CN115078407B - 一种用于医药玻璃的检测***及方法 - Google Patents
一种用于医药玻璃的检测***及方法 Download PDFInfo
- Publication number
- CN115078407B CN115078407B CN202210146262.3A CN202210146262A CN115078407B CN 115078407 B CN115078407 B CN 115078407B CN 202210146262 A CN202210146262 A CN 202210146262A CN 115078407 B CN115078407 B CN 115078407B
- Authority
- CN
- China
- Prior art keywords
- medical glass
- picture
- glass
- wall thickness
- preset
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 239000011521 glass Substances 0.000 title claims abstract description 212
- 238000001514 detection method Methods 0.000 title claims abstract description 44
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000004458 analytical method Methods 0.000 claims abstract description 37
- 238000005498 polishing Methods 0.000 claims abstract description 27
- 238000013135 deep learning Methods 0.000 claims abstract description 9
- 239000013598 vector Substances 0.000 claims description 32
- 230000009466 transformation Effects 0.000 claims description 28
- 230000007547 defect Effects 0.000 claims description 17
- 206010003694 Atrophy Diseases 0.000 claims description 13
- 230000037444 atrophy Effects 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 12
- 238000007405 data analysis Methods 0.000 claims description 6
- 230000002776 aggregation Effects 0.000 claims description 2
- 238000004220 aggregation Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 4
- 239000003814 drug Substances 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000008676 import Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000004806 packaging method and process Methods 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003124 biologic agent Substances 0.000 description 1
- 238000004138 cluster model Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000000825 pharmaceutical preparation Substances 0.000 description 1
- 229940127557 pharmaceutical product Drugs 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
