CN115170493A - 一种无菌包装微缺损的识别方法、系统及存储介质 - Google Patents
一种无菌包装微缺损的识别方法、系统及存储介质 Download PDFInfo
- Publication number
- CN115170493A CN115170493A CN202210740627.5A CN202210740627A CN115170493A CN 115170493 A CN115170493 A CN 115170493A CN 202210740627 A CN202210740627 A CN 202210740627A CN 115170493 A CN115170493 A CN 115170493A
- Authority
- CN
- China
- Prior art keywords
- target
- processing
- image
- detection area
- product
- 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
Images
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
- 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
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/155—Segmentation; Edge detection involving morphological operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明公开了一种无菌包装微缺损的识别方法、系统及存储介质,方法包括:获取目标产品的视觉图像;通过第一处理算法对视觉图像进行分割处理,得到检测区域序列集;通过第二处理算法对目标检测区域进行图像处理,得到目标像素数;根据预设基准对目标像素数进行判别处理,得到目标判别结果;以序列号加一的检测区域作为目标检测区域,然后返回通过第二处理算法对所述目标检测区域进行图像处理,得到目标像素数这一步骤,直至检测区域序列集均完成判别;当目标判别结果包括缺损结果,确定目标产品为不合格产品,进行报警处理;否则,确定目标产品为合格产品。本发明能够高效、准确地识别无菌包装上的微缺损,可广泛应用于图像处理技术领域。
Description
技术领域
本发明图像处理技术领域,尤其是一种无菌包装微缺损的识别方法、系统及存储介质。
背景技术
手术部位感染(ssi)是发生在所有手术领域的并发症。它们占医院获得性感染的近20%,据估计有2%至5%的住院外科手术并发SSI。近60%的这些SSI是可以预防的,但它们仍然给患者带来了巨大的负担。无菌包灭菌后发放前应检查无菌包的完整性;手术前手术室人员要对这些包装进行例行检查,以评估是否有裂缝。通常用肉眼观察,这检测缺陷方面的有效性受到质疑。肉眼是不能发现包装材料无纺布、纸塑、棉布微小洞的,灭菌包装上的缺陷被遗漏的比率非常高,这些遗漏的缺陷可能会导致污染,并可能导致SSI。因此,亟需一种无菌包缺损的识别技术用于实现无菌包装微缺损的识别。
发明内容
有鉴于此,本发明实施例提供了一种无菌包装微缺损的识别方法、系统及存储介质,能够高效、准确地识别无菌包装上的微缺损。
一方面,本发明实施例提供了一种无菌包装微缺损的识别方法,包括:
获取目标产品的视觉图像;
通过第一处理算法对所述视觉图像进行分割处理,得到检测区域序列集;以初始序列号的检测区域作为目标检测区域;
通过第二处理算法对所述目标检测区域进行图像处理,得到目标像素数;
根据预设基准对所述目标像素数进行判别处理,得到目标判别结果;
以序列号加一的检测区域作为目标检测区域,然后返回所述通过第二处理算法对所述目标检测区域进行图像处理,得到目标像素数这一步骤,直至所述检测区域序列集均完成判别;
当所述目标判别结果包括缺损结果,确定所述目标产品为不合格产品,进行报警处理;否则,确定所述目标产品为合格产品。
可选地,所述方法还包括:
对所述目标判别结果进行统计处理,得到识别辅助数据。
可选地,所述获取目标产品的视觉图像,包括:
对所述目标产品进行光照处理;
获取经过所述光照处理的预设角度的目标产品的视觉图像。
可选地,所述通过第一处理算法对所述视觉图像进行分割处理,得到检测区域序列集,包括:
通过调用计算机视觉库的拷贝函数对所述视觉图像进行分割处理,得到检测区域序列集。
可选地,所述通过第一处理算法对所述视觉图像进行分割处理,得到检测区域序列集,还包括:
通过图像阈值化分割方法对所述检测区域序列集进行图像剔除处理。
可选地,所述通过第二处理算法对所述目标检测区域进行图像处理,得到目标像素数,包括:
对所述目标检测区域进行灰度化处理,得到第一图像数据;
