CN117169282A - 药品包装用复合膜的质量检测方法与*** - Google Patents
药品包装用复合膜的质量检测方法与*** Download PDFInfo
- Publication number
- CN117169282A CN117169282A CN202311420506.3A CN202311420506A CN117169282A CN 117169282 A CN117169282 A CN 117169282A CN 202311420506 A CN202311420506 A CN 202311420506A CN 117169282 A CN117169282 A CN 117169282A
- Authority
- CN
- China
- Prior art keywords
- result
- abnormal
- value
- coordinates
- coordinate
- 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.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 42
- 239000002131 composite material Substances 0.000 title claims abstract description 28
- 239000003814 drug Substances 0.000 title abstract description 19
- 238000004806 packaging method and process Methods 0.000 title abstract description 15
- 230000002159 abnormal effect Effects 0.000 claims abstract description 140
- 238000000034 method Methods 0.000 claims abstract description 38
- 238000004458 analytical method Methods 0.000 claims abstract description 22
- 238000012795 verification Methods 0.000 claims abstract description 22
- 230000000007 visual effect Effects 0.000 claims abstract description 21
- 230000007547 defect Effects 0.000 claims abstract description 20
- 238000005259 measurement Methods 0.000 claims abstract description 17
- 238000005070 sampling Methods 0.000 claims description 73
- 238000003331 infrared imaging Methods 0.000 claims description 35
- 238000011156 evaluation Methods 0.000 claims description 29
- 238000013507 mapping Methods 0.000 claims description 24
- 238000012937 correction Methods 0.000 claims description 23
- 238000012545 processing Methods 0.000 claims description 18
- 238000004364 calculation method Methods 0.000 claims description 16
- 238000009826 distribution Methods 0.000 claims description 14
- 230000003044 adaptive effect Effects 0.000 claims description 10
- 238000009825 accumulation Methods 0.000 claims description 7
- 238000009512 pharmaceutical packaging Methods 0.000 claims description 7
- 230000005856 abnormality Effects 0.000 claims description 6
- 238000007689 inspection Methods 0.000 claims description 6
- 238000012423 maintenance Methods 0.000 claims description 6
- 230000001172 regenerating effect Effects 0.000 claims description 4
- 230000037303 wrinkles Effects 0.000 abstract description 6
- 230000005540 biological transmission Effects 0.000 abstract description 4
- 230000001105 regulatory effect Effects 0.000 abstract description 2
- 238000004422 calculation algorithm Methods 0.000 description 5
- 229940079593 drug Drugs 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 230000006978 adaptation Effects 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 2
