CN114943847A - 一种药瓶的识别方法及相关装置、设备 - Google Patents
一种药瓶的识别方法及相关装置、设备 Download PDFInfo
- Publication number
- CN114943847A CN114943847A CN202210422608.8A CN202210422608A CN114943847A CN 114943847 A CN114943847 A CN 114943847A CN 202210422608 A CN202210422608 A CN 202210422608A CN 114943847 A CN114943847 A CN 114943847A
- Authority
- CN
- China
- Prior art keywords
- image
- images
- sample
- medicine bottle
- acquired
- 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
Links
- 239000003814 drug Substances 0.000 title claims abstract description 116
- 238000000034 method Methods 0.000 title claims abstract description 46
- 229940079593 drug Drugs 0.000 title claims description 5
- 238000012216 screening Methods 0.000 claims abstract description 20
- 230000004044 response Effects 0.000 claims description 8
- 238000013507 mapping Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 5
- 239000003708 ampul Substances 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 238000012545 processing Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 229930182555 Penicillin Natural products 0.000 description 2
- JGSARLDLIJGVTE-MBNYWOFBSA-N Penicillin G Chemical compound N([C@H]1[C@H]2SC([C@@H](N2C1=O)C(O)=O)(C)C)C(=O)CC1=CC=CC=C1 JGSARLDLIJGVTE-MBNYWOFBSA-N 0.000 description 2
- ZPUCINDJVBIVPJ-LJISPDSOSA-N cocaine Chemical compound O([C@H]1C[C@@H]2CC[C@@H](N2C)[C@H]1C(=O)OC)C(=O)C1=CC=CC=C1 ZPUCINDJVBIVPJ-LJISPDSOSA-N 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 238000005520 cutting process Methods 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 229940049954 penicillin Drugs 0.000 description 2
- 238000013441 quality evaluation Methods 0.000 description 2
- 241001270131 Agaricus moelleri Species 0.000 description 1
- 206010002091 Anaesthesia Diseases 0.000 description 1
- 239000008896 Opium Substances 0.000 description 1
- 230000037005 anaesthesia Effects 0.000 description 1
- 230000003444 anaesthetic effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000003115 biocidal effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 229960003920 cocaine Drugs 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003533 narcotic effect Effects 0.000 description 1
