[发明专利]基于深度学习的医用配件组装检测方法及装置

说明书

本发明公开了一种基于CenterNet卷积神经网络模型的医用配件组装检测方法及装置，相机采集接料图像并同步至处理模块，处理模块对接料图像预处理；处理模块将预处理后的接料图像输入医用配件输送目标检测网络，根据输出的目标类别判断医用配件是否到达接料座；相机采集医用配件图像和导管端口图像至处理模块进行预处理后作为医用配件组装目标检测网络输入，分别得到医用配件图像的目标框和目标类别以及导管端口图像的目标框和目标类别，判断目标框的位置与预设真实框位置是否一致；针对输液器医用配件组装过程中的物料是否到位、定位难的问题，实现了精准定位与组装，提高了视觉检测的准确性，有效地提高了产品生产效率。

技术领域

本发明属于医疗器械和深度学习技术领域，具体来说涉及一种基于深度学习的医用配件组装检测方法及装置。

背景技术

一次性输液器的组装过程中，部分医用配件（如流速调节器）需要穿过导管进行组装。现有输液器医用配件组装技术大多预先设置固定的插杆，然后插杆需要穿过医用配件直到导管上。这种医用配件组装方式对于导向定位要求较高。一旦出现位置偏差，就很容易造成插杆与医用配件、导管发生碰撞，从而损坏输液器的组装。

在进行输液器医用配件组装之前，需要检测医用配件上料是否到位。在这方面传统采用的方法是光纤检测，但光纤检测成本较高，为了降低成本，大多采用重力平衡法来检测，但这一方法对平衡性要求较高，而且平衡性差也会降低检测精度。

发明内容

本发明的目的之一在于提供一种基于深度学习的医用配件组装检测方法及装置，以解决背景技术中现有的医用配件组装所采用的光纤检测成本较高以及重力平衡法检测时平衡性要求较高的问题。

为实现上述目的，本发明提供技术方案如下：

一种基于深度学习的医用配件组装检测方法，所述检测方法包括以下步骤：

步骤1：医用配件通过输送通道输送至移动接料座，相机下降至第一预设位并转至第一预设状态；

步骤2：相机采集接料图像并同步至处理模块，处理模块对接料图像预处理；

步骤3：处理模块将预处理后的接料图像输入医用配件输送目标检测网络，根据输出的目标类别判断医用配件是否到达接料座；若是，则执行步骤4，否则返回步骤2；

步骤4：第二夹取机构向下移动夹取导管一端后上升至与插管处于同一水平线，同时移动接料座水平移动至第一夹取机构正下方，第一夹取机构向下移动夹取医用配件至插杆和导管间，执行步骤5；

步骤5：相机移动至第二预设位采集医用配件图像后，转至第二预设状态采集导管端口图像，同步医用配件图像和导管端口图像至处理模块，执行步骤6；

步骤6：处理模块对医用配件图像和导管端口图像进行预处理后作为医用配件组装目标检测网络输入，分别得到医用配件图像的目标框和目标类别以及导管端口图像的目标框和目标类别，执行步骤7；

步骤7：判断目标框的位置与预设真实框位置是否一致，若是，则相机回到初始位，对医用配件进行组装；否则调整第一夹取机构高度并返回步骤5。

优选地，医用配件输送目标检测网络的获取包括以下步骤：

步骤A1：通过相机获取输送通道输送医用配件至移动接料座的输送视频，逐帧读取输送视频并保存成帧图像；

步骤A2：人为对任一帧图像中的医用配件部分设置目标框和目标类别，所述目标类别为医用配件是否到达移动接料座；

步骤A3：对任一帧图像进行预处理后，将所有预处理后的帧图像及对应的目标框和目标类别保存成第一数据集；

步骤A4：通过第一数据集对CenterNet卷积神经网络模型进行训练，得到医用配件输送目标检测网络。