CN113570593B - 一种药剂精确计数方法、装置、计算机设备及存储介质 - Google Patents
一种药剂精确计数方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN113570593B CN113570593B CN202110912578.4A CN202110912578A CN113570593B CN 113570593 B CN113570593 B CN 113570593B CN 202110912578 A CN202110912578 A CN 202110912578A CN 113570593 B CN113570593 B CN 113570593B
- Authority
- CN
- China
- Prior art keywords
- detection object
- edge
- medicament
- preset
- calculating
- 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.)
- Active
Links
- 239000003814 drug Substances 0.000 title claims abstract description 107
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000001514 detection method Methods 0.000 claims abstract description 97
- 229940079593 drug Drugs 0.000 claims abstract description 19
- 238000007781 pre-processing Methods 0.000 claims abstract description 9
- 230000006870 function Effects 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 13
- 239000000126 substance Substances 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 4
- 238000012216 screening Methods 0.000 abstract description 2
- 238000005303 weighing Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 229940127554 medical product Drugs 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000002347 injection Methods 0.000 description 3
- 239000007924 injection Substances 0.000 description 3
- 239000008177 pharmaceutical agent Substances 0.000 description 3
- 238000003708 edge detection Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003321 amplification Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 230000000452 restraining effect Effects 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20172—Image enhancement details
- G06T2207/20192—Edge enhancement; Edge preservation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30242—Counting objects in image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种药剂精确计数方法、装置、计算机设备及存储介质。该方法通过获取药柜中包含检测对象的图片,对图片进行预处理并确认检测对象的形状,根据检测对象的形状计算检测对象的中心位置和多个边缘位置;计算检测对象的中心位置到目标边缘位置的长度值,判断长度值和预设值的偏差是否在预设偏差范围内,若长度值和预设值的偏差在预设偏差范围内,则判定对应的格子为有药剂。本发明通过获取药柜中包含检测对象的图片,并利用图像识别技术设置判断条件,筛选并判定对应的格子是否有药剂,具有对药剂精确计数的优点。
