基于ID-ELM算法的医药大输液可见异物检测系统研究

作     者：张辉 师统 王耀南 Zhang Hui;Shi Tong;Wang Yaonan

作者机构：长沙理工大学电气与信息工程学院长沙410012 湖南大学电气与信息工程学院长沙410082 

基　　金：国家自然科学基金(61401046) 国家科技支撑计划(2015BAF11B01) 湖南省自然科学基金(13JJ4058) 湖南省教育厅资助科研项目(13B135) 图像测量与视觉导航湖南省重点实验室开放课题(TXCL-KF2013-001) 长沙市科技计划(K1404019-11)资助项目 

出 版 物：《电子测量与仪器学报》 (Journal of Electronic Measurement and Instrumentation)

年 卷 期：2016年第30卷第6期

页      码：862-872页

摘      要：针对250 m L及以上医药大输液生产过程中造成药液中出现毛发、漂浮物、玻璃屑等可见异物的在线实时检测难题,开发了一种基于机器视觉的医药大输液可见异物智能检测系统。在研究医药大输液图像滤波、异物分割的基础上,设计了大输液图像特征提取算法,提出了基于影响度剪枝的改进极限学习机(ID-ELM)分类算法对可见异物分类识别,最后进行了相关实验验证算法的可行性。所设计的检测系统在医药企业用户运行并测试表明,该系统具有高检测精度、高效率、高稳定性的特性,识别准确率超过95.5%,能有效剔除次品,解决了医药大输液可见异物的在线自动检测和识别的难题,为医药生产企业分析产品质量提供了技术保障.

主 题 词：医药大输液 机器视觉 特征提取 影响度剪枝 改进极限学习机 分类识别 

学科分类：0711[理学-心理学类] 07[理学] 08[工学] 080401[080401] 0804[工学-材料学] 080402[080402] 

核心收录：

D　O　I：10.13382/j.jemi.2016.06.005

馆 藏 号：203186827...