[发明专利]医药检测机器人中基于序列图像时域特征的杂质检测方法

权利要求书

1.一种医药检测机器人中基于序列图像时域特征的杂质检测方法，其特征在于，包括以下几个步骤： 

步骤1：连续采集N帧图像作为单个样本序列图像，总共采集X个样本； 

步骤2：从每个样本序列图像中提取原始特征向量，所述原始特征向量包括异物特征向量和背景特征向量，并分别对异物特征向量和背景特征向量进行升序排序后再归一化处理，建立异物特征样本数据库和背景特征样本数据库； 

步骤3：利用异物特征样本数据库和背景特征样本数据库训练神经网络； 

步骤4：从实时采集N帧序列图像中依次提取每个待测像素点的原始特征向量，对待测像素点的原始特征向量进行升序排序后，再进行归一化处理，并生成待测像素点的归一化特征向量； 

步骤5：将所有待测像素点的有序特征向量输入到步骤3得到的神经网络中，输出每个待测像素点的灰度值，再基于得到的灰度值生成图像ImageR； 

步骤6：对步骤5获得的图像ImageR进行二值化操作，二值化阈值为0.5，获得二值化图像ImageB，完成可见异物的目标分割，二值化图像中白色区域为被分割出来的异物区域，即为异物在图像中的运动轨迹，黑色区域为背景区域； 

所述原始特征向量为，是指从序列图像中提取每帧图像在同一坐标点（x，y）的灰度值，表示第n帧图像中坐标点（x，y）的灰度值； 

所述有序特征向量为，是指依据的大小按照从小到大的顺序进行排序得到的向量，其中，且

所述归一化特征向量为，其中n=1,...,N； 

所述异物特征向量是指原始特征向量中(x,y)为样本序列图像中出现异物的所有坐标点； 

所述背景特征向量是指原始特征向量中(x,y)为样本序列图像中均为出现异物的所有坐标点。 

2.根据权利要求1所述的医药检测机器人中基于序列图像时域特征的杂质检测方法，其特 征在于，所述神经网络为BP神经网络，输入层为N个节点，分别与特征向量的N个元素对应，隐含层包括5个节点，输出层为1个节点； 

神经网络的训练过程如下： 

若输入层的输入向量来自异物特征数据库，则输出节点为1，若输入层的输入向量来源于背景特征数据库，则输出节点为0，采用BP神经网络误差反向传递修正方法，对神经网络进行训练，得到训练后的输入层节点与隐含层节点之间的权值，隐含层节点与输出层节点之间的权值，其中，a为1..N的整数，b为1..5的整数。 

3.根据权利要求2所述的医药检测机器人中基于序列图像时域特征的杂质检测方法，其特征在于，所述采集N帧图像时，N的取值范围是16-30。 

4.根据权利要求1-3任一项所述的医药检测机器人中基于序列图像时域特征的杂质检测方法，其特征在于，所述样本个数X为大于5000的正整数。