CN112364872A - 一种自动识别安瓿瓶的方法及其装置 - Google Patents

一种自动识别安瓿瓶的方法及其装置 Download PDF

Info

Publication number
CN112364872A
CN112364872A CN202011176867.4A CN202011176867A CN112364872A CN 112364872 A CN112364872 A CN 112364872A CN 202011176867 A CN202011176867 A CN 202011176867A CN 112364872 A CN112364872 A CN 112364872A
Authority
CN
China
Prior art keywords
image
character
characters
steps
ampoule
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
Application number
CN202011176867.4A
Other languages
English (en)
Inventor
唐志红
李娜
肖艺玲
许静
李思宇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
West China Hospital of Sichuan University
Original Assignee
West China Hospital of Sichuan University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by West China Hospital of Sichuan University filed Critical West China Hospital of Sichuan University
Priority to CN202011176867.4A priority Critical patent/CN112364872A/zh
Publication of CN112364872A publication Critical patent/CN112364872A/zh
Pending legal-status Critical Current

Links

Images

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
    • G06V10/10—Image acquisition
    • 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
    • G06V10/243—Aligning, centring, orientation detection or correction of the image by compensating for image skew or non-uniform image deformations
    • 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
    • G06V10/34—Smoothing or thinning of the pattern; Morphological operations; Skeletonisation
    • 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
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Character Discrimination (AREA)

Abstract

本发明公开了一种自动识别安瓿瓶的方法，涉及医疗器械辅助技术领域，能够对安瓿瓶上的信息进行辅助识别，可以对人工识别进行辅助，保证了准确率，降低的医疗事故的发生，具体方案为：包括以下步骤：S1：获取安瓿瓶标签的图像并预处理，具体包括以下步骤：S2：药品标签字符定位；S21：字符的粗定位；S22：字符的精确定位；S3：药品标签字符分割；S4：药品标签字符识别；S41：粗识别；S42：特征提取。本发明提供的自动识别安瓿瓶的方法能够对安瓿瓶上的信息进行辅助识别，提高了准确率，降低了医疗事故的发生。

