一块整体区域，通过提取区域轮廓，对轮廓进行多边形的拟合操作，用矩形将文字区域框出来；
药品名称识别：使用大津法对文字图片进行二值化，将其变成一组二值的数字信号，再通过文本切分得到单个文字图片，调用OCR识别软件识别字符图片，获取文本信息获得药品名称信息。
2.根据权利要求1所述的基于图像识别的药品种类识别方法，其特征在于，药盒图像检测与分割包括边缘检测、轮廓提取、计算药盒中心点及药盒旋转角度；边缘检测采用Canny算子经过高斯滤波、梯度计算、边缘非极大值抑制、双阈值确定边缘点、连接边缘点生成边缘图像对药盒进行初步边缘检测，轮廓提取采用Hough直线检测得到药盒矩形轮廓，最后根据所得矩形计算药盒中心点及药盒旋转角度得到规整的药盒图案。
3.根据权利要求1所述的基于图像识别的药品种类识别方法，其特征在于，所述药品名称位置识别包括药盒图片的旋转、识别药盒表面文字位置、确定药品名称位置；其中：通过药盒图片的旋转确保能得到角度正确的药名图片，对图像的腐蚀膨胀处理初步提取出药盒上的文字位置，使用MSER算法对提取出的文字区域进行检验将文字部分具体划分，利用药品名称的特点确定药品名称位置。
4.根据权利要求1所述的基于图像识别的药品种类识别方法，其特征在于，药品名称识别包括文字颜色识别、图像二值化、文本切分、OCR文字识别，其中：文字颜色识别为二值化提供预处理，若文字颜色为黑色，则直接进行二值化操作，若文字颜色为白色，则反转图片再进行二值化操作，二值化算法选用大津法，区分文字和文字背景；采用投影法进行文本切分得到单个文字，再调用OCR识别软件识别字符图片，获取文本信息。
5.一种基于图像识别的药品名称识别系统，其特征在于，包括药盒图像检测与分割模块、药品名称位置识别模块和药品名称识别模块；其中：
药盒图像检测与分割模块，用于对图像进行预处理：采用Canny算子检测药盒边缘生成边缘图像，采用Hough直线检测确定药盒的矩形边框；
药品名称位置识别模块，用于确定药品名称位置：通过对图像进行腐蚀膨胀处理，将药盒的字融合成一块整体区域，通过提取区域轮廓，对轮廓进行多边形的拟合操作，用矩形将文字区域框出来；
药品名称识别模块使用大津法对文字图片进行二值化，将其变成一组二值的数字信号，再通过文本切分得到单个文字图片，调用OCR识别软件识别字符图片，获取文本信息获得药品名称信息。
6.根据权利要求5所述的基于图像识别的药品种类识别系统，其特征在于：所述的药盒图像检测与分割模块用于边缘检测、轮廓提取、计算药盒中心点及药盒旋转角度；其中：边缘检测采用Canny算子经过高斯滤波、梯度计算、边缘非极大值抑制、双阈值确定边缘点、连接边缘点生成边缘图像对药盒进行初步边缘检测，轮廓提取采用Hough直线检测得到药盒矩形轮廓，最后根据所得矩形计算药盒中心点及药盒旋转角度得到规整的药盒图案。
7.根据权利要求5所述的基于图像识别的药品种类识别系统，其特征在于：所述药品名称位置识别模块用于药盒图片的旋转、识别药盒表面文字位置、确定药品名称位置；其中：通过药盒图片的旋转确保能得到角度正确的药名图片，对图像的腐蚀膨胀处理初步提取出药盒上的文字位置，使用MSER算法对提取出的文字区域进行检验将文字部分具体划分，利用药品名称的特点确定药品名称位置。
8.根据权利要求5所述的基于图像识别的药品种类识别系统，其特征在于：所述药品名称识别模块用于文字颜色识别、图像二值化、文本切分、OCR文字识别；文字颜色识别为二值化提供预处理，若文字颜色为黑色，则直接进行二值化操作，若文字颜色为白色，则反转图片再进行二值化操作，二值化算法选用大津法；采用投影法进行文本切分得到单个文字，再调用OCR识别软件识别字符图片，获取文本信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910787273.8A CN110599512A (zh) | 2019-08-25 | 2019-08-25 | 基于图像识别的药品名称识别方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910787273.8A CN110599512A (zh) | 2019-08-25 | 2019-08-25 | 基于图像识别的药品名称识别方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110599512A true CN110599512A (zh) | 2019-12-20 |
Family
ID=68855558
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910787273.8A Withdrawn CN110599512A (zh) | 2019-08-25 | 2019-08-25 | 基于图像识别的药品名称识别方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110599512A (zh) |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111462165A (zh) * | 2020-03-27 | 2020-07-28 | 韶鼎人工智能科技有限公司 | 一种基于前景提取与特征点匹配的药盒识别系统及其方法 |
| 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 |
| CN112220684A (zh) * | 2020-10-14 | 2021-01-15 | 莆田市烛火信息技术有限公司 | 一种倾斜设置扫描识别头的智能药箱 |
| CN112967787A (zh) * | 2021-01-28 | 2021-06-15 | 壹健康健康产业(深圳)有限公司 | 一种药品信息录入方法、装置、介质及终端设备 |
| CN113255869A (zh) * | 2021-05-09 | 2021-08-13 | 长沙长泰智能装备有限公司 | 一种基于机器视觉的板材计数系统及方法 |
| CN113642563A (zh) * | 2021-08-31 | 2021-11-12 | 平安医疗健康管理股份有限公司 | 用药复核方法、装置、设备及存储介质 |
| CN113936781A (zh) * | 2021-10-15 | 2022-01-14 | 南京和瑞供应链管理有限公司 | 一种高效的药品自动化核对方法 |
| CN114266327A (zh) * | 2020-09-14 | 2022-04-01 | 阿里健康信息技术有限公司 | 信息展示、处理方法、终端设备、服务器及存储介质 |
| WO2022088043A1 (zh) * | 2020-10-30 | 2022-05-05 | 京东方科技集团股份有限公司 | 图像识别方法及装置、训练方法、电子设备和存储介质 |
| CN116921248A (zh) * | 2023-09-15 | 2023-10-24 | 江苏盖睿健康科技有限公司 | 一种基于计算机视觉的药品核对方法及系统 |