Description
技术领域
本发明涉及医疗技术领域,尤其涉及一种药剂精确计数方法、装置、计算机设备及存储介质。
背景技术
医院用药柜等产品在使用时,需要针对针剂药品类医用产品进行计数,以判断药品的使用状态,目前针对针剂药品类医用产品进行计数的方法主要是通过称重来实现,但是称重的精度不高,而且容易受称重装置本身物理属性以及称重环境因素影响,使得称重的精度误差增大,因此在针对特种针剂药品类医用产品进行精确计数时,现有的方法已经不能满足要求,尤其是对重量极轻的某些微量药剂产品进行称重计数,计数的缺点更为明显。
发明内容
本发明的目的是提供一种药剂精确计数方法、装置、计算机设备及存储介质,旨在解决现有药柜中的称重装置对药剂的计数精度不高的问题。
为解决上述技术问题,本发明的目的是通过以下技术方案实现的:提供一种药剂精确计数方法,其包括:
获取药柜中包含检测对象的图片;
对所述图片进行预处理并确认检测对象的形状,根据所述检测对象的形状计算所述检测对象的中心位置和多个边缘位置;
计算所述检测对象的中心位置到目标边缘位置的长度值,判断所述长度值和预设值的偏差是否在预设偏差范围内;
若所述长度值和预设值的偏差在预设偏差范围内,则判定对应的格子为有药剂。
另外,本发明要解决的技术问题是还在于提供一种药剂精确计数装置,其包括:
获取单元,用于获取药柜中包含检测对象的图片;
计算单元,用于对所述图片进行预处理并确认检测对象的形状,根据所述检测对象的形状计算所述检测对象的中心位置和多个边缘位置;
判断单元,用于计算所述检测对象的中心位置到目标边缘位置的长度值,判断所述长度值和预设值的偏差是否在预设偏差范围内;
判定单元,用于若所述长度值和预设值的偏差在预设偏差范围内,则判定对应的格子为有药剂。
另外,本发明实施例又提供了一种计算机设备,其包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述第一方面所述的药剂精确计数方法。
另外,本发明实施例还提供了一种计算机可读存储介质,其中所述计算机可读存储介质存储有计算机程序,所述计算机程序当被处理器执行时使所述处理器执行上述第一方面所述的药剂精确计数方法。
本发明实施例公开了一种药剂精确计数方法、装置、计算机设备及存储介质。该方法通过获取药柜中包含检测对象的图片,对图片进行预处理并确认检测对象的形状,根据检测对象的形状计算检测对象的中心位置和多个边缘位置;计算检测对象的中心位置到边缘位置的长度值,并判断长度值和预设值的偏差是否在预设偏差范围内,若长度值和预设值的偏差在预设偏差范围内,则判定对应的格子为有药剂。本发明实施例通过获取药柜中包含检测对象的图片,并利用图像识别技术设置判断条件,筛选并判定对应的格子是否有药剂,从而实现了对药剂进行精确计数的优点。
附图说明
为了更清楚地说明本发明实施例技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的药剂精确计数方法的流程示意图;
图2为本发明实施例提供的药剂精确计数方法的子流程示意图;
图3为本发明实施例提供的药剂精确计数方法的又一子流程示意图;
图4为本发明实施例提供的药剂精确计数方法的又一子流程示意图;
图5为本发明实施例提供的药剂精确计数方法的又一子流程示意图;
图6为本发明实施例提供的药剂精确计数方法的又一流程示意图;
图7为本发明实施例提供的药剂精确计数方法的又一子流程示意图;
图8为本发明实施例提供的药柜中每一抽屉的结构示意图;
图9为本发明实施例提供的药剂精确计数装置的示意性框图;
图10为本发明实施例提供的计算机设备的示意性框图。
具体实施方式
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,所描述的实施例是本发明一部分实施例,而不是全部的实施例。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,都属于本发明保护的范围。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
请参阅图1,图1为本发明实施例提供的药剂精确计数方法的流程示意图;
如图1所示,该方法包括步骤S101~S104。
S101、获取药柜中包含检测对象的图片。