- 229960001027 opium Drugs 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Images
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
- G06V10/70—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
-
- 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
- G06V10/761—Proximity, similarity or dissimilarity measures
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)
- Medical Preparation Storing Or Oral Administration Devices (AREA)
Abstract
本申请公开了一种药瓶的识别方法及相关装置、设备，药瓶识别方法包括：获取待识别药瓶的多张采集图像，并对采集图像进行识别以获得待识别药瓶的第一尺寸信息；利用第一尺寸信息从数据库中筛选出符合第一预设条件的多张第一样本图像；从多张第一样本图像中筛选出与多张采集图像的相似度符合第二预设条件的多张第二样本图像；响应于多张第二样本图像符合第三预设条件，则获得采集图像的特征色；判断符合第三预设条件的第二样本图像中是否包含采集图像的特征色；若包含，则判定具有采集图像的特征色的第二样本图像中的药瓶与待识别药瓶相同。通过上述方案，能够提高药瓶的识别准确度和识别效率。
Description
技术领域
本申请涉及医疗器械技术领域，特别是涉及一种药瓶的识别方法及相关装置。
背景技术
针剂类药瓶如安瓿瓶、西林瓶等玻璃瓶在销毁之前，通常需要对药瓶进行识别，确认无误后方能执行销毁操作。现有技术中通常利用人工从药瓶本身或包装上获取药品信息，然后再进行记录盘点，由于人为主观因素可能导致记录出错，且手工记录的工作方式效率低下。鉴于此，如何提高药瓶识别的准确度和效率成为亟待解决的问题。
发明内容
本申请主要解决的技术问题是提供一种药瓶的识别方法及相关装置，能够提高药瓶的识别准确度和识别效率。
为解决上述技术问题，本申请采用的一个技术方案是：提供一种药瓶的识别方法，包括：获取待识别药瓶的多张采集图像，并对所述采集图像进行识别以获得所述待识别药瓶的第一尺寸信息；利用所述第一尺寸信息从数据库中筛选出符合第一预设条件的多张第一样本图像；从所述多张第一样本图像中筛选出与所述多张采集图像的相似度符合第二预设条件的多张第二样本图像；响应于所述多张第二样本图像符合第三预设条件，则获得所述采集图像的所述特征色；判断符合所述第三预设条件的所述第二样本图像中是否包含所述采集图像的所述特征色；若包含，则判定具有所述采集图像的所述特征色的所述第二样本图像中的药瓶与所述待识别药瓶相同。
其中，所述对所述采集图像进行识别以获得所述待识别药瓶的第一尺寸信息的步骤，包括：获取每张所述采集图像中所述待识别药瓶的第一宽度值和第一高度值；其中，所有所述采集图像的所述第一宽度值和所述第一高度值构成所述待识别药瓶的所述第一尺寸信息。
其中，所述利用所述第一尺寸信息从数据库中筛选出符合第一预设条件的多张第一样本图像的步骤，包括：从所述数据库中逐个获得样本图像；针对每张所述采集图像，判断所述样本图像的第二宽度值与所述第一宽度值的差值的绝对值是否小于或等于第一预设值、以及所述样本图像的第二高度值与所述第一高度值的差值的绝对值是否小于或等于第二预设值；若是，则从所述数据库的所述样本图像中将所述第一样本图像筛选出。
其中，所述从所述多张第一样本图像中筛选出与所述多张采集图像的相似度符合第二预设条件的多张第二样本图像的步骤，包括：获得每张所述采集图像的特征信息；针对每张所述采集图像，利用当前所述采集图像的所述特征信息从多张所述第一样本图像中筛选出与其相似度最高的所述第二样本图像。
其中，所述响应于所述多张第二样本图像符合第三预设条件的步骤包括：响应于至少一张所述采集图像与其对应的第二样本图像之间的相似度超过第一阈值；或者，响应于至少两张所述采集图像与其对应的第二样本图像之间的相似度超过第二阈值，且超过所述第二阈值的至少两张所述第二样本图像对应同一药瓶；或者，响应于所有所述采集图像与其对应的第二样本图像之间的相似度超过第三阈值，且所有所述第二样本图像对应同一药瓶；其中，所述第一阈值大于第二阈值，第二阈值大于第三阈值。
其中，所述判断符合所述第三预设条件的所述第二样本图像中是否包含所述采集图像的所述特征色的步骤之后，还包括：若符合所述第三预设条件的所述第二样本图像中不包含所述采集图像的所述特征色，则重新获取所述待识别药瓶的多张采集图像，并判断重新获取所述多张采集图像中是否包含所述第二样本图像的所述特征色。
其中，所述获得每张所述采集图像的特征信息的步骤包括：调整每张所述采集图像的尺寸以满足预设像素尺寸的要求；调整每张所述采集图像至同一灰度等级，并获取其对应的灰度均值；针对每张所述采集图像，判断当前所述采集图像的每个像素的灰度值是否大于或等于其对应的所述灰度均值；若是，则当前所述像素对应的所述特征信息取1；若否，则当前所述像素对应的所述特征信息取0。