- 230000002950 deficient Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000011179 visual inspection Methods 0.000 description 2
- 241001584785 Anavitrinella pampinaria Species 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000005022 packaging material Substances 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本申请提供了药品包装用复合膜的质量检测方法与***,涉及质量检测技术领域,所述方法包括:配置传动带速度,基于传送节点设置长度计量传感器,确定红外热像仪的视野区间和采集延时,根据零点重置结果进行实际稳定分析,生成宽容漂移坐标,构建统一图像坐标识别获得异常坐标和异常区域,然后进行宽容扩充,根据扩充结果进行图像采集,进行质量验证,生成质量检测结果。本申请主要解决了设备成本高,且准确率、可靠性不高技术问题。难以对某些微小的缺陷,如气泡、脏污、皱褶进行精准地检测。对传送带速度进行调控,使得红外热像仪可以精确地检测到异常区域并生成质量检测结果。
Description
技术领域
本发明涉及质量检测的技术领域,具体涉及药品包装用复合膜的质量检测方法与***。
背景技术
药品包装的质量检测是确保药品安全和有效的重要环节。然而,现阶段药品包装的质量检测存在一些问题和不足。对于药品包装材料的选择,有些制药企业可能过于关注成本而忽视了材料的质量和安全性。其次,药品包装的密封性和阻隔性能是保证药品不变质的重要因素。同时,有些药品包装的阻隔性能也不够好,无法有效隔绝空气、水蒸气等,从而影响药品的质量。此外,药品包装上的标签和说明书的印刷质量也是需要注意的问题。
现有技术是通过外观检测进行质量检测,在自然光线明亮处,对药品包装用复合膜进行正视目测。不得有穿孔、异物、异味、粘连、复合层间分离及明显损伤、气泡、皱纹、脏污等缺陷。同时,复合袋的热封部位应平整、无虚封。
现有技术存在检测使用的设备成本高,且准确率、可靠性不高技术问题。对于某些微小的缺陷,如气泡、脏污、皱褶等,目视检测方法可能会造成误判或漏检。因此,可能需要更为精密的检测设备或者图像处理技术来提高检测的准确性和可靠性。
发明内容
本申请主要解决了设备成本高,且准确率、可靠性不高技术问题。难以对某些微小的缺陷,如气泡、脏污、皱褶进行精准地检测。
鉴于上述问题,本申请实施例提供了药品包装用复合膜的质量检测方法与***,第一方面,本申请实施例提供了药品包装用复合膜的质量检测方法,所述方法包括:配置传送带速度,并在传送节点设置长度计量传感器,基于传送带的稳定系数进行所述长度计量传感器配置,确定计量校正长度,确定红外热像仪的视野区间和采集延时,依据所述传送带速度设置红外热像仪的采集时间节点,并基于所述计量校正长度重置所述采集时间节点的零点,基于零点重置结果进行传送带的实际稳定分析,生成宽容漂移坐标,建立红外热像仪采集图像的统一图像坐标系,并识别获得异常坐标和异常区域,通过所述宽容漂移坐标对所述异常坐标和异常区域进行宽容扩充,并依据宽容扩充结果执行显微红外成像采集,记录显微红外成像采集结果,基于所述显微红外成像采集结果执行质量验证,并根据质量验证结果重置异常坐标和异常区域,并生成异常标识,记录重置结果和标识结果,生成质量检测结果。
第二方面,本申请实施例提供了药品包装用复合膜的质量检测***,所述***包括:计量校正长度确定模块,所述计量校正长度确定模块用于配置传送带速度,并在传送节点设置长度计量传感器,基于传送带的稳定系数进行所述长度计量传感器配置,确定计量校正长度,视野区间和采集延时确定模块,所述视野区间和采集延时确定模块用于确定红外热像仪的视野区间和采集延时,依据所述传送带速度设置红外热像仪的采集时间节点,并基于所述计量校正长度重置所述采集时间节点的零点,宽容漂移坐标生成模块,是基于零点重置结果进行传送带的实际稳定分析,生成宽容漂移坐标,异常坐标和异常区域识别模块,所述异常坐标和异常识别模块用于建立红外热像仪采集图像的统一图像坐标系,并识别获得异常坐标和异常区域,显微红外成像采集结果记录模块,所述显微红外成像采集结果记录模块用于通过所述宽容漂移坐标对所述异常坐标和异常区域进行宽容扩充,并依据宽容扩充结果执行显微红外成像采集,记录显微红外成像采集结果,异常标识生成模块,所述异常标识生成模块是基于所述显微红外成像采集结果执行质量验证,并根据质量验证结果重置异常坐标和异常区域,并生成异常标识,质量检测结果生成模块,所述质量检测结果生成模块用于记录重置结果和标识结果,生成质量检测结果。
本申请实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
本申请提供了药品包装用复合膜的质量检测方法与***,涉及质量检测技术领域,所述方法包括:配置传动带速度,基于传送节点设置长度计量传感器,确定红外热像仪的视野区间和采集延时,根据零点重置结果进行实际稳定分析,生成宽容漂移坐标,构建统一图像坐标识别获得异常坐标和异常区域,然后进行宽容扩充,根据扩充结果进行图像采集,进行质量验证,生成质量检测结果。
本申请主要解决了设备成本高,且准确率、可靠性不高技术问题。难以对某些微小的缺陷,如气泡、脏污、皱褶进行精准地检测。对传送带速度进行调控,使得红外热像仪可以精确地检测到异常区域并生成质量检测结果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其他目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
为了更清楚地说明本公开或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是示例性的,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本申请实施例提供了药品包装用复合膜的质量检测方法流程示意图;
