[发明专利]基于深度学习的医疗药品图像的检测与分类方法

摘要

本发明属于图像处理和视频处理技术领域，具体为基于深度学习的医疗药品图像的检测与分类方法。本发明方法包括：从多角度拍摄医疗药品的方法获取每类药品图像；采用分类树的统计方法对获取的全部医疗药品分类；采用卷积神经网络中的分类网络，提取医疗药品图像特征；利用训练后得到的药品分类网络替换检测网络中的特征提取层，并训练检测网络，获得检测器；采用非极大值抑制的方法，对检测器的输出结果进行优化与修正；最后，采用基于医疗药品发放的实际情况的显示方案，对不同类别的检测结果分类展示。本发明实用性强，可用医疗药品发放实况的检查和预警，严防医药误用造成的医疗事故，提高医药发放的准确性与安全性。

主权项

1.一种基于深度学习的医疗药品图像的检测与分类方法，其特征在于，具体步骤如下：（1）对多角度拍摄的医疗药品按照分类树的统计方法进行分类，并制定编号；（2）训练一个具有良好的分类医疗药品图像功能的卷积神经网络；（3）结合目标检测网络与训练好的分类网络，获取医疗药品检测器；（4）优化检测器输出结果，剔除虚警目标；（5）分类展示优化后的检测器输出结果；步骤（1）中，所述的对多角度拍摄的医疗药品按照分类树的统计方法进行分类，并制定编号，是利用多个摄像头，多角度的拍摄医疗药品，获取医疗药品图像数据集，采用分类树的统计方法，对医疗药品图像进行分类，并根据分类树中每类药品的完整信息，定义每一类药品的独有编号；步骤（2）中，所述的训练一个具有良好的分类医疗药品图像功能的卷积神经网络，是将图像数据按照一定比例，分为训练集数据和测试集数据，利用训练集图像数据，经过多次的调整参数和训练，获取一个具有良好的分类医疗药品图像功能的卷积神经网络；所述卷积神经网络由多个卷积层、最大池化层和全连接层构成；步骤（3）中，所述的结合目标检测网络与训练好的分类网络，获取医疗药品检测器，就是采用卷积神经网络中目标检测网络与训练好的具有药品分类功能的卷积神经网络中的分类网络相结合，提取医疗药品特征，并获取一个具有检测和分类功能的医疗药品检测器，其输出结果包含框定药品目标的矩形框和药品类别编号；步骤（4）中，所述的优化检测器输出，剔除虚警目标，是采用非极大值抑制NMS的方法，优化检测器输出结果中的矩形框位置和数量，剔除虚警目标；步骤（5）中，所述的分类展示优化后的检测器输出结果，是根据分类树的完整信息，判断检测器输出结果的正误性，并结合医疗药品发放情况的实际信息，分类展示检测结果。