其中，所述获取待识别药瓶的多张采集图像的步骤之前，包括：提供不同类型的多个药瓶；依次获取每个所述药瓶的多张样本图像；获取每张所述样本图像中所述药瓶对应的第二宽度值和第二高度值；利用所述样本图像获取所述药瓶的特征色；针对每张所述样本图像，利用当前所述样本图像获取其对应的特征信息；构建每张所述样本图像与对应的所述第二宽度值和所述第二高度值、所述特征色以及所述特征信息的映射关系，并将所述映射关系存储至所述数据库。
为解决上述技术问题，本申请采用的另一个技术方案是：提供一种药瓶的识别装置，包括相互耦接的存储器和处理器，所述存储器存储有程序指令，所述程序指令用于被所述处理器执行以实现上述任一实施例中所提及的药瓶识别方法。
为解决上述技术问题，本申请采用的又一个技术方案是：提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序用于实现上述任一实施例中所提及的药瓶识别方法。
区别于现有技术的情况，本申请的有益效果是：本申请中提供一种药瓶的识别方法，通过获取待识别药瓶的多张采集图像，并基于尺寸信息、相似度和特征色等多维度特征对药瓶的采集图像进行判断识别，确定是否与数据库中的样本图像是否相同，故此，能够无需人工对待识别药瓶进行核对，从而大大减少药瓶识别中的人工损耗，降低由于人为因素可能造成的出错概率，进而提高药瓶的识别准确度和识别效率。
附图说明
为了更清楚地说明本申请实施例中的技术方案，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，下面描述中的附图仅仅是本申请的一些实施例，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。其中：
图1是本申请药瓶的识别方法一实施方式的流程示意图；
图2是图1中步骤S101一实施方式的结构示意图；
图3是图1中步骤S101一实施方式的流程示意图；
图4是图1中步骤S102一实施方式的流程示意图；
图5是图1中步骤S103一实施方式的流程示意图；
图6是图5中步骤S401一实施方式的流程示意图；
图7是图1中步骤S101之前一实施方式的流程示意图；
图8是本申请药瓶识别装置一实施方式的框架示意图；
图9是本申请药瓶识别装置一实施方式的结构示意图；
图10是本申请计算机可读存储介质一实施方式的框架示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性的劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
请参阅图1，图1是本申请药瓶的识别方法一实施方式的流程示意图。具体而言，可以包括如下步骤：
S101：获取待识别药瓶的多张采集图像，并对采集图像进行识别以获得待识别药瓶的第一尺寸信息。
具体地，上述待识别药瓶是指药瓶瓶身呈圆柱状的一类空药瓶，例如安瓿瓶、西林瓶等，具体可以根据实际情况进行设置，在此不作限定。在一个具体的实施场景中，当药瓶内的药物使用完成后，医护人员可以将空药瓶投放至药瓶识别装置中，识别装置中的夹持组件将药瓶移动至摄像机的拍摄范围内，同时夹持组件依据预先在处理器中设定的旋转次数和旋转角度带动药瓶绕自身中心轴旋转，从而摄像机可以获得不同角度的药瓶采集图像。在本实施方式中，上述预先设定的旋转次数可以为3次，旋转角度可以为50°，在其他场景中还可以设定为其他值，在此不再一一举例。在一个具体的实施场景中，待识别药瓶每旋转50°，摄像机进行一次拍摄以获得一张采集图像，上述过程共重复三次，最终共获得三张待识别药瓶的采集图像。另外，需要说明的是，获取到的药瓶采集图像具体是指药瓶瓶身的长度方向上的侧面图像。
在一具体的实施场景中，请参阅图2，图2是图1中步骤S101一实施方式的结构示意图，详细介绍药瓶第一尺寸信息的获取方法。具体而言，在利用识别装置获取采集图像的过程中，首先需提前配置拍照时所使用到的硬件结构，以保证安瓿瓶的轮廓信息得以凸显，例如提前将背景板11设置为白色，将背景灯(图未示)的光照强度调整到合适的范围等。其次，需对拍摄得到的原始图像进行一次裁剪操作以获取待识别药瓶的采集图像13，通过上述裁剪操作剔除影响后续主体识别过程的其他设备，例如图2中所示的夹持组件15，且裁剪后剩余的部分原始图像即为获取的采集图像13。最后，利用主体识别算法获取待识别药瓶在采集图像13中的药瓶图像17，其中，主体识别算法可借用open-cv库。需要说明的是，此处获取的药瓶图像17的宽度和高度即为待识别药瓶的第一尺寸信息。
在一个实施场景中，请参阅图3，图3是图1中步骤S101一实施方式的流程示意图。上述步骤S101包括：
S201：获取每张采集图像中待识别药瓶的第一宽度值和第一高度值。
具体地，第一宽度值和第一高度值是指待识别药瓶在采集图像中所占像素的宽度和高度。在一个具体实施场景中，对与获得的三张采集图像依次进行主体识别处理，确定每张采集图像中待识别药瓶所占像素的宽度和高度，最终共获得三个第一宽度值和第一高度值。