- G01N21/958—Inspecting transparent materials or objects, e.g. windscreens
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
- G01B11/06—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness for measuring thickness ; e.g. of sheet material
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8806—Specially adapted optical and illumination features
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8806—Specially adapted optical and illumination features
- G01N2021/8835—Adjustable illumination, e.g. software adjustable screen
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了一种用于医药玻璃的检测***及方法,主要涉及医药玻璃检测技术领域,用以解决现有的人工检测医药玻璃速度慢、效率低等技术问题。包括:固定选取模块,用于确定医药玻璃对应的医药玻璃型号和固定装置;数据获取模块,用于确定预设打光装置对应的装置固定高度以及若干打光角度;以获取医药玻璃在预设阴影检测板上形成的若干打光阴影图片;图片分析模块,用于确定医药玻璃是否存在表面瑕疵、外径壁厚是否稳定;当首次认定不存在表面瑕疵和/或外径壁厚稳定时,导入打光阴影图片至深度学习网络模型,以再次确定医药玻璃是否存在表面瑕疵以及外径壁厚是否稳定。本申请通过上述方法实现了自动检测医药玻璃的完整性,提高了检测效率。
Description
技术领域
本申请涉及医药玻璃检测技术领域,尤其涉及一种用于医药玻璃的检测***及方法。
背景技术
医药玻璃是一种安全的高级医药包装容器。医药玻璃具有诸多优良性能,例如透明性,光洁性,阻隔性,化学稳定性,耐温性,遮光性,相容性,再生性等。它是众多医药产品和生物制剂不可替代的包装容器。
现阶段,检测医药玻璃的方法主要为:专业人员利用相关测量仪器进行医药玻璃的测量,进而检测医药玻璃否存在表面瑕疵以及外径壁厚是否稳定。
但是,上述方法存在的不稳定因素较多,医药玻璃在测量过程中过于依赖专业人员的技术水平,极易导致人为失误。且上述方法需要操作的相关测量仪器较多,过程较为繁琐。因此,亟需一种用于医药玻璃的检测***及方法,以解决人工检测带来的测量误差,以及测量过程繁琐的技术问题。
发明内容
针对现有技术的上述不足,本发明提供一种用于医药玻璃的检测***及方法,以解决上述技术问题。
第一方面,本申请实施例提供了一种用于医药玻璃的检测***,***包括:固定选取模块,用于获取医药玻璃对应的拍摄图片以及玻璃重量,以确定医药玻璃对应的医药玻璃型号和固定装置;数据获取模块,用于控制固定装置,将医药玻璃固定于预设阴影检测板的预设打光高度处;基于医药玻璃型号,确定预设打光装置对应的装置固定高度以及若干打光角度;以获取医药玻璃在预设阴影检测板上形成的若干打光阴影图片;图片分析模块,用于导入打光阴影图片至小波萎缩模型以及尺度不变特征变换模型,以确定医药玻璃是否存在表面瑕疵、外径壁厚是否稳定;当首次认定不存在表面瑕疵和/或外径壁厚稳定时,导入所述打光阴影图片至深度学习网络模型,以再次确定医药玻璃是否存在表面瑕疵以及外径壁厚是否稳定。
进一步地,固定选取模块包括图片处理单元、重量处理单元、玻璃确定单元;图片处理单元,用于控制预设拍摄设备在预设拍摄高度,获取医药玻璃对应的拍摄图片;进而采集拍摄图片对应的医药玻璃颜色、医药玻璃形状、玻璃长度以及玻璃宽度;重量处理单元,用于获取医药玻璃对应的玻璃重量;玻璃确定单元,用于根据预设医药玻璃数据库、医药玻璃颜色、医药玻璃形状、玻璃长度、玻璃宽度以及玻璃重量,确定拍摄图片对应的医药玻璃型号;进而确定医药玻璃型号对应的固定装置。
进一步地,图片分析模块包括小波分析单元、特征分析单元;小波分析单元,用于通过小波萎缩模型,获取打光阴影图片的空间域对应的信号变换域;根据信号变换域对应的若干信号值,确定若干信号值对应的方差;根据方差与预设方差阈值,确定打光阴影图片是否存在表面瑕疵;特征分析单元,用于导入打光阴影图片至尺度不变特征变换模型,以获得打光阴影图片对应的特征向量;通过预存的外径壁厚不稳定特征向量集合对比特征向量,以确定打光阴影图片对应的医药玻璃的外径壁厚是否稳定。
