巩晓云:计算机视觉在药品包装检测中的应用论文

巩晓云:计算机视觉在药品包装检测中的应用论文

本文主要研究内容

作者巩晓云(2019)在《计算机视觉在药品包装检测中的应用》一文中研究指出:在药品包装缺陷检测这个领域中,依据人工方法和称重方法进行检测,是两种曾经被普遍使用的方法。其中,称重法对于内容药品的丢失可以有效检出,但是对于包装腔体的破损、裂缝则基本无效;人工法检测药品包装缺陷,依赖于工人的技术熟练程度和身体状态,如果连续高强度工作或现场光线不足,都可能导致缺陷无法的正确检测。基于计算机视觉技术的药品包装检测方法,以摄像机作为传感器来拍摄药品包装图像,不需要和药品包装物进行机械接触,可以有效避免包装的二次破坏。同时,它是一种同时满足检测精度和检测效率需求的检测方法。本文以此为出发点,设计一套基于计算机视觉的鱼眼塑封药品包装实时检测的处理方法,开展的研究工作有:首先,针对药品包装的缺陷检测问题,设计了计算机视觉的检测系统,系统中包含了计算机、摄像机、图像采集卡等硬件。针对药品包装图像的噪声干扰问题,提出了一种组合去噪方法,用均值滤波器、中值滤波器、高斯滤波器完成了对三种噪声的去除,进而采用大津算法阈值分割增强图像对比度,去除了去噪后形成的模糊效应。其次,对计算机视觉中几种典型的区域分割方法进行了比较,人工阈值的区域分割、迭代阈值的区域分割、大津算法一维区域分割、大津算法二维区域分割都存在一定的不足。针对大津算法二维区域分割的问题,在消除噪声残差影响和算法提速两个方面开展工作,提出了一种改进方法。对目标区域和背景区域进行区域分割,增强对比度来消除噪声残差。设定一个更具效率的最佳阈值的识别函数来简化计算过程,降低计算复杂度。最后,为了提升缺陷识别过程的可靠性,同时使用了药品包装图像中的颜色信息特征、纹理信息特征、形状信息特征。对四种不同形状的鱼眼塑封包装图像进行三个测度的相似性检验,检验结果表明所提的计算机视觉方法可以准确地识别出药品包装中的缺陷。相对于原有检测方法不但提高了检测的准确率,还提升了检测效率,达到了实时检测的效果。

Abstract

zai yao pin bao zhuang que xian jian ce zhe ge ling yu zhong ,yi ju ren gong fang fa he chen chong fang fa jin hang jian ce ,shi liang chong ceng jing bei pu bian shi yong de fang fa 。ji zhong ,chen chong fa dui yu nei rong yao pin de diu shi ke yi you xiao jian chu ,dan shi dui yu bao zhuang qiang ti de po sun 、lie feng ze ji ben mo xiao ;ren gong fa jian ce yao pin bao zhuang que xian ,yi lai yu gong ren de ji shu shou lian cheng du he shen ti zhuang tai ,ru guo lian xu gao jiang du gong zuo huo xian chang guang xian bu zu ,dou ke neng dao zhi que xian mo fa de zheng que jian ce 。ji yu ji suan ji shi jiao ji shu de yao pin bao zhuang jian ce fang fa ,yi she xiang ji zuo wei chuan gan qi lai pai she yao pin bao zhuang tu xiang ,bu xu yao he yao pin bao zhuang wu jin hang ji xie jie chu ,ke yi you xiao bi mian bao zhuang de er ci po huai 。tong shi ,ta shi yi chong tong shi man zu jian ce jing du he jian ce xiao lv xu qiu de jian ce fang fa 。ben wen yi ci wei chu fa dian ,she ji yi tao ji yu ji suan ji shi jiao de yu yan su feng yao pin bao zhuang shi shi jian ce de chu li fang fa ,kai zhan de yan jiu gong zuo you :shou xian ,zhen dui yao pin bao zhuang de que xian jian ce wen ti ,she ji le ji suan ji shi jiao de jian ce ji tong ,ji tong zhong bao han le ji suan ji 、she xiang ji 、tu xiang cai ji ka deng ying jian 。zhen dui yao pin bao zhuang tu xiang de zao sheng gan rao wen ti ,di chu le yi chong zu ge qu zao fang fa ,yong jun zhi lv bo qi 、zhong zhi lv bo qi 、gao si lv bo qi wan cheng le dui san chong zao sheng de qu chu ,jin er cai yong da jin suan fa yu zhi fen ge zeng jiang tu xiang dui bi du ,qu chu le qu zao hou xing cheng de mo hu xiao ying 。ji ci ,dui ji suan ji shi jiao zhong ji chong dian xing de ou yu fen ge fang fa jin hang le bi jiao ,ren gong yu zhi de ou yu fen ge 、die dai yu zhi de ou yu fen ge 、da jin suan fa yi wei ou yu fen ge 、da jin suan fa er wei ou yu fen ge dou cun zai yi ding de bu zu 。zhen dui da jin suan fa er wei ou yu fen ge de wen ti ,zai xiao chu zao sheng can cha ying xiang he suan fa di su liang ge fang mian kai zhan gong zuo ,di chu le yi chong gai jin fang fa 。dui mu biao ou yu he bei jing ou yu jin hang ou yu fen ge ,zeng jiang dui bi du lai xiao chu zao sheng can cha 。she ding yi ge geng ju xiao lv de zui jia yu zhi de shi bie han shu lai jian hua ji suan guo cheng ,jiang di ji suan fu za du 。zui hou ,wei le di sheng que xian shi bie guo cheng de ke kao xing ,tong shi shi yong le yao pin bao zhuang tu xiang zhong de yan se xin xi te zheng 、wen li xin xi te zheng 、xing zhuang xin xi te zheng 。dui si chong bu tong xing zhuang de yu yan su feng bao zhuang tu xiang jin hang san ge ce du de xiang shi xing jian yan ,jian yan jie guo biao ming suo di de ji suan ji shi jiao fang fa ke yi zhun que de shi bie chu yao pin bao zhuang zhong de que xian 。xiang dui yu yuan you jian ce fang fa bu dan di gao le jian ce de zhun que lv ,hai di sheng le jian ce xiao lv ,da dao le shi shi jian ce de xiao guo 。

