基于内存优化的药品包装字符高速检测系统及方法技术方案

本公开提出了一种基于内存优化的药品包装字符高速检测系统和方法，通过采用随机贪心图像降维处理算法和链式分组处理方法对内存中的图像数据进行降维处理，并在降维后的图像上进行字符识别和产品完整性判定，减少了识别处理过程中的内存占用，有效提升药品三期字符识别的速度和精度，节省了图像处理时间，提高了系统的检测效率，满足高速生产线药品包装的“三期”字符实时检测与在线分拣要求。系统根据药品包装识别结果对合格的药品包装，删除其原始图像以降低内存占用，而对存在问题的包装图像启动存储线程，保存瑕疵图像以供事后检查和分析；通过仅保留缺陷产图像品的方法，可以有效节省服务器的内存空间使用效率，提高系统的运行速度。

High Speed Character Detection System and Method for Drug Packaging Based on Memory Optimization

【技术实现步骤摘要】
基于内存优化的药品包装字符高速检测系统及方法
本公开涉及药品包装检测相关
，具体的说，是涉及基于内存优化的药品包装字符高速检测系统及方法。
技术介绍
本部分的陈述仅仅是提供了与本公开相关的
技术介绍
信息，并不必然构成在先技术。在药品包装行业，药品的生产日期、生产批次以及有效期(简称“三期”)信息至关重要，一旦标识出错的药品流通到市场不但会影响患者的身体健康，严重时会引发医疗事故甚至生命，药品的“三期”信息检测的重要性不言而喻。为提高医药包装检测的工作效率，开展药品包装“三期”字符高速检测技术的研究势在必行。目前大多数医药生产厂家采用人工视觉进行药品包装质量检测，由于人眼视觉一致性差，易于疲劳，导致检测效率低下，可靠性不高。少数厂家采用机器视觉技术实现产品瑕疵检测或印刷缺陷检测，由于算法的复杂度较高，检测速度慢，内存空间需求大，导致在具体检测过程中存在产品检测耗时长，检测精度较低等问题，无法满足流水线产品快速检测的要求。因而，研究一种药品包装“三期”信息高速检测方法和装置，满足药品包装高速、准确检测的要求，是本领域亟需解决的问题。
技术实现思路
本公开为了解决上述问题，提出了一种基于内存优化的药品包装字符高速检测系统及方法，通过采用随机贪心图像降维处理算法和链式分组处理方法对内存中的图像数据进行降维处理，并在降维后的图像上进行字符识别和产品完整性判定，减少了识别处理过程中的内存占用，有效提升药品三期字符识别的速度和精度，节省了图像处理时间，提高了系统的检测效率，满足高速生产线药品包装的“三期”字符实时检测与在线分拣要求。系统根据药品包装识别结果对合格的药品包装，删除其原始图像以降低内存占用，而对存在问题的包装图像启动存储线程，保存瑕疵图像以供事后检查和分析；通过仅保留缺陷产品图像的方法，可以有效节省服务器的内存空间使用效率，提高系统的运行速度。为了实现上述目的，本公开采用如下技术方案：一个或多个实施例提供了基于内存优化的药品包装字符高速检测方法，包括如下步骤：步骤1、采集药品包装图像，将采集的图像存储形成待处理图像队列；步骤2、根据采用随机贪心图像降维处理算法训练获得的图像降维算子矩阵，对待处理图像队列进行降维处理；步骤3、对降维后的图像进行预处理，并提取图像中的“三期”字符数据；步骤4、匹配提取的字符数据与标准字符数据，如果一致，更新药品包装采集记录并删除当前图像，执行步骤2处理待处理图像队列中的下一图像；否则，更新药品包装采集记录，保存不合格品的图像，执行步骤2处理待处理图像队列中的下一图像。一个或多个实施例提供了基于内存优化的药品包装字符高速检测系统，包括上位机、同轴光源、工业相机、传送带、光电传感器和上位机，所述工业光源用于为需检测的药品包装产生均匀的照度；所述工业相机用于在工业生产环境下采集待测药品包装的照片；所述上位机与工业相机进行连接，工业相机用于实时采集工业相机拍摄的待测药品包装照片，并将采集的图像传输至上位机，所述上位机执行上述基于内存优化的药品包装字符高速检测方法。