进一步地,图片分析模块还包括集合更新单元;集合更新单元,用于导入外径壁厚不稳定图片至尺度不变特征变换模型,以获得外径壁厚不稳定图片对应的特征向量集合;通过邻近算法对特征向量集合进行聚类处理,去除无效的特征向量,以更新外径壁厚不稳定特征向量集合;其中,外径壁厚不稳定图片为外径壁厚不稳定的打光阴影图片。
进一步地,***还包括数据分析模块;数据分析模块包括瑕疵分析单元、外径壁厚分析单元、报告生成单元;瑕疵分析单元,用于获取预设时间段内,存在表面瑕疵的打光阴影图片的第一图片集合,进而通过第一聚类模型以及预设瑕疵类型,确定第一图片集合关于各个预设瑕疵类型的第一占比数据;外径壁厚分析单元,用于获取预设时间段内,存在外径壁厚不稳定的打光阴影图片的第二图片集合,进而通过第二聚类模型以及预设外径壁厚不稳定类型,确定第二图片集合关于各个预设外径壁厚不稳定类型的第二占比数据;报告生成单元,用于根据第一图片集合、第二图片集合,确定预设时间段内医药玻璃对应的表面瑕疵率以及外径壁厚不稳定率;进而基于表面瑕疵率、外径壁厚不稳定率、第一占比数据以及第二占比数据,生成预设时间段内的医药玻璃检测报告。
第二方面,本申请实施例还提供了一种用于医药玻璃的检测方法,方法包括:获取医药玻璃对应的拍摄图片以及玻璃重量,以确定医药玻璃对应的医药玻璃型号和固定装置;控制固定装置,将医药玻璃固定于预设阴影检测板的预设打光高度处;基于医药玻璃型号,确定预设打光装置对应的装置固定高度以及若干打光角度;以获取医药玻璃在预设阴影检测板上形成的若干打光阴影图片;导入打光阴影图片至小波萎缩模型以及尺度不变特征变换模型,以确定医药玻璃是否存在表面瑕疵、外径壁厚是否稳定;当首次认定不存在表面瑕疵和/或外径壁厚稳定时,导入所述打光阴影图片至深度学习网络模型,以再次确定医药玻璃是否存在表面瑕疵以及外径壁厚是否稳定。
进一步地,获取医药玻璃对应的拍摄图片以及玻璃重量,以确定医药玻璃对应的医药玻璃型号和固定装置,具体包括:控制预设拍摄设备在预设拍摄高度,获取医药玻璃对应的拍摄图片;进而采集拍摄图片对应的医药玻璃颜色、医药玻璃形状、玻璃长度以及玻璃宽度;获取医药玻璃对应的玻璃重量;根据预设医药玻璃数据库、医药玻璃颜色、医药玻璃形状、玻璃长度、玻璃宽度以及玻璃重量,确定拍摄图片对应的医药玻璃型号;进而确定医药玻璃型号对应的固定装置。
进一步地,导入打光阴影图片至小波萎缩模型以及尺度不变特征变换模型,以确定医药玻璃是否存在表面瑕疵、外径壁厚是否稳定,具体包括:通过小波萎缩模型,获取打光阴影图片的空间域对应的信号变换域;根据信号变换域对应的若干信号值,确定若干信号值对应的方差;根据方差与预设方差阈值,确定打光阴影图片是否存在表面瑕疵;导入打光阴影图片至尺度不变特征变换模型,以获得打光阴影图片对应的特征向量;通过预存的外径壁厚不稳定特征向量集合对比特征向量,以确定打光阴影图片对应的医药玻璃的外径壁厚是否稳定。
本领域技术人员能够理解的是,本发明至少具有如下有益效果:
通过固定选取模块,实现了自动辨别医药玻璃型号以及自动选择医药玻璃对应的固定装置;通过数据获取模块,实现了获取该医药玻璃对应的最佳打光角度下的打光阴影图片;通过图片分析模块,实现了检测医药玻璃是否存在表面瑕疵以及外径壁厚是否稳定。
附图说明
下面参照附图来描述本公开的部分实施例,附图中:
图1是本申请实施例提供的一种用于医药玻璃的检测***内部结构示意图。
图2是本申请实施例提供的一种用于医药玻璃的检测方法流程图。
具体实施方式
本领域技术人员应当理解的是,下文所描述的实施例仅仅是本公开的优选实施例,并不表示本公开仅能通过该优选实施例实现,该优选实施例仅仅是用于解释本公开的技术原理,并非用于限制本公开的保护范围。基于本公开提供的优选实施例,本领域普通技术人员在没有付出创造性劳动的情况下所获得的其它所有实施例,仍应落入到本公开的保护范围之内。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
下面通过附图对本申请实施例提出的技术方案进行详细的说明。
图1为本申请实施例提供的一种用于医药玻璃的检测***。如图1所示,本申请实施例提供的检测***,主要包括:固定选取模块110、数据获取模块120、图片分析模块130。
其中,固定选取模块110为任意可行的能够获取医药玻璃的图片以及质量的设备或装置等,主要用于获取医药玻璃对应的拍摄图片以及玻璃重量,以确定医药玻璃对应的医药玻璃型号和固定装置。