本实施例中的药柜具有多层抽屉结构,每层抽屉内具有呈规律分布的小药格,药剂按照一定的头尾顺序插于这些小药格中,本发明在每层抽屉结构的中央安装一个摄像模块,并在摄像模块上方设置反射镜,摄像模块通过拍摄反射镜,可以得到包含检测对象(药剂和与药剂相似的对象)的图片,并基于该图片采用图像识别的方法进行分析并得到每层抽屉中的小药格的使用信息,进而得到整个药柜中的小药格的使用信息,如图8所示,图8为一层抽屉结构以及抽屉结构上方的摄像模块。
S102、对图片进行预处理并确认检测对象的形状,根据检测对象的形状计算检测对象的中心位置和多个边缘位置。
具体的,如图2所示,步骤S102包括:
S201、对图片进行图像去噪处理;
S202、根据去噪处理后的图片计算并获取检测对象的形状;
S203、根据检测对象的形状计算检测对象的中心位置和多个边缘位置。
本实施例中,首先,采用高斯平滑算法对图片进行高斯过滤以去除噪声,以增加图像识别的精度,方便将检测对象的图像特征进行放大处理;然后,采用Canny边缘检测算法计算检测对象的形状;最后,基于检测对象的中的所有形状,计算并得到检测对象的中心位置和多个边缘位置。
在一实施例中,如图3所示,步骤S202包括:
S301、根据去噪处理后的图片计算检测对象的边缘像素点的梯度幅值和梯度方向;
该步骤中,采用sobel水平算子和sobel垂直算子对输入的图片进行卷积,并计算边缘像素点在水平方向的一阶导数dx和竖直方向的一阶导数dy:
dx=f(x,y)*Sobelx(x,y);
dy=f(x,y)*Sobely(x,y);
进一步可以得到边缘像素点的梯度幅值为:
边缘像素点的梯度方向为:θM=arctan(dy/dx)。
S302、针对每一边缘像素点,检查其周围具有相同梯度方向的边缘像素点,并保留梯度幅值最大的边缘像素点;
该步骤中,获得所有边缘像素点的梯度幅值和梯度方向后,检查每一个边缘像素点,判断每一边缘像素点的梯度幅值是不是周围具有相同梯度方向的点中最大的,若是则认为对应边缘像素点的梯度幅值为最大值并进行保留,若否则将对应边缘像素点的像素置为零,从而实现抑制非极大值,保留局部梯度最大的边缘像素点,以达到细化边缘的效果。
S303、当所保留的边缘像素点的梯度幅值高于预设的最大函数值时,则确认对应的边缘像素点为真实边缘像素点;
S304、当所保留的边缘像素点的梯度幅值介于最大函数值和预设的最小函数值之间时,则判断该边缘像素点是否与真实边缘像素点相连,若是则确认对应的边缘像素点为真实边缘像素点;
S305、当所保留的边缘像素点的梯度幅值低于最小函数值时,则确认对应的边缘像素点为非真实边缘像素点;
在步骤S303-S305中,设置了两个阈值,即最大函数值和最小函数值,基于最大函数值和最小函数值进一步的筛选出了最后的真实边缘像素点。
S306、利用所有真实边缘像素点构建检测对象的形状。
该步骤中,将所有真实边缘像素点进行连接后,即可得到检测对象的形状。
在一实施例中,如图4所示,步骤S203包括:
S401、根据检测对象的形状计算出检测对象的中心位置、各个形状的边界上限和边界下限;
S402、将每一形状的边界上限和边界下限之间的边界作为检测对象中对应该形状的边缘位置。
本实施例针对大多情况下药剂为圆柱形小瓶的情况进行说明,由此,检测对象的形状就会有药瓶的圆形或弧形、格子位的方形以及其他具有结构的线条,具体可以采用霍夫变换算法来计算出检测对象的中心位置和多个边缘位置:
圆的表达式为(x-a)^2+(x-b)^2=r^2,第一阶段主要是采用霍夫梯度法检测检测对象的圆心:
①通过上述Canny边缘检测算法计算出检测对象的圆周线;
②通过sobel算子计算出圆周线上所有点的切线梯度;
③初始化圆心空间N(a,b),令所有的N(a,b)=0;
④遍历Canny边缘二值图像中所有的非零边缘像素点,沿着切线梯度方向画线,将这些线经过的所有累加器中的点(a,b)的N(a,b)=1
⑤统计排序N(a,b),N(a,b)越大,越有可能是中心位置(即圆心),故可选取最大的N(a,b)作为检测对象的中心位置。
第二阶段中,检测检测对象的半径值:
①计算Canny边缘二值图中所有非零边缘像素点距离中心位置的距离;
②将距离从小到大排序,根据阈值,选取出多个的边界上限和边界下限;
③初始化半径空间r,N(r)=0;
④遍历Canny边缘二值图中的非零边缘像素点,对于点所满足的半径r,N(r)=1;
⑤统计得到的多个半径值,并在得到的多个半径值中选出最终的边界上限和边界下限;
⑥将最终的边界上限和边界下限之间的边界作为检测对象的边缘位置。
本实施例采用上述两个阶段的方法,即可计算出检测对象的中心位置和多个边缘位置。
S103、计算检测对象的中心位置到目标边缘位置的长度值,判断长度值和预设值的偏差是否在预设偏差范围内。
本实施例继续针对大多情况下药剂为圆柱形小瓶的情况进行说明,即检测对象的头部为圆形,基于此,检测对象的图像形状也就是圆形,中心位置到目标边缘位置的长度值也就是半径值,若半径值和预设值的偏差在预设偏差范围内,则可以判断对应的检测对象有药剂;本实施例通过设置预设值来与半径值进行偏差对比,目的是为了排除螺丝钉或者圆形按钮等非药剂的圆形图案。
