基于Faster R-CNN模型的传送带药盒与空位检测方法

制药企业为了判断传送带药盒的拥堵情况,需要对传送带上的药盒和空位进行定位,但人工方式效率低下,实时性差。在此背景下,结合Faster R-CNN模型,提出传送带目标检测方法。基于传送带图像构建模型训练集和测试集,将训练集通过ZFNet卷积神经网络计算卷积特征,并利用RPN(Region Proposal Network)生成精准的候选区域,在此基础上基于Faster R-CNN模型在候选区域上进行分类和回归,计算得到药盒与空位矩形框。通过使用测试集测试模型进行目标标注并计算出概率,结果表明,本方法对传送带目标的检测准确率良好。

基于机器视觉的药盒传送拥堵检测算法

药盒的生产过程中,常采用多股道传送带进行药盒传送,在传送过程中往往因为摩擦力等原因造成药盒拥堵。因此,为了实现药盒拥堵情况的实时检测,本文进行基于机器视觉技术的传送带药盒拥堵检测系统的设计与研究。通过对工业生产图像的特征采集和分析,设计基于边缘检测技术的药盒定位策略和基于灰度取反的空位识别策略,完成动态背景下的药盒与传送带的空位检测,设计拥堵检测策略和拥堵均衡策略,规划药盒调配路线,解决了传送带拥堵问题。