需要说明的是,固定装置为能够抓取医药玻璃,并能够将抓取的医药玻璃固定在任意可行的位置处的设备或装置等。
作为示例一地,固定选取模块110包含拍摄载台以及拍摄装置,存在医药玻璃抓取装置,该装置将医药玻璃放置于拍摄载台上,该拍摄载台上方设置有拍摄装置,能够采集医药玻璃对应的拍摄图片;该拍摄载台下设置有称重装置,能够测量放置在拍摄载台上物体的重量。
作为示例二地,固定选取模块110包括图片处理单元111、重量处理单元112、玻璃确定单元113。具体地,图片处理单元111为任意可行的能够控制拍摄设备以及获取拍摄图片的设备或装置等,主要用于控制预设拍摄设备在预设拍摄高度,获取医药玻璃对应的拍摄图片;其中,预设拍摄高度为任意可行的高度,本领域技术人员可以根据实际需求确定具体高度。进而采集该拍摄图片对应的医药玻璃颜色、医药玻璃形状、玻璃长度以及玻璃宽度;需要说明的是,采集拍摄图片数据的方法可由现有技术实现,本实施例在此不做过多限定。重量处理单元112为任意可行的能够获取医药玻璃重量的设备或装置等,主要用于获取医药玻璃对应的玻璃重量。玻璃确定单元113,用于根据预设医药玻璃数据库、医药玻璃颜色、医药玻璃形状、玻璃长度、玻璃宽度以及玻璃重量,确定拍摄图片对应的医药玻璃型号;进而确定医药玻璃型号对应的固定装置。需要说明的是,预设医药玻璃数据库中预存了医药玻璃颜色、医药玻璃形状、玻璃长度、玻璃宽度、玻璃重量、医药玻璃型号以及固定装置之间的对应关系。
其中,数据获取模块120为任意可行的能够控制固定装置、预设隐藏检测板、预设打光装置以及获取打光阴影图片的设备或装置等,用于控制固定装置,将医药玻璃固定于预设阴影检测板的预设打光高度处;基于医药玻璃型号,确定预设打光装置对应的装置固定高度以及若干打光角度;以获取医药玻璃在预设阴影检测板上形成的若干打光阴影图片。
需要说明的是,预设阴影检测板为能够显示医药玻璃投影的板子,例如,一个50cm*50cm的素白板。预设打光装置为任意可行的能够进行投射光束,且该光束的强度能够使医药玻璃在预设阴影检测板上形成打光阴影。预设打光高度、装置固定高度以及若干打光角度对应的具体数值,可由本领域技术人员经过多次实验获得。
作为示例地,预设阴影检测板的上方还设有拍摄装置,该拍摄装置能够拍摄医药玻璃在预设阴影检测板上形成的打光阴影,进而能够获得若干打光角度下的该医药玻璃对应的若干打光阴影图片。
其中,图片分析模块130为任意可行的能够检测医药玻璃是否存在表面瑕疵以及外径壁厚是否稳定的设备或装置等,主要用于导入打光阴影图片至小波萎缩模型以及尺度不变特征变换模型,以确定医药玻璃是否存在表面瑕疵、外径壁厚是否稳定;当首次认定不存在表面瑕疵和/或外径壁厚稳定时,导入所述打光阴影图片至深度学习网络模型,以再次确定医药玻璃是否存在表面瑕疵以及外径壁厚是否稳定。需要说明的是,深度学习网络模型为训练好地能够从打光阴影图片中确定医药玻璃是否存在表面瑕疵以及外径壁厚是否稳定的模型。具体地,深度学习网络模型包含训练好的能够确定医药玻璃是否存在表面瑕疵以及外径壁厚是否稳定的神经网络算法,且神经网络算法不限于深度神经网络算法、卷积神经网络算法以及循环神经网络算法。
作为示例地,图片分析模块130包括小波分析单元131、特征分析单元132。
具体地,小波分析单元131,用于通过小波萎缩模型,获取打光阴影图片的空间域对应的信号变换域;根据信号变换域对应的若干信号值,确定若干信号值对应的方差;根据方差与预设方差阈值,确定打光阴影图片是否存在表面瑕疵;需要说明的是,信号变换域由若干信号组成,可以通过打光阴影图片的空间域经过傅里叶变换、余弦变换、小波萎缩法或小波变换等生成。用于指示打光阴影图片是否平滑,是否存在有气泡、结点等表面瑕疵。具体地,当方差大于预设方差阈值时,确定打光阴影图片存在表面瑕疵。特征分析单元132,用于导入打光阴影图片至尺度不变特征变换模型,以获得打光阴影图片对应的特征向量;通过预存的外径壁厚不稳定特征向量集合对比特征向量,以确定打光阴影图片对应的医药玻璃的外径壁厚是否稳定。具体地,尺度不变特征变换模型通过高斯函数获取打光阴影图片中的关键点;确定计算关键点直方图的高斯权重函数参数;获取直方图,对直方图的泰勒展开式进行二次曲线拟合,确定关键点对应的方向;通过尺度不变特征变换,确定关键点对应的关键点描述子;根据关键点、关键点方向以及关键点描述子,确定打光阴影图片对应的特征向量。需要说明的是,高斯函数、二次曲线拟合等的具体运算过程,可以通过现有的方法或者技术实现,本申请实施例对此不作限定。
此外,本实施例还能够对特征分析单元132中的外径壁厚不稳定特征向量集合进行更新。
作为示例地,图片分析模块130还包括集合更新单元140。
