[发明专利]基于X光成像和深度学习的胶囊识别与检测方法及系统

权利要求书

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系统，使用权利要求5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，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。

7.根据权利要求6所述一种基于X光成像和深度学习的胶囊识别与检测系统，其特征在于，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。

8.根据权利要求7所述一种基于X光成像和深度学习的胶囊识别与检测系统，其特征在于，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。

9.根据权利要求8所述一种基于X光成像和深度学习的胶囊识别与检测系统，其特征在于，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。