【技术实现步骤摘要】
本专利技术涉及药品物流管理，尤其涉及基于机器视觉的药品物流管理装置及方法。
技术介绍
1、在现代医药物流中，药品包装的质量直接关系到药品的安全性和有效性，尤其在运输和存储过程中，包装不仅要保护药品免受污染、损坏，还需保持包装标签的清晰可辨，以确保药品的批次、有效期等信息的可追溯性，随着医药行业对包装质量要求的提升，传统的人工检测已难以满足大规模物流对高效、准确包装检测的需求，机器视觉技术逐渐被引入，以自动化方式检测药品包装的完整性和缺陷，提升质量管理的效率。
2、然而，现有的机器视觉检测技术存在一些不足之处，首先，传统方法通常只能基于单一角度采集图像，易导致检测盲区，难以全面覆盖包装的各个部位，特别是细小裂痕或轻微的标签模糊等缺陷可能会被忽略，其次，缺少对缺陷分类的标准化判断机制，无法精确区分轻微缺陷和严重缺陷，导致误判和漏判情况的发生，此外，现有技术缺乏智能决策能力，对于判定为有缺陷的包装，未能提供有效的修正或重建建议，无法满足物流过程中的包装质量管理要求。
3、本专利技术的目的是提供一种基于机器视觉的药品物流...
【技术保护点】
1.基于机器视觉的药品物流管理方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于机器视觉的药品物流管理方法，其特征在于，所述S1中的药品包装图像采集包括：
3.根据权利要求1所述的基于机器视觉的药品物流管理方法，其特征在于，所述S2中的图像预处理包括：
4.根据权利要求1所述的基于机器视觉的药品物流管理方法，其特征在于，所述S31中的包装缺陷识别模型采用卷积神经网络模型，所述卷积神经网络模型包括：
5.根据权利要求4所述的基于机器视觉的药品物流管理方法，其特征在于，所述S32中的缺陷区域定位与标注包括：>
6.根据权利...
【技术特征摘要】
1.基于机器视觉的药品物流管理方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于机器视觉的药品物流管理方法，其特征在于，所述s1中的药品包装图像采集包括：
3.根据权利要求1所述的基于机器视觉的药品物流管理方法，其特征在于，所述s2中的图像预处理包括：
4.根据权利要求1所述的基于机器视觉的药品物流管理方法，其特征在于，所述s31中的包装缺陷识别模型采用卷积神经网络模型，所述卷积神经网络模型包括：
5.根据权利要求4所述的基于机器视觉的药品物流管理方法，其特征在于，所述s32中的缺陷区域定位与标注包括：
6.根据权...
【专利技术属性】
技术研发人员：谷可军，吴源远，龚伟，刘宁宁，
申请(专利权)人：苏州医朵云健康股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。