基于X光成像和深度学习的胶囊识别与检测方法及系统技术方案

本发明专利技术涉及一种基于X光成像和深度学习的胶囊识别与检测方法，包括如下步骤：通过X光成像设备采集各类胶囊样本图像；对胶囊样本图像中各类胶囊样本进行分类标记，使用卷积神经网络对已标记的胶囊样本进行种类分析训练，生成主识别模型；对各类胶囊样本内药品区域和空气区域进行区域分割和种类分析训练，生成子检测模型；获得待检测胶囊在X光下的伪彩色图像；对待检测胶囊进行识别检测；输出检测结果，在现有的胶囊外观检测基础上，通过X光成像设备对胶囊内部进行成像，可以判断不透明胶囊中药量是否满足要求，实现胶囊内外同时检测，避免工人长时间重复性劳动，自动化程度高，能够对胶囊进行批量检测，能有效提高胶囊不良品检测效率。

Capsule recognition and detection method and system based on X-ray imaging and deep learning

【技术实现步骤摘要】
基于X光成像和深度学习的胶囊识别与检测方法及系统
本专利技术涉及胶囊生产检测
，尤其涉及一种基于X光成像和深度学习的胶囊识别与检测方法及系统。
技术介绍
胶囊是通过使用胶将有效药物成分包裹，胶囊进入人体后食用胶缓慢融化，有效药物缓慢释放，有助于人体充分吸收，同时胶囊的出现解决了人们吃药口感差的问题，为了使药物具有良好的吸收效果。根据胶囊内包裹有药液、药面和颗粒可将胶囊分为液体胶囊、药面胶囊和颗粒胶囊，这些药装入胶囊，既保护了药物药性不被破坏，也保护了消化器官和呼吸道。在胶囊生产过程中，需对其进行检测，检测项目内容为判断胶囊中是否装有药物，以及胶囊内药量是否满足要求，现有的检测方式需要进行人工检测，自动化程度低，无法批量进行胶囊检测，而且有的胶囊为不透明胶囊，通过外观检测无法满足当前检测需求，使得传统检测方式不仅测量精度低，测量状态不稳定，而且无法满足生产检测需要。
技术实现思路
本专利技术所要解决的技术问题是克服现有技术中存在的不足，提供一种基于X光成像和深度学习的胶囊识别与检测方法及系统。本专利技术是通过以下技术方案予以实现：一种基于X光成像和深度学习的胶囊识别与检测方法，其特征在于，包括如下步骤：a.通过X光成像设备采集各类胶囊样本图像；b.对所述胶囊样本图像中各类胶囊样本进行分类标记，使用卷积神经网络对已标记的所述胶囊样本进行种类分析训练，生成主识别模型；c.对各类所述胶囊样本内药品区域和空气区域进行区域分割和种类分析训练，生成子检测模型；d.获得待检测胶囊在X光下的伪彩色图像；e.对所述待检测胶囊进行识别检测；f.输出检测结果。根据上述技术方案，优选地，所述胶囊样本包括液体胶囊、药面胶囊和颗粒胶囊。根据上述技术方案，优选地，步骤a包括：胶囊样本通过X光成像设备；调整穿透度，让所述X光成像设备图像反应区调整到胶囊样本中液体、药面、颗粒的成像区域，进行归一化处理；将归一化后的穿透度映射到伪彩色空间，生成胶囊样本图像。根据上述技术方案，优选地，步骤c包括：对所述液体胶囊内气泡进行分类标记，使用FRCNN模型进行种类分析训练；对所述药面胶囊和颗粒胶囊内药品区域和空气区域进行标记，使用mask-rcnn进行区域分割和种类分析训练。根据上述技术方案，优选地，步骤e包括：载入所述主识别模型，判断所述待检测胶囊的种类；载入所述子检测模型，判断所述液体胶囊内气泡占比是否超过阈值，或判断所述药面胶囊和颗粒胶囊内空气区域占比是否超过预设占比。本专利技术还公开了一种基于X光成像和深度学习的胶囊识别与检测系统，包括：采样单元，用于通过X光成像设备采集各类胶囊样本图像；第一训练单元，用于对所述胶囊样本图像中各类胶囊样本进行分类标记，使用卷积神经网络对已标记的所述胶囊样本进行种类分析训练，生成主识别模型；第二训练单元，对各类所述胶囊样本内药品区域和空气区域进行区域分割和种类分析训练，生成子检测模型；提取单元，用于获得待检测胶囊在X光下的伪彩色图像；检测单元，用于对所述待检测胶囊进行识别检测，输出检测结果。