CN114871120A - 基于图像数据处理的药品确定分拣方法及装置 - Google Patents

基于图像数据处理的药品确定分拣方法及装置 Download PDF

Info

Publication number
CN114871120A
CN114871120A CN202210581699.XA CN202210581699A CN114871120A CN 114871120 A CN114871120 A CN 114871120A CN 202210581699 A CN202210581699 A CN 202210581699A CN 114871120 A CN114871120 A CN 114871120A
Authority
CN
China
Prior art keywords
medicine
preset
sorting
proportion
information
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
Application number
CN202210581699.XA
Other languages
English (en)
Other versions
CN114871120B (zh
Inventor
李璇
徐凯凯
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.)
Hangzhou Yindoudou Technology Co ltd
Jiangsu Xuzhou Medical Higher Vocational School
Original Assignee
Hangzhou Yindoudou Technology Co ltd
Jiangsu Xuzhou Medical Higher Vocational School
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 Hangzhou Yindoudou Technology Co ltd, Jiangsu Xuzhou Medical Higher Vocational School filed Critical Hangzhou Yindoudou Technology Co ltd
Priority to CN202210581699.XA priority Critical patent/CN114871120B/zh
Publication of CN114871120A publication Critical patent/CN114871120A/zh
Application granted granted Critical
Publication of CN114871120B publication Critical patent/CN114871120B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
    • B07C5/04—Sorting according to size
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
    • B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
    • B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
    • B07C5/36—Sorting apparatus characterised by the means used for distribution
    • B07C5/361—Processing or control devices therefor, e.g. escort memory
    • 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
    • G06V10/56—Extraction of image or video features relating to colour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供一种基于图像数据处理的药品确定分拣方法及装置，包括：获取待识别药品的识别尺寸信息，确定与识别尺寸信息对应的药品集合，所述药品集合中至少包括一个药品信息；获取与识别尺寸信息对应的至少一个第一预设比例；获取待识别药品的检测比例，检测比例为待识别药品在一个面处不同像素阈值范围内的像素点的检测比例；确定药品集合中与所述检测比例对应的第一预设比例和药品信息，每个药品集合中的药品信息分别与第一预设比例一一对应；根据药品信息控制智能设备对药品进行分拣。本发明能够在药品分拣的过程中对药品进行精准识别，提高药品分拣的准确性和工作效率。