图2为本申请实施例提供了药品包装用复合膜的质量检测方法中,确定所述异常区域和异常坐标的方法流程示意图;
图3为本申请实施例提供了药品包装用复合膜的质量检测方法中,确定最小采样点距离约束的方法流程示意图;
图4为本申请实施例提供了药品包装用复合膜的质量检测***的结构示意图。
附图标记说明:计量校正长度确定模块10,视野区间和采集延时确定模块20,宽容漂移坐标生成模块30,异常坐标和异常区域识别模块40,显微红外成像采集结果记录模块50,异常标识生成模块60,质量检测结果生成模块70。
具体实施方式
本申请主要解决了设备成本高,且准确率、可靠性不高技术问题。难以对某些微小的缺陷,如气泡、脏污、皱褶进行精准地检测。
为了更好地理解上述技术方案,下面将结合说明书附图以及具体的实施方式对上述方案进行详细介绍:
实施例一
如图1所示药品包装用复合膜的质量检测方法,所述方法包括:
配置传送带速度,并在传送节点设置长度计量传感器,基于传送带的稳定系数进行所述长度计量传感器配置,确定计量校正长度;
具体而言,确定应用需求:这些需求可能包括运输速度、物品大小、需要处理的物品数量等。这些因素将决定传送带的尺寸、速度以及电机类型。选择合适的传送带速度:选择合适的传送带速度。一般来说,速度越快,每分钟处理的物品数量就越多。但同时也要考虑到传送带的设计负载和电机的最大速度。确定长度计量传感器的类型:基于应用需求,确定需要的长度计量传感器的类型。长度计量传感器有超声波传感器、光电传感器、电容传感器等。不同类型的传感器对目标物体的特性敏感度不同,基于传送带的稳定系数进行传感器配置:传送带的稳定系数对其运行速度和稳定性有很大影响。如果传送带不稳定,可能会导致传感器读数不准确。因此,在设置长度计量传感器时,需要考虑传送带的稳定系数,以确保传感器能够准确计量物品长度。确定计量校正长度:在确定了传送带速度和长度计量传感器类型后,需要确定计量校正长度。这是为了确保传感器在测量物品长度时能够得到准确的结果。一般来说,需要通过实验来确定最佳的计量校正长度。
确定红外热像仪的视野区间和采集延时,依据所述传送带速度设置红外热像仪的采集时间节点,并基于所述计量校正长度重置所述采集时间节点的零点;
具体而言,确定红外热像仪的视野区间:首先,需要考虑红外热像仪的视野范围,即能够清晰检测到的最小到最大目标物体的大小。视野范围可以根据应用需求进行选择,比如需要检测的物品大小、传送带上的物品分布等。确定采集延时:采集延时是指从红外热像仪感知到目标物体到最终获取到图像之间的时间差。根据传送带速度和目标物体大小,可以确定采集延时。例如,如果传送带速度为每分钟10米,目标物体长度为1米,那么采集延时可以设置为1秒,以保证在目标物体经过热像仪时能够及时采集到图像。设置采集时间节点:根据传送带速度和目标物体大小,可以确定采集时间节点。例如,如果传送带每分钟运行10米,目标物体长度为1米,采集延时为1秒,那么采集时间节点可以设置为每分钟进行一次。重置采集时间节点的零点:基于计量校正长度重置采集时间节点的零点,以确保每次采集到的图像长度与实际物品长度相符。例如,如果计量校正长度为1米,那么每次采集图像的开始时间可以设置在传送带上出现第一个1米长度的物品时。
基于零点重置结果进行传送带的实际稳定分析,生成宽容漂移坐标;
具体而言,采集传送带上的物品数据:利用红外热像仪或其他传感器设备,对传送带上的物品进行数据采集。这些数据可能包括物品的大小、形状、温度等。处理数据并提取特征:对这些采集到的数据进行处理和分析,提取出与传送带稳定性相关的特征。这些特征可能包括物品在传送带上的位置、速度、加速度等。建立模型并预测:基于这些特征和零点重置结果,建立神经网络模型来预测传送带的稳定性。利用机器学习算法,如支持向量机、神经网络等来训练模型。生成宽容漂移坐标:根据预测结果,生成宽容漂移坐标。宽容漂移坐标是指允许物品在传送带上发生一定程度的移动或偏移,以保证传送带的稳定运行。可以通过调整传送带的速度、张力等参数来实现宽容漂移。
建立红外热像仪采集图像的统一图像坐标系,并识别获得异常坐标和异常区域;
具体而言,建立图像坐标系:首先,需要建立红外热像仪采集图像的统一图像坐标系。这个坐标系可以以左上角为原点,横向为X轴,纵向为Y轴。通过这样的坐标系,可以确定每个像素点在图像中的位置。图像预处理:对采集到的红外图像进行预处理,以降低图像噪声、提高图像质量。这可能包括对比度增强、滤波、平滑等操作。异常检测算法:采用适当的异常检测算法,如基于像素值、基于纹理、基于波段等算法,来识别图像中的异常区域。这些算法可以根据像素值、纹理等特征的统计分布来检测出异常区域。确定异常坐标:根据异常检测算法的结果,可以确定异常区域的坐标。这些坐标可以表示为在图像坐标系中的位置。标注异常区域:在红外图像上标注出异常区域,以便于后续的分析和处理。这可以通过在图像上绘制矩形、圆形等形状,并添加文字或标记等方式来实现。
通过所述宽容漂移坐标对所述异常坐标和异常区域进行宽容扩充,并依据宽容扩充结果执行显微红外成像采集,记录显微红外成像采集结果;
具体而言,宽容漂移坐标扩充:根据之前生成的宽容漂移坐标,对异常坐标和异常区域进行宽容扩充。这个过程可以通过在异常坐标周围添加一定范围的像素点来实现,这个范围可以是根据宽容漂移坐标确定的。显微红外成像采集:基于宽容漂移坐标扩充后的图像,进行显微红外成像采集。这涉及调整红外热像仪的参数,如放大倍数、曝光时间等,以获取更详细的图像信息。记录采集结果:在显微红外成像采集完成后,记录采集结果。这些可能包括异常区域的形状、大小、颜色等特征,以及在图像中的位置信息。进一步分析:根据采集结果,可以进行更深入地分析。例如,可以比较异常区域在不同时间点的变化情况,或者结合其他传感器数据来更准确地判断异常原因。
基于所述显微红外成像采集结果执行质量验证,并根据质量验证结果重置异常坐标和异常区域,并生成异常标识;
具体而言,质量验证:根据显微红外成像采集结果,进行质量验证。这可能涉及对图像的清晰度、色彩、噪声等指标进行评估,以确定采集到的图像是否能够满足质量要求。重置异常坐标和异常区域:如果采集到的图像质量不满足要求,需要重置异常坐标和异常区域。这可以通过对比之前的异常坐标和异常区域,根据当前采集的图像信息来重新确定异常坐标和异常区域。生成异常标识:在重置异常坐标和异常区域后,生成异常标识。这个标识可以包括异常类型、异常坐标、异常区域等信息,以便于后续对异常进行处理和跟踪。