具体地,集合更新单元140,用于导入外径壁厚不稳定图片至尺度不变特征变换模型,以获得外径壁厚不稳定图片对应的特征向量集合;通过邻近算法对特征向量集合进行聚类处理,去除无效的特征向量,以更新外径壁厚不稳定特征向量集合;其中,外径壁厚不稳定图片为外径壁厚不稳定的打光阴影图片。
此外,本实施例还可以生成预设时间段内医药玻璃的检测报告。
作为示例地,***还包括数据分析模块150;数据分析模块150包括瑕疵分析单元151、外径壁厚分析单元152、报告生成单元153。
具体地,瑕疵分析单元151,用于获取预设时间段内,存在表面瑕疵的打光阴影图片的第一图片集合,进而通过第一聚类模型以及预设瑕疵类型,确定第一图片集合关于各个预设瑕疵类型的第一占比数据。需要说明的是第一聚类模型中包含任意可行的能够进行聚类的算法,预设瑕疵类型为该聚类算法对应的中心点。外径壁厚分析单元152,用于获取预设时间段内,存在外径壁厚不稳定的打光阴影图片的第二图片集合,进而通过第二聚类模型以及预设外径壁厚不稳定类型,确定第二图片集合关于各个预设外径壁厚不稳定类型的第二占比数据。需要说明的是第二聚类模型中包含任意可行的能够进行聚类的算法,预设外径壁厚不稳定类型为该聚类算法对应的中心点。报告生成单元153,用于根据第一图片集合、第二图片集合,确定预设时间段内医药玻璃对应的表面瑕疵率以及外径壁厚不稳定率;进而基于表面瑕疵率、外径壁厚不稳定率、第一占比数据以及第二占比数据,生成预设时间段内的医药玻璃检测报告。
基于上述描述可知,本领域技术人员可知,本实施例通过固定选取模块110,实现了自动辨别医药玻璃型号以及自动选择医药玻璃对应的固定装置;通过数据获取模块120,实现了获取该医药玻璃对应的最佳打光角度下的打光阴影图片;通过图片分析模块130,实现了检测医药玻璃是否存在表面瑕疵以及外径壁厚是否稳定。
除此之外,本申请实施例还提供了一种用于医药玻璃的检测方法,需要说明的是,其执行主体是服务器。本申请实施例提供的检测方法,主要包括以下步骤:
步骤210、获取医药玻璃对应的拍摄图片以及玻璃重量,以确定医药玻璃对应的医药玻璃型号和固定装置。
作为示例地,控制预设拍摄设备在预设拍摄高度,获取医药玻璃对应的拍摄图片;进而采集拍摄图片对应的医药玻璃颜色、医药玻璃形状、玻璃长度以及玻璃宽度;获取医药玻璃对应的玻璃重量;根据预设医药玻璃数据库、医药玻璃颜色、医药玻璃形状、玻璃长度、玻璃宽度以及玻璃重量,确定拍摄图片对应的医药玻璃型号;进而确定医药玻璃型号对应的固定装置。
步骤220、控制固定装置,将医药玻璃固定于预设阴影检测板的预设打光高度处;基于医药玻璃型号,确定预设打光装置对应的装置固定高度以及若干打光角度;以获取医药玻璃在预设阴影检测板上形成的若干打光阴影图片。
步骤230、导入打光阴影图片至小波萎缩模型以及尺度不变特征变换模型,以确定医药玻璃是否存在表面瑕疵、外径壁厚是否稳定;当首次认定不存在表面瑕疵和/或外径壁厚稳定时,导入所述打光阴影图片至深度学习网络模型,以再次确定医药玻璃是否存在表面瑕疵以及外径壁厚是否稳定。
作为示例地,导入打光阴影图片至小波萎缩模型以及尺度不变特征变换模型,以确定医药玻璃是否存在表面瑕疵、外径壁厚是否稳定,具体包括:
通过小波萎缩模型,获取打光阴影图片的空间域对应的信号变换域;根据信号变换域对应的若干信号值,确定若干信号值对应的方差;根据方差与预设方差阈值,确定打光阴影图片是否存在表面瑕疵;导入打光阴影图片至尺度不变特征变换模型,以获得打光阴影图片对应的特征向量;通过预存的外径壁厚不稳定特征向量集合对比特征向量,以确定打光阴影图片对应的医药玻璃的外径壁厚是否稳定。
至此,已经结合前文的多个实施例描述了本公开的技术方案,但是,本领域技术人员容易理解的是,本公开的保护范围并不仅限于这些具体实施例。在不偏离本公开技术原理的前提下,本领域技术人员可以对上述各个实施例中的技术方案进行拆分和组合,也可以对相关技术特征作出等同的更改或替换,凡在本公开的技术构思和/或技术原理之内所做的任何更改、等同替换、改进等都将落入本公开的保护范围之内。
Claims (4)
1.一种用于医药玻璃的检测***,其特征在于,所述***包括:
固定选取模块,用于获取医药玻璃对应的拍摄图片以及玻璃重量,以确定所述医药玻璃对应的医药玻璃型号和固定装置;
其中,所述固定选取模块包括图片处理单元、重量处理单元、玻璃确定单元;
所述图片处理单元,用于控制预设拍摄设备在预设拍摄高度,获取医药玻璃对应的拍摄图片;进而采集所述拍摄图片对应的医药玻璃颜色、医药玻璃形状、玻璃长度以及玻璃宽度;所述重量处理单元,用于获取医药玻璃对应的玻璃重量;所述玻璃确定单元,用于根据预设医药玻璃数据库、所述医药玻璃颜色、所述医药玻璃形状、所述玻璃长度、所述玻璃宽度以及所述玻璃重量,确定拍摄图片对应的医药玻璃型号;进而确定所述医药玻璃型号对应的固定装置;