对所述第一图像数据进行二值化处理,得到第二图像数据;
对所述第二图像数据进行腐蚀处理,得到第三图像数据;
对所述第三图像数据进行膨胀处理,得到第四图像数据;
根据所述第四图像数据,通过drawimage函数绘制得到检测目标轮廓;
根据所述检测目标轮廓,通过contourArea函数确定轮廓面积,得到目标像素数。
另一方面,本发明实施例提供了一种无菌包装微缺损的识别系统,包括:
第一模块,用于获取目标产品的视觉图像;
第二模块,用于通过第一处理算法对所述视觉图像进行分割处理,得到检测区域序列集;以初始序列号的检测区域作为目标检测区域;
第三模块,用于通过第二处理算法对所述目标检测区域进行图像处理,得到目标像素数;
第四模块,用于根据预设基准对所述目标像素数进行判别处理,得到目标判别结果;
第五模块,用于以序列号加一的检测区域作为目标检测区域,然后返回所述第三模块,直至所述检测区域序列集均完成判别;
第六模块,用于当所述目标判别结果包括缺损结果,确定所述目标产品为不合格产品,进行报警处理;否则,确定所述目标产品为合格产品。
可选地,所述第一模块包括以下子模块:
光照模块,用于对所述目标产品进行光照处理;
摄像模块,用于获取经过所述光照处理的目标产品的视觉图像;
旋转模块,用于辅助所述摄像模块获取经过所述光照处理的预设角度的目标产品的视觉图像。
另一方面,本发明实施例提供了一种电子设备,包括处理器以及存储器;
所述存储器用于存储程序;
所述处理器执行所述程序实现如前面所述的方法。
另一方面,本发明实施例提供了一种计算机可读存储介质,所述存储介质存储有程序,所述程序被处理器执行实现如前面所述的方法。
本发明实施例还公开了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器可以从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行前面的方法。
本发明的实施例首先获取目标产品的视觉图像;通过第一处理算法对所述视觉图像进行分割处理,得到检测区域序列集;以初始序列号的检测区域作为目标检测区域;通过第二处理算法对所述目标检测区域进行图像处理,得到目标像素数;根据预设基准对所述目标像素数进行判别处理,得到目标判别结果;以序列号加一的检测区域作为目标检测区域,然后返回所述通过第二处理算法对所述目标检测区域进行图像处理,得到目标像素数这一步骤,直至所述检测区域序列集均完成判别;当所述目标判别结果包括缺损结果,确定所述目标产品为不合格产品,进行报警处理;否则,确定所述目标产品为合格产品。本发明通过图像处理,相比较传统的人为检测,能够高效、准确地识别无菌包装上的微缺损,并且通过基于视觉图像进行处理与判别,相较于传统的人为检测还能够减少无菌物品由于移动,翻动带来的无菌包磨损。
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。
图1为本发明实施例提供的一种无菌包装微缺损的识别方法的流程示意图;
图2为本发明实施例提供的一种无菌包装微缺损的识别系统的原理框图;
图3为本发明实施例提供的一种无菌包装微缺损的识别方法的流程原理示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
针对现有技术存在的问题,一方面,参照图1,本发明实施例提供了一种无菌包装微缺损的识别方法,包括:
获取目标产品的视觉图像;
通过第一处理算法对视觉图像进行分割处理,得到检测区域序列集;以初始序列号的检测区域作为目标检测区域;
通过第二处理算法对目标检测区域进行图像处理,得到目标像素数;
根据预设基准对目标像素数进行判别处理,得到目标判别结果;
以序列号加一的检测区域作为目标检测区域,然后返回通过第二处理算法对目标检测区域进行图像处理,得到目标像素数这一步骤,直至检测区域序列集均完成判别;
当目标判别结果包括缺损结果,确定目标产品为不合格产品,进行报警处理;否则,确定目标产品为合格产品。
可选地,方法还包括:
对目标判别结果进行统计处理,得到识别辅助数据。
可选地,获取目标产品的视觉图像,包括:
对目标产品进行光照处理;
获取经过光照处理的预设角度的目标产品的视觉图像。
可选地,通过第一处理算法对视觉图像进行分割处理,得到检测区域序列集,包括:
通过调用计算机视觉库的拷贝函数对视觉图像进行分割处理,得到检测区域序列集。
可选地,通过第一处理算法对视觉图像进行分割处理,得到检测区域序列集,还包括:
通过图像阈值化分割方法对检测区域序列集进行图像剔除处理。
可选地,通过第二处理算法对目标检测区域进行图像处理,得到目标像素数,包括:
对目标检测区域进行灰度化处理,得到第一图像数据;
对第一图像数据进行二值化处理,得到第二图像数据;
对第二图像数据进行腐蚀处理,得到第三图像数据;
对第三图像数据进行膨胀处理,得到第四图像数据;
