基于卷积神经网络检测药品包装的方法、系统及设备技术方案

本发明专利技术涉及一种基于卷积神经网络检测药品包装的方法、系统及设备，将多种药品图像样本和残缺背面铝塑、铝箔材质封皮图像样本进行人工分类标记，通过卷积神经网络进行分类样本训练，同时兼容透明和不透明的两种泡罩板，在流水线的检测区域自动识别药品包装是否存在药品粉碎、渗漏、背面铝塑材质的砂眼、破损、褶皱等缺陷，给出剔除反馈信号并与流水线中的剔除机构联动，自动化程度高，提高生产效率，具有较高的应用和推广价值。

The method, system and equipment of testing drug packaging based on convolution neural network

【技术实现步骤摘要】
基于卷积神经网络检测药品包装的方法、系统及设备
本专利技术涉及药品包装检测
，尤其涉及一种基于卷积神经网络检测药品包装的方法、系统及设备。
技术介绍
药品泡罩板是目前胶囊类药品主要的包装形式，一些较贵的药片和部分中成药也是由泡罩板包装，此包装的特点为泡罩板背面外部全面由不透明的铝塑铝形式材质覆盖，而正面分为不透明塑料和透明塑料两种形式。药品出厂时需要对其进行检测，正面透明的药品检测一般比较简单，但是对于正面不透明的塑料泡罩板在外观检测及渗漏检测中都存在着困难。综上所述，设计一款可以同时检测透明和不透明的药品泡罩板中各种不良缺陷的在线检测设备，并可以同时检测背面铝塑铝形式材质的砂眼、破损、褶皱缺陷，以及正面是否存在药品粉碎，渗漏等缺陷，成为了亟待解决的问题。
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，提供一种基于卷积神经网络检测药品包装的方法、系统及设备。本专利技术是通过以下技术方案予以实现：一种基于卷积神经网络检测药品包装的方法，其特征在于，包括如下步骤：a.采集多种药品图像样本，进行人工分类标记；b.使用卷积神经网络将已标记的所述药品图像样本进行分类样本训练，生成药品检测模型；c.采集多种残缺背面铝塑、铝箔材质封皮图像样本，进行人工分类标记；d.使用卷积神经网络将已标记的所述封皮图像样本进行分类样本训练，生成封皮检测模型；e.药片板进入检测区域，工业摄像头采集所述药品板上方图像，通过所述药品检测模型进行分类识别，输出正面检测结果；f.工业摄像头采集所述药品板下方图像，通过所述封皮检测模型进行分类识别，输出背面检测结果；g.根据所述正面检测结果和背面检测结果处理药片板。根据上述技术方案，优选地，所述药品图像样本包括有胶囊、有药片、有药球、脏污胶囊、脏污药片、脏污药球、空包装、不透明包装以及不透明包装有褶皱。根据上述技术方案，优选地，所述封皮图像样本包括砂眼、裂口以及褶皱缺陷。根据上述技术方案，优选地，步骤f还包括：使用卷积神经网络训练生成的模型进行分类识别时，设置缺陷阈值。根据上述技术方案，优选地，步骤g还包括：当正面检测和背面检测合格时，向下位机传送OK信号，药片板向后方传送；当正面检测和背面检测不合格时，向下位机传送NG信号，控制器接收NG信号，通过触发传感器启动气动设备，将不合格药片板剔除。本专利技术公开了一种基于卷积神经网络检测药品包装的系统，包括：药品标记单元，采集多种药品图像样本，进行人工分类标记；药品训练单元，使用卷积神经网络将已标记的所述药品图像样本进行分类样本训练，生成药品检测模型；封皮标记单元，采集多种残缺背面铝塑、铝箔材质封皮图像样本，进行人工分类标记；封皮训练单元，使用卷积神经网络将已标记的所述封皮图像样本进行分类样本训练，生成封皮检测模型；药品检测单元，药片板进入检测区域，工业摄像头采集所述药品板上方图像，通过所述药品检测模型进行分类识别，输出正面检测结果；封皮检测单元，工业摄像头采集所述药品板下方图像，通过所述封皮检测模型进行分类识别，输出背面检测结果；处理单元，根据所述正面检测结果和背面检测结果处理药片板。根据上述技术方案，优选地，所述封皮检测单元包括阈值模块，使用卷积神经网络训练生成的模型进行分类识别时，设置缺陷阈值。本专利技术还公开了一种基于卷积神经网络检测药品包装的设备，包括两个传送带、设于两传送带之间的检测区域以及设于检测区域下游位置的剔除机构，所述剔除机构包括与检测区域电连接的控制器、与控制器电连接的触发传感器以及与触发传感器电连接的气动设备。根据上述技术方案，优选地，所述检测区域包括透明光学玻璃以及设于透明光学玻璃两侧的工业摄像头。本专利技术的有益效果是：本专利技术通过一种识别技术同时兼容透明和不透明的两种泡罩板，在流水线的检测区域自动识别药品包装是否存在药品粉碎、渗漏、背面铝塑材质的砂眼、破损、褶皱等缺陷，给出剔除反馈信号并与流水线中的剔除机构联动，自动化程度高，提高生产效率，具有较高的应用和推广价值。附图说明图1是本专利技术药品包装的检测流程示意图。图2是本专利技术的硬件设备示意图。图中：1、传送带；2、工业摄像头；3、透明光学玻璃。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.采集多种药品图像样本，进行人工分类标记；b.使用卷积神经网络将已标记的所述药品图像样本进行分类样本训练，生成药品检测模型；c.采集多种残缺背面铝塑、铝箔材质封皮图像样本，进行人工分类标记；d.使用卷积神经网络将已标记的所述封皮图像样本进行分类样本训练，生成封皮检测模型；e.药片板进入检测区域，工业摄像头2采集所述药品板上方图像，通过所述药品检测模型进行分类识别，输出正面检测结果，其中，通过传统轮廓特征提取算法，将药品板上方图像分别裁剪成N个药品粒识别区域，将裁剪后的区域图像送入预先训练的卷积神经网络中进行分类识别，输出正面检测结果，如果是透明无药品或者是不透明褶皱则报警有药品缺失，如果是判定有脏污则报警有脏污，如果没有以上问题则认为检测合格；f.工业摄像头2采集所述药品板下方图像，通过所述封皮检测模型进行分类识别，输出背面检测结果；g.根据所述正面检测结果和背面检测结果处理药片板。本例中可以使用例如frcnn、yolo等卷积神经网络进行训练，实现轮廓提取同时进行分类。本专利技术通过一种识别技术同时兼容透明和不透明的两种泡罩板，在流水线的检测区域自动识别药品包装是否存在药品粉碎、渗漏、背面铝塑材质的砂眼、破损、褶皱等缺陷，给出剔除反馈信号并与流水线中的剔除机构联动，自动化程度高，提高生产效率。根据上述实施例，优选地，所述药品图像样本包括有胶囊、有药片、有药球、脏污胶囊、脏污药片、脏污药球、空包装、不透明包装以及不透明包装有褶皱。对各种不同类别的药品图像样本进行人工标记，并用卷积神经网络进行分类样本训练。根据上述实施例，优选地，所述封皮图像样本包括砂眼、裂口以及褶皱缺陷。对砂眼、裂口、褶皱类别进行深度学习卷积神经网络样本定位检测模型训练，让模型可以有效的在药品背面进行砂眼、裂口、褶皱缺陷进行检测。根据上述实施例，优选地，步骤f还包括：使用卷积神经网络训练生成的模型进行分类识别时，设置缺陷阈值。缺陷阈值即可放行的阈值，将缺陷阈值提高则当判定为肯定是缺陷才认定，误判情况较多，将阈值设低则为宁可误判不能漏过。根据上述实施例，优选地，步骤g还包括：当正面检测和背面检测合格时，向下位机传送OK信号，药片板向后方传送；当正面检测和背面检测不合格时，向下位机传送NG信号，控制器接收NG信号，通过触发传感器启动气动设备，将不合格药片板剔除。检测区域联动流水线中的剔除机构，当检测出某个药片板有缺陷时，通过下游设备计数至该缺陷药片板时触发剔除机构将药片板剔除。本专利技术公开了一种基于卷积神经网络检测药品包装的系统，包括：药品标记单元，本文档来自技高网...

【技术保护点】
1.一种基于卷积神经网络检测药品包装的方法，其特征在于，包括如下步骤：a.采集多种药品图像样本，进行人工分类标记；b.使用卷积神经网络将已标记的所述药品图像样本进行分类样本训练，生成药品检测模型；c.采集多种残缺背面铝塑、铝箔材质封皮图像样本，进行人工分类标记；d.使用卷积神经网络将已标记的所述封皮图像样本进行分类样本训练，生成封皮检测模型；e.药片板进入检测区域，工业摄像头采集所述药品板上方图像，通过所述药品检测模型进行分类识别，输出正面检测结果；f.工业摄像头采集所述药品板下方图像，通过所述封皮检测模型进行分类识别，输出背面检测结果；g.根据所述正面检测结果和背面检测结果处理药片板。/n

【技术特征摘要】
1.一种基于卷积神经网络检测药品包装的方法，其特征在于，包括如下步骤：a.采集多种药品图像样本，进行人工分类标记；b.使用卷积神经网络将已标记的所述药品图像样本进行分类样本训练，生成药品检测模型；c.采集多种残缺背面铝塑、铝箔材质封皮图像样本，进行人工分类标记；d.使用卷积神经网络将已标记的所述封皮图像样本进行分类样本训练，生成封皮检测模型；e.药片板进入检测区域，工业摄像头采集所述药品板上方图像，通过所述药品检测模型进行分类识别，输出正面检测结果；f.工业摄像头采集所述药品板下方图像，通过所述封皮检测模型进行分类识别，输出背面检测结果；g.根据所述正面检测结果和背面检测结果处理药片板。


2.根据权利要求1所述一种基于卷积神经网络检测药品包装的方法，其特征在于，所述药品图像样本包括有胶囊、有药片、有药球、脏污胶囊、脏污药片、脏污药球、空包装、不透明包装以及不透明包装有褶皱。


3.根据权利要求1或2所述一种基于卷积神经网络检测药品包装的方法，其特征在于，所述封皮图像样本包括砂眼、裂口以及褶皱缺陷。


4.根据权利要求3所述一种基于卷积神经网络检测药品包装的方法，其特征在于，步骤f还包括：使用卷积神经网络训练生成的模型进行分类识别时，设置缺陷阈值。


5.根据权利要求4所述一种基于卷积神经网络检测药品包装的方法，其特征在于，步骤g还包括：当正面检测和背面检测合格时，向下位机传送OK信号，药片板向后方传送；当正面检测和背面检测不合格时，向下位机传送NG信号，控制器接收NG信号，通过触发传感器启动气动设备，将不合格药片板剔除。

<...

【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