数据获取模块,用于控制所述固定装置,将医药玻璃固定于预设阴影检测板的预设打光高度处;基于所述医药玻璃型号,确定预设打光装置对应的装置固定高度以及若干打光角度;以获取医药玻璃在所述预设阴影检测板上形成的若干打光阴影图片;
图片分析模块,用于导入所述打光阴影图片至小波萎缩模型以及尺度不变特征变换模型,以确定医药玻璃是否存在表面瑕疵、外径壁厚是否稳定;当首次认定不存在表面瑕疵和/或外径壁厚稳定时,导入所述打光阴影图片至深度学习网络模型,以再次确定医药玻璃是否存在表面瑕疵以及外径壁厚是否稳定;
其中,所述图片分析模块包括小波分析单元、特征分析单元;
所述小波分析单元,用于通过小波萎缩模型,获取打光阴影图片的空间域对应的信号变换域;根据所述信号变换域对应的若干信号值,确定所述若干信号值对应的方差;根据所述方差与预设方差阈值,确定打光阴影图片是否存在表面瑕疵;特征分析单元,用于导入所述打光阴影图片至尺度不变特征变换模型,以获得打光阴影图片对应的特征向量;通过预存的外径壁厚不稳定特征向量集合对比所述特征向量,以确定所述打光阴影图片对应的医药玻璃的外径壁厚是否稳定。
2.根据权利要求1所述的用于医药玻璃的检测***,其特征在于,所述图片分析模块还包括集合更新单元;
所述集合更新单元,用于导入外径壁厚不稳定图片至尺度不变特征变换模型,以获得所述外径壁厚不稳定图片对应的特征向量集合;通过邻近算法对所述特征向量集合进行聚类处理,去除无效的特征向量,以更新外径壁厚不稳定特征向量集合;其中,所述外径壁厚不稳定图片为外径壁厚不稳定的打光阴影图片。
3.根据权利要求1所述的用于医药玻璃的检测***,其特征在于,所述***还包括数据分析模块;所述数据分析模块包括瑕疵分析单元、外径壁厚分析单元、报告生成单元;
所述瑕疵分析单元,用于获取预设时间段内,存在表面瑕疵的打光阴影图片的第一图片集合,进而通过第一聚类模型以及预设瑕疵类型,确定所述第一图片集合关于各个预设瑕疵类型的第一占比数据;
所述外径壁厚分析单元,用于获取预设时间段内,存在外径壁厚不稳定的打光阴影图片的第二图片集合,进而通过第二聚类模型以及预设外径壁厚不稳定类型,确定所述第二图片集合关于各个预设外径壁厚不稳定类型的第二占比数据;
所述报告生成单元,用于根据第一图片集合、第二图片集合,确定预设时间段内医药玻璃对应的表面瑕疵率以及外径壁厚不稳定率;进而基于表面瑕疵率、外径壁厚不稳定率、第一占比数据以及第二占比数据,生成预设时间段内的医药玻璃检测报告。
4.一种用于医药玻璃的检测方法,其特征在于,所述方法包括:
获取医药玻璃对应的拍摄图片以及玻璃重量,以确定所述医药玻璃对应的医药玻璃型号和固定装置;具体包括:
控制预设拍摄设备在预设拍摄高度,获取医药玻璃对应的拍摄图片;进而采集所述拍摄图片对应的医药玻璃颜色、医药玻璃形状、玻璃长度以及玻璃宽度;获取医药玻璃对应的玻璃重量;根据预设医药玻璃数据库、所述医药玻璃颜色、所述医药玻璃形状、所述玻璃长度、所述玻璃宽度以及所述玻璃重量,确定拍摄图片对应的医药玻璃型号;进而确定所述医药玻璃型号对应的固定装置;
控制所述固定装置,将医药玻璃固定于预设阴影检测板的预设打光高度处;基于所述医药玻璃型号,确定预设打光装置对应的装置固定高度以及若干打光角度;以获取医药玻璃在所述预设阴影检测板上形成的若干打光阴影图片;
导入所述打光阴影图片至小波萎缩模型以及尺度不变特征变换模型,以确定医药玻璃是否存在表面瑕疵、外径壁厚是否稳定;当首次认定不存在表面瑕疵和/或外径壁厚稳定时,导入所述打光阴影图片至深度学习网络模型,以再次确定医药玻璃是否存在表面瑕疵以及外径壁厚是否稳定;
其中,导入所述打光阴影图片至小波萎缩模型以及尺度不变特征变换模型,以确定医药玻璃是否存在表面瑕疵、外径壁厚是否稳定,具体包括:
通过小波萎缩模型,获取打光阴影图片的空间域对应的信号变换域;根据所述信号变换域对应的若干信号值,确定所述若干信号值对应的方差;根据所述方差与预设方差阈值,确定打光阴影图片是否存在表面瑕疵;导入所述打光阴影图片至尺度不变特征变换模型,以获得打光阴影图片对应的特征向量;通过预存的外径壁厚不稳定特征向量集合对比所述特征向量,以确定所述打光阴影图片对应的医药玻璃的外径壁厚是否稳定。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210146262.3A CN115078407B (zh) | 2022-02-17 | 2022-02-17 | 一种用于医药玻璃的检测***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210146262.3A CN115078407B (zh) | 2022-02-17 | 2022-02-17 | 一种用于医药玻璃的检测***及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115078407A CN115078407A (zh) | 2022-09-20 |