根据第四图像数据,通过drawimage函数绘制得到检测目标轮廓;
根据检测目标轮廓,通过contourArea函数确定轮廓面积,得到目标像素数。
另一方面,本发明实施例提供了一种无菌包装微缺损的识别系统,包括:
第一模块,用于获取目标产品的视觉图像;
第二模块,用于通过第一处理算法对所述视觉图像进行分割处理,得到检测区域序列集;以初始序列号的检测区域作为目标检测区域;
第三模块,用于通过第二处理算法对目标检测区域进行图像处理,得到目标像素数;
第四模块,用于根据预设基准对目标像素数进行判别处理,得到目标判别结果;
第五模块,用于以序列号加一的检测区域作为目标检测区域,然后返回第三模块,直至检测区域序列集均完成判别;
第六模块,用于当目标判别结果包括缺损结果,确定目标产品为不合格产品,进行报警处理;否则,确定目标产品为合格产品。
可选地,第一模块包括以下子模块:
光照模块,用于对目标产品进行光照处理;
摄像模块,用于获取经过光照处理的目标产品的视觉图像;
旋转模块,用于辅助摄像模块获取经过光照处理的预设角度的目标产品的视觉图像。
本发明方法实施例的内容均适用于本系统实施例,本系统实施例所具体实现的功能与上述方法实施例相同,并且达到的有益效果与上述方法达到的有益效果也相同。
本发明实施例的另一方面还提供了一种电子设备,包括处理器以及存储器;
所述存储器用于存储程序;
所述处理器执行所述程序实现如前面所述的方法。
本发明方法实施例的内容均适用于本电子设备实施例,本电子设备实施例所具体实现的功能与上述方法实施例相同,并且达到的有益效果与上述方法达到的有益效果也相同。
本发明实施例的另一方面还提供了一种计算机可读存储介质,所述存储介质存储有程序,所述程序被处理器执行实现如前面所述的方法。
本发明方法实施例的内容均适用于本计算机可读存储介质实施例,本计算机可读存储介质实施例所具体实现的功能与上述方法实施例相同,并且达到的有益效果与上述方法达到的有益效果也相同。
本发明实施例还公开了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器可以从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行前面的方法。
下面详细描述本发明的无菌包装微缺损的识别的实现原理:
为解决现有技术的相关问题,本发明的目的是利用人工智机器代替人肉眼来做测量和判断。通过图像采集模块采集待检产品视觉图像,通过专用控制器对图像进行处理,最终识别无菌包装微缺损的产品。
无菌包装微缺损的识别的实现原理如下:
1、系统原理:通过图像传感器采集待检产品视觉图像,通过图像处理技术对图像进行处理、提取目标特征,最终判别无菌包装是否存在微缺损。参照图2,为本系统的原理框,光照系统是整个系统性能稳定的重要保障,负责将光线投射到检测无菌包上,尽可能照射到无菌包各部位;光学镜头是整个系统与检测目标接触最近的部件,它相当于人眼的晶状体,通过它将检测目标的图像成在图像传感器的像敏单元上;图像采集过程是图像采集设备通过其自带的图像传感器采集检测目标的图像,经过初步处理后传送给图像处理设备;图像处理过程是通过图像处理算法对系统采集的图像进行灰度化、二值化等处理并计算出目标的像素数,为后续识别无菌包微损伤提供依据;无菌包微损伤判别过程是将图像处理过程得到的目标像素数与用户设定的基准进行比较判别出目标是否属于损伤品;最后,系统根据判别结果输出剔除信号或直接控制执行机构对损伤品进行报警剔除等处理,系统可以对判别结果等信息进行统计分析,为用户提供辅助功能;用户可以通过触摸屏等人机接口对判别基准值等参数进行设定。
2、硬件设计:本系统的硬件部分主要由图像采集模块、控制器组成。图像采集模块负责通过工业相机采集待检产品的图像并进行初步处理后传送给控制器。控制器通过图像处理技术对图像采集模块采集的图像数据进行处理并判断是否存在瑕疵。
2.1、控制器:为了满足图像处理对系统的高性能需求,本设计选用了带有双核处理器的计算机核心模块和接口板。计算机核心模块用于操作系统以及上位机软件的运行,采用符合国际标准的模块,有多种配置及多个厂家的模块可供选择。接口板用于计算机核心模块的外围扩展,主要包括单片机、输入信号采集电路、输出信号控制电路、光源控制电路、图像采集模块通讯接口等。单片机负责执行上位机软件的控制命令,包括通过输入信号采集电路采集机器同步信号、通过输出信号控制电路输出剔除信号等;图像采集模块通讯接口用于连接图像采集模块,单片机通过该接口控制图像采集模块内的工业相机在指定时间拍照,工业相机通过该接口将拍摄的图像传送给控制器内的计算机核心模块;光源控制电路控制光源的开关,只在系统拍照时才打开光源,其它时间关闭光源,从而保证光源的稳定性;操作者可以通过液晶屏查看系统运行的相关信息,并通过触摸屏设置系统的相关参数。
