试议包机面向自动包药机视觉检测技术

论文导读：的不断进展，国民对医院管理水平，特别是调剂管理水平的提升提出了更高的要求。而自动药品分包机的出现进一步改进了药房包药状态、完善了医院的信息化、提升了医院的管理水平。自动药品分包机的检测体系，更是重中之重，是确保患者能够安全服药的关键。本设计根据自动药品分包机的特征，提出用机器视觉检测的办法，并通过探讨和论
摘要：随着医院HIS（Hospital Information System即医院信息体系）网络的不断进展，国民对医院管理水平，特别是调剂管理水平的提升提出了更高的要求。而自动药品分包机的出现进一步改进了药房包药状态、完善了医院的信息化、提升了医院的管理水平。自动药品分包机的检测体系，更是重中之重，是确保患者能够安全服药的关键。本设计根据自动药品分包机的特征，提出用机器视觉检测的办法，并通过探讨和论证，证明此办法可行。本论文首先分析了机器视觉在检测领域运用的特征，综述了国内外机器视觉技术的进展及运用近况，并主要解析了机器视觉在药品检测领域运用的方案。其次，通过探讨并分析自动药品分包机的工作环境及包装特征，构建了一套由图像采集单元、图像处理单元、图像检测单元组成的机器视觉检测体系。并且深入分析了自动药品分包机的包装特征，探讨了一套合适的体系光源照明案例，并通过验证能够满足体系获得清晰的单剂量药品包装图片的要求。在自动药品分包机的视觉检测中针对在灰度图像下经典边缘检测算法对接近背景色的药片、胶囊的边缘检测困难的不足，提出在RGB彩像中对图像进行三通道分离，并且对每个通道的图像用Canny算法边缘检测，最后进行三通道融合得到最终图像。而且采取Otsu算法实现自适应阈值设定，大大提升算法的效率和精度。并且针对传统Canny算法采取高斯滤波会造成图像平滑过渡的缺点，提出了一种改善的中值滤波办法。实验结果表明该算法可从很好的在彩像下检测出在灰度图像中丢失的信息。探讨了一套适合单剂量药品包装特征的图像分割办法，在此办法中提出了漫水填充算法结合阈值设定的办法进行图像分割，通过实验验证可从很好的将药品分割出来。最后，通过分析药品特点，提出使用形状和颜色特点信息的基于支持向量机的检测办法，通过实验验证基于支持向量机的检测办法具有较好的分类效果。关键词：机器视觉论文自动药品分包机论文图像处理论文分类检测论文
本论文由www.7ctime.com,需要可从关系人员哦。摘要6-7
Abstract7-11
第1章 绪论11-19

1.1 课题的背景及作用11-12

1.2 工业机器视觉检测技术近况及进展方向12-17

1.2.1 国内外机器视觉的进展及运用近况12-16

1.2.2 机器视觉检测技术在药品包装机行业的运用16-17

1.3 本论文主要工作17-19

第2章 自动药品分包机的视觉检测体系设计19-31

2.1 自动药品分包机的功能与体系构成19-21

2.

1.1 自动药品分包机的功能19-20

2.

1.2 自动药品分包机的结构20-21

2.2 自动分包机的视觉检测体系结构及原理21

2.3 自动分包机的视觉检测体系设计要求21

2.4 自动分包机视觉检测体系的硬件选用21-30

2.4.1 相机的选择22-24

2.4.2 光学镜头的选择24-27

2.4.3 光源及照明模式的选择27-30

2.5 本章小结30-31

第3章 药品图像边缘检测及分割算法探讨31-50

3.1 图像预处理31-38

3.

1.1 滤波器的设计31-35

3.

1.2 边缘增强处理35-38

3.2 图像边缘检测算法探讨38-45
3.

2.1 几种常见边缘检测办法的对比39-41

3.

2.2 药品图像边缘提取算法设计41-43

3.

2.3 边缘检测算法实验结果及分析43-45

3.3 图像分割45-49

3.1 形态学处理45-47

3.2 漫水填充法47

3.3 图像分割实验结果及分析47-49

3.4 本章小结49-50

第4章 药品图像的特点提取50-61

4.1 单个药品图像提取50-52

4.

1.1 区域标记50-51

4.

1.2 药品图像提取51-52

4.2 形状特点表示52-55
4.

2.1 圆度特点52-53

4.

2.2 Hu 不变矩53-55

4.3 颜色特点表示55-59
4.

3.1 颜色模型的选择及转换55-57

4.

3.2 颜色空间量化57-59

4.4 综合特点及归一化59-60

4.5 本章小结60-61

第5章 基于 SVM 的药品分类器设计61-72

5.1 常用分类器的特征及选择61-63

5.2 支持向量机的原理63-66

5.3 核函数的选择66

5.4 参数的选择66-67

5.5 构建多类 SVM 分类器67-69

5.6 实验数据及分析69-71

5.7 本章小结71-72

结论72-74
参考文献74-78
攻读硕士学位期间发表的论文和获得的科研成果78-79
致谢79-80