记录重置结果和标识结果,生成质量检测结果。
具体而言,记录重置结果:将重置后的异常坐标和异常区域进行记录。这些信息可以保存在数据库或者日志文件中,以便于后续的查询和分析。记录标识结果:记录生成的异常标识,包括异常类型、异常坐标、异常区域等信息。生成质量检测结果:根据记录的重置结果和标识结果,生成质量检测结果。这个结果可以是一个报告或者警告信息,其中包括对异常坐标、异常区域的描述,以及针对这些异常的处理建议或者措施。需要注意的是,记录重置结果和标识结果的质量会直接影响到生成的质量检测结果的准确性。因此,在进行记录时需要保证数据的真实性和完整性。
进一步而言,如图2所示,本申请方法还包括:
配置采样点个数,并依据所述视野区间和所述采样点个数生成最小采样点距离约束;
对所述红外热像仪采集图像进行图像灰度处理,并依据所述采样点个数和所述最小采样点距离约束进行随机采样点分布;
依据随机分布结果进行灰度图像像素值采样,记录采样集;
以所述采样集确定比对基准,执行所述红外热像仪采集图像的异常识别,确定所述异常区域和异常坐标。
具体而言,配置采样点个数:首先,需要选择合适的采样点个数。这个采样点个数应该根据应用需求、设备性能和目标物体的大小等因素来确定。例如,如果目标物体较大,可能需要较多的采样点以覆盖整个物体。如果目标物体较小,则可能需要较少的采样点以减少计算量。生成最小采样点距离约束:接着,可以根据视野区间和采样点个数生成最小采样点距离约束。这个约束可以保证每个采样点之间的最小距离,从而避免采样点过于密集或过于稀疏。具体生成方法可以根据实际需求来确定,例如根据视野区间的大小和采样点个数来计算一个平均距离作为最小采样点距离约束。进行图像灰度处理:之后,对红外热像仪采集到的图像进行灰度处理。灰度处理可以将彩色图像转化为黑白图像,从而减少计算量和提高处理速度。常见的灰度处理方法包括平均法、加权平均法、阈值法等。随机采样点分布:然后,根据采样点个数和最小采样点距离约束进行随机采样点分布。这个过程可以在灰度图像上随机生成一系列的像素点,并确保这些像素点之间的距离不小于最小采样点距离约束。像素值采样:接下来,依据随机分布结果对灰度图像进行像素值采样。具体来说,可以从随机分布的采样点中选取一定数量的像素点,并记录它们的像素值。确定比对基准:将上述采样的像素值集合作为比对基准,用于后续的红外热像仪采集图像的异常识别。异常识别:最后,基于比对基准,对红外热像仪采集到的图像进行异常识别。这可以通过比较每一点的像素值与基准进行判断。当发现与基准差异较大的像素点时,可以认为该像素点所对应的区域存在异常。通过这种方式,可以确定异常区域和异常坐标。
进一步而言,本申请方法还包括:
以所述采样集进行采样样本的样本均衡值计算,获得均衡值计算结果;
通过标准均衡值对所述均衡值计算结果评价,生成评价结果;
若评价结果为通过结果,则依据所述均衡值计算结果执行所述采样集的异常像素值分析,基于分析结果剔除异常像素值;
根据剔除结果重新生成比对均衡值,以所述比对均衡值作为标准值,并设定宽容窗口,通过所述宽容窗口进行灰度图像的二值像素比对,基于比对结果完成异常识别。
具体而言,以所述采样集进行采样样本的样本均衡值计算,获得均衡值计算结果:通过使用红外热像仪采集的图像的采样集,可以计算出采样样本的样本均衡值。涉及统计分析和计算,例如计算每个像素值的平均值或中位数,或者计算像素值的标准差等。这个步骤的目标是找到一个可以代表整个图像的简单数值,即均衡值。通过标准均衡值对所述均衡值计算结果评价,生成评价结果:在此步骤中,需要将计算出的均衡值与一个预先设定的标准均衡值进行比较。这个标准均衡值可能是一个已知的正常状态下的参考值,或者是一个根据历史数据计算出的平均值。比较的结果可以生成一个评价结果,表示采样集是否在预期的范围内。若评价结果为通过结果,则依据所述均衡值计算结果执行所述采样集的异常像素值分析,基于分析结果剔除异常像素值:如果评价结果显示采样集在正常范围内,可以进行下一步,即分析采样集中的异常像素值。这个步骤涉及对每个像素值进行深入研究,例如检查其是否超过预设的范围,或者与其他像素值的关系等。然后,根据分析的结果,可以剔除那些被认定为异常的像素值。根据剔除结果重新生成比对均衡值,以所述比对均衡值作为标准值,并设定宽容窗口,通过所述宽容窗口进行灰度图像的二值像素比对,基于比对结果完成异常识别:在剔除异常像素值后,可以重新计算一个新的均衡值作为标准值。然后,设定一个宽容窗口,这个窗口可以接收一定范围内的像素值偏差。接着,通过这个宽容窗口对灰度图像的每个像素进行比对。如果某个像素的值超出了宽容窗口的范围,那么就可以认定该像素对应的区域存在异常。
进一步而言,如图3所示,本申请方法还包括:
以所述采样点个数作为均匀区间约束,对所述视野区间进行均匀分割,确定分割块尺寸;
获取所述分割块尺寸的短边尺寸和长边尺寸,并将所述短边尺寸和所述长边尺寸输入距离约束网络;
通过所述距离约束网络执行约束距离的寻优评价,确定最小采样点距离约束。
具体而言,以所述采样点个数作为均匀区间约束,对所述视野区间进行均匀分割,确定分割块尺寸:此步骤中,使用确定的采样点个数来作为均匀区间约束,对视野区间进行均匀分割。确定每个分割块的尺寸,以保证每个分割块内的像素点足够均匀。可以将视野区间按照行或列进行分割。获取所述分割块尺寸的短边尺寸和长边尺寸,并将所述短边尺寸和所述长边尺寸输入距离约束网络:在确定分割块尺寸后,获取每个分割块的短边尺寸和长边尺寸,并将这两个尺寸输入到距离约束网络中。这个距离约束网络可以是一个预先训练好的深度学习模型,其输入为分割块的短边尺寸和长边尺寸,输出为各个采样点之间的最小距离约束。通过训练这个模型,可以得到不同尺寸分割块下的最小距离约束。通过所述距离约束网络执行约束距离的寻优评价,确定最小采样点距离约束:将分割块的短边尺寸和长边尺寸输入到距离约束网络后,该网络将输出对应的最小距离约束。通过比较不同尺寸分割块下的最小距离约束,可以找到最优的距离约束,即最小的采样点距离约束。这个最优的距离约束将作为后续随机采样点分布的约束条件。整个过程通过均匀分割和距离约束网络的联合优化,得到最佳的最小采样点距离约束。这个约束可以保证在后续的随机采样点分布中,采样点之间的距离不小于这个约束,从而避免采样点过于密集或过于稀疏。
