大輸液異物視覺識別和分類方法研究.pdf

1、本文以醫(yī)藥溶液中的大輸液產(chǎn)品為例，進(jìn)行了可見異物視覺識別和分類方法的研究，用機(jī)器視覺來模擬人眼，確保識別和分類方法的有效性和精度，最終實現(xiàn)對大輸液異物的準(zhǔn)確識別和分類，且將該算法用于實際生產(chǎn)系統(tǒng)，提高藥液質(zhì)量檢測的速度和精度，進(jìn)而帶來巨大的經(jīng)濟(jì)和社會效益。
　　首先，本文概述了機(jī)器視覺技術(shù)的原理及應(yīng)用，介紹了將機(jī)器視覺應(yīng)用于醫(yī)藥溶液產(chǎn)品質(zhì)量檢測的國內(nèi)外研究現(xiàn)狀，結(jié)合實際檢測對象分析了利用視覺對異物進(jìn)行識別和分類的難點。
　　

2、其次，簡要介紹了視覺檢測系統(tǒng)的結(jié)構(gòu)，詳細(xì)闡述了本文的研究平臺，大輸液異物視覺識別和分類系統(tǒng)的設(shè)計，包括光學(xué)照明系統(tǒng)、機(jī)械系統(tǒng)和機(jī)電控制系統(tǒng)的各部分結(jié)構(gòu)及實現(xiàn)。
　　然后，重點介紹了本文中的異物識別算法。在分析了本文的識別對象及識別難點和關(guān)鍵技術(shù)現(xiàn)狀后，給出了大輸液可見異物視覺識別方案的整體設(shè)計。在采集到的原始圖像經(jīng)過自適應(yīng)加權(quán)均值濾波預(yù)處理后，利用投影法確定感興趣區(qū)域，剔除了部分瓶底、瓶壁及光線的干擾，并利用復(fù)合拉普拉斯增強法對其

3、進(jìn)行處理。針對運動小目標(biāo)的特點，在序列圖像的基礎(chǔ)上，將幀差法與背景法相結(jié)合實現(xiàn)對目標(biāo)的分割；運用基于數(shù)學(xué)形態(tài)學(xué)-Kalman濾波器的跟蹤算法對分割出的目標(biāo)對象進(jìn)一步跟蹤識別，正確判斷異物與氣泡干擾，并給出了實驗結(jié)果，驗證了識別算法的可靠性和有效性。
　　隨后，在對異物進(jìn)行跟蹤識別盼基礎(chǔ)上，提取目標(biāo)特征，運用BP神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)對目標(biāo)對象進(jìn)行分類，確定其所屬類別。針對標(biāo)準(zhǔn)BP算法的收斂速度慢等缺點提出了改進(jìn)的BP算法，比較了兩種

4、算法對標(biāo)準(zhǔn)數(shù)據(jù)Iris的分類效果，證明其改善了標(biāo)準(zhǔn)BP算法的性能。利用支持向量機(jī)對目標(biāo)對象進(jìn)行分類時，在傳統(tǒng)二分類的基礎(chǔ)上采用“一對多”的方式實現(xiàn)多分類。文中給出了BP神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)兩種分類方法的實驗結(jié)果，并進(jìn)行了對比，驗證了分類算法的有效性和實用性。
　　最后，介紹了本文實驗平臺的軟件系統(tǒng)開發(fā)與實現(xiàn)，概述了本軟件系統(tǒng)的整體構(gòu)成，簡要描述了其中的用戶登錄模塊、系統(tǒng)控制模塊、運動控制模塊和數(shù)據(jù)庫模塊，重點介紹了相機(jī)參數(shù)設(shè)置模塊