Description

基于图像数据处理的药品确定分拣方法及装置
技术领域
本发明涉及数据处理技术领域，尤其涉及一种基于图像数据处理的药品确定分拣方法及装置。
背景技术
目前，生产流程中的分拣操作是制约生产作业效率的重要因素之一，高质量的分拣能力是生产中的重要一环，尤其在当今面临终端客户的个性化、多样化需求，生产线要有足够的灵活性，才能更好的服务于不同的客户，基于此，需要在生产过程中引入自动分拣系统。
分拣系统一般都会基于机器视觉实现对药物的识别，根据识别的结果控制相应的夹具、机械臂、推动装置等等对药物进行抓取、推动，将抓取、推动后的药物投放至对应的储存器具内。例如说授权公告号为CN105537139B、CN108466707A、CN208786948U等等。
随着现有的药物种类越来越多，具有相似形状的药品数量越来越多，使得在自动药物分拣的过程中出现识别误差的情况，即将不同的药物识别为同一种药物，准确性较差。
发明内容
本发明实施例提供一种基于图像数据处理的药品确定分拣方法、装置及存储介质，能够在药品分拣的过程中对药品进行精准识别，提高药品分拣的准确性，提高工作效率。
本发明实施例的第一方面，提供一种基于图像数据处理的药品确定分拣方法，其特征在于，包括：
获取待识别药品的识别尺寸信息，确定与所述识别尺寸信息对应的药品集合，所述药品集合中至少包括一个药品信息；
获取与所述识别尺寸信息对应的至少一个第一预设比例，所述第一预设比例为任意一个药品在一个面处不同像素阈值范围内的像素点数量的第一预设比例；
获取待识别药品的检测比例，所述检测比例为待识别药品在一个面处不同像素阈值范围内的像素点的检测比例；
确定药品集合中与所述检测比例对应的第一预设比例和药品信息，每个药品集合中的药品信息分别与第一预设比例一一对应；
根据所述药品信息控制智能设备对药品进行分拣。
可选地，在第一方面的一种可能实现方式中，通过以下步骤进行训练得到第一预设比例，包括：
获取待训练药品的训练图像，所述训练图像至少是训练药品中一个面的图像；
确定所述训练图像中满足第一像素阈值范围的像素点的数量得到第一数量；
确定所述训练图像中满足第二像素阈值范围的像素点的数量得到第二数量；
基于所述第一数量和第二数量按照预第一预设算法计算得到第一预设比例。
可选地，在第一方面的一种可能实现方式中，基于所述第一数量和第二数量按照预第一预设算法计算得到第一预设比例包括：
通过以下公式计算第一预设比例，
Figure BDA0003664126120000021
其中，S1为第一预设比例，A为第一像素阈值范围的权重值，s1为训练图像中第一数量的数值，B为第一像素阈值范围的权重值，s2为训练图像中第二数量的数值，ai为第i个训练图像中位于第一像素阈值范围的像素点的数量，af为第f个训练图像中位于第二像素阈值范围的像素点的数量，h1为第一调整值，h2为第二调整值，p为所有训练图像的数量。
可选地，在第一方面的一种可能实现方式中，接收用户输入的反馈信息，所述反馈信息为某一个药品分拣错误；
获取分拣错误的药品在当前时刻的第一预设比例，对所述当前时刻的第一预设比例进行修正得到修正后的第二预设比例；
将修正后的第二预设比例替换第一预设比例与相应的药品名称对应。
可选地，在第一方面的一种可能实现方式中，获取分拣错误的药品在当前时刻的第一预设比例，对所述当前时刻的第一预设比例进行修正得到修正后的第二预设比例包括：
获取分拣错误的药品的错误药品图像；
确定错误药品图像中满足第三像素阈值范围的像素点的数量得到第三数量；
基于所述第一数量、第二数量以及第三数据量按照预第二预设算法对第一预设比例修正得到第二预设比例。
可选地，在第一方面的一种可能实现方式中，基于所述第一数量、第二数量以及第三数据量按照预第二预设算法对第一预设比例修正得到第二预设比例包括：
第二预设算法通过以下的公式对第一预设比例修正得到第二预设比例，
Figure BDA0003664126120000031
其中，S2为第二预设比例，C为第三像素阈值范围的权重值，s3为训练图像中第三数量的数值，at为第t个训练图像中位于第三像素阈值范围的像素点的数量，h3为第三调整值。
可选地，在第一方面的一种可能实现方式中，获取待识别药品的识别尺寸信息包括：
获取待识别药品的识别图像，确定所述待识别药品在所述识别图像中的第一边界和第二边界；
基于所述第一边界和第二边界得到识别尺寸信息。
可选地，在第一方面的一种可能实现方式中，确定与所述检测比例对应的第一预设比例和药品信息包括：
获取与所述检测比例对应的第一预设比例，所述第一预设比例具有唯一对应的药品信息；
将所述检测比例与唯一对应的药品信息对应。
可选地，在第一方面的一种可能实现方式中，在获取与所述识别尺寸信息对应的至少一个第一预设比例，所述第一预设比例为任意一个药品在一个面处不同像素阈值范围内的像素点数量的第一预设比例的步骤中，具体包括：
对相同识别尺寸信息所对应的第一预设比例的数量进行统计得到相同尺寸数量；
若所述相同尺寸数量大于1，则对不同药品信息分别对应的第一预设比例进行归类得到多个归类集合，每个归类集合对应一个药品信息；
将每个归类集合中的每个第一预设比例与其他归类集合中的第一预设比例进行比对，确定不同归类集合中两个第一预设比例的差值小于预设差值的计算差值、以及计算差值的数量；
根据所述归类集合的数量、计算差值以及计算差值的数量生成该识别尺寸信息所对应药物分拣的分拣准确率。
可选地，在第一方面的一种可能实现方式中，在根据所述归类集合的数量、计算差值以及计算差值的数量生成该识别尺寸信息所对应药物分拣的分拣准确率的步骤中，具体包括：
通过以下公式计算药物分拣的分拣准确率，
Figure BDA0003664126120000041
其中，l1为药物分拣的分拣准确率，k1为第一转换权重值，x1为归类集合的数量，k2为第二转换权重值，au为第u个计算差值的数值，r为计算差值的上限值，k3为第三转换权重值，j1为计算差值的数量，α为常数值，β为标准准确率；
若所述药物分拣的分拣准确率大于等于预设准确率，则输出第一提醒信息；
若所述药物分拣的分拣准确率小于预设准确率，则输出第二提醒信息。
可选地，在第一方面的一种可能实现方式中，还包括：
若输出第一提醒信息后，接收用户输入的输入准确率为小于预设准确率，则通过以下公式对标准准确率向下调整，
Figure BDA0003664126120000042
若输出第二提醒信息后，接收用户输入的正确率信息为大于等于预设准确率，则通过以下公式对标准准确率向下调整，
Figure BDA0003664126120000043
其中，β2为向下调整后的标准准确率，l2为用户输入的输入准确率，γ1为下调系数，γ2为上调系数。
本发明实施例的第二方面，提供一种基于图像数据处理的药品确定分拣装置，包括：
尺寸获取模块，用于获取待识别药品的识别尺寸信息，确定与所述识别尺寸信息对应的药品集合，所述药品集合中至少包括一个药品信息；
预设比例获取模块，用于获取与所述识别尺寸信息对应的至少一个第一预设比例，所述第一预设比例为任意一个药品在一个面处不同像素阈值范围内的像素点数量的第一预设比例；
检测比例获取模块，用于获取待识别药品的检测比例，所述检测比例为待识别药品在一个面处不同像素阈值范围内的像素点的检测比例；
确定模块，用于确定药品集合中与所述检测比例对应的第一预设比例和药品信息，每个药品集合中的药品信息分别与第一预设比例一一对应；
分拣控制模块，用于根据所述药品信息控制智能设备对药品进行分拣。