论文参考文献

  • [1].基于深度学习的行人检测技术研究[D]. 赵雪云.华北电力大学2019
  • [2].基于计算机视觉的测距技术研究[D]. 姜映舟.桂林电子科技大学2019
  • [3].计算机视觉中的深度模型压缩[D]. 王欢.浙江大学2019
  • [4].基于计算机视觉的建筑工程结构构件影像识别模式研究[D]. 赵晓阳.华北电力大学(北京)2019
  • [5].基于计算机视觉的枸杞分级方法研究[D]. 曾泽宇.兰州理工大学2019
  • [6].基于深度学习的暴恐视频识别关键技术研究[D]. 赵凯.北京邮电大学2019
  • [7].融合目标先验知识的目标跟踪策略研究[D]. 王华东.内蒙古大学2019
  • [8].BIM与计算机视觉支持的室内铺装进度信息自动收集及可视化研究[D]. 洪灏.华南理工大学2018
  • [9].基于核相关滤波器的尺度自适应视觉目标跟踪[D]. 赵乾臣.南京理工大学2018
  • [10].深度学习分类网络研究及其在计算机视觉中的应用[D]. 周晓东.郑州大学2018
  • 读者推荐
  • [1].基于机器视觉的红枣表面缺陷检测算法研究[D]. 吴俊杭.石河子大学2019
  • [2].基于机器视觉的贴花陶瓷盘表面缺陷检测方法研究[D]. 李捷.西安理工大学2019
  • [3].无缝钢管直径测量与表面缺陷检测系统研究[D]. 王泽.广西师范大学2019
  • [4].基于机器视觉的木板实时检测算法[D]. 吴佳宁.沈阳工业大学2019
  • [5].基于数字图像处理技术的全画面印品质量检测[D]. 王愿.西安理工大学2019
  • [6].基于机器视觉的印刷品表面缺陷检测研究[D]. 吕明珠.西安理工大学2019
  • [7].基于计算机视觉的防护眼镜视野测量系统及方法研究[D]. 刘丹.西安理工大学2019
  • [8].基于计算机视觉的枸杞分级方法研究[D]. 曾泽宇.兰州理工大学2019
  • [9].基于工业机器视觉的药品包装“三期”检测技术研究[D]. 李琦.齐鲁工业大学2019
  • [10].基于深度学习和机器视觉的手机屏幕瑕疵检测方法研究[D]. 孙文政.山东大学2019
  • 论文详细介绍

    论文作者分别是来自哈尔滨理工大学的巩晓云,发表于刊物哈尔滨理工大学2019-07-29论文,是一篇关于计算机视觉论文,区域分割论文,缺陷识别论文,大津算法论文,哈尔滨理工大学2019-07-29论文的文章。本文可供学术参考使用,各位学者可以免费参考阅读下载,文章观点不代表本站观点,资料来自哈尔滨理工大学2019-07-29论文网站,若本站收录的文献无意侵犯了您的著作版权,请联系我们删除。

    标签:;  ;  ;  ;  ;  

    巩晓云:计算机视觉在药品包装检测中的应用论文
    下载Doc文档

    猜你喜欢