[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

说明书

技术领域

本发明涉及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。

背景技术

医药视觉检测机器人主要是对安瓿、大输液、口服液等溶液中异物检测的设备，其中，图像处理是检测机器人最重要的组成部分，目前，常见异物检测算法中，异物区域与背景区域分离的主要流程为序列图像差分、叠加、叠加图像二值化处理，但是该种方法存在诸多不足之处，具体体现在以下两个方面：

（1）图像背景十分复杂，背景亮度变化大，包含暗背景和亮背景，序列图像差分处理后，亮背景差值远远大于暗背景差值，致使叠加图像固定阈值二值化处理后，亮背景与异物特征类似，分割效果不佳；

（2）序列图像采集过程中，常采用归一化方法消除背景亮度不均匀的影响，但是，在亮背景中出现的异物会被错误分割为亮背景，造成漏检。

发明内容

本发明提出了一种基于序列图像时域特征的异物检测方法，针对上述不足，根据序列图像像素的时域特征，将亮背景区域特征和暗背景区域特征映射到同一特征空间，消除亮背景与暗背景之间的差别，并通过神经网络对目标与背景进行分类，实现目标与背景的分割，根据异物特征运动轨迹，检测出异物。

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，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；