S202：所有采集图像的第一宽度值和第一高度值构成待识别药瓶的第一尺寸信息。
在一个具体的实施场景中，例如根据三张采集图像共获得待识别药瓶的三个第一宽度值分别为18、20和21，以及三个第一高度值分别为48、49和51，此时，以上六个数值共同构成待识别药瓶的第一尺寸信息，且第一宽度值和第一高度值一一对应。
S102：利用第一尺寸信息从数据库中筛选出符合第一预设条件的多张第一样本图像。
具体地，请参阅图4，图4是图1中步骤S102一实施方式的流程示意图。上述步骤S102包括：
S301：从数据库中逐个获得存储图像。
其中，存储图像具体是指不同类型的所有规格的药瓶对应的采集图像，需要说明的是，此处存储图像同样获取的是药瓶瓶身的长度方向上的侧面图像。在本实施例中，针对每一药瓶，共获取72张存储图像。当然，在其他实施例中，存储图像的张数还可以为其他数值，此处不作具体限定，存储图像的数量越多，药瓶的识别精度越高。
S302：针对每张采集图像，判断当前存储图像的第二宽度值与当前采集图像中的第一宽度值的差值的绝对值是否小于或等于第一预设值、以及当前存储图像的第二高度值与第一高度值的差值的绝对值是否小于或等于第二预设值。
具体地，第二宽度值是指在存储图像中药瓶所占像素的宽度值，第二高度中是指在存储图像中药瓶所占像素的高度值，第一预设条件是指第二宽度值与每张采集图像的第一宽度值的差值的绝对值小于或等于第一预设值、以及存储图像的第二高度值与所有采集图像的第一高度值的差值的绝对值小于或等于第二预设值。在本实施例中，第一预设值为5，第二预设值为10，则第一预设条件具体是指第二宽度值与第一宽度值的差值范围在-5～5以内，且第二高度值与第一高度值的差值范围在-10～10以内。
S303：若是，则将当前存储图像作为第一样本图像筛选出。
S304：否则，从数据库中获得当前存储图像之后的下一个存储图像，并将下一个存储图像作为当前存储图像，返回至步骤S302。
具体地，在本实施例中，存储图像中存在符合第一预设条件的图像，则将其筛选出作为第一样本图像。在又一实施方式中，存储图像中不存在符合第一预设条件的图像，则直接结束识别过程，在系统中输出识别失败的信息，具体可以以文字、图片、声音等至少一者形式进行提示，例如，可以输出文字提示消息“识别失败”；或者，可以输出语音提示消息“请注意，药瓶识别失败！”，在此不做限定。
通过上述实施方式，利用采集图像中的药瓶尺寸特征与存储图像中的药瓶尺寸进行对比，从多张存储图像中初步筛选出结构类似的一批药瓶，提高后续识别过程的效率，有效释放更多的计算空间。
S103：从多张第一样本图像中筛选出与多张采集图像的相似度符合第二预设条件的多张第二样本图像。
请参阅图5，图5是图1中步骤S103一实施方式的流程示意图。上述步骤S103具体包括：
S401：获得每张采集图像的特征信息。
具体地，在一实施例中，特征信息指图像对应的哈希值，具体可利用均值哈希(Ahash)算法计算获得。
当然，在其他实施方式中，特征信息还可以包括二维码和条形码，此处不作具体限定。
请参阅图6，图6是图5中步骤S401一实施方式的流程示意图，主要介绍用Ahash算法获取图像特征信息的具体过程。上述步骤S401包括：
S501：调整每张采集图像的尺寸以满足预设像素尺寸的要求。
具体地，在本实施例中，预设像素尺寸的大小为20*20，则需统一所有采集图像的尺寸大小，将每张采集图像的尺寸调整为20*20，此时每张图像均有400个像素点。通过调整图像尺寸的大小，去除图像中的细节，仅保留结构、明暗等基本信息，能够消除不同尺寸或比例带来的差异。
S502：调整每张采集图像至同一灰度等级，并获取其对应的灰度均值。
在本实施例中，将调整尺寸后的采集图像转变为同一灰度等级，例如64级灰度，此时每张采集图像中的400个像素点包括64种颜色，且每一像素点对应一个灰度值，计算所有像素点的灰度均值，每张采集图像对应一个灰度均值。
S503：针对每张采集图像，判断当前采集图像的每个像素的灰度值是否大于或等于其对应的灰度均值。
S504：若是，则当前像素对应的特征信息取1。
S505：若否，则当前像素对应的特征信息取0。
具体地，在本实施例中，依次比较每个像素点的灰度值与灰度均值之间的大小，最终获得一个由1或0组成的400位的整数，该数值即为采集图像的特征信息。通过上述实施方式，能够获取每张图像的特征信息，为后续根据特征信息筛选样本图像的步骤提供技术支持。
S402：针对每张采集图像，利用当前采集图像的特征信息从多张第一样本图像中筛选出与其相似度最高的所述第二样本图像。
具体地，步骤S103中的第二预设条件是指采集图像和第一样本图像特征信息相似度最高的条件。在本实施例中，共包括3张采集图像以及50张第一样本图像，因此，需要计算每张采集图像与50张第一样本图像之间的特征信息相似度，并将二者相似度最高的第一样本图像作为当前采集图像对应的第二样本图像，且最终筛选出的第二样本图像张数与采集图像的张数相同。
通过上述方式，从多张第一样本图像中利用特征信息相似度筛选出与采集图像张数相同的第二样本图像，提高后续识别过程的效率，同时释放了更多计算空间。
S104：响应于所述多张第二样本图像符合第三预设条件，则获得采集图像的特征色。