| CN118386225A (zh) * | 2024-04-18 | 2024-07-26 | 柳州城市职业学院 | 基于视觉识别技术的智能配药机器人 |
-
2019
- 2019-08-25 CN CN201910787273.8A patent/CN110599512A/zh not_active Withdrawn
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111462165A (zh) * | 2020-03-27 | 2020-07-28 | 韶鼎人工智能科技有限公司 | 一种基于前景提取与特征点匹配的药盒识别系统及其方法 |
| 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 |
| CN114266327A (zh) * | 2020-09-14 | 2022-04-01 | 阿里健康信息技术有限公司 | 信息展示、处理方法、终端设备、服务器及存储介质 |
| CN112220684A (zh) * | 2020-10-14 | 2021-01-15 | 莆田市烛火信息技术有限公司 | 一种倾斜设置扫描识别头的智能药箱 |
| US11893776B2 (en) | 2020-10-30 | 2024-02-06 | Boe Technology Group Co., Ltd. | Image recognition method and apparatus, training method, electronic device, and storage medium |
| WO2022088043A1 (zh) * | 2020-10-30 | 2022-05-05 | 京东方科技集团股份有限公司 | 图像识别方法及装置、训练方法、电子设备和存储介质 |
| CN112967787A (zh) * | 2021-01-28 | 2021-06-15 | 壹健康健康产业(深圳)有限公司 | 一种药品信息录入方法、装置、介质及终端设备 |
| CN113255869B (zh) * | 2021-05-09 | 2023-05-05 | 中轻长泰(长沙)智能科技股份有限公司 | 一种基于机器视觉的板材计数方法 |
| CN113255869A (zh) * | 2021-05-09 | 2021-08-13 | 长沙长泰智能装备有限公司 | 一种基于机器视觉的板材计数系统及方法 |
| CN113642563A (zh) * | 2021-08-31 | 2021-11-12 | 平安医疗健康管理股份有限公司 | 用药复核方法、装置、设备及存储介质 |
| CN113936781A (zh) * | 2021-10-15 | 2022-01-14 | 南京和瑞供应链管理有限公司 | 一种高效的药品自动化核对方法 |
| CN116921248A (zh) * | 2023-09-15 | 2023-10-24 | 江苏盖睿健康科技有限公司 | 一种基于计算机视觉的药品核对方法及系统 |
| CN116921248B (zh) * | 2023-09-15 | 2023-12-26 | 江苏盖睿健康科技有限公司 | 一种基于计算机视觉的药品核对方法及系统 |
| CN118386225A (zh) * | 2024-04-18 | 2024-07-26 | 柳州城市职业学院 | 基于视觉识别技术的智能配药机器人 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110599512A (zh) | 基于图像识别的药品名称识别方法及系统 | |
| CN108596166B (zh) | 一种基于卷积神经网络分类的集装箱箱号识别方法 | |
| Yu et al. | An approach to Korean license plate recognition based on vertical edge matching | |
| RU2708422C1 (ru) | Способ и система управления банкоматами | |
| US10817741B2 (en) | Word segmentation system, method and device | |
| US20210110194A1 (en) | Method for automatic extraction of data from graph | |
| CN101615252B (zh) | 一种自适应图像文本信息提取方法 | |
| CN104298982B (zh) | 一种文字识别方法及装置 | |
| US8306325B2 (en) | Text character identification system and method thereof | |
| CN101122953A (zh) | 一种图片文字分割的方法 | |
| EP3309705A1 (en) | Qr code feature detection method and system | |
| NL1015943C2 (nl) | Interpretatie van gekleurde documenten. | |
| CN115359237B (zh) | 一种基于图形识别的齿轮断齿识别方法 | |
| CN111461131B (zh) | 身份证号码信息识别方法、装置、设备及存储介质 | |
| CN110598566A (zh) | 图像处理方法、装置、终端和计算机可读存储介质 | |
| CN103310211A (zh) | 一种基于图像处理的填注标记识别方法 | |
| CN105868759A (zh) | 分割图像字符的方法及装置 | |
| CN108875737A (zh) | 一种纸质处方单据中检测复选框是否勾选的方法及系统 | |
| CN112508913A (zh) | 基于图像检测的电缆截面边沿检测方法 | |
| CN115082776A (zh) | 一种基于图像识别的电能表自动检测系统及方法 | |
| CN115497109A (zh) | 基于智能翻译的文字图像预处理方法 | |
| CN115631128A (zh) | 基于圆幂定理的圆形药品数量检测方法 | |
| CN112818983B (zh) | 一种利用图片相识度判断字符倒置的方法 | |
| Duong et al. | Vision inspection system for pharmaceuticals | |
| JP2004280334A (ja) | 画像読み取り装置 |
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 | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20191220 |
|
| WW01 | Invention patent application withdrawn after publication |