在一实施例中,如图5所示,步骤S103包括:
S501、从多个边缘位置中选出位于检测对象中弧形位置上的边缘位置,并作为目标边缘位置;
S502、计算中心位置到目标边缘位置的长度值,并判断长度值和预设值的偏差是否在预设偏差范围内。
本实施例中,因为图片中的检测对象存在各种形状的可能,因此需要对各个形状进行分析判断并筛选出目标边缘位置,具体的:因为本发明识别的是圆形的药剂,故目标边缘位置应从形状为圆形或者弧形的位置中选出,若所有形状中只有一个圆形或弧形,则确认该形状上的边缘位置为目标边缘位置,若存在多个圆形或弧形,基于药剂是放置在格子中的情况,可以选取距离格子图像的中心最近的圆形或弧形,可以最大限度的确保筛选的准确性。基于选出目标边缘位置,计算中心位置到目标边缘位置的长度值,然后判断长度值和预设值的偏差是否在预设偏差范围内,以便进行后续的判定。
S104、若长度值和预设值的偏差在预设偏差范围内,则判定对应的格子为有药剂。
本实施例中,将长度值和预设值的偏差在预设偏差范围内的检测对象判断为药剂,将长度值和预设值的偏差不在预设偏差范围内的检测对象判断为没有药剂。
在一实施例中,如图6所示,药剂精确计数方法还包括:
S601、若长度值和预设值的偏差在预设偏差范围内,则统计检测对象中的像素点个数,并判断像素点个数是否在预设个数范围内;
S602、若像素点个数在预设个数范围内,则判定对应的格子为有药剂。
本实施例在满足长度值和预设值的偏差在预设偏差范围内的条件下,添加检测对象中的像素点个数与预设个数范围进行对比的条件,进一步筛选出像素点个数在预设个数范围内的检测对象,从而进一步提高药剂计数的精度。
具体的,预设个数范围为下限值n和上限值m,将像素点个数a与下限值n和上限值m进行对比,当n<a<m时,判断对应的检测对象为药剂。
在一实施例中,如图7所示,统计检测对象中的像素点个数,包括:
S701、将检测对象的像素值为255的像素点作为目标像素点,且任意两个最近目标像素点之间的距离小于预设距离;
S702、统计目标像素点的像素点个数。
本实施例中,药柜内的干扰一般都比较少,得到的图片中的圆形光斑通常都比较完整,通过对检测对象进行光斑检测,并将检测对象的像素值为255的像素点作为目标像素点,需要注意的是,任意两个最近目标像素点之间的距离小于预设距离,这里的预设距离可以是5或者其他大小,以5为例,比如检测到当前的第一像素点,而和第一像素点最近的第二像素点的距离为8,此时8>5,故第一像素点不列入目标像素点;基于此,统计得到的目标像素点的个数,以便后续进行更精准的判断。
本发明基于上述方法判断出检测对象是否为药剂,然后统计所有有药剂的格子的数量即可得到计数结果并返回药柜系统;具体的:
将计数结果更新到药柜系统的过程,可以是:
定义一个变量a,a的初始值为0;
定位到图片中左上角第一位置,判断该位置是否有药剂瓶,判断有则赋值a=a+1,无则不做任何处理;
定位到第一位置向右或向下的第二位置,判断该位置是否有药剂瓶,判断有则a=a+1;无则不做任何处理;
当然也可以定义变量a的初始值为放满药柜后的最大值,例如a=7*18=126,再判断有药剂则不做处理,没有药剂则赋值a=a-1。
本发明基于上述方法,通过对预设数量的图片进行识别判断后,最终可以得到检测对象为有药剂的图像特征集,基于该图像特征集,本发明还可实现直接对输入的待检测图片进行快速识别并判断该图片中的药剂数量。
具体的,图像特征集中包含了大量的有药剂的模板图像,将待检测图片中的每一个格子位图像与图像特征集中的所有模板图像进行对比,可采用差值平方和做为评价函数,得到每个格子位图像与所有模板图像之间的相似系数,若格子位图像与预设数量的模板图像的相似度都达到预设相似值,则判定该格子位图像中有药剂。
本发明实施例还提供一种药剂精确计数装置,该药剂精确计数装置用于执行前述药剂精确计数方法的任一实施例。具体地,请参阅图9,图9是本发明实施例提供的药剂精确计数装置的示意性框图。
如图9所示,药剂精确计数装置900,包括:获取单元901、计算单元902、判断单元903以及判定单元904。
获取单元901,用于获取药柜中包含检测对象的图片;
计算单元902,用于对图片进行预处理并确认检测对象的形状,根据检测对象的形状计算检测对象的中心位置和多个边缘位置;
第一判断单元903,用于计算检测对象的中心位置到目标边缘位置的长度值,判断长度值和预设值的偏差是否在预设偏差范围内;
判定单元904,用于若长度值和预设值的偏差在预设偏差范围内,则判定对应的格子为有药剂;