本发明实施例的第三方面，提供一种可读存储介质，所述可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时用于实现本发明第一方面及第一方面各种可能设计的所述方法。
本发明提供的一种基于图像数据处理的药品确定分拣方法、装置及存储介质，能够通过对药品的尺寸、像素点数量的比值确定药品信息，相较于传统的识别方法，具有识别维度多，准确的优点。并且在识别过程中，不需要对药品处的字、图案等维度的信息进行识别，降低了药品分拣过程中的数据处理量，提高了处理效率。
本发明会根据每个药品的实际情况，获得每个药品的易分辨程度确定相对应的第一预设比例或第二预设比例，容易分辨的药品即为第一预设比例，不易分辨的药品即为第二预设比例，将检测比例与第一预设比例进行计算相较于将检测比例与第二预设比例进行计算的数据处理量减少。通过以上方式，本发明能够根据不同的药品的属性采取不同的识别方式，能够有效降低数据处理量。
本发明提供的技术方案，会对相同识别尺寸信息的药物信息进行统计，并且根据相同药物信息的数量、所对应的第一预设比例的差值关系得到对该尺寸药物分拣时的正确率，根据所计算的药物分拣的分拣准确率采取不同的提醒方式，使得本发明提供的技术方案在进行批量的、不同类型的药物进行分拣时能够有针对性的对容易出错的药品分拣场景进行分拣提醒，进而提醒工作人员在后期有针对性的进行药品分拣的校正。本发明提供的技术方案，会根据用户输入的输入准确率与预设准确率之间的关系对标准准确率进行调整，使得后续所计算的药物分拣的分拣准确率更加的适应当前的场景。
附图说明
图1为基于图像数据处理的药品确定分拣方法的第一种实施方式的流程图；
图2为基于人工智能的药品分拣方法的第二种实施方式的流程图；
图3为基于图像数据处理的药品确定分拣装置的第一种实施方式的结构图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。
应当理解，在本发明的各种实施例中，各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
应当理解，在本发明中，“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
应当理解，在本发明中，“多个”是指两个或两个以上。“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。“包含A、B和C”、“包含A、B、C”是指A、B、C三者都包含，“包含A、B或C”是指包含A、B、C三者之一，“包含A、B和/或C”是指包含A、B、C三者中任1个或任2个或3个。
应当理解，在本发明中，“与A对应的B”、“与A相对应的B”、“A与B相对应”或者“B与A相对应”，表示B与A相关联，根据A可以确定B。根据A确定B并不意味着仅仅根据A确定B，还可以根据A和/或其他信息确定B。A与B的匹配，是A与B的相似度大于或等于预设的阈值。
取决于语境，如在此所使用的“若”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。
下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。
本发明提供一种基于图像数据处理的药品确定分拣方法，如图1所示，包括：
步骤S110、获取待识别药品的识别尺寸信息，确定与所述识别尺寸信息对应的药品集合，所述药品集合中至少包括一个药品信息。每一个药品集合中的所有药品的尺寸都是相同、相似的，所以一个药品集合中可能会具有多个尺寸相同的药品名称。
在步骤S110中，包括：
获取待识别药品的识别图像，确定所述待识别药品在所述识别图像中的第一边界和第二边界。本发明提供的技术方案可以适用在多种场景之下，例如说基于传送带的药品分拣系统，通过设置于传送带正上方的图像采集装置获取待识别药品的识别图像。其中第一边界和第二边界可以是药品的宽度信息或长度信息。
基于所述第一边界和第二边界得到识别尺寸信息。本发明中的识别尺寸信息可以包括药品的宽度和长度，对于识别尺寸信息的得到方式本发明不做任何限定。
其中识别尺寸信息的得到方式可以是在获取识别图像后，得到识别图像中待识别药品在识别图像中的轮廓。确定轮廓中第一边界对应的像素点的数量和第二边界对应的像素点的数量。基于第一边界对应的像素点的数量和第二边界对应的像素点的数量得到第一边界和第二边界在识别图像中的第一图像长度和第二图像长度，根据预先计算的换算比例，将第一图像长度和第二图像长度换算为第一实际长度和第二实际长度。具体的换算方式可以是第一图像长度×换算比例得到第一实际长度，第二图像长度×换算比例得到第二实际长度。第一实际长度、第二实际长度即为识别尺寸信息。识别尺寸信息可以是长5厘米、宽3厘米等等。换算比例的得到方式可以将不同尺寸的测试物在同一个位置处被图像采集装置进行采集，然后将图像采集装置识别到的第一图像长度和第二图像长度与测试物的第一实际长度和第二实际长度进行比对，得到换算比例，换算比例可以是一个函数。
步骤S120、获取与所述识别尺寸信息对应的至少一个第一预设比例，所述第一预设比例为任意一个药品在一个面处不同像素阈值范围内的像素点数量的第一预设比例。
在实际的场景中，不同的药品可能会具有不同的尺寸、也可能具有相同的尺寸，例如说药品A和药品B的实际尺寸分别都是长5厘米、宽3厘米，则此时需要再次进行比对。再次进行比对的内容即是每个药品中不同像素阈值范围内的像素点数量的比例。所以本发明会针对每种药品的不同，预先为每种药品配置不同的第一预设比例。不同像素阈值范围内的像素点可以指的是药品包装盒处的像素点。
在实际的场景中，每种药品的包装盒都是不同的，颜色各异，例如说存在部分包装盒由红色、白色、黄色组成，部分包装盒由绿色、白色、紫色构成。本发明中任意一个药品在一个面处不同像素阈值范围内的像素点数量的第一预设比例，可以指的是，一个包装盒中红色的像素点数量与白色的像素点数量的比例，也可以是一个包装盒中红色的像素点数量与白色的像素点数量和黄色的像素点数量的比例，对于颜色的种类，本发明不做任何限定。第一预设比例优选为包装盒中2种颜色的像素点数量的比例。
由于同一类药品的包装盒都是相同的，所以同一类药品的第一预设比例也是相同的。
步骤S130、获取待识别药品的检测比例，所述检测比例为待识别药品在一个面处不同像素阈值范围内的像素点的检测比例。本发明会通过传送带处设置的图像采集装置对待识别药品的图像进行采集得到识别图像，根据像素点的识别图像确定检测比例。检测比例所对应的颜色可以是预先设置的。
例如说，药品集合中的药品信息分别为药品A和药品B，药品A的第一预设比例所对应的颜色为红色的像素点数量与白色的像素点数量的比例，药品B的第一预设比例所对应的颜色为绿色的像素点数量与白色的像素点数量的比例。则此时本发明会分别提取待识别药品中红色的像素点数量与白色的像素点数量的比例、绿色的像素点数量与白色的像素点数量的比例得到检测比例。
步骤S140、确定药品集合中与所述检测比例对应的第一预设比例和药品信息，每个药品集合中的药品信息分别与第一预设比例一一对应。如果存在两种颜色的检测比例(例如说像素点红色和白色的比例)与第一预设比例(例如说像素点红色和白色的比例)对应，则待识别药品的名称即为第一预设比例(红色和白色)对应的药品信息。
