[发明专利]一种相似药盒检测方法、系统、设备及介质

说明书

本发明公开了一种相似药盒检测方法、系统、设备及介质，所述方法包括以下步骤：基于样本药盒创建药盒数据集；基于药盒数据集训练深度学习模型；基于库存药盒和训练后的深度学习模型创建特征数据库；基于训练后的深度学习模型检测新入药盒特征数据；基于特征数据库和新入药盒特征数据判断新入药盒相似度；基于新入药盒相似度进行选择性入药；本发明能够利用深度学习技术，在自助售药机的入药阶段检测药盒的相似度，根据模型检测的相似度结果来智能判断目前的药品是否继续入药并给予操作人员提示，不需要操作人员手工分辨相似商品，极大的提高了入药的准确性和效率，具有较高的应用价值。

技术领域

本发明涉及物品识别技术领域，特别是涉及一种相似药盒检测方法、系统、设备及介质。

背景技术

目前，随着技术进步以及人们对于自助购物需求的提升，智能自助售药设备取得了越来越广泛的应用。

通常情况下，自动售药机可以做到24小时营业、全年无休的营业模式，解决了传统药店、医院营业时间有限的问题。

由于医疗行业的特殊性，自助售药机需要保证其所售药品百分之百的准确率。在设备装入药品环节，就需要多种手段来保障装入药品的准确性。其中一种手段是检测药盒的相似度，如果两种药盒的相似度过高，那么大概率会给人工或者AI算法带来识别错误。例如，有些品种的药品有不同剂量的区分（一片药5mg或10mg），但外包装几乎一模一样，只有少数文字不同，这种情况在入药时很容易出错，后续出药、贴标阶段也是难以区分，造成极大的医疗隐患。

发明内容

本发明的目的在于，针对现有技术中的上述问题，提供一种相似药盒检测方法、系统、设备及介质，进而解决背景技术中自助售药机所存在的相似药品易识别出错的问题。

为解决上述技术问题，本发明的具体技术方案如下：

一方面，本发明提供一种相似药盒检测方法，包括以下步骤：

预配置：

基于样本药盒创建药盒数据集；

基于药盒数据集训练深度学习模型；

基于库存药盒和训练后的所述深度学习模型创建特征数据库；

相似度检测：

基于训练后的所述深度学习模型检测新入药盒特征数据；

基于所述特征数据库和所述新入药盒特征数据判断新入药盒相似度；

入药判断：

基于所述新入药盒相似度进行选择性入药。

作为一种改进的方案，所述基于样本药盒创建药盒数据集，包括：

获取所述样本药盒在若干角度下的若干第一图像；

分别对若干所述第一图像中的所述样本药盒进行标注；

令标注后的若干所述第一图像组成所述药盒数据集。

作为一种改进的方案，所述基于药盒数据集训练深度学习模型，包括：

构建由药盒检测模型、药盒特征提取模型和药盒分类模型组成的第一学习模型；

创建药盒分类图像数据集，采用所述药盒分类图像数据集对所述第一学习模型进行预训练；

采用所述药盒数据集对预训练后的所述第一学习模型进行模型参数调整，得到所述深度学习模型。

作为一种改进的方案，所述基于库存药盒和训练后的所述深度学习模型创建特征数据库，包括：

采用训练后的所述深度学习模型中的药盒检测模型和药盒特征提取模型对所述库存药盒进行特征提取，得到对于所述库存药盒的特征向量；

确认所述库存药盒的识别信息，关联所述特征向量和所述识别信息作为所述库存药盒的药盒特征信息；

基于所述药盒特征信息组建所述特征数据库。

作为一种改进的方案，所述基于训练后的所述深度学习模型检测新入药盒特征数据，包括：