一种基于深度学习的拍照识药系统及其使用方法技术方案

本发明专利技术公开了一种基于深度学习的拍照识药系统及其使用方法，属于药物识别技术领域。一种基于深度学习的拍照识药系统，包括摄像模块、图像预处理模块、图像分割模块、目标检测模块和OCR识别模块。本发明专利技术一种基于深度学习的拍照识药系统，操作方便、高效准确，通过拍照便能辨识区分待测物，并能获取药物信息和药物说明书，有效防止老年人被虚假广告欺骗，误把保健品当做药品使用。健品当做药品使用。健品当做药品使用。

【技术实现步骤摘要】
一种基于深度学习的拍照识药系统及其使用方法


[0001]本专利技术属于药物识别
，具体涉及一种基于深度学习的拍照识药系统及其使用方法。

技术介绍

[0002]近年来，我国保健品行业市场规模逐年扩大，市场需求旺盛。正是在这种保健品盛行的时代，一些厂商过度宣传，导致人们对于保健品与药品的鉴别能力越来越低。特别是一些中老年人，通过销售人员夸大的介绍或者广告等渠道，常常误把保健品当做药品使用。
[0003]针对上述问题，目前市面上出现了一种用药助手
‑
丁香园，但丁香园只具备查询功能，无法直接拍照识药，使用颇为不便，特别是一些进口药品，老年人难以辨别、查询。淘宝、京东虽然有拍照识物的功能，但其识别效果较差，药物资源信息不全，无法准确区分保健品和药品，仅具备初步的识物功能，无法进一步获取药品信息和药品说明书。
[0004]因此，亟需一种能够帮助用户够高效、准确辨别药品的工具。

