基于深度学习的药品物流数据在线检测方法研究

药品包装生产数据质量检测主要以人工目检与模式识别方法为主,这种方式对于缺陷特征复杂多变的判别效率低精度差.针对上述问题,在传统视觉算法基础上,为支持高精度复杂缺陷的准确分类和定位,提升工业包装信息智能处理能力,提出了基于改进深度学习网络的"识码定检缺"智能检测方法,首先利用传统模式识别对二维码进行基础分割定位,根据定位信息对药袋常见缺陷位置进行简易缺陷测算;其次采用增加通道注意力机制的目标检测改进YOLOv5算法,实现对测算位置内复杂疑难缺陷数据实时分类和定位.实验结果表明,方法在疑难复杂缺陷综合识别精度上均有提升,精确率、召回率和F1值分别是0.965、0.99和0.98,满足智能制造背景下物流包装线上生产数据精准检测和过滤,有效提升了工业异常缺陷的在线监测和质量管理水平.