一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成上述方法所述的步骤。一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成上述方法所述的步骤。本公开通过采用随机贪心图像降维处理算法和链式分组处理方法对内存中的图像数据进行降维处理，并在降维后的图像上进行字符识别和产品完整性判定，减少了识别处理过程中的内存占用，有效提升药品三期字符识别的速度和精度，节省了图像处理时间，提高了系统的检测效率，满足高速生产线药品包装的“三期”字符实时检测与在线分拣要求。与现有技术相比，本公开的有益效果为：(1)本公开通过采用随机贪心图像降维处理算法和链式分组处理方法对内存中的图像数据进行降维处理，并在降维后的图像上进行字符识别和产品完整性判定，减少了识别处理过程中的内存占用，有效提升药品三期字符识别的速度和精度，节省了图像处理时间，提高了系统的检测效率，满足高速生产线药品包装的“三期”字符实时检测与在线分拣要求。(2)本公开基于随机贪心内存优化算法所产生图像降维算子。针对采集到的图像设计最优降维算子矩阵实现原始图像的降维表示，选取误差最小(即降维图像与原始图像具有最大化的结构相似度StructuralSIMilarityIndex)的线性变换矩阵作为降维算子，并在药品包装三期识别过程中使用此算子实现目标图像的高保真降维处理。(3)本公开基于DMA算法将采集到的目标图像存放在系统内存中，并基于链式分组降维缓存优化方法实现目标图像的降维优化处理，每次只需要向高速缓存中输入原始图像的N行数据进行线性降维变换，而不是将整张图像的信息发送至缓存中，从而降低药品包装图像处理过程中的内存占用，提升图像处理速度。(3)本公开对实时采集的图像采用改进的Sobel方向滤波器进行边缘滤波处理，获取消除干扰噪声后的药品包装字符清晰图像，根据图像中的灰度值分布直方图自适应确定二值化阈值的选择，最大化保留图像内容中“三期”信息。(4)根据包装上检测对象的识别结果，将合格图像直接删除，而仅将不合格图像数据存储于内存，并记录相应的批次和序号，用于图像缺陷的进一步分析处理。本公开通过仅保留缺陷产图像品的方法，可以有效节省服务器的内存空间使用效率，提高系统的运行速度。(5)根据图像识别结果，启动生产线继电相应装置，将不合格的产品包装剔出生产线，可以有效保障药品生产的良品率。附图说明构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的限定。图1是本公开实施例1的检测内存优化检测方法的流程图；图2是本公开实施例1的检测系统结构示意图；图3是本公开实施例1的采集的原始药品包装图像；图4是本公开实施例1采用本公开的药品包装“三期”字符识别结果图像；图5是采用传统方法实现不同大小的纸质药品包装识别结果图；图6是采用传统方法实现不同大小的玻璃药品包装识别结果图；图7是采用本公开实施例1中的基于内存优化检测方法实现不同大小的纸质药品包装识别结果图；图8是采用本公开实施例1中的基于内存优化检测方法实现不同大小的玻璃药品包装识别结果图；图9是采用传统方法和本公开实施例1中的基于内存优化检测方法识别大小相同纸质药品包装图像(128*128像素)时间消耗对比图；图10是采用传统方法和本公开实施例1中的基于内存优化检测方法识别大小相同纸质药品包装图像(256*256像素)时间消耗对比图；图11是采用传统方法和本公开实施例1中的基于内存优化检测方法识别大小相同纸质药品包装图像(512*512像素)时间消耗对比图；图12是采用传统方法和本公开实施例1中的基于内存优化检测方法识别大小相同玻璃药品包装图像(128*128像素)时间消耗对比图；图13是采用传统方法和本公开实施例1中的基于内存优化检测方法识别大小相同玻璃药品包装图像(256*256像素)时间消耗对比图；图14是采用传统方法和本公开实施例1中的基于内存优化检测方法识别大小相同玻璃药品包装图像(512*512像素)时间消耗对比图；具体实施方式：下面结合附图与实施例对本公开作进一步说明本文档来自技高网...