该装置通过图像识别方法获取了包含检测对象的图片后,并利用图像识别技术设置判断条件,筛选并判定对应的格子是否有药剂,具有对药剂精确计数的优点。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
上述药剂精确计数装置可以实现为计算机程序的形式,该计算机程序可以在如图10所示的计算机设备上运行。
请参阅图10,图10是本发明实施例提供的计算机设备的示意性框图。该计算机设备1000是服务器,服务器可以是独立的服务器,也可以是多个服务器组成的服务器集群。
参阅图10,该计算机设备1000包括通过系统总线1001连接的处理器1002、存储器和网络接口1005,其中,存储器可以包括非易失性存储介质1003和内存储器1004。
该非易失性存储介质1003可存储操作系统10031和计算机程序10032。该计算机程序10032被执行时,可使得处理器1002执行药剂精确计数方法。
该处理器1002用于提供计算和控制能力,支撑整个计算机设备1000的运行。
该内存储器1004为非易失性存储介质1003中的计算机程序10032的运行提供环境,该计算机程序10032被处理器1002执行时,可使得处理器1002执行药剂精确计数方法。
该网络接口1005用于进行网络通信,如提供数据信息的传输等。本领域技术人员可以理解,图10中示出的结构,仅仅是与本发明方案相关的部分结构的框图,并不构成对本发明方案所应用于其上的计算机设备1000的限定,具体的计算机设备1000可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
本领域技术人员可以理解,图10中示出的计算机设备的实施例并不构成对计算机设备具体构成的限定,在其他实施例中,计算机设备可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。例如,在一些实施例中,计算机设备可以仅包括存储器及处理器,在这样的实施例中,存储器及处理器的结构及功能与图10所示实施例一致,在此不再赘述。
应当理解,在本发明实施例中,处理器1002可以是中央处理单元(CentralProcessing Unit,CPU),该处理器1002还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific IntegratedCircuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中,通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
在本发明的另一实施例中提供计算机可读存储介质。该计算机可读存储介质可以为非易失性的计算机可读存储介质。该计算机可读存储介质存储有计算机程序,其中计算机程序被处理器执行时实现本发明实施例的药剂精确计数方法。
存储介质为实体的、非瞬时性的存储介质,例如可以是U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、磁碟或者光盘等各种可以存储程序代码的实体存储介质。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的设备、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (9)
1.一种药剂精确计数方法,应用于药柜,其特征在于,所述药柜具有多层抽屉结构,每层抽屉内具有呈规律分布的格子,药剂按照一定的头尾顺序插于所述格子中,所述方法包括:
获取药柜中包含检测对象的图片;
对所述图片进行预处理并确认检测对象的形状,根据所述检测对象的形状计算所述检测对象的中心位置和多个边缘位置;
计算所述检测对象的中心位置到目标边缘位置的长度值,判断所述长度值和预设值的偏差是否在预设偏差范围内;
若所述长度值和预设值的偏差在预设偏差范围内,则判定对应的格子为有药剂;
统计所有有药剂的格子的数量得到计数结果;
其中,所述计算所述检测对象的中心位置到目标边缘位置的长度值,判断所述长度值和预设值的偏差是否在预设偏差范围内,包括:
从多个边缘位置中选出位于所述检测对象中弧形位置上的边缘位置,并作为目标边缘位置;
计算所述中心位置到目标边缘位置的长度值,并判断所述长度值和预设值的偏差是否在预设偏差范围内。
2.根据权利要求1所述的药剂精确计数方法,其特征在于,还包括:
若所述长度值和预设值的偏差在预设偏差范围内,则统计所述检测对象中的像素点个数,并判断所述像素点个数是否在预设个数范围内;
若所述像素点个数在预设个数范围内,则判定对应的格子为有药剂。
3.根据权利要求1所述的药剂精确计数方法,其特征在于,所述对所述图片进行预处理并确认检测对象的形状,根据所述检测对象的形状计算所述检测对象的中心位置和多个边缘位置,包括:
对所述图片进行去噪处理;
根据去噪处理后的图片计算并获取所述检测对象的形状;
根据所述检测对象的形状计算所述检测对象的中心位置和多个边缘位置。
4.根据权利要求3所述的药剂精确计数方法,其特征在于,所述根据去噪处理后的图片计算并获取检测对象的形状,包括:
根据去噪处理后的图片计算所述检测对象的边缘像素点的梯度幅值和梯度方向;
针对每一边缘像素点,检查其周围具有相同梯度方向的边缘像素点,并保留梯度幅值最大的边缘像素点;
当所保留的边缘像素点的梯度幅值高于预设的最大函数值时,则确认对应的边缘像素点为真实边缘像素点;
当所保留的边缘像素点的梯度幅值介于所述最大函数值和预设的最小函数值之间时,则判断该边缘像素点是否与真实边缘像素点相连,若是则确认对应的边缘像素点为真实边缘像素点;
当所保留的边缘像素点的梯度幅值低于最小函数值时,则确认对应的边缘像素点为非真实边缘像素点;
利用所有真实边缘像素点构建所述检测对象的形状。
5.根据权利要求3所述的药剂精确计数方法,其特征在于,所述根据所述检测对象的形状计算所述检测对象的中心位置和多个边缘位置,包括:
根据所述检测对象的形状计算出检测对象的中心位置、各个形状的边界上限和边界下限;
将每一形状的边界上限和边界下限之间的边界作为所述检测对象中对应该形状的边缘位置。
6.根据权利要求2所述的药剂精确计数方法,其特征在于,所述统计所述检测对象中的像素点个数,包括:
将所述检测对象的像素值为255的像素点作为目标像素点,且任意两个最近目标像素点之间的距离小于预设距离;
统计目标像素点的像素点个数。
7.一种药剂精确计数装置,应用于如上权利要求1所述的药剂精确计数方法,其特征在于,所述药剂精确计数装置包括:
获取单元,用于获取药柜中包含检测对象的图片,其中,所述药柜具有多层抽屉结构,每层抽屉内具有呈规律分布的格子,药剂按照一定的头尾顺序插于所述格子中;
计算单元,用于对所述图片进行预处理并确认检测对象的形状,根据所述检测对象的形状计算所述检测对象的中心位置和边缘位置;
判断单元,用于计算所述检测对象的中心位置到边缘位置的长度值,判断所述长度值和预设值的偏差是否在预设偏差范围内;
判定单元,用于若所述长度值和预设值的偏差在预设偏差范围内,则判定对应的格子为有药剂;
所述判定单元在判定对应的格子是否有药剂之后,包括:统计所有有药剂的格子的数量得到计数结果;
其中,所述判断单元包括:从多个边缘位置中选出位于所述检测对象中弧形位置上的边缘位置,并作为目标边缘位置;计算所述中心位置到目标边缘位置的长度值,并判断所述长度值和预设值的偏差是否在预设偏差范围内。
8.一种计算机设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至6中任一项所述的药剂精确计数方法。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序当被处理器执行时使所述处理器执行如权利要求1至6任一项所述的药剂精确计数方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110912578.4A CN113570593B (zh) | 2021-08-10 | 2021-08-10 | 一种药剂精确计数方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110912578.4A CN113570593B (zh) | 2021-08-10 | 2021-08-10 | 一种药剂精确计数方法、装置、计算机设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113570593A CN113570593A (zh) | 2021-10-29 |
CN113570593B true CN113570593B (zh) | 2024-05-14 |
Family
ID=78171054
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110912578.4A Active CN113570593B (zh) | 2021-08-10 | 2021-08-10 | 一种药剂精确计数方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113570593B (zh) |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104361364A (zh) * | 2014-12-04 | 2015-02-18 | 中国科学技术大学苏州研究院 | 基于机器视觉的不规则形状物体的计数方法与装置 |