根据上述技术方案，优选地，所述采样单元包括：归一化处理模块，用于将胶囊样本通过X光成像设备，调整穿透度，让所述X光成像设备图像反应区调整到胶囊样本中液体、药面、颗粒的成像区域，进行归一化处理，将归一化后的穿透度映射到伪彩色空间，生成胶囊样本图像。根据上述技术方案，优选地，所述第二训练单元包括：液体胶囊检测模块，用于对所述液体胶囊内气泡进行分类标记，使用FRCNN模型进行种类分析训练；药面胶囊和颗粒胶囊检测模块，用于对所述药面胶囊和颗粒胶囊内药品区域和空气区域进行标记，使用mask-rcnn进行区域分割和种类分析训练。根据上述技术方案，优选地，检测单元包括：主识别模块，用于载入所述主识别模型，判断所述待检测胶囊的种类；子检测模块，用于载入所述子检测模型，判断所述液体胶囊内气泡占比是否超过阈值，或判断所述药面胶囊和颗粒胶囊内空气区域占比是否超过预设占比。本专利技术的有益效果是：随着图像识别技术的发展，在现有的胶囊外观检测基础上，通过X光成像设备对胶囊内部进行成像，可以判断不透明胶囊中药量是否满足要求，实现胶囊内外同时检测，避免工人长时间重复性劳动，自动化程度高，能够对胶囊进行批量检测，能有效提高胶囊不良品检测效率，达到快速检测的目的。附图说明图1是本专利技术的工作流程示意图。具体实施方式为了使本
的技术人员更好地理解本专利技术的技术方案，下面结合附图和最佳实施例对本专利技术作进一步的详细说明。如图所示，本专利技术包括如下步骤：a.通过X光成像设备采集各类胶囊样本图像；b.对所述胶囊样本图像中各类胶囊样本进行分类标记，使用卷积神经网络对已标记的所述胶囊样本进行种类分析训练，生成主识别模型；c.对各类所述胶囊样本内药品区域和空气区域进行区域分割和种类分析训练，生成子检测模型；d.获得待检测胶囊在X光下的伪彩色图像；e.对所述待检测胶囊进行识别检测；f.输出检测结果。在胶囊提取和分类时，可以使用例如frcnn、yolo等网络进行训练，实现轮廓提取同时进行分类。随着图像识别技术的发展，在现有的胶囊外观检测基础上，通过X光成像设备对胶囊内部进行成像，可以判断不透明胶囊中药量是否满足要求，实现胶囊内外同时检测，避免工人长时间重复性劳动，自动化程度高，能够对胶囊进行批量检测，能有效提高胶囊不良品检测效率，达到快速检测的目的。根据上述实施例，优选地，所述胶囊样本包括液体胶囊、药面胶囊和颗粒胶囊，根据胶囊内包裹有药液、药面和颗粒可将胶囊分为液体胶囊、药面胶囊和颗粒胶囊。根据上述实施例，优选地，步骤a包括：胶囊样本通过X光成像设备；调整穿透度，让所述X光成像设备图像反应区调整到胶囊样本中液体、药面、颗粒的成像区域，进行归一化处理；将归一化后的穿透度映射到伪彩色空间，生成胶囊样本图像。实际操作中，可对多胶囊样本进行采集，并检测到大多数胶囊的最小、最大、平均值作为归一化标准，即调整X光对药品穿透度有更多的取值范围，满足不同胶囊的检测需求。根据上述实施例，优选地，步骤c包括：对所述液体胶囊内气泡进行分类标记，使用FRCNN模型进行种类分析训练；对所述药面胶囊和颗粒胶囊内药品区域和空气区域进行标记，使用mask-rcnn进行区域分割和种类分析训练。在对药面胶囊和颗粒胶囊内药品区域和空气区域进行分割样本时，需要沿着轮廓把空气和药品区域整个轮廓勾画出来，通过训练后计算机能够将待检测胶囊中药品区域和空气区域进行自动分割。根据上述实施例，优选地，步骤e包括：载入所述主识别模型，判断所述待检测胶囊的种类属于液体胶囊、药面胶囊、颗粒胶囊或空胶囊；载入所述子检测模型，判断所述液体胶囊内气泡占比是否超过阈值，或判断所述药面胶囊和颗粒胶囊内空气区域占比是否超过预设占比。识别到气泡后，会把气泡位置定位出来，进而计算气泡面积及个数，当气泡占比超过预设阈值时，在输出检测结果时判定位不合格；当空气区域占比超过预设占比时，在输出检测结果时判定位不合格。本文档来自技高网...