进一步而言,本申请方法还包括:
通过大数据建立复合膜的缺陷特征集合,其中,所述缺陷特征集合中每个特征均具有特征值映射和范围值映射;
以所述缺陷特征集合作为遍历卷积核,执行显微红外成像采集结果的图像遍历,获得图像遍历结果,其中,所述图像遍历结果包括适应兼容值和特征匹配结果,所述适应兼容值包括正向兼容值和负向兼容值;
依据所述特征匹配结果调用映射特征值和映射范围值,根据所述适应兼容值对映射特征值和映射范围值进行兼容调整,重置异常值、异常特征和异常坐标,以完成质量验证。
具体而言,建立复合膜的缺陷特征集合:首先,需要收集大量的复合膜样本,包括有缺陷和无缺陷的样本。然后,使用高精度的显微红外成像设备对这些样本进行成像,并使用图像处理技术提取出各种可能的缺陷特征。这些特征可以包括各种形状、大小、颜色、纹理等的变化。将所有这些特征整理成一个特征集合,每个特征都有其对应的特征值映射和范围值映射。遍历图像:将缺陷特征集合作为遍历卷积核,对每一个显微红外成像采集的图像结果进行遍历。这个过程可以检测出图像中与缺陷特征集合相匹配的特征。获取图像遍历结果:遍历后,会得到一个图像遍历结果,这个结果包括适应兼容值和特征匹配结果。适应兼容值表示的是当前特征与标准特征的相似程度,正向兼容值表示当前特征与标准特征的相似度,负向兼容值则表示当前特征与标准特征的差异程度。调整映射特征值和映射范围值:根据特征匹配结果,可以调用对应的映射特征值和映射范围值。然后,根据适应兼容值对这些特征值和范围值进行兼容调整。如果某个特征的适应兼容值过低,说明这个特征可能是一个异常特征。重置异常值、异常特征和异常坐标:在调整之后,会得到新的异常值、异常特征和异常坐标。完成质量验证:通过上述步骤,可以有效地检测出复合膜中的缺陷和异常,完成对其的质量验证。
进一步而言,本申请方法还包括:
根据重置异常坐标进行同一零点重置区间内的不同视野区间偏评价;
若偏离评价结果满足预设阈值,则提取所述重置异常坐标的覆盖共性坐标;
通过所述覆盖共性坐标执行传送带的速度补偿。
具体而言,根据重置异常坐标进行同一零点重置区间内的不同视野区间偏评价:首先,确定重置异常坐标的位置,然后对这些坐标进行分类,将它们归入同一零点重置区间。这个零点重置区间可能是一个或多个特定的视野区间。接下来,对这些同一零点重置区间内的不同视野区间的异常坐标进行偏评价,以确定它们是否存在偏差。若偏离评价结果满足预设阈值:在对同一零点重置区间内的不同视野区间的异常坐标进行偏离评价后,判断这些坐标的偏离程度是否满足预设阈值。如果满足,说明这些坐标的偏移较大,可能影响后续的处理结果。提取所述重置异常坐标的覆盖共性坐标:在确定重置异常坐标后,提取它们的覆盖共性坐标。这些覆盖共性坐标可能是指被多个重置异常坐标覆盖的区域或者点。通过所述覆盖共性坐标执行传送带的速度补偿:最后,利用提取出的覆盖共性坐标来执行传送带的速度补偿。这可能是为了修正传送带在零点重置区间内的速度偏差,以减少对后续处理的影响。具体的速度补偿策略可能需要根据实际应用场景和设备性能来确定,例如,可能需要在特定位置增加传送带的速度,或者减小传送带的速度。对重置异常坐标进行进一步的处理和修正,以保证后续处理的准确性和效率。
进一步而言,本申请方法还包括:
若偏离评价结果不能满足预设阈值,则根据重置异常坐标的坐标特异值生成预警信息;
对所述预警信息进行预警累计,并通过预警累计结果执行传送带的维护管理。
具体而言,若偏离评价结果不能满足预设阈值,则根据重置异常坐标的坐标特异值生成预警信息:如果偏离评价结果显示异常坐标的偏离程度没有达到预设阈值,那么可以根据这些异常坐标的坐标特异值生成预警信息。这个过程中,需要考虑异常坐标的特性,如位置、分布、类型等,以及它们可能对传送带运行造成的影响。预警信息的具体内容可以根据实际情况来设定,例如,可能包括异常坐标的类型、位置、影响程度等信息。对所述预警信息进行预警累计:预警信息生成后,需要对这些信息进行累计分析。这可能包括对预警信息的分类、排序、聚类等处理,以发现其中的规律和趋势。并通过预警累计结果执行传送带的维护管理:预警累计之后,可以根据预警的累计结果对传送带进行维护和管理。例如,如果某种类型的预警信息数量在一段时间内持续增加,那么可能需要采取相应的措施,如更换部件、调整参数、增加巡检等,来防止这种预警的发生或者减轻其影响。通过预警机制提前发现传送带可能出现的问题,并采取相应的维护管理措施来保证传送带的正常运行。
实施例二
基于与前述实施例药品包装用复合膜的质量检测方法相同的发明构思,如图4所示,本申请提供了药品包装用复合膜的质量检测***,所述***包括:
计量校正长度确定模块10,所述计量校正长度确定模块10用于配置传送带速度,并在传送节点设置长度计量传感器,基于传送带的稳定系数进行所述长度计量传感器配置,确定计量校正长度;
视野区间和采集延时确定模块20,所述视野区间和采集延时确定模块20用于确定红外热像仪的视野区间和采集延时,依据所述传送带速度设置红外热像仪的采集时间节点,并基于所述计量校正长度重置所述采集时间节点的零点;
宽容漂移坐标生成模块30,所述宽容漂移坐标生成模块是30基于零点重置结果进行传送带的实际稳定分析,生成宽容漂移坐标;
异常坐标和异常区域识别模块40,所述异常坐标和异常识别模块40用于建立红外热像仪采集图像的统一图像坐标系,并识别获得异常坐标和异常区域;
显微红外成像采集结果记录模块50,所述显微红外成像采集结果记录模块50用于通过所述宽容漂移坐标对所述异常坐标和异常区域进行宽容扩充,并依据宽容扩充结果执行显微红外成像采集,记录显微红外成像采集结果;
异常标识生成模块60,所述异常标识生成模块60是基于所述显微红外成像采集结果执行质量验证,并根据质量验证结果重置异常坐标和异常区域,并生成异常标识;
质量检测结果生成模块70,所述质量检测结果生成模块70用于记录重置结果和标识结果,生成质量检测结果。
进一步地,该***还包括:
最小采样点距离约束生成模块,用于配置采样点个数,并依据所述视野区间和所述采样点个数生成最小采样点距离约束;
图像灰度处理模块,用于对所述红外热像仪采集图像进行图像灰度处理,并依据所述采样点个数和所述最小采样点距离约束进行随机采样点分布;