具体地，特征色是指除透明色和黑色以外的其他颜色。每一药瓶除了印刷字体的黑色和瓶身的透明色外，其瓶身还具有与内部药品对应设置的特殊颜色，上述特殊颜色即为采集图像的特征色。
在本实施例中，上述步骤S104中的第三预设条件包括三种情况：其一是至少一张采集图像与其对应的第二样本图像之间的相似度超过第一阈值；其二是至少两张采集图像与其对应的第二样本图像之间的相似度超过第二阈值，且超过第二阈值的至少两张第二样本图像对应同一药瓶；其三是所有采集图像与其对应的第二样本图像之间的相似度超过第三阈值，且所有第二样本图像对应同一药瓶。由于相似度是一个百分比数值，当两张图片的相似度超过一定的百分比阈值，则认定两张图片相似。较佳地，第一阈值设定为90％，第二阈值设定为84％，第三阈值设定为74％。当然，在其他实施方式中，各个阈值的大小可根据需要自行设定，此处不作具体限定。
在又一实施方式中，第二样本图像中不存在符合第三预设条件的图像，则直接结束识别过程，并在系统中输出识别失败的信息。
S105：判断符合第三预设条件的第二样本图像中是否包含采集图像的特征色。
S106：若包含，则判定具有采集图像的特征色的第二样本图像中的药瓶与待识别药瓶相同。
S107：若不包含，则重新获取待识别药瓶的多张采集图像，并判断重新获取多张采集图像中是否包含第二样本图像的特征色。
具体地，依据处理器中重新设定的旋转次数和旋转角度，利用夹持组件带动药瓶绕自身中心轴旋转，摄像机再次获得不同角度的药瓶采集图像。此处重新设定的旋转次数和旋转角度可以与第一次获取采集图像中设定的旋转次数和旋转角度相同，也可以不同，在此不作具体限定。
在又一具体的实施场景中，若步骤S105的判断结果为符合第三预设条件的第二样本图像中不包含采集图像的特征色，步骤S107也可为结束识别过程，并在系统中输出识别失败的信息，具体可以以文字、图片、声音等至少一者形式进行提示，例如，可以输出文字提示消息“识别失败”；或者，可以输出语音提示消息“请注意，药瓶识别失败！”，在此不做限定。
上述实施方式，通过获取待识别药瓶的多张采集图像，并基于尺寸信息、相似度和特征色等多维度特征对药瓶的采集图像进行判断识别，确定是否与数据库中的样本图像是否相同，故此，能够无需人工对待识别药瓶进行核对，从而大大减少药瓶识别中的人工损耗，降低由于人为因素可能造成的出错概率，进而提高药瓶的识别准确度和识别效率。
请参阅图7，图7是图1中步骤S101之前一实施方式的流程示意图。在本实施例中，详细介绍药瓶数据库的建立过程，具体可以包括如下步骤：
S601：提供不同类型的多个药瓶。
具体地，由于不同类型的药瓶可能具有相同的规格，且同一类型的药瓶可能对应有多种规格，因此为提高药瓶识别的准确度，需要对所有类型及所有规格的药瓶进行建模。在本实施例中，以“安瓿瓶为例”，“安瓿瓶”包括为“抗生素类安瓿瓶”、“麻精药品安瓿瓶”等不同类型；另外，“麻精药品安瓿瓶”还可以进一步细化，包括“阿片类安瓿瓶”、“可卡因类安瓿瓶”、“合成麻醉类安瓿瓶”等；另外，“阿片类安瓿瓶”还包括“1ml阿片类安瓿瓶”、“3ml阿片类安瓿瓶”、“5ml阿片类安瓿瓶”等，具体可以根据实际需要设置，在此不做限定。
S602：依次获取每个药瓶的多张样本图像。
具体地，与上述获取采集图像的方式类似，利用识别装置中的夹持组件将样本药瓶移动至摄像机的拍摄范围内，同时夹持组件依据预先设定的旋转次数和旋转角度带动药瓶绕自身中心轴旋转，从而摄像机可以获得不同角度的药瓶样本图像。在本实施例中，预先设定的旋转次数可以为90次，旋转角度可以为4°，在其他场景中还可以设定为其他值，在此不再一一举例，设定的旋转次数越多，旋转角度越小，则获取的样本图像越多，识别精度也越高。
S603：获取每张样本图像中药瓶对应的第二宽度值和第二高度值。
具体地，第二宽度值和第二高度值是指在样本图像中药瓶所占像素的宽度和高度。
S604：利用样本图像获取药瓶的特征色。
S605：针对每张样本图像，利用当前样本图像获取其对应的特征信息。
具体地，上述获取样本图像中药瓶特征色以及特征信息的方法与采集图像获取特征色以及特征信息的方法一致。
S606：构建每张样本图像与对应的第二宽度值和第二高度值、特征色以及特征信息的映射关系，并将映射关系存储至数据库。
通过上述方式，将所有药瓶的映射关系存储至同一个数据库中，实现其宽度值、高度值、特征色以及特征信息的存储，有利于实现样本药瓶的统一管理，便于识别过程中取用样本药瓶的数据。
请参阅图8，图8是本申请药瓶识别装置一实施方式的框架示意图。该识别装置包括获取模块10、筛选模块12、判断模块14和处理模块16。具体而言，获取模块10用于获得待识别药瓶的多张采集图像，并对采集图像进行识别以获得待识别药瓶的第一尺寸信息，筛选模块12用于根据第一尺寸信息从数据库中筛选出符合第一预设条件的多张第一样本图像，以及从多张第一样本图像中筛选出与多张采集图像的相似度符合第二预设条件的多张第二样本图像，获取模块10还用于响应于多张第二样本图像符合第三预设条件，获得采集图像的特征色。判断模块14用于判断符合第三预设条件的第二样本图像中是否包含采集图像的特征色。处理模块16用于响应于第二样本图像中包含采集图像的特征色，则认为具有采集图像的特征色的第二样本图像中的药瓶与待识别药瓶相同。通过上述设计方式，通过获取待识别药瓶的多张采集图像，并基于尺寸信息、相似度和特征色等多维度特征对药瓶的采集图像进行判断识别，确定是否与数据库中的样本图像是否相同，故此，能够无需人工对待识别药瓶进行核对，从而大大减少药瓶识别中的人工损耗，降低由于人为因素可能造成的出错概率，进而提高药瓶的识别准确度和识别效率。
