發(fā)布時(shí)間：2024-03-10 19:57

　　臨床醫(yī)療的快速發(fā)展,也使得輸液類的藥類產(chǎn)品得到廣泛應(yīng)用。但是,在生產(chǎn)過(guò)程中容易被雜質(zhì)污染而且難以發(fā)現(xiàn)帶來(lái)安全隱患,國(guó)家標(biāo)準(zhǔn)強(qiáng)制性要求每瓶(袋)輸液產(chǎn)品必須進(jìn)行燈檢。截至目前,人工燈檢仍是這類燈檢的主要方式,勞動(dòng)強(qiáng)度大、檢測(cè)質(zhì)量不穩(wěn)定是這種方法的主要缺點(diǎn)。機(jī)器視覺(jué)檢測(cè)技術(shù)能夠有效的解決傳統(tǒng)檢測(cè)方法的缺陷,通過(guò)設(shè)計(jì)能夠自動(dòng)化的對(duì)輸液中存在的異物進(jìn)行快速有效的檢出,長(zhǎng)期使用更能降低生產(chǎn)成本,是如今的檢測(cè)領(lǐng)域里的首選方法.首先,本文簡(jiǎn)要介紹了本課題的探究背景和意義,總結(jié)了藥液視覺(jué)檢測(cè)的國(guó)內(nèi)外研究發(fā)展歷程。在基于本課題的實(shí)驗(yàn)載體的特點(diǎn)上,由于光學(xué)系統(tǒng)的有限景深問(wèn)題,大容量包裝會(huì)導(dǎo)致包裝軟袋內(nèi)的可能存在的雜質(zhì)的運(yùn)動(dòng)至相機(jī)的景深范圍外,在圖像上就會(huì)呈現(xiàn)模糊的狀態(tài),尤其是微小異物,模糊信息會(huì)影響檢測(cè)的準(zhǔn)確性。本文采用多焦面圖像融合的方法來(lái)達(dá)到大景深的效果,充分調(diào)研了圖像融合的相關(guān)理論和技術(shù),介紹了基于空域和變換域的一些圖像融合方法以及最近新流行的基于神經(jīng)網(wǎng)絡(luò)的融合算法。然后,本文搭建了一個(gè)基于雙相機(jī)來(lái)拍攝多焦面的圖像的實(shí)驗(yàn)成像系統(tǒng)。并提出一種基于卷積神經(jīng)網(wǎng)絡(luò)的圖像融合方法,通過(guò)將融合視為一種二分類問(wèn)題...

【文章頁(yè)數(shù)】：85 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究工作的背景與意義
    1.2 藥液異物視覺(jué)檢測(cè)的國(guó)內(nèi)外研究歷史與現(xiàn)狀
        1.2.1 藥液異物視覺(jué)檢測(cè)的國(guó)內(nèi)研究現(xiàn)狀
        1.2.2 藥液異物視覺(jué)檢測(cè)的國(guó)外研究現(xiàn)狀
    1.3 本論文的內(nèi)容和結(jié)構(gòu)安排
        1.3.1 主要難點(diǎn)分析
        1.3.2 論文主要內(nèi)容
        1.3.3 論文的結(jié)構(gòu)安排
第二章 多焦面圖像融合主要相關(guān)理論技術(shù)
    2.1 相機(jī)成像景深概念
    2.2 圖像融合概述
    2.3 多焦面圖像融合算法研究
        2.3.1 基于空域的多焦面圖像融合算法
        2.3.2 基于變換域的多焦面圖像融合算法
        2.3.3 基于神經(jīng)網(wǎng)絡(luò)的多焦面圖像融合算法
    2.4 融合效果評(píng)價(jià)準(zhǔn)則
        2.4.1 主觀質(zhì)量評(píng)價(jià)
        2.4.2 客觀質(zhì)量評(píng)價(jià)
    2.5 本章小結(jié)
第三章 成像檢測(cè)系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)
    3.1 檢測(cè)樣品分析
        3.1.1 非PVC大輸液軟袋特點(diǎn)分析
        3.1.2 藥液中常見(jiàn)雜質(zhì)類型與特征
    3.2 視覺(jué)成像和采集系統(tǒng)設(shè)計(jì)
        3.2.1 光源照明技術(shù)
        3.2.2 光源位置布局方案
        3.2.3 雙相機(jī)拍攝結(jié)構(gòu)
    3.3 圖像融合獲取大景深圖像
        3.3.1 使用CNN模型
        3.3.2 圖像融合
    3.4 融合效果及評(píng)價(jià)
        3.4.1 ROI提取
        3.4.2 實(shí)驗(yàn)圖像融合
        3.4.3 大景深效果評(píng)價(jià)
    3.5 本章小結(jié)
第四章 大景深視覺(jué)檢測(cè)算法研究
    4.1 引言
    4.2 圖像預(yù)處理
    4.3 圖像特征提取及分析
        4.3.1 形狀特征提取
        4.3.2 灰度特征提取
    4.4 Adaboost分類器算法研究分析
        4.4.1 AdaBoost算法描述
        4.4.2 AdaBoost理論分析
        4.4.3 AdaBoost實(shí)驗(yàn)測(cè)試
    4.5 AdaBoost分類器實(shí)驗(yàn)結(jié)果及分析
        4.5.1 分類實(shí)驗(yàn)
        4.5.2 結(jié)果分析
    4.6 本章小結(jié)
第五章 全文總結(jié)與展望
    5.1 全文總結(jié)
    5.2 后續(xù)工作展望
致謝
參考文獻(xiàn)



本文編號(hào)：3925239