Description

一种自动识别安瓿瓶的方法及其装置
技术领域
本发明涉及医疗器械辅助技术领域，更具体地说，它涉及一种自动识别安瓿瓶的方法及其装置。
背景技术
因在临床中安瓿瓶装的注射药较多，因安瓿瓶形状大小和材质一样，唯一区别就是在安瓿瓶上的字体是呈现药品的名字。在医疗界存在因没有对安瓿瓶上的信息作对比，而出现医疗事故的情况，因此辅助对安瓿瓶上的信息进行识别具有很大的意义。
在现有技术中，通常是采用人为的办法进行识别，因此设定了“三查八对”的规范要求，但这样费时费力，且仍避免不了医护人员的疏忽，造成的风险。
发明内容
为解决上述技术问题，本发明提供一种自动识别安瓿瓶的方法，能够对安瓿瓶上的信息进行辅助识别，可以对人工识别进行辅助，保证了准确率，降低的医疗事故的发生。
本发明的上述技术目的是通过以下技术方案得以实现的：
一种自动识别安瓿瓶的方法，包括以下步骤：
S1：获取安瓿瓶标签的图像并预处理，具体包括以下步骤：
S11、将获取的图像转换为灰色图像；
S12、将经S11处理后的图像进行字符矫正，获取弧面上的标签信息；
S13：将经S12处理后的图像进行平滑处理；
S14：将经S13处理后的图像通过边缘检测算子进行边缘检测，采用LOG边缘检测算子进行运算获取图像的边缘信息；
S2：药品标签字符定位；
S21：字符的粗定位；
S22：字符的精确定位；
S3：药品标签字符分割；
S4：药品标签字符识别；
S41：粗识别；
S42：特征提取。
作为一种优选方案，S12过程中，具体包括以下步骤：
n×a＝R (1)
cosθi×R＝i×a (2)
ai＝(θi-1-θi)×R (3)
因此：ai＝(arccos(i-1)×a/R-arccos(i×a/R)×R) (4)
其中：将圆柱体的半径分为n份，每份长度为a；
利用目标图像的坐标推导得出相应原图像的坐标。
作为一种优选方案，S21过程中，具体包括以下步骤：
a1、对经S1处理后的图像进行水平方向的膨胀运算，结构元素选为{[-1,0],[0,0],[1,0]}，将整个图像分割成若干连通的区域，并进行标记；
a2、对图像进行轮廓跟踪，提取出字符所在的连通区域。
作为一种优选方案，S22过程中，具体包括以下步骤：
将S21处理后的图像投影到水平方向上，然后对水平投影后的图像进行扫描处理，统计得到每一行的黑色像素点数。
作为一种优选方案，S3过程中，具体包括以下步骤：
将经S2处理后的图像继续进行如下处理：
令大小为M×N的二值图像g(x,y)在第j列上的垂直投影为:
Figure BDA0002748954700000031
从左到右扫描图像的每一列，找到第一个V(j)≠0的点ja1，以ja1作为第一个字符的左边界；继续向右扫描图像，找到第一个V(j)＝0的点jb1，将点jb1作为第一个字符的右边界；
以上述方式分割出其他字符，统计出总的字符块数k并计算出每个字符的宽度C，即：
C＝jb1-ja1,i＝1,2,...,k,6≤k≤8 (6)。
作为一种优选方案，S41过程中，具体包括以下步骤：
将经S3处理后的图像进行归一化处理，使得字符大小保持一致，然后根据欧拉数的字符特征将字符分为三组：
欧拉数为-1的字符：8、月、B；
欧拉数为0的字符：0、4、6、9、A、D、O、Q、P、R、年；
欧拉数为1的字符：其他数字和英文字母字符。
作为一种优选方案，S42过程中，具体包括以下步骤：
将得到的每个子类中的字符通过K-L变换进行特征提取；然后将得到的每一类子类的字符特征分别输入到BP神经网络中进行训练和识别，具体过程为:
对于均值为μx的平稳随机向量，Cx协方差矩阵定义为：
Cx＝E[(x-μx)(x-μx)T] (7)；
Figure BDA0002748954700000041
ci,j＝E[(x(i)-μx)(x(j)-μx)] (9)；
K-L变换的步骤具体如下：
c1、由λ的N阶多项式|λI-Cx|＝0，求矩阵Cx的特征值λ0,λ1,...,λN-1,λ0＞λ1＞...＞λN-1；
c2、CxAi＝λiAi，求矩阵Cx的N个特征向量A0,A1,...,AN-1；
c3、A0,A1,...,AN-1归一化，令<Ai,Ai>构成矩阵A，使A＝[A0,...,AN-1]T；
c4、由y＝Ax，对信号进行K-L变换；
一种自动识别安瓿瓶的装置，基于上述的自动识别安瓿瓶的方法，包括放置架，放置架上设有夹持装置和转动装置，夹持装置用于安瓿瓶的限位，转动装置用于对安瓿瓶进行转动；还包括识别系统，识别系统包括拍摄组件和识别组件，拍摄组件用于对安瓿瓶上信息进行获取并发送至识别组件。
在上述方案中，通过将安瓿瓶放置在夹持装置中进行限位，然后转动装置带动安瓿瓶转动，以便于提取安瓿瓶上的信息，转动装置可使用在安瓿瓶位置设置转动电机，进行实现。
作为一种优选方案，放置架倾斜设置，安瓿瓶头部的高度低于底部的高度。
在上述优选方案中，可检测安瓿瓶头部是否存在漏液的情况。
综上所述，本发明具有以下有益效果：
本发明提供的自动识别安瓿瓶的方法能够对安瓿瓶上的信息进行辅助识别，提高了准确率，降低了医疗事故的发生。
附图说明
图1是本发明实施例的自动识别安瓿瓶的装置的结构示意图；
其中：
1、放置架；2、夹持装置。
具体实施方式