请参阅图9，图9是本申请药瓶识别装置一实施方式的结构示意图。该装置包括相互耦接的存储器100和处理器102，存储器100内存储有程序指令，处理器102用于执行程序指令以实现上述任一实施例中所提及的人脸图像的质量评价方法。
具体而言，处理器102还可以称为CPU(Central Processing Unit，中央处理单元)。处理器102可能是一种集成电路芯片，具有信号的处理能力。处理器102还可以是通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(ApplicationSpecific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable GateArray,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。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。另外，处理器102可以由多个集成电路芯片共同实现。
请参阅图10，图10是本申请计算机可读存储介质一实施方式的框架示意图。该计算机可读存储介质20存储有计算机程序200，能够被计算机所读取，计算机程序200能够被处理器执行，以实现上述任一实施例中所提及的质量评价方法。其中，该计算机程序200可以以软件产品的形式存储在上述计算机可读存储介质20中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本申请各个实施方式所述方法的全部或部分步骤。具有存储功能的计算机可读存储介质20可以是U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，RandomAccess Memory)、磁碟或者光盘等各种可以存储程序代码的介质，或者是计算机、服务器、手机、平板等终端设备。
总而言之，区别于现有技术的情况，本申请中提供一种药瓶的识别方法，通过获取待识别药瓶的多张采集图像，并基于尺寸信息、相似度和特征色等多维度特征对药瓶的采集图像进行判断识别，确定是否与数据库中的样本图像是否相同，故此，能够无需人工对待识别药瓶进行核对，从而大大减少药瓶识别中的人工损耗，降低由于人为因素可能造成的出错概率，进而提高药瓶的识别准确度和识别效率。
以上所述仅为本申请的实施方式，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。
Claims (10)
1.一种药瓶的识别方法，其特征在于，包括：
获取待识别药瓶的多张采集图像，并对所述采集图像进行识别以获得所述待识别药瓶的第一尺寸信息；
利用所述第一尺寸信息从数据库中筛选出符合第一预设条件的多张第一样本图像；
从所述多张第一样本图像中筛选出与所述多张采集图像的相似度符合第二预设条件的多张第二样本图像；
响应于所述多张第二样本图像符合第三预设条件，则获得所述采集图像的特征色；
判断符合所述第三预设条件的所述第二样本图像中是否包含所述采集图像的所述特征色；
若包含，则判定具有所述采集图像的所述特征色的所述第二样本图像中的药瓶与所述待识别药瓶相同。
2.根据权利要求1所述的识别方法，其特征在于，所述对所述采集图像进行识别以获得所述待识别药瓶的第一尺寸信息的步骤，包括：
获取每张所述采集图像中所述待识别药瓶的第一宽度值和第一高度值；
其中，所有所述采集图像的所述第一宽度值和所述第一高度值构成所述待识别药瓶的所述第一尺寸信息。
3.根据权利要求2所述的识别方法，其特征在于，所述利用所述第一尺寸信息从数据库中筛选出符合第一预设条件的多张第一样本图像的步骤，包括：
从所述数据库中逐个获得样本图像；
针对每张所述采集图像，判断所述样本图像的第二宽度值与所述第一宽度值的差值的绝对值是否小于或等于第一预设值、以及所述样本图像的第二高度值与所述第一高度值的差值的绝对值是否小于或等于第二预设值；
若是，则从所述数据库的所述样本图像中将所述第一样本图像筛选出。
4.根据权利要求1所述的识别方法，其特征在于，所述从所述多张第一样本图像中筛选出与所述多张采集图像的相似度符合第二预设条件的多张第二样本图像的步骤，包括：
获得每张所述采集图像的特征信息；
针对每张所述采集图像，利用当前所述采集图像的所述特征信息从多张所述第一样本图像中筛选出与其相似度最高的所述第二样本图像。
5.根据权利要求4所述的识别方法，其特征在于，所述响应于所述多张第二样本图像符合第三预设条件的步骤包括：
响应于至少一张所述采集图像与其对应的第二样本图像之间的相似度超过第一阈值；或者，
响应于至少两张所述采集图像与其对应的第二样本图像之间的相似度超过第二阈值，且超过所述第二阈值的至少两张所述第二样本图像对应同一药瓶；或者，