采样集记录模块,用于依据随机分布结果进行灰度图像像素值采样,记录采样集;
异常区域和异常坐标确定模块,是以所述采样集确定比对基准,执行所述红外热像仪采集图像的异常识别,确定所述异常区域和异常坐标。
进一步地,该***还包括:
均衡值计算结果获得模块,是以所述采样集进行采样样本的样本均衡值计算,获得均衡值计算结果;
评价结果生成模块,用于通过标准均衡值对所述均衡值计算结果评价,生成评价结果;
异常像素值剔除模块,是若评价结果为通过结果,则依据所述均衡值计算结果执行所述采样集的异常像素值分析,基于分析结果剔除异常像素值;
异常识别模块,用于根据剔除结果重新生成比对均衡值,以所述比对均衡值作为标准值,并设定宽容窗口,通过所述宽容窗口进行灰度图像的二值像素比对,基于比对结果完成异常识别。
进一步地,该***还包括:
分割尺寸确定模块,是以所述采样点个数作为均匀区间约束,对所述视野区间进行均匀分割,确定分割块尺寸;
距离约束网络输入模块,用于获取所述分割块尺寸的短边尺寸和长边尺寸,并将所述短边尺寸和所述长边尺寸输入距离约束网络;
最小采样点距离约束确定模块,用于通过所述距离约束网络执行约束距离的寻优评价,确定最小采样点距离约束。
进一步地,该***还包括:
特征集合建立模块,用于通过大数据建立复合膜的缺陷特征集合,其中,所述缺陷特征集合中每个特征均具有特征值映射和范围值映射;
图像遍历结果获取模块,是以所述缺陷特征集合作为遍历卷积核,执行显微红外成像采集结果的图像遍历,获得图像遍历结果,其中,所述图像遍历结果包括适应兼容值和特征匹配结果,所述适应兼容值包括正向兼容值和负向兼容值;
质量验证完成模块,用于依据所述特征匹配结果调用映射特征值和映射范围值,根据所述适应兼容值对映射特征值和映射范围值进行兼容调整,重置异常值、异常特征和异常坐标,以完成质量验证。
进一步地,该***还包括:
视野区间偏评价模块,用于根据重置异常坐标进行同一零点重置区间内的不同视野区间偏评价;
覆盖共性坐标提取模块,是若偏离评价结果满足预设阈值,则提取所述重置异常坐标的覆盖共性坐标;
速度补偿模块,用于通过所述覆盖共性坐标执行传送带的速度补偿。
进一步地,该***还包括:
预警信息生成模块,是若偏离评价结果不能满足预设阈值,则根据重置异常坐标的坐标特异值生成预警信息;
维护管理执行模块,用于对所述预警信息进行预警累计,并通过预警累计结果执行传送带的维护管理。
说明书通过前述药品包装用复合膜的质量检测方法的详细描述,本领域技术人员可以清楚地知识本实施例中药品包装用复合膜的质量检测***,对于实施例公开的***而言,由于其与实施例公开装置相对应,所以描述得比较简单,相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其他实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (8)
1.药品包装用复合膜的质量检测方法,其特征在于,所述方法包括:
配置传送带速度,并在传送节点设置长度计量传感器,基于传送带的稳定系数进行所述长度计量传感器配置,确定计量校正长度;
确定红外热像仪的视野区间和采集延时,依据所述传送带速度设置红外热像仪的采集时间节点,并基于所述计量校正长度重置所述采集时间节点的零点;
基于零点重置结果进行传送带的实际稳定分析,生成宽容漂移坐标;
建立红外热像仪采集图像的统一图像坐标系,并识别获得异常坐标和异常区域;
通过所述宽容漂移坐标对所述异常坐标和异常区域进行宽容扩充,并依据宽容扩充结果执行显微红外成像采集,记录显微红外成像采集结果;
基于所述显微红外成像采集结果执行质量验证,并根据质量验证结果重置异常坐标和异常区域,并生成异常标识;
记录重置结果和标识结果,生成质量检测结果。
2.如权利要求1所述的方法,其特征在于,所述方法还包括:
配置采样点个数,并依据所述视野区间和所述采样点个数生成最小采样点距离约束;
对所述红外热像仪采集图像进行图像灰度处理,并依据所述采样点个数和所述最小采样点距离约束进行随机采样点分布;
依据随机分布结果进行灰度图像像素值采样,记录采样集;
以所述采样集确定比对基准,执行所述红外热像仪采集图像的异常识别,确定所述异常区域和异常坐标。
3.如权利要求2所述的方法,其特征在于,所述方法还包括:
以所述采样集进行采样样本的样本均衡值计算,获得均衡值计算结果;
通过标准均衡值对所述均衡值计算结果评价,生成评价结果;
若评价结果为通过结果,则依据所述均衡值计算结果执行所述采样集的异常像素值分析,基于分析结果剔除异常像素值;
根据剔除结果重新生成比对均衡值,以所述比对均衡值作为标准值,并设定宽容窗口,通过所述宽容窗口进行灰度图像的二值像素比对,基于比对结果完成异常识别。
4.如权利要求2所述的方法,其特征在于,所述方法还包括:
以所述采样点个数作为均匀区间约束,对所述视野区间进行均匀分割,确定分割块尺寸;
获取所述分割块尺寸的短边尺寸和长边尺寸,并将所述短边尺寸和所述长边尺寸输入距离约束网络;
通过所述距离约束网络执行约束距离的寻优评价,确定最小采样点距离约束。
5.如权利要求1所述的方法,其特征在于,所述方法还包括:
通过大数据建立复合膜的缺陷特征集合,其中,所述缺陷特征集合中每个特征均具有特征值映射和范围值映射;
以所述缺陷特征集合作为遍历卷积核,执行显微红外成像采集结果的图像遍历,获得图像遍历结果,其中,所述图像遍历结果包括适应兼容值和特征匹配结果,所述适应兼容值包括正向兼容值和负向兼容值;
依据所述特征匹配结果调用映射特征值和映射范围值,根据所述适应兼容值对映射特征值和映射范围值进行兼容调整,重置异常值、异常特征和异常坐标,以完成质量验证。
6.如权利要求1所述的方法,其特征在于,所述方法还包括:
根据重置异常坐标进行同一零点重置区间内的不同视野区间偏评价;
若偏离评价结果满足预设阈值,则提取所述重置异常坐标的覆盖共性坐标;
通过所述覆盖共性坐标执行传送带的速度补偿。
7.如权利要求6所述的方法,其特征在于,所述方法还包括:
若偏离评价结果不能满足预设阈值,则根据重置异常坐标的坐标特异值生成预警信息;
对所述预警信息进行预警累计,并通过预警累计结果执行传送带的维护管理。
8.药品包装用复合膜的质量检测***,其特征在于,所述***包括:
