近年來,在醫(yī)療輸液制劑生產行業(yè),由于自動化灌裝技術的應用,輸液灌裝制劑的年生產量極大。而對產品質量的檢測環(huán)節(jié)還處于人工視覺檢測的階段,大大限制了生產效率。本課題通過使用以深度學習算法為主的機器視覺技術,設計輸液瓶標簽文本檢測系統(tǒng),來代替人工檢測,提高生產效率。本課題以工業(yè)醫(yī)療輸液瓶生產環(huán)境為研究背景,圍繞輸液瓶外觀標簽的文本檢測與識別方法展開研究,以深度學習技術為核心,在前人的研究基礎上拓展,設計了大輸液外觀文本檢測系統(tǒng)。課題對系統(tǒng)需求及組成進行了介紹,并對系統(tǒng)的穩(wěn)定性及實時性進行了驗證。針對標簽文本傾斜的問題,本課題設計了基于傅里葉變換與霍夫變換的文本校正方法。通過對輸入進行傅里葉變換的方式,對圖像在頻域進行角度檢測以及旋轉校正。最后對方法進行了實驗,并對方法在檢測準確度和檢測時間兩方面進行評估。針對文本檢測的需求,設計了卷積神經(jīng)網(wǎng)絡與遞歸神經(jīng)網(wǎng)絡聯(lián)合訓練的網(wǎng)絡結構。通過卷積神經(jīng)網(wǎng)絡與遞歸神經(jīng)網(wǎng)絡構成聯(lián)合網(wǎng)絡的形式,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;本文還設計了細致尺度文本區(qū)域的方法,提高了文本區(qū)域水平檢測的精度;本文還設計了在網(wǎng)絡中加入可訓練參數(shù)對預測的... 

【文章來源】：哈爾濱工業(yè)大學黑龍江省 211工程院校 985工程院校

【文章頁數(shù)】：67 頁

【學位級別】：碩士

【部分圖文】：

輸液瓶標簽異常圖像示例

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（大腦中得到結果認為這是只氣球）。圖 1-2 是人腦進行人臉識別的一個上個世紀 90 年代，卷積神經(jīng)網(wǎng)絡的結構和形式就基本已經(jīng)確定。許多學積神經(jīng)網(wǎng)絡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，計算機的計算能力使得卷積神經(jīng)網(wǎng)絡不能很好的發(fā)揮自己的并不能引起廣泛關注。直到 2006 年，Hinton 在 Science 發(fā)表了驚世駭俗，提出了神經(jīng)網(wǎng)絡用于降維，指出“多隱層神經(jīng)網(wǎng)絡具有更為優(yōu)異的特征，并且其在訓練上的復雜度可以通過逐層初始化來有效緩解”[8]。由于訓練的可能，加上這一年的兩個事件開啟了神經(jīng)網(wǎng)絡的新時代。整個深域進入了蓬勃發(fā)展的時代。其中，最著名的是 Krizhevsky et al.提出了一 CNN 結構，并在圖像識別任務上取得了重大突破。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)成為領域入門必學的經(jīng)典網(wǎng)絡，通過在 MNIST 手寫數(shù)字數(shù)據(jù)集上訓練，能的識別標準的手寫數(shù)字。

檢測模

【參考文獻】：
期刊論文
[1]基于DCNN的人臉多屬性識別[J]. 廣長彪.  現(xiàn)代計算機(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]基于遷移學習與深度卷積特征的圖像標注方法研究[D]. 宋光慧.浙江大學 2017
[2]基于詞表示和深度學習的生物醫(yī)學關系抽取[D]. 蔣振超.大連理工大學 2016
[3]輸液中微小異物目標視覺檢測技術研究[D]. 楊福剛.山東大學 2008

碩士論文
[1]卷積神經(jīng)網(wǎng)絡研究及其在基音檢測中的應用[D]. 黃志強.內蒙古大學 2015



本文編號：2958464