响应于所有所述采集图像与其对应的第二样本图像之间的相似度超过第三阈值，且所有所述第二样本图像对应同一药瓶；
其中，所述第一阈值大于第二阈值，第二阈值大于第三阈值。
6.根据权利要求1所述的识别方法，其特征在于，所述判断符合所述第三预设条件的所述第二样本图像中是否包含所述采集图像的所述特征色的步骤之后，还包括：
若符合所述第三预设条件的所述第二样本图像中不包含所述采集图像的所述特征色，则重新获取所述待识别药瓶的多张采集图像，并判断重新获取所述多张采集图像中是否包含所述第二样本图像的所述特征色。
7.根据权利要求4所述的识别方法，其特征在于，所述获得每张所述采集图像的特征信息的步骤包括：
调整每张所述采集图像的尺寸以满足预设像素尺寸的要求；
调整每张所述采集图像至同一灰度等级，并获取其对应的灰度均值；
针对每张所述采集图像，判断当前所述采集图像的每个像素的灰度值是否大于或等于其对应的所述灰度均值；
若是，则当前所述像素对应的所述特征信息取1；
若否，则当前所述像素对应的所述特征信息取0。
8.根据权利要求1所述的识别方法，其特征在于，所述获取待识别药瓶的多张采集图像的步骤之前，包括：
提供不同类型的多个药瓶；
依次获取每个所述药瓶的多张样本图像；
获取每张所述样本图像中所述药瓶对应的第二宽度值和第二高度值；
利用所述样本图像获取所述药瓶的所述特征色；
针对每张所述样本图像，利用当前所述样本图像获取其对应的特征信息；
构建每张所述样本图像与对应的所述第二宽度值和所述第二高度值、所述特征色以及所述特征信息的映射关系，并将所述映射关系存储至所述数据库。
9.一种药瓶的识别装置，其特征在于，包括相互耦接的存储器和处理器，所述存储器存储有程序指令，所述程序指令用于被所述处理器执行以实现权利要求1至8任一项所述的药瓶识别方法。
10.一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，所述计算机程序用于实现权利要求1至8任一项所述的药瓶识别方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210422608.8A CN114943847A (zh) | 2022-04-21 | 2022-04-21 | 一种药瓶的识别方法及相关装置、设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210422608.8A CN114943847A (zh) | 2022-04-21 | 2022-04-21 | 一种药瓶的识别方法及相关装置、设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114943847A true CN114943847A (zh) | 2022-08-26 |
Family
ID=82907686
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210422608.8A Pending CN114943847A (zh) | 2022-04-21 | 2022-04-21 | 一种药瓶的识别方法及相关装置、设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114943847A (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH09117490A (ja) * | 1995-10-25 | 1997-05-06 | Shoji Yuyama | 薬品容器の識別方法 |
| KR20140095866A (ko) * | 2013-01-25 | 2014-08-04 | (주)제이브이엠 | 약병 분류 장치 및 약병 분류 방법 |
| CN107729826A (zh) * | 2017-09-29 | 2018-02-23 | 苏州安斯特灵智能科技有限公司 | 药品包装图像识别方法及其装置 |
| JP2018128931A (ja) * | 2017-02-09 | 2018-08-16 | キヤノン株式会社 | 画像処理装置、画像処理方法、及びプログラム |
| CN111079575A (zh) * | 2019-11-29 | 2020-04-28 | 拉货宝网络科技有限责任公司 | 一种基于包装图像特征的物料识别方法及系统 |
| CN111842183A (zh) * | 2020-07-27 | 2020-10-30 | 深圳市维图视技术有限公司 | 瓶体检测装置及瓶体检测方法 |
| CN114118337A (zh) * | 2021-11-19 | 2022-03-01 | 深圳诺博医疗科技有限公司 | 批量药瓶的分类计数方法及装置 |
-
2022
- 2022-04-21 CN CN202210422608.8A patent/CN114943847A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH09117490A (ja) * | 1995-10-25 | 1997-05-06 | Shoji Yuyama | 薬品容器の識別方法 |
