大输液瓶外观灯检算法研究

发布时间：2021-01-05 10:02

　　近年来,在医疗输液制剂生产行业,由于自动化灌装技术的应用,输液灌装制剂的年生产量极大。而对产品质量的检测环节还处于人工视觉检测的阶段,大大限制了生产效率。本课题通过使用以深度学习算法为主的机器视觉技术,设计输液瓶标签文本检测系统,来代替人工检测,提高生产效率。本课题以工业医疗输液瓶生产环境为研究背景,围绕输液瓶外观标签的文本检测与识别方法展开研究,以深度学习技术为核心,在前人的研究基础上拓展,设计了大输液外观文本检测系统。课题对系统需求及组成进行了介绍,并对系统的稳定性及实时性进行了验证。针对标签文本倾斜的问题,本课题设计了基于傅里叶变换与霍夫变换的文本校正方法。通过对输入进行傅里叶变换的方式,对图像在频域进行角度检测以及旋转校正。最后对方法进行了实验,并对方法在检测准确度和检测时间两方面进行评估。针对文本检测的需求,设计了卷积神经网络与递归神经网络联合训练的网络结构。通过卷积神经网络与递归神经网络构成联合网络的形式,有效利用图像中文本区域的上下文信息,降低了文本区域误检和漏检;本文还设计了细致尺度文本区域的方法,提高了文本区域水平检测的精度;本文还设计了在网络中加入可训练参数对预测的... 

【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校

【文章页数】：67 页

【学位级别】：硕士

【部分图文】：

输液瓶标签异常图像示例

后将信息初步整合（分析图像中的物体是什么形状的），最后再次整合出（大脑中得到结果认为这是只气球）。图 1-2 是人脑进行人脸识别的一个上个世纪 90 年代，卷积神经网络的结构和形式就基本已经确定。许多学积神经网络来做一些较为简单的分类问题。比如说手写数字识别。只不件的限制，计算机的计算能力使得卷积神经网络不能很好的发挥自己的并不能引起广泛关注。直到 2006 年，Hinton 在 Science 发表了惊世骇俗，提出了神经网络用于降维，指出“多隐层神经网络具有更为优异的特征，并且其在训练上的复杂度可以通过逐层初始化来有效缓解”[8]。由于训练的可能，加上这一年的两个事件开启了神经网络的新时代。整个深域进入了蓬勃发展的时代。其中，最著名的是 Krizhevsky et al.提出了一 CNN 结构，并在图像识别任务上取得了重大突破。其方法的整体框架Net[9]，与 LeNet-5 类似，但要更加深一些。在现在，AlexNet 已经成为领域入门必学的经典网络，通过在 MNIST 手写数字数据集上训练，能的识别标准的手写数字。

检测模

【参考文献】：
期刊论文
[1]基于DCNN的人脸多属性识别[J]. 广长彪.  现代计算机(专业版). 2017(08)
[2]基于样本线搜索和霍夫变换的区域定位算法[J]. 王昱,赵正校,杨硕.  红外与激光工程. 1999(04)
[3]快速傅里叶变换的两种改进算法[J]. 李庚银,陈志业,宁宇.  电力系统自动化. 1997(12)

博士论文
[1]基于迁移学习与深度卷积特征的图像标注方法研究[D]. 宋光慧.浙江大学 2017
[2]基于词表示和深度学习的生物医学关系抽取[D]. 蒋振超.大连理工大学 2016
[3]输液中微小异物目标视觉检测技术研究[D]. 杨福刚.山东大学 2008

硕士论文
[1]卷积神经网络研究及其在基音检测中的应用[D]. 黄志强.内蒙古大学 2015



本文编号：2958464