本说明书及权利要求并不以名称的差异来作为区分组件的方式，而是以组件在功能上的差异来作为区分的准则。如在通篇说明书及权利要求当中所提及的“包括”为一开放式用语，故应解释成“包括但不限定于”。“大致”是指在可接收的误差范围内，本领域技术人员能够在一定误差范围内解决所述技术问题，基本达到所述技术效果。
本说明书及权利要求的上下左右等方位名词，是结合附图以便于进一步说明，使得本申请更加方便理解，并不对本申请做出限定，在不同的场景中，上下、左右、里外均是相对而言。
以下结合附图对本发明作进一步详细说明。
一种自动识别安瓿瓶的方法，包括以下步骤：
S1：获取安瓿瓶标签的图像并预处理，具体包括以下步骤：
S11、将获取的图像转换为灰色图像；
S12、将经S11处理后的图像进行字符矫正，获取弧面上的标签信息；
S13：将经S12处理后的图像进行平滑处理；
S14：将经S13处理后的图像通过边缘检测算子进行边缘检测，采用LOG边缘检测算子进行运算获取图像的边缘信息；
S2：药品标签字符定位；
S21：字符的粗定位；
S22：字符的精确定位；
S3：药品标签字符分割；
S4：药品标签字符识别；
S41：粗识别；
S42：特征提取。
作为一种优选实施例，S12过程中，具体包括以下步骤：
n×a＝R (1)
cosθi×R＝i×a (2)
ai＝(θi-1-θi)×R (3)
因此：ai＝(arccos(i-1)×a/R-arccos(i×a/R)×R) (4)
其中：将圆柱体的半径分为n份，每份长度为a；
利用目标图像的坐标推导得出相应原图像的坐标。
作为一种优选实施例，S21过程中，具体包括以下步骤：
a1、对经S1处理后的图像进行水平方向的膨胀运算，结构元素选为{[-1,0],[0,0],[1,0]}，将整个图像分割成若干连通的区域，并进行标记；
a2、对图像进行轮廓跟踪，提取出字符所在的连通区域。
作为一种优选实施例，S22过程中，具体包括以下步骤：
将S21处理后的图像投影到水平方向上，然后对水平投影后的图像进行扫描处理，统计得到每一行的黑色像素点数。
作为一种优选实施例，S3过程中，具体包括以下步骤：
将经S2处理后的图像继续进行如下处理：
令大小为M×N的二值图像g(x,y)在第j列上的垂直投影为:
Figure BDA0002748954700000071
从左到右扫描图像的每一列，找到第一个V(j)≠0的点ja1，以ja1作为第一个字符的左边界；继续向右扫描图像，找到第一个V(j)＝0的点jb1，将点jb1作为第一个字符的右边界；
以上述方式分割出其他字符，统计出总的字符块数k并计算出每个字符的宽度C，即：
C＝jb1-ja1,i＝1,2,...,k,6≤k≤8 (6)。
作为一种优选实施例，S41过程中，具体包括以下步骤：
将经S3处理后的图像进行归一化处理，使得字符大小保持一致，然后根据欧拉数的字符特征将字符分为三组：
欧拉数为-1的字符：8、月、B；
欧拉数为0的字符：0、4、6、9、A、D、O、Q、P、R、年；
欧拉数为1的字符：其他数字和英文字母字符。
作为一种优选实施例，S42过程中，具体包括以下步骤：
将得到的每个子类中的字符通过K-L变换进行特征提取；然后将得到的每一类子类的字符特征分别输入到BP神经网络中进行训练和识别，具体过程为:
对于均值为μx的平稳随机向量，Cx协方差矩阵定义为：
Cx＝E[(x-μx)(x-μx)T] (7)；
Figure BDA0002748954700000081
ci,j＝E[(x(i)-μx)(x(j)-μx)] (9)；
K-L变换的步骤具体如下：
c1、由λ的N阶多项式|λI-Cx|＝0，求矩阵Cx的特征值λ0,λ1,...,λN-1,λ0＞λ1＞...＞λN-1；
c2、CxAi＝λiAi，求矩阵Cx的N个特征向量A0,A1,...,AN-1；
c3、A0,A1,...,AN-1归一化，令<Ai,Ai>构成矩阵A，使A＝[A0,...,AN-1]T；
c4、由y＝Ax，对信号进行K-L变换；
一种自动识别安瓿瓶的装置，基于上述的自动识别安瓿瓶的方法，包括放置架1，放置架上设有夹持装置2和转动装置(未画出)，夹持装置2用于安瓿瓶的限位，转动装置用于对安瓿瓶进行转动；还包括识别系统，识别系统包括拍摄组件和识别组件，拍摄组件用于对安瓿瓶上信息进行获取并发送至识别组件。
在上述实施例中，通过将安瓿瓶放置在夹持装置2中进行限位，然后转动装置带动安瓿瓶转动，以便于提取安瓿瓶上的信息，转动装置可使用在安瓿瓶位置设置转动电机，进行实现。
作为一种优选实施例，放置架1倾斜设置，安瓿瓶头部的高度低于底部的高度。
在上述优选实施例中，可检测安瓿瓶头部是否存在漏液的情况。
工作原理：在使用安瓿瓶之前，只需将安瓿瓶放置在放置架1上，然后通过夹持装置2对安瓿瓶进行固定，然后使用转动装置对安瓿瓶进行转动，转动装置可设置在安瓿瓶顶部或底部，因此安瓿瓶的形状为圆形或方形，均可实现转动；将安瓿瓶上的文字信息转动到识别系统的拍摄组件的识别区域，进行识别，经过上述的识别算法计算，最终发送到显示端进行显示，即完成对安瓿瓶的识别过程。
本具体实施例仅仅是对本发明的解释，其并不是对本发明的限制，本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改，但只要在本发明的权利要求范围内都受到专利法的保护。