CN105307622A (zh) * | 2013-06-21 | 2016-02-03 | 富士胶片株式会社 | 分包药剂检查装置及方法 |
CN107072880A (zh) * | 2014-09-25 | 2017-08-18 | 株式会社汤山制作所 | 药剂检查辅助装置 |
CN108416789A (zh) * | 2018-06-04 | 2018-08-17 | 武汉斑马快跑科技有限公司 | 图像边缘检测方法及系统 |
CN110458857A (zh) * | 2019-08-12 | 2019-11-15 | 厦门美图之家科技有限公司 | 中心对称图元检测方法、装置、电子设备及可读存储介质 |
CN110599438A (zh) * | 2018-05-26 | 2019-12-20 | 郭志彪 | 一种关于药盒药品数量检测的方法 |
CN110660042A (zh) * | 2019-08-25 | 2020-01-07 | 南京理工大学 | 一种中药药袋数量识别算法 |
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 |
CN111361863A (zh) * | 2020-04-15 | 2020-07-03 | 北京美博斯智能科技发展有限公司 | 药物分配装置和智能药箱 |
CN111432776A (zh) * | 2017-11-22 | 2020-07-17 | 快捷药方战略发展公司 | 用于自动药物分配分析的计算机成像预处理 |
CN111723821A (zh) * | 2020-06-11 | 2020-09-29 | 上海电力大学 | 一种电厂仪表图像的检测识别方法及装置 |
CN112614062A (zh) * | 2020-12-17 | 2021-04-06 | 北京陆桥技术股份有限公司 | 菌落计数方法、装置及计算机存储介质 |
CN112991374A (zh) * | 2021-03-31 | 2021-06-18 | 新疆爱华盈通信息技术有限公司 | 基于Canny算法的边缘增强方法、装置、设备及存储介质 |
CN113012181A (zh) * | 2021-03-18 | 2021-06-22 | 上海应用技术大学 | 一种基于Hough变换的新型类圆形检测方法 |
CN113034525A (zh) * | 2021-03-18 | 2021-06-25 | 河北工程大学 | 图像边缘检测方法、装置及设备 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019104293A1 (en) * | 2017-11-27 | 2019-05-31 | Walmart Apollo, Llc | Robotic pill filling, counting, and validation |
-
2021
- 2021-08-10 CN CN202110912578.4A patent/CN113570593B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105307622A (zh) * | 2013-06-21 | 2016-02-03 | 富士胶片株式会社 | 分包药剂检查装置及方法 |
CN107072880A (zh) * | 2014-09-25 | 2017-08-18 | 株式会社汤山制作所 | 药剂检查辅助装置 |
CN104361364A (zh) * | 2014-12-04 | 2015-02-18 | 中国科学技术大学苏州研究院 | 基于机器视觉的不规则形状物体的计数方法与装置 |
CN111432776A (zh) * | 2017-11-22 | 2020-07-17 | 快捷药方战略发展公司 | 用于自动药物分配分析的计算机成像预处理 |
CN110599438A (zh) * | 2018-05-26 | 2019-12-20 | 郭志彪 | 一种关于药盒药品数量检测的方法 |
CN108416789A (zh) * | 2018-06-04 | 2018-08-17 | 武汉斑马快跑科技有限公司 | 图像边缘检测方法及系统 |
CN110458857A (zh) * | 2019-08-12 | 2019-11-15 | 厦门美图之家科技有限公司 | 中心对称图元检测方法、装置、电子设备及可读存储介质 |
CN110660042A (zh) * | 2019-08-25 | 2020-01-07 | 南京理工大学 | 一种中药药袋数量识别算法 |
