大輸液瓶外觀燈檢算法研究
發(fā)布時間：2021-01-05 10:02
近年來,在醫(yī)療輸液制劑生產(chǎn)行業(yè),由于自動化灌裝技術(shù)的應(yīng)用,輸液灌裝制劑的年生產(chǎn)量極大。而對產(chǎn)品質(zhì)量的檢測環(huán)節(jié)還處于人工視覺檢測的階段,大大限制了生產(chǎn)效率。本課題通過使用以深度學(xué)習(xí)算法為主的機(jī)器視覺技術(shù),設(shè)計(jì)輸液瓶標(biāo)簽文本檢測系統(tǒng),來代替人工檢測,提高生產(chǎn)效率。本課題以工業(yè)醫(yī)療輸液瓶生產(chǎn)環(huán)境為研究背景,圍繞輸液瓶外觀標(biāo)簽的文本檢測與識別方法展開研究,以深度學(xué)習(xí)技術(shù)為核心,在前人的研究基礎(chǔ)上拓展,設(shè)計(jì)了大輸液外觀文本檢測系統(tǒng)。課題對系統(tǒng)需求及組成進(jìn)行了介紹,并對系統(tǒng)的穩(wěn)定性及實(shí)時性進(jìn)行了驗(yàn)證。針對標(biāo)簽文本傾斜的問題,本課題設(shè)計(jì)了基于傅里葉變換與霍夫變換的文本校正方法。通過對輸入進(jìn)行傅里葉變換的方式,對圖像在頻域進(jìn)行角度檢測以及旋轉(zhuǎn)校正。最后對方法進(jìn)行了實(shí)驗(yàn),并對方法在檢測準(zhǔn)確度和檢測時間兩方面進(jìn)行評估。針對文本檢測的需求,設(shè)計(jì)了卷積神經(jīng)網(wǎng)絡(luò)與遞歸神經(jīng)網(wǎng)絡(luò)聯(lián)合訓(xùn)練的網(wǎng)絡(luò)結(jié)構(gòu)。通過卷積神經(jīng)網(wǎng)絡(luò)與遞歸神經(jīng)網(wǎng)絡(luò)構(gòu)成聯(lián)合網(wǎng)絡(luò)的形式,有效利用圖像中文本區(qū)域的上下文信息,降低了文本區(qū)域誤檢和漏檢;本文還設(shè)計(jì)了細(xì)致尺度文本區(qū)域的方法,提高了文本區(qū)域水平檢測的精度;本文還設(shè)計(jì)了在網(wǎng)絡(luò)中加入可訓(xùn)練參數(shù)對預(yù)測的...
【文章來源】：哈爾濱工業(yè)大學(xué)黑龍江省 211工程院校 985工程院校
【文章頁數(shù)】：67 頁
【學(xué)位級別】：碩士
【部分圖文】：
輸液瓶標(biāo)簽異常圖像示例
后將信息初步整合（分析圖像中的物體是什么形狀的），最后再次整合出（大腦中得到結(jié)果認(rèn)為這是只氣球）。圖 1-2 是人腦進(jìn)行人臉識別的一個上個世紀(jì) 90 年代，卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和形式就基本已經(jīng)確定。許多學(xué)積神經(jīng)網(wǎng)絡(luò)來做一些較為簡單的分類問題。比如說手寫數(shù)字識別。只不件的限制，計(jì)算機(jī)的計(jì)算能力使得卷積神經(jīng)網(wǎng)絡(luò)不能很好的發(fā)揮自己的并不能引起廣泛關(guān)注。直到 2006 年，Hinton 在 Science 發(fā)表了驚世駭俗，提出了神經(jīng)網(wǎng)絡(luò)用于降維，指出“多隱層神經(jīng)網(wǎng)絡(luò)具有更為優(yōu)異的特征，并且其在訓(xùn)練上的復(fù)雜度可以通過逐層初始化來有效緩解”[8]。由于訓(xùn)練的可能，加上這一年的兩個事件開啟了神經(jīng)網(wǎng)絡(luò)的新時代。整個深域進(jìn)入了蓬勃發(fā)展的時代。其中，最著名的是 Krizhevsky et al.提出了一 CNN 結(jié)構(gòu)，并在圖像識別任務(wù)上取得了重大突破。其方法的整體框架Net[9]，與 LeNet-5 類似，但要更加深一些。在現(xiàn)在，AlexNet 已經(jīng)成為領(lǐng)域入門必學(xué)的經(jīng)典網(wǎng)絡(luò)，通過在 MNIST 手寫數(shù)字?jǐn)?shù)據(jù)集上訓(xùn)練，能的識別標(biāo)準(zhǔn)的手寫數(shù)字。
檢測模
【參考文獻(xiàn)】：
期刊論文