Claims (9)

1.一种自动识别安瓿瓶的方法，其特征在于，包括以下步骤：
S1：获取安瓿瓶标签的图像并预处理，具体包括以下步骤：
S11、将获取的图像转换为灰色图像；
S12、将经S11处理后的图像进行字符矫正，获取弧面上的标签信息；
S13：将经S12处理后的图像进行平滑处理；
S14：将经S13处理后的图像通过边缘检测算子进行边缘检测，采用LOG边缘检测算子进行运算获取图像的边缘信息；
S2：药品标签字符定位；
S21：字符的粗定位；
S22：字符的精确定位；
S3：药品标签字符分割；
S4：药品标签字符识别；
S41：粗识别；
S42：特征提取。
2.根据权利要求1所述的自动识别安瓿瓶的方法，其特征在于，所述S12过程中，具体包括以下步骤：
n×a＝R (1)
cosθi×R＝i×a (2)
ai＝(θi-1-θi)×R (3)
因此：ai＝(arccos(i-1)×a/R-arccos(i×a/R)×R) (4)
其中：将圆柱体的半径分为n份，每份长度为a；
利用目标图像的坐标推导得出相应原图像的坐标。
3.根据权利要求1所述的自动识别安瓿瓶的方法，其特征在于，所述S21过程中，具体包括以下步骤：
a1、对经S1处理后的图像进行水平方向的膨胀运算，结构元素选为{[-1,0],[0,0],[1,0]}，将整个图像分割成若干连通的区域，并进行标记；
a2、对图像进行轮廓跟踪，提取出字符所在的连通区域。
4.根据权利要求3所述的自动识别安瓿瓶的方法，其特征在于，所述S22过程中，具体包括以下步骤：
将S21处理后的图像投影到水平方向上，然后对水平投影后的图像进行扫描处理，统计得到每一行的黑色像素点数。
5.根据权利要求1所述的自动识别安瓿瓶的方法，其特征在于，所述S3过程中，具体包括以下步骤：
将经S2处理后的图像继续进行如下处理：
令大小为M×N的二值图像g(x,y)在第j列上的垂直投影为:
Figure FDA0002748954690000021
从左到右扫描图像的每一列，找到第一个V(j)≠0的点ja1，以ja1作为第一个字符的左边界；继续向右扫描图像，找到第一个V(j)＝0的点jb1，将点jb1作为第一个字符的右边界；
以上述方式分割出其他字符，统计出总的字符块数k并计算出每个字符的宽度C，即：
C＝jb1-ja1,i＝1,2,...,k,6≤k≤8 (6)。
6.根据权利要求1所述的自动识别安瓿瓶的方法，其特征在于，所述S41过程中，具体包括以下步骤：
将经S3处理后的图像进行归一化处理，使得字符大小保持一致，然后根据欧拉数的字符特征将字符分为三组：
欧拉数为-1的字符：8、月、B；
欧拉数为0的字符：0、4、6、9、A、D、O、Q、P、R、年；
欧拉数为1的字符：其他数字和英文字母字符。
7.根据权利要求6所述的自动识别安瓿瓶的方法，其特征在于，所述S42过程中，具体包括以下步骤：
将得到的每个子类中的字符通过K-L变换进行特征提取；然后将得到的每一类子类的字符特征分别输入到BP神经网络中进行训练和识别，具体过程为:
对于均值为μx的平稳随机向量，Cx协方差矩阵定义为：
Cx＝E[(x-μx)(x-μx)T] (7)；
Figure FDA0002748954690000031
ci,j＝E[(x(i)-μx)(x(j)-μx)] (9)；
K-L变换的步骤具体如下：
c1、由λ的N阶多项式|λI-Cx|＝0，求矩阵Cx的特征值λ0,λ1,...,λN-1,λ0＞λ1＞...＞λN-1；
c2、CxAi＝λiAi，求矩阵Cx的N个特征向量A0,A1,...,AN-1；
c3、A0,A1,...,AN-1归一化，令<Ai,Ai>构成矩阵A，使A＝[A0,...,AN-1]T；
c4、由y＝Ax，对信号进行K-L变换。
8.一种自动识别安瓿瓶的装置，基于权利要求1至7任一所述的自动识别安瓿瓶的方法，其特征在于，包括放置架(1)，放置架(1)上设有夹持装置(2)和转动装置，夹持装置(2)用于安瓿瓶的限位，转动装置用于对安瓿瓶进行转动；还包括识别系统，识别系统包括拍摄组件和识别组件，拍摄组件用于对安瓿瓶上信息进行获取并发送至识别组件。
9.根据权利要求8所述的自动识别安瓿瓶装置，其特征在于，所述放置架(1)倾斜设置，安瓿瓶头部的高度低于底部的高度。
CN202011176867.4A 2020-10-29 2020-10-29 一种自动识别安瓿瓶的方法及其装置 Pending CN112364872A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011176867.4A CN112364872A (zh) 2020-10-29 2020-10-29 一种自动识别安瓿瓶的方法及其装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011176867.4A CN112364872A (zh) 2020-10-29 2020-10-29 一种自动识别安瓿瓶的方法及其装置