【技术保护点】
1.一种基于X光成像和深度学习的胶囊识别与检测方法，其特征在于，包括如下步骤：a.通过X光成像设备采集各类胶囊样本图像；b.对所述胶囊样本图像中各类胶囊样本进行分类标记，使用卷积神经网络对已标记的所述胶囊样本进行种类分析训练，生成主识别模型；c.对各类所述胶囊样本内药品区域和空气区域进行区域分割和种类分析训练，生成子检测模型；d.获得待检测胶囊在X光下的伪彩色图像；e.对所述待检测胶囊进行识别检测；f.输出检测结果。/n

【技术特征摘要】
1.一种基于X光成像和深度学习的胶囊识别与检测方法，其特征在于，包括如下步骤：a.通过X光成像设备采集各类胶囊样本图像；b.对所述胶囊样本图像中各类胶囊样本进行分类标记，使用卷积神经网络对已标记的所述胶囊样本进行种类分析训练，生成主识别模型；c.对各类所述胶囊样本内药品区域和空气区域进行区域分割和种类分析训练，生成子检测模型；d.获得待检测胶囊在X光下的伪彩色图像；e.对所述待检测胶囊进行识别检测；f.输出检测结果。


2.根据权利要求1所述一种基于X光成像和深度学习的胶囊识别与检测方法，其特征在于，所述胶囊样本包括液体胶囊、药面胶囊和颗粒胶囊。


3.根据权利要求2所述一种基于X光成像和深度学习的胶囊识别与检测方法，其特征在于，步骤a包括：胶囊样本通过X光成像设备；调整穿透度，让所述X光成像设备图像反应区调整到胶囊样本中液体、药面、颗粒的成像区域，进行归一化处理；将归一化后的穿透度映射到伪彩色空间，生成胶囊样本图像。


4.根据权利要求2或3所述一种基于X光成像和深度学习的胶囊识别与检测方法，其特征在于，步骤c包括：对所述液体胶囊内气泡进行分类标记，使用FRCNN模型进行种类分析训练；对所述药面胶囊和颗粒胶囊内药品区域和空气区域进行标记，使用mask-rcnn进行区域分割和种类分析训练。


5.根据权利要求4所述一种基于X光成像和深度学习的胶囊识别与检测方法，其特征在于，步骤e包括：载入所述主识别模型，判断所述待检测胶囊的种类；载入所述子检测模型，判断所述液体胶囊内气泡占比是否超过阈值，或判断所述药面胶囊和颗粒胶囊内空气区域占比是否超过预设占比。


6.一种基于X光成像和深度学习的胶囊识别与检测...

【专利技术属性】
技术研发人员：王光夫，
申请(专利权)人：天津瑟威兰斯科技有限公司，
类型：发明
国别省市：天津;12