CN115078407B true CN115078407B (zh) | 2024-04-02 |
Family
ID=83245694
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210146262.3A Active CN115078407B (zh) | 2022-02-17 | 2022-02-17 | 一种用于医药玻璃的检测***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115078407B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101996405A (zh) * | 2010-08-30 | 2011-03-30 | 中国科学院计算技术研究所 | 一种快速的玻璃图像缺陷检测及分类方法及其装置 |
CN106546603A (zh) * | 2016-10-29 | 2017-03-29 | 图麟信息科技(上海)有限公司 | 一种tp、玻璃盖板的工业视觉检测装置及检测方法 |
CN107340301A (zh) * | 2017-08-17 | 2017-11-10 | 山东鲁玻包装有限公司 | 医用玻璃瓶的自动检测装置 |
CN107607549A (zh) * | 2017-09-27 | 2018-01-19 | 深圳精创视觉科技有限公司 | 玻璃缺陷检测装置 |
CN107957395A (zh) * | 2016-10-17 | 2018-04-24 | 山东赛蒙斯生物技术有限公司 | 用于透明/半透明产品中异物的检测装置 |
CN109187561A (zh) * | 2018-10-16 | 2019-01-11 | 天津安通林汽车饰件有限公司 | 一种车门内饰缺陷视觉检测*** |
CN112129784A (zh) * | 2020-09-23 | 2020-12-25 | 创新奇智(青岛)科技有限公司 | 视觉检测装置及检测方法、电子设备、存储介质 |
CN113189109A (zh) * | 2021-01-15 | 2021-07-30 | 深圳锦绣创视科技有限公司 | 一种基于人工智能的瑕疵判定***及瑕疵判定方法 |
CN113920053A (zh) * | 2021-07-22 | 2022-01-11 | 杭州深想科技有限公司 | 基于深度学习的瑕疵检测方法、计算设备和存储介质 |
-
2022
- 2022-02-17 CN CN202210146262.3A patent/CN115078407B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101996405A (zh) * | 2010-08-30 | 2011-03-30 | 中国科学院计算技术研究所 | 一种快速的玻璃图像缺陷检测及分类方法及其装置 |
CN107957395A (zh) * | 2016-10-17 | 2018-04-24 | 山东赛蒙斯生物技术有限公司 | 用于透明/半透明产品中异物的检测装置 |
CN106546603A (zh) * | 2016-10-29 | 2017-03-29 | 图麟信息科技(上海)有限公司 | 一种tp、玻璃盖板的工业视觉检测装置及检测方法 |
CN107340301A (zh) * | 2017-08-17 | 2017-11-10 | 山东鲁玻包装有限公司 | 医用玻璃瓶的自动检测装置 |
CN107607549A (zh) * | 2017-09-27 | 2018-01-19 | 深圳精创视觉科技有限公司 | 玻璃缺陷检测装置 |
CN109187561A (zh) * | 2018-10-16 | 2019-01-11 | 天津安通林汽车饰件有限公司 | 一种车门内饰缺陷视觉检测*** |
CN112129784A (zh) * | 2020-09-23 | 2020-12-25 | 创新奇智(青岛)科技有限公司 | 视觉检测装置及检测方法、电子设备、存储介质 |