Publications (1)

Publication Number Publication Date
CN112364872A true CN112364872A (zh) 2021-02-12

Family

ID=74512323

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011176867.4A Pending CN112364872A (zh) 2020-10-29 2020-10-29 一种自动识别安瓿瓶的方法及其装置

Country Status (1)

Country Link
CN (1) CN112364872A (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102831416A (zh) * 2012-08-15 2012-12-19 广州广电运通金融电子股份有限公司 一种字符识别方法及相关装置
CN209611756U (zh) * 2018-09-30 2019-11-12 上海擅韬信息技术有限公司 一种全自动配药设备

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102831416A (zh) * 2012-08-15 2012-12-19 广州广电运通金融电子股份有限公司 一种字符识别方法及相关装置
CN209611756U (zh) * 2018-09-30 2019-11-12 上海擅韬信息技术有限公司 一种全自动配药设备

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
靳彩园等: "一种高效的药瓶标签字符识别系统关键算法研究", 《沈阳理工大学学报》 *

Similar Documents

Publication Publication Date Title
CN108920992B (zh) 一种基于深度学习的医药标签条码的定位与识别方法
CN107492091B (zh) 基于机器视觉的标签外观检测方法及终端设备
Myers et al. Rectification and recognition of text in 3-d scenes
CN109409355B (zh) 一种新型变压器铭牌识别的方法及装置
KR960035331A (ko) 화상 처리 장치 및 화상 처리 방법
CN110659647A (zh) 印章图像识别方法及装置、智能发票识别设备和存储介质
JPH0488489A (ja) 一般化ハフ変換を用いた文字認識装置および方法
JP7311285B2 (ja) 航空機の自動塗装品質検査
CN107680112B (zh) 图像配准方法
CN108427959A (zh) 基于图像识别的机台状态采集方法及系统
CN116309573B (zh) 一种牛奶包装盒印刷字符的缺陷检测方法
CN113012783A (zh) 药品复核方法、装置、计算机设备及存储介质
CN103793705A (zh) 基于迭代随机抽样一致性算法和局部掌纹描述符的非接触掌纹认证方法
CN110991201B (zh) 条码检测方法及相关装置
CN113420756A (zh) 证件图像的识别方法和装置、存储介质及电子装置
WO2020008629A1 (ja) 画像処理システム、画像処理方法、及びプログラム
CN110288040B (zh) 一种基于拓扑验证的图像相似评判方法及设备
CN112364872A (zh) 一种自动识别安瓿瓶的方法及其装置
Haque et al. Line segmentation and orientation algorithm for automatic bengali license plate localization and recognition
AU2020103496A4 (en) Method and Device for Automatically Identifying an Ampoule Bottle
CN108985294B (zh) 一种轮胎模具图片的定位方法、装置、设备及存储介质
CN106780470A (zh) Ct图像乳头自动化检测方法
CN111914836B (zh) 一种身份证信息提取方法、装置、设备和介质
CN111382703B (zh) 一种基于二次筛选与分数融合的指静脉识别方法
CN114255465A (zh) 不规则医疗报告单图像中敏感信息脱敏方法及系统

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20210212