技术实现思路

[0005]有鉴于此，本专利技术的目的在于提供一种基于深度学习的拍照识药系统及其使用方法。本专利技术旨在解决现有识药系统无法高效、准确识别药品，区分药品、保健品、医疗器械的问题。
[0006]为达到上述目的，本专利技术提供了一种基于深度学习的拍照识药系统，包括：
[0007]摄像模块，用于拍摄记录待识别的药品、保健品和医疗器械；
[0008]图像预处理模块，用于对摄像模块拍摄的数字图像进行预处理；
[0009]图像分割模块，用于对预处理后的数字图像进行前景背景分割，从而提取出前景主体；
[0010]目标检测模块，用于对前景主体进行目标检测；
[0011]所述目标检测模块内设有检测模型，检测模型能够将前景主体分类为药品、保健品、医疗器械或其他；
[0012]OCR识别模块，用于对判断为“药品”或“其他”的待识别物进行OCR识别，从而得到待识别物的药品相关信息；
[0013]所述OCR识别模块与数据库相关联，能够进一步获取药品信息和药品说明书。
[0014]OCR(光学字符识别，Optical Character Recognition)是指对文本资料进行扫描后对图像文件进行分析处理，获取文字及版面信息的过程。
[0015]进一步，所述预处理包括图像灰度化、滤波去噪、锐化和矫正。
[0016]进一步，所述检测模型是基于药品特征数据库的训练数据构建的。
[0017]进一步，所述训练数据包括药品、保健品、医疗器械的产品图像和特征图像。
[0018]进一步，所述特征图像包括以下三类：
[0019]药品特征图像：电子监管码、甲类OTC标志和乙类OTC标志；
[0020]保健品特征图像：蓝帽子标志；
[0021]医疗器械特征图像：各类仪器标志。
[0022]进一步，所述药品相关信息包括药品名称、批准文号和注册证号。
[0023]本专利技术还提供了一种基于深度学习的拍照识药系统的使用方法，包括以下步骤：
[0024]S1.通过药品特征数据库构建检测模型；
[0025]S2.用摄像模块拍摄待识别物；
[0026]S3.对步骤S2拍摄的图像进行预处理；
[0027]S4.对步骤S3预处理后的数字图像进行前景背景分割，得到前景主体；
[0028]S5.通过深度学习的检测模型对前景主体进行目标检测，并对前景主体进行分类：药品、保健品、医疗器械或其他；
[0029]若待识别物的前景主体被判断为药品或其他，则进行OCR识别，识别出OCR文本中的药品相关信息；
[0030]若待识别物的前景主体被判断为保健品或医疗器械，则停止，导出判断结果；
[0031]S6.根据步骤S5识别出的药品相关信息，查询yz_instruct表，导出最终结果，有以下三种情况：
[0032]A.查询到药品，并有对应的药品说明书；
[0033]B.查询到药品，但无对应的药品说明书；
[0034]C.查询结果为空，说明不是药品。
[0035]本专利技术提供了一种基于OCR识别技术的拍照识药系统，包括：
[0036]摄像模块，用于拍摄记录待识别的药品、保健品和医疗器械；
[0037]OCR识别模块，用于提取摄像模块拍摄图片的文字信息；
[0038]关键字匹配模块，用于匹配OCR识别模块提取的文字信息，从而将摄像模块拍摄的图片分类为药品、保健品、医疗器械或其他。
[0039]本专利技术还提供了一种基于OCR识别技术的拍照识药系统的使用方法，包括以下步骤：
[0040]S1.用摄像模块拍摄待识别物；
[0041]S2.用OCR识别模块，提取摄像模块拍摄的图片的文字信息；
[0042]S3.用关键字匹配模块，对OCR识别模块提取的文字信息进行匹配，从而对待识别物进行分类：药品、保健品、医疗器械或其他；
[0043]若待识别物的输出匹配结果为药品或其他，则查询yz_instruct表，导出最终结果；
[0044]若待识别物的输出匹配结果为保健品或医疗器械，则停止，导出判断结果。
[0045]本专利技术的有益效果在于：
[0046]1、本专利技术提供了一种基于深度学习的拍照识药系统，使用更加方便，通过拍照便能对待测物进行辨识区分，若待测物为药品，还能得到药品说明书等相关信息，有效防止老年人被虚假广告欺骗，误把保健品当做药品使用。
[0047]2、本专利技术提供了一种基于深度学习的拍照识药系统，设有目标检测模块和检测模型，检测模型以药品特征数据库为基础，涉及的药物更广更全面，专业性更强；本专利技术还设有图像预处理模块和图像分割模块，自待识别物提取的产品图像和特征图像更清楚，两相
结合，药物识别更加高效、准确，并能对药品、保健品、医疗器械进行区分。
[0048]本专利技术的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究，对本领域技术人员而言将是显而易见的，或者可以从本专利技术的实践中得到教导。本专利技术的目标和其他优点可以通过下面的说明书来实现和获得。
附图说明
[0049]图1为本专利技术一种基于深度学习的拍照识药系统的流程图；
[0050]图2为本专利技术一种基于深度学习的拍照识药系统的功能模块图；
[0051]图3为本专利技术一种基于OCR识别技术的拍照识药系统的流程图；
[0052]图4为本专利技术一种基于OCR识别技术的拍照识药系统的功能模块图；
[0053]图5为实施例1中Fenbid的包装图；
[0054]图6为实施例2中国氏全营养素的包装图；
[0055]图7为实施例3中口腔检查包的包装图。
具体实施方式
[0056]为使本专利技术的技术方案、优点和目的更加清楚，下面将结合本专利技术实施例的附图，对本专利技术实施例的技术方案进行清楚、完整地描述。显然，所描述的实施例是本专利技术的一部分实施本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的拍照识药系统，其特征在于，包括：摄像模块，用于拍摄记录待识别的药品、保健品和医疗器械；图像预处理模块，用于对摄像模块拍摄的数字图像进行预处理；图像分割模块，用于对预处理后的数字图像进行前景背景分割，从而提取出前景主体；目标检测模块，用于对前景主体进行目标检测；所述目标检测模块内设有检测模型，检测模型能够将前景主体分类为药品、保健品、医疗器械或其他；OCR识别模块，用于对判断为“药品”或“其他”的待识别物进行OCR识别，从而得到待识别物的药品相关信息；所述OCR识别模块与数据库相关联，能够进一步获取药品信息和药品说明书。2.根据权利要求1所述的一种基于深度学习的拍照识药系统，其特征在于：所述预处理包括图像灰度化、滤波去噪、锐化和矫正。3.根据权利要求1所述的一种基于深度学习的拍照识药系统，其特征在于：所述检测模型是基于药品特征数据库的训练数据构建的。4.根据权利要求3所述的一种基于深度学习的拍照识药系统：其特征在于，所述训练数据包括药品、保健品、医疗器械的产品图像和特征图像。5.根据权利要求4所述的一种基于深度学习的拍照识药系统，其特征在于，所述特征图像包括以下三类：药品特征图像：电子监管码、甲类OTC标志和乙类OTC标志；保健品特征图像：蓝帽子标志；医疗器械特征图像：各类仪器标志。6.根据权利要求1所述的一种基于深度学习的拍照识药系统，其特征在于：所述药品相关信息包括药品名称、批准文号和注册证号。7.一种基于深度学习的拍照识药系统的使用方法，其特征在于，包括以下步骤：S1.通过药品特征数据库构建检测模型；...

【专利技术属性】
技术研发人员：李天泉，侯钰，史晓雨，陈浩，王桃，夏学励，甘又丹，刘继洪，黎尧辰，彭家松，唐伟，刘传，陈亦飞，王冬，唐昆明，熊飞，罗元平，
申请(专利权)人：重庆康洲大数据集团有限公司，
类型：发明
国别省市：