计量校正长度确定模块,所述计量校正长度确定模块用于配置传送带速度,并在传送节点设置长度计量传感器,基于传送带的稳定系数进行所述长度计量传感器配置,确定计量校正长度;
视野区间和采集延时确定模块,所述视野区间和采集延时确定模块用于确定红外热像仪的视野区间和采集延时,依据所述传送带速度设置红外热像仪的采集时间节点,并基于所述计量校正长度重置所述采集时间节点的零点;
宽容漂移坐标生成模块,是基于零点重置结果进行传送带的实际稳定分析,生成宽容漂移坐标;
异常坐标和异常区域识别模块,所述异常坐标和异常识别模块用于建立红外热像仪采集图像的统一图像坐标系,并识别获得异常坐标和异常区域;
显微红外成像采集结果记录模块,所述显微红外成像采集结果记录模块用于通过所述宽容漂移坐标对所述异常坐标和异常区域进行宽容扩充,并依据宽容扩充结果执行显微红外成像采集,记录显微红外成像采集结果;
异常标识生成模块,所述异常标识生成模块是基于所述显微红外成像采集结果执行质量验证,并根据质量验证结果重置异常坐标和异常区域,并生成异常标识;
质量检测结果生成模块,所述质量检测结果生成模块用于记录重置结果和标识结果,生成质量检测结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311420506.3A CN117169282B (zh) | 2023-10-30 | 2023-10-30 | 药品包装用复合膜的质量检测方法与*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311420506.3A CN117169282B (zh) | 2023-10-30 | 2023-10-30 | 药品包装用复合膜的质量检测方法与*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117169282A true CN117169282A (zh) | 2023-12-05 |
CN117169282B CN117169282B (zh) | 2024-03-08 |
Family
ID=88939713
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311420506.3A Active CN117169282B (zh) | 2023-10-30 | 2023-10-30 | 药品包装用复合膜的质量检测方法与*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117169282B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118243004A (zh) * | 2024-05-28 | 2024-06-25 | 深圳市浮思特科技有限公司 | 基于红外成像智能侦测模组的智能检测方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1147889A (zh) * | 1994-05-13 | 1997-04-16 | 明尼苏达州采矿制造公司 | 自动化图象质量控制 |
CN201707309U (zh) * | 2009-11-23 | 2011-01-12 | 华东交通大学 | 基于红外热成像技术的水果表面早期缺陷在线检测装置 |
CN104597081A (zh) * | 2014-12-29 | 2015-05-06 | 樊晖 | 平面玻璃内部缺陷自动检测设备和检测方法 |
GB201507124D0 (en) * | 2015-04-27 | 2015-06-10 | Thermoteknix Systems Ltd | Conveyer belt monitoring system and method |
CN109187637A (zh) * | 2018-07-31 | 2019-01-11 | 中国科学院自动化研究所 | 基于红外热像仪的工件缺陷测量方法和*** |
CN112041662A (zh) * | 2018-02-21 | 2020-12-04 | 约兰影像有限公司 | 用于移动物体的热成像的方法和*** |
CN212646548U (zh) * | 2020-06-03 | 2021-03-02 | 东北林业大学 | 一种水果损伤无损检测装置 |
CN113920087A (zh) * | 2021-10-09 | 2022-01-11 | 东北林业大学 | 基于深度学习的微小元器件缺陷检测***及方法 |
CN114792323A (zh) * | 2022-06-23 | 2022-07-26 | 张家港沙龙精密管业有限公司 | 一种基于图像处理的钢管变形检测方法及*** |
RU2803042C1 (ru) * | 2023-05-26 | 2023-09-05 | Общество с ограниченной ответственностью "Трансмаш" | Способ мониторинга состояния ленточного конвейера с модулем камеры искробезопасной машинного зрения и тепловизора |
-
2023
- 2023-10-30 CN CN202311420506.3A patent/CN117169282B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1147889A (zh) * | 1994-05-13 | 1997-04-16 | 明尼苏达州采矿制造公司 | 自动化图象质量控制 |
CN201707309U (zh) * | 2009-11-23 | 2011-01-12 | 华东交通大学 | 基于红外热成像技术的水果表面早期缺陷在线检测装置 |
CN104597081A (zh) * | 2014-12-29 | 2015-05-06 | 樊晖 | 平面玻璃内部缺陷自动检测设备和检测方法 |
