买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：吉林大学

摘要：本发明的一种基于深度学习的玻璃药瓶内药片表面缺陷检测方法属于机器视觉技术领域，步骤包括：搭建一个能够采集清晰的药瓶侧面360°的图像采集系统，制作图形化的软件交互页面，选取药品侧面的完好和缺陷图片并划分训练集和测试集，构建药片表面缺陷检测算法模型、剔除不合格药品等。本发明可安装在药瓶输送带上，实现高速度，高准确度，长时间对药瓶中药片缺陷的检测，能够大大减少企业在药品检测方面的人力成本，同时有效提高企业的生产效率。

主权项：1.一种基于深度学习的玻璃药瓶内药片表面缺陷检测方法，包括以下步骤：S1：搭建由三个高清工业摄像头和三个照明光源组成的图像采集系统，每台相机之间呈120°角以保证拍摄药品的整个侧面图像，在每两台摄像机正中间侧上方布置一个条形光源以提高药品表面亮度并消除玻璃瓶表面反光，以此获得待检测药瓶内药品在水平方向上360°的图像；S2：使用QTCreator制作图形化的软件交互页面，界面包含三个textBrowser控件、两个spinBox控件和三个pushBotton控件；其中，三个textBrowser控件分别显示药品的总数量、不合格数量以及不合格占比；两个spinBox控件用于调整传送带速度和缺陷面积占比的阈值；三个textBrowser控件分别用来控制程序的运行、关闭和spinBox控件数据的最终写入，图形化界面的所有数据的写入和显示均通过读写对应TXT文件的方式实现；S3：选取药品侧面的完好和缺陷图片，每种图片不少于600张，每种类型图片均按照8:2的比例划分为训练集和测试集，并对训练集进行实例分割标注，区分完好区域与缺陷区域；S4：构建药片表面缺陷检测算法模型，首先将训练集输入模型中训练，药瓶经过设定的监测点位时，三台相机同时各拍摄一张图像，三张图像直接输入到改进的YOLOV8模型，利用该模型实例分割的功能，提取药品单独的图像及其缺陷分布，再通过去除相机间重复检测的缺陷区域并将图像中的药品缺陷与完好区域的值分别修改为1和0，使得三张图像变为仅含有1和0两种值的矩阵，最后将这三个矩阵分别与利用透视定理建立的权重矩阵进行点乘操作，并对结果矩阵中所有的元素进行求和，则最终药品缺陷面积占总面积的值由三个结果矩阵中元素求和的平均值与权重矩阵中所有元素值之和的比值表示，将该比值与前端设定的阈值比较后作出是否下达剔除指令的判断；所述的改进的YOLOV8模型，改进措施是在基础的YOLOV8模型的颈网络和骨干网络部分加入全局注意力模块以提升模型的聚焦能力；S5：检测出不合格药品后电脑发送信号给单片机，通过计算传送带速度预测药瓶到达剔除装置的时间；单片机向剔除装置发送一个带有时延的剔除指令，使得药瓶在刚好到达剔除装置时，步进电机驱动装置将不合格药瓶推出，完成整个药品分类工作。

全文数据：

权利要求：

百度查询： 吉林大学 一种基于深度学习的玻璃药瓶内药片表面缺陷检测方法