[发明专利]一种运用图像处理检测医用包装盒三期瑕疵的方法及系统

说明书

本发明提供了一种运用图像处理检测医用包装盒三期瑕疵的方法及系统，其中系统包括：相机，控制装置，处理器、所述处理器连接机器视觉处理工具，该机器视觉处理工具用于得到需要深度学习模型检测的ROI；检测模型、目标检测器、写入模块、分类模块；以及训练模型，该训练模型依据历史样品的缺陷状态通过建立训练深度神经网络进行迭代计算获取。为了实现对铝塑泡罩包装药品瑕疵的检测，达到最好的检测效果，收集大量的瑕疵样品，通过深度神经网络对标注准确的数据进行训练，进而得到深度学习模型，多次迭代之后达到超过人类专家的高准确度检测的效果。

技术领域

本发明涉及图像处理技术领域，特别是涉及一种运用图像处理检测医用包装盒三期瑕疵的方法及系统。

背景技术

随着近年来药品生产质量管理规范（GMP）不断升级，医药行业对药品生产质量要求越来越高，制药厂家在保证质量的前提下对生产效率提高也有迫切的需求，因此医用包装盒装盒机加装生产效率高、产品兼容性强的三期检测系统势在必行。

现有技术方案多采用人工目检或针对某种产品单独设置视觉检测工位的方式。人工目检通过专用光源照射三期字符，手动调整角度使得字符凸显于药盒背景之上，观察到瑕疵品即手动剔除，无法实现高效全自动化生产；针对不同产品单独设置视觉检测工位的方式，根据产品字符特性通过机械调整相机和光源角度的方式凸显字符，再用专用的传统算法解决某种产品的三期瑕疵检测，无法做到产品兼容和快速换型。

发明内容

有鉴于此，本发明的主要目的在于提供一种运用图像处理检测医用包装盒三期瑕疵的方法及系统。

本发明采用的技术方案如下：

一种运用图像处理检测医用包装盒三期瑕疵的方法，包括如下步骤：

在传送带上设置光电传感器，当医药包装盒在传送带经过光电传感器后，该光电传感器开始获取编码器脉冲值，以计算产品运行距离，到达触发拍照位置给出上升沿信号触发光源频闪同步相机拍照，获取位置相对固定的第一图像；

将第一图像通过机器视觉定位算法，根据相对坐标提取出整体字符位置，并根据字符规格分割处理，利用机器视觉处理工具得到需要深度学习模型检测的ROI，将此ROI输入至检测模型内，通过检测模型训练得到的预设方案中获取对应的检测结果；

若ROI在预设方案中没有获取对应的检测结果，将此ROI提取，发送至目标检测器获取ROI属性，并利用设置在目标检测器中的写入模块在ROI属性中写入识别特征，依据识别特征将该ROI分类到训练模型中具有相同识别特征的预设子库中；

依据预设子库对应的训练所使用的深度神经网络支脉，所述训练模型启动规避机制，将训练模型的训练资源分配至所述深度神经网络支脉，用于对该ROI进行迭代训练，训练好后按照识别特征分配并存储至学习模型的预设方案对应的子集中。

进一步地，所述训练模型依据如下方法获得：

采集若干组瑕疵样品，输入至处理模块对缺陷位置进行标注，并记录缺陷样品中缺陷位置的缺陷状态，同时发送至目标检测器获取缺陷样品属性，并利用设置在目标检测器中的写入模块在缺陷样品属性中写入识别特征，依据识别特征将该缺陷样品分类到具有相同识别特征的预设子库中；

依据预设子库对应建立训练深度神经网络，训练模型依据预设子库内存的大小分配训练资源分配至所述训练深度神经网络，用于对对应预设子库中的缺陷样品进行迭代训练，训练好后按照识别特征分配并存储至学习模型的预设方案对应的子集中。

进一步地，通过检测模型训练得到的预设方案中获取对应的检测结果，检测结果包括良品或不同状态的瑕疵品，根据检测结果发送ok或ng信号到后端的剔除装置，并在UI交互界面显示结果。

本发明还提供了一种运用图像处理检测医用包装盒三期瑕疵的系统，包括传送带，传送带上设置光电传感器；

相机，用于到达触发拍照位置给出上升沿信号触发光源频闪同步相机拍照，获取位置相对固定的第一图像；

控制装置，用于控制触发上升沿信号发送至相机；