GB201507124D0 (en) * | 2015-04-27 | 2015-06-10 | Thermoteknix Systems Ltd | Conveyer belt monitoring system and method |
CN112041662A (zh) * | 2018-02-21 | 2020-12-04 | 约兰影像有限公司 | 用于移动物体的热成像的方法和*** |
CN109187637A (zh) * | 2018-07-31 | 2019-01-11 | 中国科学院自动化研究所 | 基于红外热像仪的工件缺陷测量方法和*** |
CN212646548U (zh) * | 2020-06-03 | 2021-03-02 | 东北林业大学 | 一种水果损伤无损检测装置 |
CN113920087A (zh) * | 2021-10-09 | 2022-01-11 | 东北林业大学 | 基于深度学习的微小元器件缺陷检测***及方法 |
CN114792323A (zh) * | 2022-06-23 | 2022-07-26 | 张家港沙龙精密管业有限公司 | 一种基于图像处理的钢管变形检测方法及*** |
RU2803042C1 (ru) * | 2023-05-26 | 2023-09-05 | Общество с ограниченной ответственностью "Трансмаш" | Способ мониторинга состояния ленточного конвейера с модулем камеры искробезопасной машинного зрения и тепловизора |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118243004A (zh) * | 2024-05-28 | 2024-06-25 | 深圳市浮思特科技有限公司 | 基于红外成像智能侦测模组的智能检测方法 |
CN118243004B (zh) * | 2024-05-28 | 2024-08-06 | 深圳市浮思特科技有限公司 | 基于红外成像智能侦测模组的智能检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117169282B (zh) | 2024-03-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhou et al. | Automated visual inspection of glass bottle bottom with saliency detection and template matching | |
CN113516660B (zh) | 适用于列车的视觉定位与缺陷检测方法和装置 | |
CN117169282B (zh) | 药品包装用复合膜的质量检测方法与*** | |
CN106934800B (zh) | 一种基于yolo9000网络的金属板带表面缺陷检测方法及装置 | |
US9109974B2 (en) | Tire shape inspection method and tire shape inspection apparatus | |
Eshkevari et al. | Automatic dimensional defect detection for glass vials based on machine vision: A heuristic segmentation method | |
KR101782363B1 (ko) | 데이터 밸런싱을 통한 학습기반의 비전검사 방법 | |
CN103221807A (zh) | 快速处理和检测幅材型材料中的不均匀因素 | |
CN113850749A (zh) | 训练缺陷侦测器的方法 | |
CN115980050B (zh) | 排水口的水质检测方法、装置、计算机设备及存储介质 | |
CN117649404A (zh) | 一种基于图像数据分析的药品包装盒质量检测方法及*** | |
JP2015197396A (ja) | 画像検査方法および画像検査装置 | |
CN115619708A (zh) | 基于图像识别主轴轴承润滑油油质变化判断故障的方法 | |
CN115147363A (zh) | 一种基于深度学习算法的影像缺陷检测和分类方法及*** | |
CN116309565A (zh) | 基于计算机视觉的高强传送带跑偏检测方法 | |
Felipe et al. | Vision-based liquid level detection in amber glass bottles using OpenCV | |
CN115860510A (zh) | 一种基于大数据的生产效率分析评估方法 | |
CN117589109B (zh) | 石英中心托盘制作工艺的质量检测与控制方法 | |
Börold et al. | Deep learning-based object recognition for counting car components to support handling and packing processes in automotive supply chains | |
KR101782364B1 (ko) | 케이평균군집화를 통한 학습기반의 비전검사 방법 | |
US9037421B2 (en) | Leak detection system for uniform vacuum packaged products | |
JP5804510B2 (ja) | ボトルの液状収容物の入味検査方法及びボトル入味検査システム | |
CN116858838A (zh) | 一种瓶状物瑕疵检测***及方法 | |
Maningo et al. | Crack detection with 2D wall mapping for building safety inspection | |
CN113870328A (zh) | 一种液体异物视觉检测方法及*** |
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 |