步骤S150、根据所述药品信息控制智能设备对药品进行分拣。本发明在确定药品信息之后，控制分拣设备将药品夹起投放至目标防止区域。其中药品信息可以是药品的名称，每个药品的名称会分别具有相应的目标防止区域。分拣设备的具体结构可以是背景技术中的现有技术，本发明不再做任何限定。
在一个可能的实施方式中，通过以下步骤进行训练得到第一预设比例，如图2所示，包括：
步骤S210、获取待训练药品的训练图像，所述训练图像至少是训练药品中一个面的图像。本发明的技术方案，在投入生产使用之前，会预先得到每种待训练药品、待识别药品的训练图像，训练图像存在的意义是为了得到第一预设比例。本发明中训练图像可以是待训练药品、待识别药品的药盒的多个面。
步骤S220、确定所述训练图像中满足第一像素阈值范围的像素点的数量得到第一数量。例如说，第一预设比例为2个颜色的像素点数量的比例，包括红色和白色，则此时第一像素阈值范围的像素点可以是红色或白色。在实际的场景中，白色可能分为纯白色、古董白、花白等等，所以本发明会预先设置第一像素阈值，将相应的白色范围纳入，例如说RGB值为220至230，R值为220至230、G值为220至230、B值为220至230等等。本发明在统计第一数量时，会统计所有RGB值为220至230的像素点。
步骤S230、确定所述训练图像中满足第二像素阈值范围的像素点的数量得到第二数量。如果第一像素阈值范围为白色的像素阈值范围，则第二像素阈值范围则可以是红色的像素阈值范围。本发明在统计第二数量时，会统计所有RGB值为第二像素阈值范围的像素点。统计红色的像素阈值范围与统计白色的像素阈值范围相同，本发明不再进行赘述。
步骤S240、基于所述第一数量和第二数量按照预第一预设算法计算得到第一预设比例。本发明在得到第一数量和第二数量后，会按照一预设算法进行计算，得到第一预设比例。
通过以上方式，可以找到任意一个药品包装盒中两种颜色的对应关系，通过两种颜色的对应关系来识别药品信息，该种方式具有准确度高，易于实现的效果。
在一个可能的实施方式中，基于所述第一数量和第二数量按照预第一预设算法计算得到第一预设比例包括：
通过以下公式计算第一预设比例，
Figure BDA0003664126120000091
其中，S1为第一预设比例，A为第一像素阈值范围的权重值，s1为训练图像中第一数量的数值，B为第一像素阈值范围的权重值，s2为训练图像中第二数量的数值，ai为第i个训练图像中位于第一像素阈值范围的像素点的数量，af为第f个训练图像中位于第二像素阈值范围的像素点的数量，h1为第一调整值，h2为第二调整值，p为所有训练图像的数量。
本发明在计算第一预设比例时，会充分考虑第一数量和第二数量的数量值，同时也会参考每种颜色的分布情况。
Figure BDA0003664126120000092
为在所有历史的训练图像中，第一像素阈值范围所对应颜色的像素点的平均数量，根据其不同的数量会匹配相应的归一化值，使得第一预设比例的值不会过大或者是过小，降低数据的处理量。例如说，
Figure BDA0003664126120000093
很大，则对应的第一调整值可能是大于0小于1的数值，例如说，
Figure BDA0003664126120000094
很小，则对应的第一调整值可能是大于1的数值。
通过以上的技术方案，本发明会针对每种药品的药品包装盒色彩分布不同对药品进一步的区分，即在药品集合中确定最终的药品信息，实现精准的分拣。
在一个可能的实施方式中，接收用户输入的反馈信息，所述反馈信息为某一个药品分拣错误。在药品的实际分拣过程中，由于药品的种类越来越多，很可能会出现药品的尺寸、药品包装盒相似的情况，在出现此种情况时，则会出现药品分拣错误的情况。用户会在药品分拣错误时进行反馈，输入反馈信息，通过药品反馈信息对系统进行反馈，告知某一项药品分拣错误。
获取分拣错误的药品在当前时刻的第一预设比例，对所述当前时刻的第一预设比例进行修正得到修正后的第二预设比例。当药品出现分拣错误时，则证明其药品包装盒的第一预设比例与另外药品包装盒的第一预设比例可能是相同、相似的，所以此时需要对第一预设比例进行修正得到第二预设比例，将两个相同、相似的药品包装盒再深一个维度的进行区分。
将修正后的第二预设比例替换第一预设比例与相应的药品名称对应。本发明在对第一预设比例进行修正后，会得到第二预设比例，将第二预设比例对第一预设比例进行替换，当下次再对待识别药品进行识别时，会将检测比例与第二预设比例进行比对。避免再次出现识别错误、分拣错误的情况。
在一个可能的实施方式中，获取分拣错误的药品在当前时刻的第一预设比例，对所述当前时刻的第一预设比例进行修正得到修正后的第二预设比例包括：
获取分拣错误的药品的错误药品图像。在得到第二预设比例时，本发明首先会提取错误的药品的错误药品图像。
确定错误药品图像中满足第三像素阈值范围的像素点的数量得到第三数量。在得到错误药品图像后，会在错误药品图像中选定第三像素阈值范围的像素点的数量，第三像素阈值范围可以是预先设置的。
例如说一个药品包装盒，里面有红色、白色和黄色三种颜色组成，则此时工作人员可以根据实际情况将红色、白色和黄色分别配置相应的第一像素阈值范围、第二像素阈值范围以及第三像素阈值范围。也可以是机器自动获取相应颜色的第一像素阈值范围、第二像素阈值范围以及第三像素阈值范围。例如说，红色的RGB值为(250,5,5)，则相应的像素阈值范围可以是(250,5,5)正负偏移5个点，分别是(245,0,0)和(255,10,10)，则红色相对应的像素阈值范围是(245,0,0)至(255,10,10)。
基于所述第一数量、第二数量以及第三数据量按照预第二预设算法对第一预设比例修正得到第二预设比例。
在一个可能的实施方式中，基于所述第一数量、第二数量以及第三数据量按照预第二预设算法对第一预设比例修正得到第二预设比例包括：
第二预设算法通过以下的公式对第一预设比例修正得到第二预设比例，
Figure BDA0003664126120000101
其中，S2为第二预设比例，C为第三像素阈值范围的权重值，s3为训练图像中第三数量的数值，at为第t个训练图像中位于第三像素阈值范围的像素点的数量，h3为第三调整值。
本发明在计算第二预设比例时，会引入第三像素阈值范围的第三数量，因为使得第二预设比例中的特征值更多，该种方式能够在更多的特征、维度上与其他药品进行区分，但是需要更多的计算力。所以本发明会根据每种药品的不同识别情况，确定其是按照第一预设比例分拣还是按照第二预设比例分拣，在保障分拣准确性的同时，最大化的降低了数据的处理量，使得系统保持高鲁棒性。
在一个可能的实施方式中，确定与所述检测比例对应的第一预设比例和药品信息包括：
获取与所述检测比例对应的第一预设比例，所述第一预设比例具有唯一对应的药品信息；
将所述检测比例与唯一对应的药品信息对应。
本发明会先确定与检测比例对应的第一预设比例，然后在确定第一预设比例对应的药品信息，以此实现药品的识别。
本发明提供的技术方案，在一个可能的实施方式中，在获取与所述识别尺寸信息对应的至少一个第一预设比例，所述第一预设比例为任意一个药品在一个面处不同像素阈值范围内的像素点数量的第一预设比例的步骤中，具体包括：
对相同识别尺寸信息所对应的第一预设比例的数量进行统计得到相同尺寸数量。本发明提供的技术方案，会对具有相同识别尺寸信息所对应的第一预设比例的数量进行，一般来说，相同识别尺寸信息的第一预设比例的数量越多则证明具有相同尺寸的药品就越多，所以此时可能会出现识别准确率下降的情况。
若所述相同尺寸数量大于1，则对不同药品信息分别对应的第一预设比例进行归类得到多个归类集合，每个归类集合对应一个药品信息。在相同尺寸数量大于1后，则证明此时大概率会出现多个不同的药品具有相同的尺寸，所以此时本发明会根据药品信息的不同对第一预设比例进行归类得到多个归类集合，每个归类集合会对应一个药品信息，每个归类集合中存在至少一个第一预设比例。有些药品的正面、反面是相同的，则此时该药品的正面和反面所对应的第一预设比例即是相同的。有些药品的正面、反面是不同的，则此时该药品的正面和反面所对应的第一预设比例即是不相同的，此时一个归类集合中继可能会存在对应的多个第一预设比例。
将每个归类集合中的每个第一预设比例与其他归类集合中的第一预设比例进行比对，确定不同归类集合中两个第一预设比例的差值小于预设差值的计算差值、以及计算差值的数量。本发明提供的技术方案，会将相同尺寸的归类集合中，任意两个不同的归类集合中的两个第一预设比例进行差值计算，如果两个第一预设比例的差值小于预设差值，则证明此时两个第一预设比例相近，则此时可能会存在识别错误的情况，即将其中一个药物信息的图像识别为另外药物信息的图像。本发明会确定两个第一预设比例的差值小于预设差值的计算差值以及计算差值的数量，计算差值的数量越多，则证明相同尺寸下，不同药物信息的图像相似的程度越大。
根据所述归类集合的数量、计算差值以及计算差值的数量生成该识别尺寸信息所对应药物分拣的分拣准确率。本发明提供的技术方案，会综合多个维度的信息，确定一个识别尺寸信息所对应的药品识别、分拣的分拣准确率。
本发明提供的技术方案，在一个可能的实施方式中，在根据所述归类集合的数量、计算差值以及计算差值的数量生成该识别尺寸信息所对应药物分拣的分拣准确率的步骤中，具体包括：
通过以下公式计算药物分拣的分拣准确率，
Figure BDA0003664126120000121
其中，l1为药物分拣的分拣准确率，k1为第一转换权重值，x1为归类集合的数量，k2为第二转换权重值，au为第u个计算差值的数值，r为计算差值的上限值，k3为第三转换权重值，j1为计算差值的数量，α为常数值，β为标准准确率。本发明提供的技术方案，可以根据k1·x1得到归类集合的数量维度对分拣准确率影响的影响值，根据
Figure BDA0003664126120000122
得到计算差值的数值维度对分拣准确率影响的影响值，根据k3·1得到计算差值的数量维度对分拣准确率影响的影响值，进而得到一个参考多个维度的最终的分拣准确率的数值。
若所述药物分拣的分拣准确率大于等于预设准确率，则输出第一提醒信息。在药物分拣的分拣准确率大于等于预设准确率时，则证明此时的分拣准确率较高，可以减缓二次分拣的等级，即二次分拣的及时性、必要性较低。第一提醒信息可以是该识别尺寸信息的药物分拣准确率较高。
若所述药物分拣的分拣准确率小于预设准确率，则输出第二提醒信息。在药物分拣的分拣准确率小于预设准确率时，则证明此时的分拣准确率较低，需要增加二次分拣的等级，即二次分拣的及时性、必要性较高。第二提醒信息可以是该识别尺寸信息的药物分拣准确率偏低。
通过输出第一提醒信息和第二提醒信息可以对用户进行提醒，使得其在通过人工的方式对药品进行二次分拣时能够进行有倾向性的、更加准确的分拣。使得分拣准确率较低的药品能够进行二次分拣。
本发明提供的技术方案，在一个可能的实施方式中，还包括：
若输出第一提醒信息后，接收用户输入的输入准确率为小于预设准确率，则通过以下公式对标准准确率向下调整，
Figure BDA0003664126120000123
若输出第二提醒信息后，接收用户输入的正确率信息为大于等于预设准确率，则通过以下公式对标准准确率向下调整，
Figure BDA0003664126120000124
其中，β2为向下调整后的标准准确率，l2为用户输入的输入准确率，γ1为下调系数，γ2为上调系数。
在输出第一提醒信息后，则证明此时本发明所计算的分拣准确率较高，但是在该场景下，用户输入的输入准确率为小于预设准确率，则证明此时本发明所计算的分拣准确率是错误的，实际的分拣准确率应当是低于所计算的分拣准确率，所以此时需要对标准准确率向下调整，使得下次在相同的场景下，所计算的分拣准确率会降低。
在输出第二提醒信息后，则证明此时本发明所计算的分拣准确率较低，但是在该场景下，用户输入的输入准确率为大于等于预设准确率，则证明此时本发明所计算的分拣准确率是错误的，实际的分拣准确率应当是高于所计算的分拣准确率，所以此时需要对标准准确率向上调整，使得下次在相同的场景下，所计算的分拣准确率会提高。
通过以上的技术方案，使得本发明在添加新的药品信息、训练图像以及第一预设比例时，本发明会动态的确定不同识别尺寸信息的分拣准确率，并根据分拣准确率与预设准确率的关系进行提醒，使得用户能够有针对性的检查不同识别尺寸信息所分拣的药物。并且，本发明会根据用户输入的输入准确率对标准准确率进行持续的训练、调整，使得下次所计算的分拣准确率更加的准确。
本发明还提供一种基于图像数据处理的药品确定分拣装置，如图3所示，包括：
尺寸获取模块，用于获取待识别药品的识别尺寸信息，确定与所述识别尺寸信息对应的药品集合，所述药品集合中至少包括一个药品信息；
预设比例获取模块，用于获取与所述识别尺寸信息对应的至少一个第一预设比例，所述第一预设比例为任意一个药品在一个面处不同像素阈值范围内的像素点数量的第一预设比例；
检测比例获取模块，用于获取待识别药品的检测比例，所述检测比例为待识别药品在一个面处不同像素阈值范围内的像素点的检测比例；
确定模块，用于确定药品集合中与所述检测比例对应的第一预设比例和药品信息，每个药品集合中的药品信息分别与第一预设比例一一对应；
分拣控制模块，用于根据所述药品信息控制智能设备对药品进行分拣。
其中，可读存储介质可以是计算机存储介质，也可以是通信介质。通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。计算机存储介质可以是通用或专用计算机能够存取的任何可用介质。例如，可读存储介质耦合至处理器，从而使处理器能够从该可读存储介质读取信息，且可向该可读存储介质写入信息。当然，可读存储介质也可以是处理器的组成部分。处理器和可读存储介质可以位于专用集成电路(ApplicationSpecific Integrated Circuits，简称：ASIC)中。另外，该ASIC可以位于用户设备中。当然，处理器和可读存储介质也可以作为分立组件存在于通信设备中。可读存储介质可以是只读存储器(ROM)、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
本发明还提供一种程序产品，该程序产品包括执行指令，该执行指令存储在可读存储介质中。设备的至少一个处理器可以从可读存储介质读取该执行指令，至少一个处理器执行该执行指令使得设备实施上述的各种实施方式提供的方法。
在上述终端或者服务器的实施例中，应理解，处理器可以是中央处理单元(英文：Central Processing Unit，简称：CPU)，还可以是其他通用处理器、数字信号处理器(英文：Digital Signal Processor，简称：DSP)、专用集成电路(英文：Application SpecificIntegrated Circuit，简称：ASIC)等。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。结合本发明所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (10)

1.一种基于图像数据处理的药品确定分拣方法，其特征在于，包括：
获取待识别药品的识别尺寸信息，确定与所述识别尺寸信息对应的药品集合，所述药品集合中至少包括一个药品信息；
获取与所述识别尺寸信息对应的至少一个第一预设比例，所述第一预设比例为任意一个药品在一个面处不同像素阈值范围内的像素点数量的第一预设比例；
获取待识别药品的检测比例，所述检测比例为待识别药品在一个面处不同像素阈值范围内的像素点的检测比例；
确定药品集合中与所述检测比例对应的第一预设比例和药品信息，每个药品集合中的药品信息分别与第一预设比例一一对应；
根据所述药品信息控制智能设备对药品进行分拣。
2.根据权利要求1所述的药品确定分拣方法，其特征在于，
通过以下步骤进行训练得到第一预设比例，包括：
获取待训练药品的训练图像，所述训练图像至少是训练药品中一个面的图像；
确定所述训练图像中满足第一像素阈值范围的像素点的数量得到第一数量；
确定所述训练图像中满足第二像素阈值范围的像素点的数量得到第二数量；
基于所述第一数量和第二数量按照预第一预设算法计算得到第一预设比例。
3.根据权利要求2所述药品确定分拣方法，其特征在于，基于所述第一数量和第二数量按照预第一预设算法计算得到第一预设比例包括：
通过以下公式计算第一预设比例，
Figure FDA0003664126110000011
其中，S1为第一预设比例，A为第一像素阈值范围的权重值，s1为训练图像中第一数量的数值，B为第一像素阈值范围的权重值，s2为训练图像中第二数量的数值，ai为第i个训练图像中位于第一像素阈值范围的像素点的数量，n为第一像素阈值范围的训练图像的上限值，af为第f个训练图像中位于第二像素阈值范围的像素点的数量，m为第二像素阈值范围的训练图像的上限值，h1为第一调整值，h2为第二调整值，p为所有训练图像的数量。
4.根据权利要求3所述药品确定分拣方法，其特征在于，还包括：
接收用户输入的反馈信息，所述反馈信息为某一个药品分拣错误；
获取分拣错误的药品在当前时刻的第一预设比例，对所述当前时刻的第一预设比例进行修正得到修正后的第二预设比例；
将修正后的第二预设比例替换第一预设比例与相应的药品名称对应。
5.根据权利要求4所述药品确定分拣方法，其特征在于，
获取分拣错误的药品在当前时刻的第一预设比例，对所述当前时刻的第一预设比例进行修正得到修正后的第二预设比例包括：
获取分拣错误的药品的错误药品图像；
确定错误药品图像中满足第三像素阈值范围的像素点的数量得到第三数量；
基于所述第一数量、第二数量以及第三数据量按照预第二预设算法对第一预设比例修正得到第二预设比例。
6.根据权利要求5所述药品确定分拣方法，其特征在于，
基于所述第一数量、第二数量以及第三数据量按照预第二预设算法对第一预设比例修正得到第二预设比例包括：
第二预设算法通过以下的公式对第一预设比例修正得到第二预设比例，
Figure FDA0003664126110000021
其中，S2为第二预设比例，C为第三像素阈值范围的权重值，s3为训练图像中第三数量的数值，at为第t个训练图像中位于第三像素阈值范围的像素点的数量，h3为第三调整值。
7.根据权利要求1所述的基于图像数据处理的药品确定分拣方法，其特征在于，
在获取与所述识别尺寸信息对应的至少一个第一预设比例，所述第一预设比例为任意一个药品在一个面处不同像素阈值范围内的像素点数量的第一预设比例的步骤中，具体包括：
对相同识别尺寸信息所对应的第一预设比例的数量进行统计得到相同尺寸数量；
若所述相同尺寸数量大于1，则对不同药品信息分别对应的第一预设比例进行归类得到多个归类集合，每个归类集合对应一个药品信息；
将每个归类集合中的每个第一预设比例与其他归类集合中的第一预设比例进行比对，确定不同归类集合中两个第一预设比例的差值小于预设差值的计算差值、以及计算差值的数量；
根据所述归类集合的数量、计算差值以及计算差值的数量生成该识别尺寸信息所对应药物分拣的分拣准确率。
8.根据权利要求7所述的基于图像数据处理的药品确定分拣方法，其特征在于，
在根据所述归类集合的数量、计算差值以及计算差值的数量生成该识别尺寸信息所对应药物分拣的分拣准确率的步骤中，具体包括：
通过以下公式计算药物分拣的分拣准确率，
Figure FDA0003664126110000031
其中，l1为药物分拣的分拣准确率，k1为第一转换权重值，x1为归类集合的数量，k2为第二转换权重值，au为第u个计算差值的数值，r为计算差值的上限值，k3为第三转换权重值，j1为计算差值的数量，α为常数值，β为标准准确率；
若所述药物分拣的分拣准确率大于等于预设准确率，则输出第一提醒信息；
若所述药物分拣的分拣准确率小于预设准确率，则输出第二提醒信息。
9.根据权利要求8所述的基于图像数据处理的药品确定分拣方法，其特征在于，还包括：
若输出第一提醒信息后，接收用户输入的输入准确率为小于预设准确率，则通过以下公式对标准准确率向下调整，
Figure FDA0003664126110000032
若输出第二提醒信息后，接收用户输入的正确率信息为大于等于预设准确率，则通过以下公式对标准准确率向下调整，
Figure FDA0003664126110000033
其中，β2为向下调整后的标准准确率，l2为用户输入的输入准确率，γ1为下调系数，γ2为上调系数。
10.一种基于图像数据处理的药品确定分拣装置，其特征在于，包括：
尺寸获取模块，用于获取待识别药品的识别尺寸信息，确定与所述识别尺寸信息对应的药品集合，所述药品集合中至少包括一个药品信息；
预设比例获取模块，用于获取与所述识别尺寸信息对应的至少一个第一预设比例，所述第一预设比例为任意一个药品在一个面处不同像素阈值范围内的像素点数量的第一预设比例；
检测比例获取模块，用于获取待识别药品的检测比例，所述检测比例为待识别药品在一个面处不同像素阈值范围内的像素点的检测比例；
确定模块，用于确定药品集合中与所述检测比例对应的第一预设比例和药品信息，每个药品集合中的药品信息分别与第一预设比例一一对应；
分拣控制模块，用于根据所述药品信息控制智能设备对药品进行分拣。
CN202210581699.XA 2022-05-26 2022-05-26 基于图像数据处理的药品确定分拣方法及装置 Active CN114871120B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210581699.XA CN114871120B (zh) 2022-05-26 2022-05-26 基于图像数据处理的药品确定分拣方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210581699.XA CN114871120B (zh) 2022-05-26 2022-05-26 基于图像数据处理的药品确定分拣方法及装置