| KR20140095866A (ko) * | 2013-01-25 | 2014-08-04 | (주)제이브이엠 | 약병 분류 장치 및 약병 분류 방법 |
| JP2018128931A (ja) * | 2017-02-09 | 2018-08-16 | キヤノン株式会社 | 画像処理装置、画像処理方法、及びプログラム |
| CN107729826A (zh) * | 2017-09-29 | 2018-02-23 | 苏州安斯特灵智能科技有限公司 | 药品包装图像识别方法及其装置 |
| CN111079575A (zh) * | 2019-11-29 | 2020-04-28 | 拉货宝网络科技有限责任公司 | 一种基于包装图像特征的物料识别方法及系统 |
| CN111842183A (zh) * | 2020-07-27 | 2020-10-30 | 深圳市维图视技术有限公司 | 瓶体检测装置及瓶体检测方法 |
| CN114118337A (zh) * | 2021-11-19 | 2022-03-01 | 深圳诺博医疗科技有限公司 | 批量药瓶的分类计数方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10579962B2 (en) | Information processing apparatus, control method, and program | |
| US9374501B2 (en) | Methods and devices for form-independent registration of filled-out content | |
| CN111860730A (zh) | 一种基于图像处理的异网信息传输系统 | |
| US8072494B2 (en) | Device and method for automatically testing display device | |
| KR20060019606A (ko) | 약제감사장치 | |
| US10965801B2 (en) | Method for inputting and processing phone number, mobile terminal and storage medium | |
| US12066628B2 (en) | Image display method, image display device and readable storage medium | |
| CN112527923A (zh) | 非结构化数据存储方法、装置、计算机设备和存储介质 | |
| CN114943847A (zh) | 一种药瓶的识别方法及相关装置、设备 | |
| US20120091205A1 (en) | Apparatus and method for decoding matrix code symbol | |
| CN110991203A (zh) | 二维码的通信方法、编码方法、解密方法及设备 | |
| CN111477289A (zh) | 检测报告的存储和读取方法及装置 | |
| EP4336449A1 (en) | Mark hole positioning method and apparatus, assembly device, and storage medium | |
| CN114399623A (zh) | 一种通用答题识别方法、系统、存储介质及计算设备 | |
| CN112766248A (zh) | 一种结构化处方图片识别方法及装置 | |
| CN113537218A (zh) | 图像识别方法及其装置 | |
| US20100250545A1 (en) | Drug fractional system using generic group code and universal drug number and method thereof | |
| CN110619667B (zh) | 一种png图片的压缩方法及其系统 | |
| CN101077000A (zh) | 摄像装置以及摄像方法 | |
| CN1829173A (zh) | 一种数据终端监管系统及方法 | |
| CN115206460A (zh) | 药物数据处理方法、装置、电子设备及存储介质 | |
| CN116128748A (zh) | 一种基于有效区域提取算法的鱼眼图像校正方法及系统 | |
| CN115456988A (zh) | 一种缺陷检测方法、终端设备及存储介质 | |
| CN114549348A (zh) | 一种全景图像去噪方法、装置、服务器以及可读存储介质 | |
| CN1741565A (zh) | 移动终端摄像装置的图像补偿系统及其方法 |
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 |