2.2、图像采集模块:为了提高系统稳定性及现场安装调试效率,本系统设计了一体化的图像采集模块。将光照系统、光学镜头、工业相机、安装结构件全部安装在封闭的壳体内部,壳体上带有透明窗,现场安装时只需要将壳体上的透明窗对准检测目标。采用封闭的壳体可以保证光学镜头的清洁及避免外界光线的干扰。工业相机及光照系统通过安装结构件固定在壳体内部,其角度可在现场安装时根据需要进行调节。将工业相机USB通讯电缆、光照系统电源电缆、工业相机触发信号电缆集成到同一电缆中,现场安装时只需要连接一条电缆即可,大幅度提高现场安装调试的效率。
3、软件设计:
图像处理部分:
图像处理是整个系统的核心,为了提高系统实时性及稳定性,本设计选用了成熟的计算机视觉库OpenCV,其中包含了大量的图像处理基本函数。图像处理流程如图3所示,图像处理软件首先调用OpenCV的图像拷贝函数将图像采集模块拍摄到的待检产品图像进行分割,分割成多个检测区域,利用图像阈值化分割方法剔除图像内像素值高于阈值或者低于阈值的像素点。例如,设定阈值为127,将图像内所有像素值大于127的像素点的值设为255;将图像内所有像素值小于127的像素点的值设为0。按照灰度级,对像素集合进行一个划分,得到的每个子集形成一个与现实景物相对应的区域,各个区域内部具有一致的属性,而相邻区域不具有这种一致属性。这样的划分可以通过从灰度级出发选取一个或多个阈值。然后通过图像处理技术对每个检测区域对应的图像依次进行灰度化、二值化、腐蚀、膨胀等处理,通过轮廓逼近方法查找目标轮廓,再根据drawimage函数绘制检测目标轮廓,最后利用contourArea函数计算出轮廓面积即检测目标的像素数。灰度化是为了将图像采集模块采集到的待检产品的彩色图像转换为灰度图像,如果采用的是黑白相机贝不需要进行灰度化处理;二值化是为了将产品目标区域与周围背景进行区分,将产品目标区域像素的灰度值设为255,周围背景像素的灰度值设为0;腐蚀及膨胀是为了消除经二值化处理后的图像中的一些小噪点,这样可以提高后续查找目标区域轮廓的速度;查找目标区域轮廓是为了绘制出目标区域的轮廓线,是后续计算目标区域像素数的前提;计算目标区域轮廓面积是为了计算目标区域轮廓线包围的目标区域像素数。
需要说明的是,在一些实施例中,本发明通过人机交互界面实现本发明识别方法相关预设条件的输入控制。为了更好的达到这一要求,本发明系统采用了带触摸屏的液晶显示器,根据功能、使用频率的不同将人机界面分成多个子界面,如“启动”、“工作”、“阈值设置”等,每个子界面对应不同的功能。
研究表明包装材料1.1mm的小缺陷污染后便可以看到细菌的生长,人为的肉眼检查是容易漏检的。利用高清晰度、高速摄像镜头拍摄对光下标准图像正常图像输入系统,然后拍摄被检测的图像时,如果有缺陷对光成像强度强,如果对光下有大于1.1mm缺陷,系统就报警提示,并在显示屏标出缺陷位置。
同时,人为的肉眼检测常常需要拿起无菌物品进行检测,此过程亦会对无菌物品造成磨损,在一些实施例中,为了减少无菌物品由于移动,翻动带来的无菌包磨损,设计由摄像头转动拍摄。
在一些可选择的实施例中,在方框图中提到的功能/操作可以不按照操作示图提到的顺序发生。例如,取决于所涉及的功能/操作,连续示出的两个方框实际上可以被大体上同时地执行或所述方框有时能以相反顺序被执行。此外,在本发明的流程图中所呈现和描述的实施例以示例的方式被提供,目的在于提供对技术更全面的理解。所公开的方法不限于本文所呈现的操作和逻辑流程。可选择的实施例是可预期的,其中各种操作的顺序被改变以及其中被描述为较大操作的一部分的子操作被独立地执行。
此外,虽然在功能性模块的背景下描述了本发明,但应当理解的是,除非另有相反说明,所述的功能和/或特征中的一个或多个可以被集成在单个物理装置和/或软件模块中,或者一个或多个功能和/或特征可以在单独的物理装置或软件模块中被实现。还可以理解的是,有关每个模块的实际实现的详细讨论对于理解本发明是不必要的。更确切地说,考虑到在本文中公开的装置中各种功能模块的属性、功能和内部关系的情况下,在工程师的常规技术内将会了解该模块的实际实现。因此,本领域技术人员运用普通技术就能够在无需过度试验的情况下实现在权利要求书中所阐明的本发明。还可以理解的是,所公开的特定概念仅仅是说明性的,并不意在限制本发明的范围,本发明的范围由所附权利要求书及其等同方案的全部范围来决定。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,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)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-On ly Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例,本领域的普通技术人员可以理解:在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由权利要求及其等同物限定。