Publications (2)

Publication Number Publication Date
CN114871120A true CN114871120A (zh) 2022-08-09
CN114871120B CN114871120B (zh) 2023-11-07

Family

ID=82676957

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210581699.XA Active CN114871120B (zh) 2022-05-26 2022-05-26 基于图像数据处理的药品确定分拣方法及装置

Country Status (1)

Country Link
CN (1) CN114871120B (zh)

Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07262378A (ja) * 1994-03-16 1995-10-13 N T T Data Tsushin Kk 物品同定システム
US20150302255A1 (en) * 2012-01-23 2015-10-22 Perceptimed, Inc. Automated Pharmaceutical Pill Identification
CN208131506U (zh) * 2018-02-13 2018-11-23 湖南锐控科技有限公司 一种药品分拣传输装置
CN109101934A (zh) * 2018-08-20 2018-12-28 广东数相智能科技有限公司 车型识别方法、装置与计算机可读存储介质
WO2019000653A1 (zh) * 2017-06-30 2019-01-03 清华大学深圳研究生院 一种图像目标识别方法及装置
CN110414438A (zh) * 2019-07-30 2019-11-05 西南交通大学 基于空间聚类信息修正的高光谱图像识别方法
JP2020018353A (ja) * 2018-07-30 2020-02-06 マッカイ メモリアル ホスピタル 薬剤のラベルおよび／またはパッケージによって、その薬剤を区分けし識別するための方法およびシステム
US20200156120A1 (en) * 2017-04-14 2020-05-21 Yuyama Mfg. Co., Ltd. Drug sorting device, sorting container, and drug return method
CN111368852A (zh) * 2018-12-26 2020-07-03 沈阳新松机器人自动化股份有限公司 基于深度学习的物品识别预分拣系统、方法及机器人
CN111871864A (zh) * 2020-08-06 2020-11-03 辽宁瑞华实业集团高新科技有限公司 分拣装置及方法
CN112115737A (zh) * 2019-06-19 2020-12-22 初速度（苏州）科技有限公司 一种车辆朝向的确定方法、装置及车载终端
CN112495841A (zh) * 2021-02-04 2021-03-16 中国科学院自动化研究所 基于神经网络的中药分拣系统
CN112902874A (zh) * 2021-01-19 2021-06-04 中国汽车工程研究院股份有限公司 图像采集装置及方法、图像处理方法及装置、图像处理系统
CN112986174A (zh) * 2021-02-03 2021-06-18 佛山一本农业科技有限公司 一种基于近红外光谱的果蔬优选分拣方法、系统及可读存储介质
CN113095445A (zh) * 2021-06-08 2021-07-09 中国铁塔股份有限公司湖北省分公司 一种目标识别方法及装置
CN113902749A (zh) * 2021-09-30 2022-01-07 上海商汤临港智能科技有限公司 一种图像处理方法、装置、计算机设备和存储介质
CN114092765A (zh) * 2021-11-24 2022-02-25 北京明略软件系统有限公司 一种木材质量检测方法、装置、电子设备及存储介质
CN114345752A (zh) * 2021-11-26 2022-04-15 西安航天发动机有限公司 一种发药机多维视觉识别分拣装置