CN113189109A (zh) * | 2021-01-15 | 2021-07-30 | 深圳锦绣创视科技有限公司 | 一种基于人工智能的瑕疵判定***及瑕疵判定方法 |
CN113920053A (zh) * | 2021-07-22 | 2022-01-11 | 杭州深想科技有限公司 | 基于深度学习的瑕疵检测方法、计算设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN115078407A (zh) | 2022-09-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Buote et al. | Quantifying the morphologies and dynamical evolution of galaxy clusters. i. the method | |
Wasielewski et al. | Calibration of a multi-sensor system laser rangefinder/camera | |
JP4451307B2 (ja) | シーン中のオブジェクトを分類する方法 | |
US5790235A (en) | Method and apparatus to measure pupil size and position | |
CN108520514B (zh) | 基于计算机视觉的印刷电路板电子元器一致性检测方法 | |
KR100631235B1 (ko) | 스테레오 이미지의 에지를 체인으로 연결하는 방법 | |
CN105807335B (zh) | 车辆底盘检查方法和*** | |
WO2020038138A1 (zh) | 样本标注方法及装置、损伤类别的识别方法及装置 | |
US9092650B2 (en) | Methods and apparatus for automated detection of the presence and type of caps on vials and containers | |
CN107578047A (zh) | 电力电缆的偏心度检测方法 | |
Al‐Kofahi et al. | Improved detection of branching points in algorithms for automated neuron tracing from 3D confocal images | |
Flaucher et al. | Smartphone-based colorimetric analysis of urine test strips for at-home prenatal care | |
JP3236362B2 (ja) | 皮膚表面に関する画像からの3次元形状の復元に基づく皮膚表面形状の特徴抽出装置 | |
CN115078407B (zh) | 一种用于医药玻璃的检测***及方法 | |
KR102223351B1 (ko) | 모델 신뢰도를 검출하기 위한 방법 및 장치 | |
US20030185432A1 (en) | Method and system for image registration based on hierarchical object modeling | |
CN111929035B (zh) | 心率模组led亮度检测方法和装置 | |
CN107092912A (zh) | 一种车牌的识别方法和装置 | |
CA2595195A1 (en) | Pattern recognition systems and methods | |
CN110599456B (zh) | 一种医学图像的特定区域的提取方法 | |
CN108368532A (zh) | 用于微生物菌落的早期检测和标识的方法、用于执行该方法的装置和计算机程序 | |
JP2790101B2 (ja) | 粒子凝集パターン判定装置 | |
Kleinberg | Facial anthropometry as an evidential tool in forensic image comparison | |
JP2021076948A (ja) | 人検出装置、人検出システム、人検出方法 | |
JPH03108638A (ja) | 粒子凝集パターン判定方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |