基于视觉识别的大输液软袋产品的检测方法、系统及装置制造方法及图纸

本说明书实施例提供一种基于视觉识别的大输液软袋产品的检测方法，包括以下步骤：采集传输线上的大输液软袋产品的图像；将采集的图像输入到预先建立的合格品识别模型中，合格品识别模型对获取的图像进行检测，检测到图像中存在异物时，则识别、并剔除该大输液软袋产品，否则，对该大输液软袋产品放行处理。可以实现自动识别产品是否合格。现自动识别产品是否合格。现自动识别产品是否合格。

【技术实现步骤摘要】
基于视觉识别的大输液软袋产品的检测方法、系统及装置


[0001]本说明书涉及大输液软袋产品检测
，特别涉及一种基于视觉识别的大输液软袋产品的检测方法、系统及装置和存储介质。

技术介绍

[0002]随着社会的发展和人民生活水平的提高，人们对于产品的质量要求越来越高，对产品的质量管控也越来越严，而更大规模的生产，需要更对的人力投入到产品的质量控制中。传统的人工筛选，不仅效率极低，由此而带来的管理成本、人力成本急剧上升，自动化检测替换人工检测，尤为重要。
[0003]因此，需要一种可以实现自动识别与检测的方案。

技术实现思路

[0004]本说明书实施例之一提供一种基于视觉识别的大输液软袋产品的检测方法，包括以下步骤：采集传输线上的大输液软袋产品的图像；将采集的图像输入到预先建立的合格品识别模型中，合格品识别模型对获取的图像进行检测，检测到图像中存在异物时，则识别、并剔除该大输液软袋产品，否则，对该大输液软袋产品放行处理。
[0005]本说明书实施例之一提供一种基于视觉识别的大输液软袋产品的检测系统，其特征在于，包括：采集模块，用于采集传输线上的大输液软袋产品的图像；识别模块，用于将采集的图像输入到预先建立的合格品识别模型中，合格品识别模型对获取的图像进行检测，检测到图像中存在异物时，则识别、并剔除该大输液软袋产品，否则，对该大输液软袋产品放行处理。
[0006]本说明书实施例之一提供一种基于视觉识别的大输液软袋产品的检测装置，所述装置包括处理器以及存储器；所述存储器用于存储指令所述指令被所述处理器执行时，导致所述装置实现所述基于视觉识别的大输液软袋产品的检测方法对应的操作。
[0007]本说明书实施例之一提供一种计算机可读存储介质，所述存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机运行所述基于视觉识别的大输液软袋产品的检测方法。
附图说明
[0008]本说明书将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：
[0009]图1是根据本说明书一些实施例所示的基于视觉识别的大输液软袋产品的检测系统的应用场景图；
[0010]图2是根据本说明书一些实施例所示的可以在其上实现处理引擎的示例性计算设备的示例性硬件和/或软件组件的示意图；
[0011]图3是根据本说明书一些实施例所示的可以在其上实现一个或以上终端的示例性移动设备的示例性硬件和/或软件组件的示意图；
[0012]图4是根据本说明书一些实施例所示的基于视觉识别的大输液软袋产品的检测系统的模块构成示意图；
[0013]图5是根据本说明书一些实施例所示的基于视觉识别的大输液软袋产品的检测方法的示例性流程图；
[0014]图6是根据本说明书一些实施例所示的识别模型的示意图。
具体实施方式
[0015]为了更清楚地说明本说明书实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本说明书的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。
[0016]应当理解，本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。
[0017]如本说明书和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。
[0018]本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。
[0019]图1是根据本说明书一些实施例所示的基于视觉识别的大输液软袋产品的检测系统的应用场景图100。如图1所示，基于视觉识别的大输液软袋产品的检测系统可以包括服务器110、图像采集设备120、终端设备130、网络140和存储设备150。
[0020]服务器110是指具有计算能力的系统，在一些实施例中，服务器110可以是单个服务器，也可以是服务器组。所述服务器组可以是集中式的，也可以是分布式的(例如，服务器110可以是分布式的系统)。在一些实施例中，服务器110可以是本地的，也可以是远程的。例如，服务器110可以经由网络140访问存储在用户终端130和/或存储设备150中的信息和/或数据。又例如，服务器110可以直接连接到用户终端130和/或存储设备150以访问存储的信息和/或数据。在一些实施例中，服务器110可以在云平台上实施。仅作为示例，该云平台可以包括私有云、公共云、混合云、社区云、分布云、内部云、多层云等或其任意组合。在一些实施例中，服务器110可以在具有本申请中图2所示的一个或多个组件的计算设备200上实现。
[0021]在一些实施例中，服务器110可以包括处理引擎112。处理引擎112可以处理与大输液软袋产品160的信息和/或数据。例如，处理引擎112可以对获取到的大输液软袋产品的图像进行自动识别与判断，并得出该产品是否为合格产品的预估结果。在一些实施例中，处理
引擎112可以包括一个或以上处理引擎(例如，单核处理引擎或多核处理器)。仅作为示例，处理引擎112可以包括一个或以上硬件处理器，例如中央处理单元(CPU)、专用集成电路(ASIC)、专用指令集处理器(ASIP)、图形处理单元(GPU)、物理处理单元(PPU)、数字信号处理器(DSP)、现场可编程门阵列(FPGA)、可编程逻辑设备(PLD)、控制器、微控制器单元、精简指令集计算机(RISC)、微处理器等或其任何组合。
[0022]图像采集设备120是指用于采集图像的装置。图像采集设备120可以是摄像机120
‑
1、照相机120
‑
2、摄像头120
‑
3等中的任意一种或多种。在一些实施例中，图像采集设备120可以采集图片、视频等中的一种或多种。例如，图像采集设备120可以采集大输液软袋产品160在生产线上的生产中的视频或照片。
[0023]在一些实施例中，用户终端130可以包括移动设备130
‑
1、平板计算机130
‑
2、膝上型计算机130
‑
3、台式计算机130
‑
4等或其任意组合。在一些实施例中，移动设备130
‑
1可以包括本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于视觉识别的大输液软袋产品的检测方法，其特征在于，包括以下步骤：采集传输线上的大输液软袋产品的图像；将采集的图像输入到预先建立的合格品识别模型中，合格品识别模型对获取的图像进行检测，检测到图像中存在异物时，则识别、并剔除该大输液软袋产品，否则，对该大输液软袋产品放行处理。2.根据权利要求1所述的一种基于视觉识别的大输液软袋产品的检测方法，其特征在于，所述采集传输线上的大输液软袋产品的图像，包括：通过面阵3D相机获取图像，具体包括：面阵3D相机对大输液软袋产品进行拍照；在连续模式下，以最高帧率输出图像，上位机对输出图像像素点进行逐个读取作为获取的图像。3.根据权利要求1所述的一种基于视觉识别的大输液软袋产品的检测方法，其特征在于，所述合格品识别模型的建立方法包括：获取多种合格品的俯视图像；将图像分别输入卷积神经网络中进行训练，分别设置训练神经网络时输入合格品的大小、每次训练样本的数目、合格品类别数、测试的准确率阈值；获得该种合格品对应的合格品识别子模型；将多个合格品识别子模型进行融合，形成合格品识别分类模型。4.根据权利要求1所述的一种基于视觉识别的大输液软袋产品的检测方法，其特征在于，所述将采集的图像输入到预先建立的合格品识别模型中，合格品识别模型对获取的图像进行检测包括：所述合格品识别模型从所述采集的图像中获取至少一个目标框；基于第一预设条件对所述至少一个目标框进行筛选，确定所述至少一个处理框；所述合格品识别模型对所述处理框进行检测；其中，对于所述至少一个目标框中的一个，所述第一预设条件与所述目标框的识别次数相关，所述识别次数是指所述识别模型对所述视频中至少一幅历史帧图像中的所述目标框的至少一个关联框进行识别的次数。5.一种基于视觉识别的大输液软袋产品的检测系统，其特征在于，包括：采集模块，用于采集传输线上的大输液软袋产品的图像；识别模块，用于将采集的图像输入到预先建立的合格品识别模型中，合格品识别模型对...

【专利技术属性】
技术研发人员：杨琴，彭晓琴，刘思川，刘文军，谭鸿波，葛均友，郭晓英，喻强，王昌斌，
申请(专利权)人：四川科伦药业股份有限公司，
类型：发明
国别省市：