[1]基于DCNN的人臉多屬性識別[J]. 廣長彪. 現(xiàn)代計(jì)算機(jī)(專業(yè)版). 2017(08)
[2]基于樣本線搜索和霍夫變換的區(qū)域定位算法[J]. 王昱,趙正校,楊碩. 紅外與激光工程. 1999(04)
[3]快速傅里葉變換的兩種改進(jìn)算法[J]. 李庚銀,陳志業(yè),寧宇. 電力系統(tǒng)自動化. 1997(12)
博士論文
[1]基于遷移學(xué)習(xí)與深度卷積特征的圖像標(biāo)注方法研究[D]. 宋光慧.浙江大學(xué) 2017
[2]基于詞表示和深度學(xué)習(xí)的生物醫(yī)學(xué)關(guān)系抽取[D]. 蔣振超.大連理工大學(xué) 2016
[3]輸液中微小異物目標(biāo)視覺檢測技術(shù)研究[D]. 楊福剛.山東大學(xué) 2008
碩士論文
[1]卷積神經(jīng)網(wǎng)絡(luò)研究及其在基音檢測中的應(yīng)用[D]. 黃志強(qiáng).內(nèi)蒙古大學(xué) 2015
本文編號：2958464
【文章來源】：哈爾濱工業(yè)大學(xué)黑龍江省 211工程院校 985工程院校
【文章頁數(shù)】：67 頁
【學(xué)位級別】：碩士
【部分圖文】：
輸液瓶標(biāo)簽異常圖像示例
后將信息初步整合（分析圖像中的物體是什么形狀的），最后再次整合出（大腦中得到結(jié)果認(rèn)為這是只氣球）。圖 1-2 是人腦進(jìn)行人臉識別的一個上個世紀(jì) 90 年代，卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和形式就基本已經(jīng)確定。許多學(xué)積神經(jīng)網(wǎng)絡(luò)來做一些較為簡單的分類問題。比如說手寫數(shù)字識別。只不件的限制，計(jì)算機(jī)的計(jì)算能力使得卷積神經(jīng)網(wǎng)絡(luò)不能很好的發(fā)揮自己的并不能引起廣泛關(guān)注。直到 2006 年，Hinton 在 Science 發(fā)表了驚世駭俗，提出了神經(jīng)網(wǎng)絡(luò)用于降維，指出“多隱層神經(jīng)網(wǎng)絡(luò)具有更為優(yōu)異的特征，并且其在訓(xùn)練上的復(fù)雜度可以通過逐層初始化來有效緩解”[8]。由于訓(xùn)練的可能，加上這一年的兩個事件開啟了神經(jīng)網(wǎng)絡(luò)的新時代。整個深域進(jìn)入了蓬勃發(fā)展的時代。其中，最著名的是 Krizhevsky et al.提出了一 CNN 結(jié)構(gòu)，并在圖像識別任務(wù)上取得了重大突破。其方法的整體框架Net[9]，與 LeNet-5 類似，但要更加深一些。在現(xiàn)在，AlexNet 已經(jīng)成為領(lǐng)域入門必學(xué)的經(jīng)典網(wǎng)絡(luò)，通過在 MNIST 手寫數(shù)字?jǐn)?shù)據(jù)集上訓(xùn)練，能的識別標(biāo)準(zhǔn)的手寫數(shù)字。
檢測模
【參考文獻(xiàn)】：
期刊論文
[1]基于DCNN的人臉多屬性識別[J]. 廣長彪. 現(xiàn)代計(jì)算機(jī)(專業(yè)版). 2017(08)
[2]基于樣本線搜索和霍夫變換的區(qū)域定位算法[J]. 王昱,趙正校,楊碩. 紅外與激光工程. 1999(04)
[3]快速傅里葉變換的兩種改進(jìn)算法[J]. 李庚銀,陳志業(yè),寧宇. 電力系統(tǒng)自動化. 1997(12)
博士論文
[1]基于遷移學(xué)習(xí)與深度卷積特征的圖像標(biāo)注方法研究[D]. 宋光慧.浙江大學(xué) 2017
[2]基于詞表示和深度學(xué)習(xí)的生物醫(yī)學(xué)關(guān)系抽取[D]. 蔣振超.大連理工大學(xué) 2016
[3]輸液中微小異物目標(biāo)視覺檢測技術(shù)研究[D]. 楊福剛.山東大學(xué) 2008
碩士論文
[1]卷積神經(jīng)網(wǎng)絡(luò)研究及其在基音檢測中的應(yīng)用[D]. 黃志強(qiáng).內(nèi)蒙古大學(xué) 2015
本文編號：2958464
本文鏈接：http://sikaile.net/kejilunwen/zidonghuakongzhilunwen/2958464.html
最近更新
教材專著
