醫(yī)藥檢測(cè)機(jī)器人中基于序列圖像時(shí)域特征的雜質(zhì)檢測(cè)方法
【專利摘要】本發(fā)明公開了一種醫(yī)藥檢測(cè)機(jī)器人中基于序列圖像時(shí)域特征的雜質(zhì)檢測(cè)方法，根據(jù)序列圖像像素的時(shí)域特征，將亮背景區(qū)域特征和暗背景區(qū)域特征映射到同一特征空間，消除亮背景與暗背景之間的差別，并通過神經(jīng)網(wǎng)絡(luò)對(duì)目標(biāo)與背景進(jìn)行分類，實(shí)現(xiàn)目標(biāo)與背景的分割，根據(jù)異物特征運(yùn)動(dòng)軌跡，檢測(cè)出異物。有效解決序列幀差法無法解決的亮背景、暗背景圖像分割問題，異物檢測(cè)漏檢率、誤檢率更低；該發(fā)明方法相比現(xiàn)有序列差分方法，速度更快，且不受序列幀數(shù)目的影響，尤其在20幀以上的序列圖像處理過程中，效果更明顯；采用BP神經(jīng)網(wǎng)絡(luò)，通過樣本學(xué)習(xí)的方法，自動(dòng)建立分類標(biāo)準(zhǔn)，增強(qiáng)了復(fù)雜背景的適應(yīng)能力，滿足更多樣本特征的有效提取。
【專利說明】醫(yī)藥檢測(cè)機(jī)器人中基于序列圖像時(shí)域特征的雜質(zhì)檢測(cè)方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及醫(yī)藥檢測(cè)機(jī)器人中基于序列圖像時(shí)域特征的雜質(zhì)檢測(cè)方法。
【背景技術(shù)】
[0002]醫(yī)藥視覺檢測(cè)機(jī)器人主要是對(duì)安瓿、大輸液、口服液等溶液中異物檢測(cè)的設(shè)備，其中，圖像處理是檢測(cè)機(jī)器人最重要的組成部分，目前，常見異物檢測(cè)算法中，異物區(qū)域與背景區(qū)域分離的主要流程為序列圖像差分、疊加、疊加圖像二值化處理，但是該種方法存在諸多不足之處，具體體現(xiàn)在以下兩個(gè)方面:
[0003]( I)圖像背景十分復(fù)雜，背景亮度變化大，包含暗背景和亮背景，序列圖像差分處理后，亮背景差值遠(yuǎn)遠(yuǎn)大于暗背景差值，致使疊加圖像固定閾值二值化處理后，亮背景與異物特征類似，分割效果不佳；
[0004](2)序列圖像采集過程中，常采用歸一化方法消除背景亮度不均勻的影響，但是，在亮背景中出現(xiàn)的異物會(huì)被錯(cuò)誤分割為亮背景，造成漏檢。
【發(fā)明內(nèi)容】

[0005]本發(fā)明提出了一種基于序列圖像時(shí)域特征的異物檢測(cè)方法，針對(duì)上述不足，根據(jù)序列圖像像素的時(shí)域特征，將亮背景區(qū)域特征和暗背景區(qū)域特征映射到同一特征空間，消除亮背景與暗背景之間的差別，并通過神經(jīng)網(wǎng)絡(luò)對(duì)目標(biāo)與背景進(jìn)行分類，實(shí)現(xiàn)目標(biāo)與背景的分割，根據(jù)異物特征運(yùn)動(dòng)軌跡，檢測(cè)出異物。
[0006]一種醫(yī)藥檢測(cè)機(jī)器人中基于序列圖像時(shí)域特征的雜質(zhì)檢測(cè)方法，包括以下幾個(gè)步驟:
[0007]步驟1:連續(xù)采集N幀圖像作為單個(gè)樣本序列圖像，總共采集X個(gè)樣本；
[0008]步驟2:從每個(gè)樣本序列圖像中提取原始特征向量，所述原始特征向量包括異物特征向量和背景特征向量，并分別對(duì)異物特征向量和背景特征向量進(jìn)行升序排序后再歸一化處理，建立異物特征樣本數(shù)據(jù)庫和背景特征樣本數(shù)據(jù)庫；
[0009]步驟3:利用異物特征樣本數(shù)據(jù)庫和背景特征樣本數(shù)據(jù)庫訓(xùn)練神經(jīng)網(wǎng)絡(luò)；
[0010]步驟4:從實(shí)時(shí)采集N幀序列圖像中依次提取每個(gè)待測(cè)像素點(diǎn)的原始特征向量，對(duì)待測(cè)像素點(diǎn)的原始特征向量進(jìn)行升序排序后，再進(jìn)行歸一化處理，并生成待測(cè)像素點(diǎn)的歸一化特征向量；
[0011]步驟5:將所有待測(cè)像素點(diǎn)的有序特征向量輸入到步驟3得到的神經(jīng)網(wǎng)絡(luò)中，輸出每個(gè)待測(cè)像素點(diǎn)的灰度值，再基于得到的灰度值生成圖像ImageR ；
[0012]步驟6:對(duì)步驟5獲得的圖像ImageR進(jìn)行二值化操作，二值化閾值為0.5，獲得二值化圖像ImageB，完成可見異物的目標(biāo)分割，二值化圖像中白色區(qū)域?yàn)楸环指畛鰜淼漠愇飬^(qū)域，即為異物在圖像 中的運(yùn)動(dòng)軌跡，黑色區(qū)域?yàn)楸尘皡^(qū)域；
[0013]所述原始特征向量為^^"^[/廣'1，/!……/^'1，/^],是指從序列圖像中提取每幀圖像在同一坐標(biāo)點(diǎn)(X，y)的灰度值，表示第η幀圖像中坐標(biāo)點(diǎn)(X, y)的灰度值；
[0014]所述有序特征向量為
【權(quán)利要求】
1.一種醫(yī)藥檢測(cè)機(jī)器人中基于序列圖像時(shí)域特征的雜質(zhì)檢測(cè)方法，其特征在于，包括以下幾個(gè)步驟: 步驟1:連續(xù)采集N幀圖像作為單個(gè)樣本序列圖像，總共采集X個(gè)樣本； 步驟2:從每個(gè)樣本序列圖像中提取原始特征向量，所述原始特征向量包括異物特征向量和背景特征向量，并分別對(duì)異物特征向量和背景特征向量進(jìn)行升序排序后再歸一化處理，建立異物特征樣本數(shù)據(jù)庫和背景特征樣本數(shù)據(jù)庫； 步驟3:利用異物特征樣本數(shù)據(jù)庫和背景特征樣本數(shù)據(jù)庫訓(xùn)練神經(jīng)網(wǎng)絡(luò)； 步驟4:從實(shí)時(shí)采集N幀序列圖像中依次提取每個(gè)待測(cè)像素點(diǎn)的原始特征向量，對(duì)待測(cè)像素點(diǎn)的原始特征向量進(jìn)行升序排序后，再進(jìn)行歸一化處理，并生成待測(cè)像素點(diǎn)的歸一化特征向量； 步驟5:將所有待測(cè)像素點(diǎn)的有序特征向量輸入到步驟3得到的神經(jīng)網(wǎng)絡(luò)中，輸出每個(gè)待測(cè)像素點(diǎn)的灰度值，再基于得到的灰度值生成圖像ImageR ； 步驟6:對(duì)步驟5獲得的圖像ImageR進(jìn)行二值化操作，二值化閾值為0.5，獲得二值化圖像ImageB，完成可見異物的目標(biāo)分割，二值化圖像中白色區(qū)域?yàn)楸环指畛鰜淼漠愇飬^(qū)域，即為異物在圖像中的運(yùn)動(dòng)軌跡，黑色區(qū)域?yàn)楸尘皡^(qū)域； 所述原始特征向量為W>]，是指從序列圖像中提取每幀圖像在同一坐標(biāo)點(diǎn)(X，y)的灰度值，I，”表示第η幀圖像中坐標(biāo)點(diǎn)(X, y)的灰度值； 所述有序特征向量為,是指依據(jù)/^1的大小按照從小到大的順序進(jìn)行排序得到的向量，其中，Cf』=，0( ι=?α.τ(/(''",產(chǎn)"…/(''",產(chǎn)’且0(A'.r>n = \,.,.,N；NvI 7 2Ν-λN /ηvI 5 2V-1 5 ￥ 75 5 所述歸一化特征向里為 =「y1.rl r(1.r) r('.v> #.ν>ι，其中
2.根據(jù)權(quán)利要求1所述的醫(yī)藥檢測(cè)機(jī)器人中基于序列圖像時(shí)域特征的雜質(zhì)檢測(cè)方法，其特征在于，所述神經(jīng)網(wǎng)絡(luò)為BP神經(jīng)網(wǎng)絡(luò)，輸入層為N個(gè)節(jié)點(diǎn)，分別與特征向量的N個(gè)元素對(duì)應(yīng)，隱含層包括5個(gè)節(jié)點(diǎn)，輸出層為I個(gè)節(jié)點(diǎn)； 神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程如下: 若輸入層的輸入向量來自異物特征數(shù)據(jù)庫，則輸出節(jié)點(diǎn)為1，若輸入層的輸入向量來源于背景特征數(shù)據(jù)庫，則輸出節(jié)點(diǎn)為0，采用BP神經(jīng)網(wǎng)絡(luò)誤差反向傳遞修正方法，對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到訓(xùn)練后的輸入層節(jié)點(diǎn)與隱含層節(jié)點(diǎn)之間的權(quán)值，隱含層節(jié)點(diǎn)與輸出層節(jié)點(diǎn)之間的權(quán)值V^21，其中，a為1..N的整數(shù)，b為1..5的整數(shù)。
3.根據(jù)權(quán)利要求2所述的醫(yī)藥檢測(cè)機(jī)器人中基于序列圖像時(shí)域特征的雜質(zhì)檢測(cè)方法，其特征在于，所述采集N幀圖像時(shí)，N的取值范圍是16-30。
4.根據(jù)權(quán)利要求1-3任一項(xiàng)所述的醫(yī)藥檢測(cè)機(jī)器人中基于序列圖像時(shí)域特征的雜質(zhì)檢測(cè)方法，其特征在于，所述樣本個(gè)數(shù)X為大于5000的正整數(shù)。
【文檔編號(hào)】G06T7/20GK103942792SQ201410150949
【公開日】2014年7月23日 申請(qǐng)日期:2014年4月15日 優(yōu)先權(quán)日:2014年4月15日
【發(fā)明者】王耀南, 吳成中, 張輝, 余洪山, 毛建旭, 劉理, 馮明濤, 盧笑, 陳鐵健, 趙科, 李康軍, 李力 申請(qǐng)人:湖南大學(xué)