【技术保护点】
1.基于内存优化的药品包装字符高速检测方法，其特征是，包括如下步骤：步骤1、采集药品包装图像，将采集的图像存储形成待处理图像队列；步骤2、根据采用随机贪心图像降维处理算法训练获得的图像降维算子矩阵，对待处理图像队列进行降维处理；步骤3、对降维后的图像进行预处理，并提取图像中的“三期”字符数据；步骤4、匹配提取的字符数据与标准字符数据，如果一致，更新药品包装采集记录并删除当前图像，执行步骤2处理待处理图像队列中的下一图像；否则，更新药品包装采集记录，保存不合格品的图像，执行步骤2处理待处理图像队列中的下一图像。

【技术特征摘要】
1.基于内存优化的药品包装字符高速检测方法，其特征是，包括如下步骤：步骤1、采集药品包装图像，将采集的图像存储形成待处理图像队列；步骤2、根据采用随机贪心图像降维处理算法训练获得的图像降维算子矩阵，对待处理图像队列进行降维处理；步骤3、对降维后的图像进行预处理，并提取图像中的“三期”字符数据；步骤4、匹配提取的字符数据与标准字符数据，如果一致，更新药品包装采集记录并删除当前图像，执行步骤2处理待处理图像队列中的下一图像；否则，更新药品包装采集记录，保存不合格品的图像，执行步骤2处理待处理图像队列中的下一图像。2.如权利要求1所述的基于内存优化的药品包装字符高速检测方法，其特征是：所述采用随机贪心图像降维处理算法训练获得的图像降维算子矩阵，训练方法具体为：步骤21、采集药品包装的图像数据作为样本集；步骤22、将样本集中的原始图像进行图像分块处理，获得分块图像及分块图像的像素值；步骤23、随机选取不同分布的非零系数矩阵作为初始随机算子矩阵，并作为第一算子矩阵；步骤24、将第一算子矩阵与获得分块图像进行分块点乘降维处理获得第一降维图像，计算第一降维图像与原始图像的结构相似度SSIM，获得第一结构相似度值；步骤25、随机选取非零系数矩阵作为第二算子矩阵；将第二算子矩阵与获得分块图像进行分块点乘降维处理获得第二降维图像，计算第二降维图像与原始图像的结构相似度值SSIM，获得第二结构相似度值；步骤26、将第一结构相似度值和第二结构相似度值分别与设定的结构相似度阈值比较，如果都小于设定的阈值，执行下一步，否则，如果有大于设定的阈值的结构相似度值，取其中最大的结构相似度值对应的算子矩阵为训练获得的图像降维算子矩阵；步骤27、将其中较大的结构相似度值对应的算子矩阵乘以系数α与另一结构相似度值对应的算子矩阵加权叠加，获得新随机降维算子矩阵，将新随机降维算子矩阵作为第一算子矩阵执行步骤24；其中系数α大于1。3.如权利要求2所述的基于内存优化的药品包装字符高速检测方法，其特征是：所述结构相似度SSIM为：其中，a为原图像，b降维后的图像，C1和C2是常量，在计算图像结构相似度SSIM时，C1＝(K1L)2、C2＝(K2L)2,在实验中L为灰度级数，K1＝0.01,K2＝0.03，μ为标准值，σ为方差，ε为误差容忍度。4.如权利要求1所述的基于内存优化的药品包装字符高速检测方法，其特征是：所述步骤2中所述对待处理图像队列进行降维处理，具体为采用链式分组处理的方式对待处理图像队列进行降维处理。5.如权利要求4所述的基于内存优化的药品包装字符高速检测方法，其特征是，所述采用...

【专利技术属性】
技术研发人员：马宾，李琦，王晓雨，王春鹏，李健，李冰，吴兆龙，
申请(专利权)人：齐鲁工业大学，
类型：发明
国别省市：山东,37