[发明专利]一种基于机器视觉的西林瓶药品标签识别方法

说明书

技术领域

本发明涉及属于机器视觉与图像处理领域，尤其涉及一种基于机器视觉的西林瓶药品标签识别方法。

背景技术

医护工作的输液配药工作量巨大，易使医护人员出现操作疲劳，导致配药出现差错，造成医疗事故。自动配药机在配药准确率、配药洁净度、医护人员健康保障等方面，相较传统配药方法和流程具有明显优势。但药品种类的自动识别面临以下几个主要问题：①绝大多数药品标签没有可识别的条形码，这为标签识别和药品管理带来不便；②因缺乏行业标准，不同药品生产厂家出品的标签规格不一致，药品名称、国药准字等信息位置差异性很大；③药品标签是圆柱状曲面，标签边缘图像变形严重，难以用常规方法识别标签字符信息。

目前针对曲面文字识别的研究，李响、严晓浪等人提出了预先在纸面上绘制网格，通过展平网格的办法，将曲面文字还原为平面文字，该方法能够矫正单个文字的畸变，具有一定的曲面文字识别能力，但没有实现段落理解。发明专利“一种弯曲书面文字识别方法”，通过将每行文字中心以曲线拟合的方法矫正文字行扭曲角度，实现了对书本版面信息的识别理解，但拟合曲线过程复杂，对识别单张图片中畸变较小的文字有较好的识别效果。

专利“圆柱表面文字识别系统及方法”，公开(公告)号为CN105488507A。采用拍摄多张图像，进行特征字符匹配的方法，进行药品种类识别。该方法具有较高的静态识别精度，但动态的识别可靠性需进一步提高。

发明内容

本发明目的在于提供一种以国药准字编号作为药品标签识别依据，从圆柱状药品标签的成像图片中提取并识别药品信息，完成药品种类的自动识别的基于机器视觉的西林瓶药品标签识别方法。

为实现上述目的，采用了以下技术方案：本发明所述方法步骤如下：

步骤1，药瓶图像平面化展开算法；

对圆柱形标签进行平面化展开，提取药瓶轮廓和矫正圆柱面标签图像，得到展平的药品标签图像；

步骤2，国药准字快速定位算法；

对国药准字字符进行快速定位，由SIFT图像匹配与错误匹配点剔除算法组成，完成标签图像国药准字区域的定位，提取出待识别的国药准字编号字符串图块；

步骤3，国药准字字符识别算法；

对国药准字字符进行识别，采用基于统计特征的候选字符提取对候选模板字符进行筛选，并基于BP神经网络算法和异或增强算法分别进行国药准字编号的识别；

步骤4，仅当两种算法识别结果均与患者配药单中国药准字编号相同时，才判定药品标签识别正确。

进一步的，步骤1中，所述的药瓶图像平面化展开算法是一种根据小孔成像原理将圆柱面图像进行平面化非线性矫正的算法，利用三角形函数变换关系，计算药瓶成像平面上每列像素所对应的圆柱面图案长度与药瓶图像列像素宽度的比值，以此作为药瓶图像每列像素的矫正系数，完成对药瓶图像的平面化展开。

进一步的，步骤2中，所述的国药准字快速定位算法采用模板匹配策略，由SIFT图像匹配与错误匹配点剔除算法实现，具体过程如下：

(1)建立“国药准字”模板图像，并使用SIFT算法提取关键点以及描述子；

(2)提取药瓶图像的关键点和描述子，并与模板图像的描述子做匹配；

(3)剔除错误匹配描述子，完成国药准字定位，进而提取出国药准字字符串图像。

进一步的，步骤3中，所述基于统计特征的候选字符提取对候选模板字符进行筛选是利用字符图像的欧拉数、跳变点数特征对候选模板字符进行筛选，对候选字符按照与待识别字符的欧氏距离进行近似度比较排序，将近似度较高的几个字符作为候选字符，以提高后续识别速度和精确度。

进一步的，步骤3中，所述的基于BP神经网络算法步骤是先将字符图像在经过大小和笔画宽度归一化，将字符图形每列首尾相接组成输入向量，输入神经网络，规定神经网络的每个输出节点唯一对应一个字符，识别时仅比较与候选字符将相对应的网络输出节点值的大小，最大值节点对应的字符作为识别结果。

进一步的，步骤3中，所述基于异或增强算法以字符笔画分布为依据的一种模板比较法；识别时利用图形异或运算查找待识别字符图像与模板字符图像的共同和异同笔画像素的分布，计算异同笔画像素到共同笔画像素区域的最近距离，并按照指数放大的方法突出偏离公共笔画的像素值，以突出两者间的差异性，累计经过异或增强放大的异同像素值作为近似度比较的依据，完成对字符的识别。

与现有技术相比，本发明具有如下优点：应用于全自动配药机，可大幅降低医护人员的工作强度、提高输液配药效率和可靠性、实现无菌操作和规避药剂对医护人员潜在危害等。