基于ID-ELM算法的医药大输液可见异物检测系统研究

• 作者: 师统 张辉 王耀南
• 来源期刊: 电子测量与仪器学报
• 学科: 工学
• 关键词: 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
• 年，卷（期）: 2016,（6）
• 所属期刊栏目: 学术论文
• 页码范围: 862-872
• 页数: 11页
• 分类号: TN911.73
• 字数: 6134字
• 语种: 中文
• DOI: 10.13382/j.jemi.2016.06.005

摘要

针对250 mL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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王耀南	湖南大学电气与信息工程学院	624	12897	53.0	86.0
2	张辉	长沙理工大学电气与信息工程学院	124	1951	27.0	39.0
6	师统	长沙理工大学电气与信息工程学院	3	14	2.0	3.0