【摘要】：大型醫(yī)院包藥房的擺藥和核藥是一項重要的工作,對醫(yī)院的工作效率具有重要的影響。傳統(tǒng)的擺藥和核藥都是依靠人工來完成的,存在著因視覺疲勞導致藥品誤擺,用手擺藥產(chǎn)生藥品污染,工作效率低下等問題。針對這個問題,社會上已經(jīng)出現(xiàn)全自動藥品分包系統(tǒng)(Automated Tablet DispensingPackaging System,ATDPS)。這個系統(tǒng)主要有兩部分組成:全自動藥片包藥系統(tǒng)(Tablet Packing Machine System,TPMS)和全自動藥片核驗系統(tǒng)(Tablets Check Machine System,TCMS)。其中TPMS的技術已經(jīng)很成熟了,TCMS技術處在發(fā)展階段,有很多醫(yī)院只使用了TPMS技術,核藥的工作依舊依靠人工來完成。因此,對TCMS技術的研究具有重要的現(xiàn)實意義。本文基于機器視覺設計了一種藥片檢測和識別算法。在藥片檢測階段,本文先進行藥片區(qū)域提取得到前景目標,然后進行粘連藥片分割得到單個藥片區(qū)域。在藥片區(qū)域提取方面,本文考慮了四種分割算法:大津算法、一維最大熵分割算法、改進后的大津算法和改進后的一維最大熵分割算法,其中改進后的一維最大熵分割算法效果較好。在粘連藥片分割方面,本文采用先進行凹點檢測,再進行凹點匹配的方法來分割粘連藥片。進行凹點檢測時,考慮了三種算法:具有自適應閾值和動態(tài)支撐區(qū)域的曲率尺度空間算法、局部區(qū)域角度算法和改進后的局部區(qū)域角度算法,其中改進后的局部區(qū)域角度算法的性能較好。進行凹點匹配時,比較了K-M算法和改進后的KNN算法,其中改進后的KNN算法耗時較少。在藥片識別階段,本文主要利用藥片面積、形狀、顏色三個重要特征來判斷藥片的種類。測量面積時,采用了連通域標記的方法來統(tǒng)計連通域內的像素個數(shù)。在進行形狀分類時,比較了基于形狀上下文的形狀匹配和一個十層的卷積神經(jīng)網(wǎng)絡模型,后者在準確率和速度上都優(yōu)于前者。在進行顏色分類時,設計了一種基于色調直方圖和支持向量機的顏色分類器。
【圖文】：

哈爾濱工業(yè)大學工學碩士學位論文 卷積神經(jīng)網(wǎng)絡介紹卷積神經(jīng)網(wǎng)絡最早的起源可以追溯到上世紀六七十年代，一些日本學感受野的概念，這是卷積神經(jīng)網(wǎng)絡最初的靈感起源。到了上世紀八十年ushima 在感受野的概念上提出了神經(jīng)認知機模型，這是一次比較大的進著卷積神經(jīng)網(wǎng)絡有了實際的用途。1989 年美國貝爾實驗室的學者 un 教授給出的卷積神經(jīng)網(wǎng)絡形式 LeNet-5 成功用于英語手寫字體識別的結構如圖 2-1 所示。然而，由于數(shù)據(jù)和計算機硬件條件的限制，卷絡并沒有在上世紀九十年代發(fā)展起來。卷積神經(jīng)網(wǎng)絡之所以現(xiàn)在這么自 2012 年的一場競賽，冠軍得主 Alex 使用卷積神經(jīng)網(wǎng)絡在 ImageNe人驚嘆的效果。自此以后，卷積神經(jīng)網(wǎng)絡的時代來臨了。

圖 2-2 全連接和局部連接示意圖絡的結構一般由以下幾部分組成：卷積層、激活來將詳細介紹每部分。絡中卷積層的作用是為提取特征。在圖像識別領征圖，，每個特征圖中所有神經(jīng)元的權值是相同置的同一特征；不同特征圖之間的神經(jīng)元的權像的不同特征。數(shù)線性的，然而，現(xiàn)實世界的問題大多數(shù)是非線性活函數(shù)來增加卷積神經(jīng)網(wǎng)絡的非線性。常用的：sigmoid 函數(shù)的計算見公式（2-7），sigmoid其軟飽和性，容易產(chǎn)生梯度消失等缺陷，現(xiàn)在( ) 1/(1 )xf x e = + tanh 函數(shù)的計算見公式（2-8），相比 sigmoid
【學位授予單位】：哈爾濱工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：R95;TP391.41;TP18

【相似文獻】

相關期刊論文 前10條

1 張宏哲;;FFT算法的一種改進[J];長安大學學報(自然科學版);1988年01期

2 苑寶生,俞鐵城;連呼漢語識別研究[J];聲學學報;1989年06期

3 孫楊模;;操作系統(tǒng)常見的幾種算法舉例分析[J];湖北三峽職業(yè)技術學院學報;2010年02期

4 郜振華;吳昊;;一種改進的混合蝙蝠算法[J];南華大學學報(自然科學版);2019年01期

5 吳天行;郭鍵;;基于“反學習”理論的人工蜂群算法在訂單分批問題中的應用[J];物流技術;2017年12期

6 全燕;陳龍;;算法傳播的風險批判:公共性背離與主體扭曲[J];華中師范大學學報(人文社會科學版);2019年01期

7 呂山;;從算法倫理圖譜揭示算法中的倫理悖論[J];傳播力研究;2019年30期

8 肖海軍;成金華;何凡;;雙核因素蝙蝠算法[J];中南民族大學學報(自然科學版);2018年01期

9 張進;;一種快速雙對分邏輯運算算法[J];情報學報;1992年03期

10 陳廣江;用MUSIC算法處理非均勻間隔采樣數(shù)據(jù)[J];系統(tǒng)工程與電子技術;1998年09期

相關會議論文 前9條

1 李孟霖;余祥;巫岱s

本文編號：2600465