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 |
CN111361863A (zh) * | 2020-04-15 | 2020-07-03 | 北京美博斯智能科技发展有限公司 | 药物分配装置和智能药箱 |
CN111723821A (zh) * | 2020-06-11 | 2020-09-29 | 上海电力大学 | 一种电厂仪表图像的检测识别方法及装置 |
CN112614062A (zh) * | 2020-12-17 | 2021-04-06 | 北京陆桥技术股份有限公司 | 菌落计数方法、装置及计算机存储介质 |
CN113012181A (zh) * | 2021-03-18 | 2021-06-22 | 上海应用技术大学 | 一种基于Hough变换的新型类圆形检测方法 |
CN113034525A (zh) * | 2021-03-18 | 2021-06-25 | 河北工程大学 | 图像边缘检测方法、装置及设备 |
CN112991374A (zh) * | 2021-03-31 | 2021-06-18 | 新疆爱华盈通信息技术有限公司 | 基于Canny算法的边缘增强方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113570593A (zh) | 2021-10-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116416190A (zh) | 瑕疵检测方法及装置、电子设备及存储介质 | |
CN111127558B (zh) | 确定装配体检测角度的方法、装置、电子设备及存储介质 | |
TWI656511B (zh) | 監控方法、計算裝置及電腦可讀存儲介質 | |
CN112801111A (zh) | 基于梯度方向的图像直线边缘点分类方法及装置 | |
KR102366364B1 (ko) | 기하학적 패턴 매칭 방법 및 이러한 방법을 수행하는 장치 | |
CN113344994B (zh) | 图像配准方法、装置、电子设备及存储介质 | |
CN113570593B (zh) | 一种药剂精确计数方法、装置、计算机设备及存储介质 | |
Kusuma | Determination of spinal curvature from scoliosis X-ray images using K-means and curve fitting for early detection of scoliosis disease | |
CN109816677B (zh) | 一种信息检测方法及装置 | |
US20120139942A1 (en) | Image registration system | |
CN111652277A (zh) | 假阳性过滤方法、电子装置及计算机可读存储介质 | |
CA2731385C (en) | Image analysis system and method | |
CN111127480A (zh) | 一种图像处理方法、装置、电子设备及存储介质 | |
CN107464257B (zh) | 宽基线匹配方法及装置 | |
CN111238369B (zh) | 一种双长方物体体积测量方法、系统以及设备 | |
US20220358321A1 (en) | Detection Method And Device For Assembly Body Multi-View Change Based On Feature Matching | |
CN111223139B (zh) | 目标定位方法及终端设备 | |
CN110189319B (zh) | 置物架分割方法、装置、设备和存储介质 | |
CN114119952A (zh) | 一种基于边缘信息的图像匹配方法及装置 | |
CN113269732A (zh) | 一种基于特征扫描图像的线性物体检测方法 | |
CN111598013A (zh) | 一种螺母-销钉状态的识别方法及相关装置 | |
US9536171B2 (en) | Logo detection by edge matching | |
CN113298869B (zh) | 距离测定方法、装置、计算机设备和存储介质 | |
CN103955610A (zh) | 一种医学影像计算机辅助分析方法 | |
CN112862804B (zh) | 一种眼底视网膜血管图像处理系统及方法 |
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 |