Patent Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07262378A (ja) * 1994-03-16 1995-10-13 N T T Data Tsushin Kk 物品同定システム
US20150302255A1 (en) * 2012-01-23 2015-10-22 Perceptimed, Inc. Automated Pharmaceutical Pill Identification
US20200156120A1 (en) * 2017-04-14 2020-05-21 Yuyama Mfg. Co., Ltd. Drug sorting device, sorting container, and drug return method
WO2019000653A1 (zh) * 2017-06-30 2019-01-03 清华大学深圳研究生院 一种图像目标识别方法及装置
CN208131506U (zh) * 2018-02-13 2018-11-23 湖南锐控科技有限公司 一种药品分拣传输装置
JP2020018353A (ja) * 2018-07-30 2020-02-06 マッカイ メモリアル ホスピタル 薬剤のラベルおよび／またはパッケージによって、その薬剤を区分けし識別するための方法およびシステム
CN109101934A (zh) * 2018-08-20 2018-12-28 广东数相智能科技有限公司 车型识别方法、装置与计算机可读存储介质
CN111368852A (zh) * 2018-12-26 2020-07-03 沈阳新松机器人自动化股份有限公司 基于深度学习的物品识别预分拣系统、方法及机器人
CN112115737A (zh) * 2019-06-19 2020-12-22 初速度（苏州）科技有限公司 一种车辆朝向的确定方法、装置及车载终端
CN110414438A (zh) * 2019-07-30 2019-11-05 西南交通大学 基于空间聚类信息修正的高光谱图像识别方法
CN111871864A (zh) * 2020-08-06 2020-11-03 辽宁瑞华实业集团高新科技有限公司 分拣装置及方法
CN112902874A (zh) * 2021-01-19 2021-06-04 中国汽车工程研究院股份有限公司 图像采集装置及方法、图像处理方法及装置、图像处理系统
CN112986174A (zh) * 2021-02-03 2021-06-18 佛山一本农业科技有限公司 一种基于近红外光谱的果蔬优选分拣方法、系统及可读存储介质
CN112495841A (zh) * 2021-02-04 2021-03-16 中国科学院自动化研究所 基于神经网络的中药分拣系统
CN113095445A (zh) * 2021-06-08 2021-07-09 中国铁塔股份有限公司湖北省分公司 一种目标识别方法及装置
CN113902749A (zh) * 2021-09-30 2022-01-07 上海商汤临港智能科技有限公司 一种图像处理方法、装置、计算机设备和存储介质
CN114092765A (zh) * 2021-11-24 2022-02-25 北京明略软件系统有限公司 一种木材质量检测方法、装置、电子设备及存储介质
CN114345752A (zh) * 2021-11-26 2022-04-15 西安航天发动机有限公司 一种发药机多维视觉识别分拣装置

Also Published As

Publication number Publication date
CN114871120B (zh) 2023-11-07

Similar Documents

Publication Publication Date Title
CN109361910B (zh) 自适应白平衡校正方法及装置
CN110619333B (zh) 一种文本行分割方法、文本行分割装置及电子设备
US20030021478A1 (en) Image processing technology for identification of red eyes in image
CN107480682B (zh) 一种商品包装生产日期检测方法
TWI765469B (zh) 車牌辨識系統與方法及提取車牌中複數個字元段的方法
CN108364675A (zh) 一种基于图像识别的食物重量及营养素含量的鉴定方法
CN115965900B (zh) 一种快件识别搜寻系统及方法
CN110738092A (zh) 一种发票文本检测方法
CN111369529B (zh) 一种物品丢失、遗留检测方法及其系统
CN111766248A (zh) 一种基于彩色ccd的钢印在线检测系统及方法
CN115082776A (zh) 一种基于图像识别的电能表自动检测系统及方法
US7620246B2 (en) Method and apparatus for image processing
CN115953776A (zh) 基于机器学习的食品检测系统
CN110766636B (zh) 一种用于ai芯片的智能图像处理方法
CN112613362A (zh) 一种基于物联网的物品标志识别系统
CN114871120A (zh) 基于图像数据处理的药品确定分拣方法及装置
CN111160107A (zh) 一种基于特征匹配的动态区域检测方法
CN110619060B (zh) 一种条烟图像数据库构建方法及条烟防伪查询方法
CN115661822B (zh) 一种用于输送机的远程控制系统及方法
CN107908630A (zh) 物料图片色彩分类检索方法
CN107274456A (zh) 一种图像格式的识别方法及装置
CN115049934B (zh) 基于图像处理的禽类饲料智能检测方法
CN106888380A (zh) 图像中文字块的编码方法及装置
CN112257764B (zh) 车牌分类方法、电子设备及存储介质
EP3349144A1 (en) Sorting system, recognition support apparatus, recognition support method, and recognition support program

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