以上是对本发明的较佳实施进行了具体说明,但本发明并不限于所述实施例,熟悉本领域的技术人员在不违背本发明精神的前提下还可做出种种的等同变形或替换,这些等同的变形或替换均包含在本申请权利要求所限定的范围内。
Claims (10)
1.一种无菌包装微缺损的识别方法,其特征在于,包括:
获取目标产品的视觉图像;
通过第一处理算法对所述视觉图像进行分割处理,得到检测区域序列集;以初始序列号的检测区域作为目标检测区域;
通过第二处理算法对所述目标检测区域进行图像处理,得到目标像素数;
根据预设基准对所述目标像素数进行判别处理,得到目标判别结果;
以序列号加一的检测区域作为目标检测区域,然后返回所述通过第二处理算法对所述目标检测区域进行图像处理,得到目标像素数这一步骤,直至所述检测区域序列集均完成判别;
当所述目标判别结果包括缺损结果,确定所述目标产品为不合格产品,进行报警处理;否则,确定所述目标产品为合格产品。
2.根据权利要求1所述的一种无菌包装微缺损的识别方法,其特征在于,还包括:
对所述目标判别结果进行统计处理,得到识别辅助数据。
3.根据权利要求1所述的一种无菌包装微缺损的识别方法,其特征在于,所述获取目标产品的视觉图像,包括:
对所述目标产品进行光照处理;
获取经过所述光照处理的预设角度的目标产品的视觉图像。
4.根据权利要求1所述的一种无菌包装微缺损的识别方法,其特征在于,所述通过第一处理算法对所述视觉图像进行分割处理,得到检测区域序列集,包括:
通过调用计算机视觉库的拷贝函数对所述视觉图像进行分割处理,得到检测区域序列集。
5.根据权利要求4所述的一种无菌包装微缺损的识别方法,其特征在于,所述通过第一处理算法对所述视觉图像进行分割处理,得到检测区域序列集,还包括:
通过图像阈值化分割方法对所述检测区域序列集进行图像剔除处理。
6.根据权利要求1所述的一种无菌包装微缺损的识别方法,其特征在于,所述通过第二处理算法对所述目标检测区域进行图像处理,得到目标像素数,包括:
对所述目标检测区域进行灰度化处理,得到第一图像数据;
对所述第一图像数据进行二值化处理,得到第二图像数据;
对所述第二图像数据进行腐蚀处理,得到第三图像数据;
对所述第三图像数据进行膨胀处理,得到第四图像数据;
根据所述第四图像数据,通过drawimage函数绘制得到检测目标轮廓;
根据所述检测目标轮廓,通过contourArea函数确定轮廓面积,得到目标像素数。
7.一种无菌包装微缺损的识别系统,其特征在于,包括:
第一模块,用于获取目标产品的视觉图像;
第二模块,用于通过第一处理算法对所述视觉图像进行分割处理,得到检测区域序列集;以初始序列号的检测区域作为目标检测区域;
第三模块,用于通过第二处理算法对所述目标检测区域进行图像处理,得到目标像素数;
第四模块,用于根据预设基准对所述目标像素数进行判别处理,得到目标判别结果;
第五模块,用于以序列号加一的检测区域作为目标检测区域,然后返回所述第三模块,直至所述检测区域序列集均完成判别;
第六模块,用于当所述目标判别结果包括缺损结果,确定所述目标产品为不合格产品,进行报警处理;否则,确定所述目标产品为合格产品。
8.根据权利要求7所述的一种无菌包装微缺损的识别系统,其特征在于,所述第一模块包括以下子模块:
光照模块,用于对所述目标产品进行光照处理;
摄像模块,用于获取经过所述光照处理的目标产品的视觉图像;
旋转模块,用于辅助所述摄像模块获取经过所述光照处理的预设角度的目标产品的视觉图像。
9.一种电子设备,其特征在于,包括处理器以及存储器;
所述存储器用于存储程序;
所述处理器执行所述程序实现如权利要求1至6中任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述存储介质存储有程序,所述程序被处理器执行实现如权利要求1至6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210740627.5A CN115170493A (zh) | 2022-06-28 | 2022-06-28 | 一种无菌包装微缺损的识别方法、系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210740627.5A CN115170493A (zh) | 2022-06-28 | 2022-06-28 | 一种无菌包装微缺损的识别方法、系统及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115170493A true CN115170493A (zh) | 2022-10-11 |
Family
ID=83487252
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210740627.5A Pending CN115170493A (zh) | 2022-06-28 | 2022-06-28 | 一种无菌包装微缺损的识别方法、系统及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115170493A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117152088A (zh) * | 2023-09-01 | 2023-12-01 | 北京奥乘智能技术有限公司 | 药品包装的封口检测方法、装置、设备及存储介质 |
-
2022
- 2022-06-28 CN CN202210740627.5A patent/CN115170493A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117152088A (zh) * | 2023-09-01 | 2023-12-01 | 北京奥乘智能技术有限公司 | 药品包装的封口检测方法、装置、设备及存储介质 |
CN117152088B (zh) * | 2023-09-01 | 2024-02-06 | 北京奥乘智能技术有限公司 | 药品包装的封口检测方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101566582B (zh) | 基于机器视觉的粉针剂生产中药瓶标贴信息在线检测系统 | |
Chen et al. | Automatic optical inspection system for IC molding surface | |
Liu et al. | Automatic detection technology of surface defects on plastic products based on machine vision | |
CN107782733A (zh) | 金属表面缺陷的图像识别无损检测装置及方法 | |
CN110728681A (zh) | 一种Mura缺陷检测方法及装置 | |
CN115170493A (zh) | 一种无菌包装微缺损的识别方法、系统及存储介质 | |
CN106226270B (zh) | 检测图像传感器表面脏污缺陷的方法 | |
Fu et al. | Medicine glass bottle defect detection based on machine vision | |
CN109387524A (zh) | 基于线性偏振光的螺纹缺陷检测方法及装置 | |
Wang et al. | Intelligent injection liquid particle inspection machine based on two-dimensional Tsallis Entropy with modified pulse-coupled neural networks | |
CN114674830A (zh) | 一种高速生产线上瓶盖瑕疵检测模组 | |
CN109557098A (zh) | 基于机器视觉的金属表面检测系统 | |
CN117309892B (zh) | 一种电池蓝膜的缺陷检测方法、装置及系统和光源控制器 | |
CN110021012A (zh) | 基于机器视觉技术的手机镜头视窗玻璃缺陷检测方法 | |
CN101915823B (zh) | 一种外壳带菌蛋的紫外检测方法及其装置 | |
Wang et al. | Identification and detection of surface defects of outer package printed matter based on machine vision | |
CN116818785A (zh) | 一种基于机器视觉的缺陷检测方法、系统及介质 | |
JP4581424B2 (ja) | 外観検査方法及び画像処理装置 | |
JP4580122B2 (ja) | 液中異物の検出方法 | |
CN103389312A (zh) | 铜管检测系统 | |
CN105301016A (zh) | 车轮踏面擦伤图像检测方法 | |
JP2012088199A (ja) | 異物検査装置および異物検査方法 | |
CN114820622A (zh) | 一种层间异物检测方法和装置 | |
CN109632815A (zh) | 表面缺陷在线检测系统及方法 | |
CN111815705B (zh) | 激光跟踪仪滤光保护镜片污染识别方法、装置及电子设备 |
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 |