泡罩药品质量检测方法、装置、计算机设备、介质和产品与流程

1.本技术涉及药品质量检测技术领域，特别是涉及一种泡罩药品质量检测方法、装置、计算机设备、介质和产品。


背景技术：

2.在医药生产过程中，对于泡罩类药品，在进行泡罩包装的过程中，可能会造成包装内的药品出现缺失、缺损、破裂、甚至是糖衣褪色等缺陷，导致药品的质量出现问题。
3.因此，对泡罩药品包装后的药品质量检测至关重要。传统的，采用图像处理的方式对泡罩药品进行质量检测，相比于人工检测而言，提高了检测效率，但仍然存在检测效果不佳的问题。


技术实现要素：

4.基于此，有必要针对上述技术问题，提供一种能够提高泡罩药品质量检测效果的泡罩药品质量检测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
5.第一方面，本技术提供了一种泡罩药品质量检测方法。该方法包括：
6.对待检测图像按照药品颗粒进行区域划分，得到多个图像块；其中，待检测图像为预设类型的泡罩药品所对应的图像；
7.根据预设类型的泡罩药品对应的预设分割阈值模板，对各图像块中的药品区域进行图像分割，得到各图像块对应的药品区域；其中，预设分割阈值模板中包括各图像块分别对应的分割阈值；
8.对各图像块对应的药品区域进行质量检测，得到待检测图像的质量检测结果。
9.在其中一个实施例中，根据预设类型的泡罩药品对应的预设分割阈值模板，对各图像块中的药品区域进行图像分割，得到各图像块对应的药品区域，包括：
10.针对各图像块，从待检测图像的预设分割阈值模板中，确定与图像块对应的分割阈值；
11.根据图像块对应的分割阈值，对图像块中的药品区域进行图像分割，得到图像块对应的药品区域。
12.在其中一个实施例中，该方法还包括：
13.获取预设类型的泡罩药品的样本图像，并对样本图像按照药品颗粒进行区域划分，得到多个样本图像块；
14.针对各样本图像块，计算样本图像块中各个像素点的局部均值；
15.针对样本图像块中的各个像素点，根据像素点的局部均值、以及像素点的灰度值，计算像素点对应的分割阈值；
16.根据各样本图像块中各个像素点对应的分割阈值，生成与预设类型的泡罩药品对应的预设分割阈值模板。
17.在其中一个实施例中，针对各样本图像块，计算样本图像块中各个像素点的局部
均值，包括：
18.针对各样本图像块中的各个像素点，根据预设窗口大小，确定与像素点对应的预设局部窗口；
19.计算预设局部窗口内所有像素点的灰度值之和；
20.将灰度值之和与预设局部窗口的面积的商值，作为像素点的局部均值。
21.在其中一个实施例中，根据各样本图像块中各个像素点对应的分割阈值，生成与预设类型的泡罩药品对应的预设分割阈值模板，包括：
22.针对各样本图像块，判断样本图像块中各个像素点对应的分割阈值是否满足预设条件；
23.在确定样本图像块中各个像素点对应的分割阈值满足预设条件的情况下，将样本图像块中各个像素点对应的分割阈值添加至预设分割阈值模板中；
24.在确定样本图像块中各个像素点对应的分割阈值不满足预设条件的情况下，更新预设窗口大小，并重新执行计算样本图像块中各个像素点的分割阈值的步骤，直到样本图像块中各个像素点对应的分割阈值满足预设条件为止，并将满足预设条件的样本图像块中各个像素点对应的分割阈值添加至预设分割阈值模板中，得到与预设类型的泡罩药品对应的预设分割阈值模板。
25.在其中一个实施例中，判断样本图像块中各个像素点对应的分割阈值是否满足预设条件，包括：
26.根据样本图像块中各个像素点对应的分割阈值，对样本图像块进行图像分割，得到样本图像块对应的分割图像；
27.确定样本图像块对应的分割图像中的连通域的数量；
28.在连通域的数量等于1的情况下，确定样本图像块中各个像素点对应的分割阈值满足预设条件。
29.在其中一个实施例中，对各图像块对应的药品区域进行质量检测，得到待检测图像的质量检测结果，包括：
30.针对各图像块，确定图像块对应的药品区域的连通域数量以及药品区域的药品面积；
31.根据连通域数量以及药品面积，确定图像块的质量检测结果；
32.根据各图像块的质量检测结果，得到待检测图像的质量检测结果。
33.在其中一个实施例中，根据连通域数量以及药品面积，确定图像块的质量检测结果，包括：
34.在连通域数量大于1，且，药品面积与预设面积之间的差值绝对值小于第一阈值的情况下，确定图像块存在裂痕类缺陷；
35.在连通域数量大于1，且，药品面积与预设面积之间的差值绝对值大于第二阈值的情况下，确定图像块存在糖衣褪色类缺陷；第二阈值大于第一阈值；
36.在连通域数量等于1，且，药品面积与预设面积之间的差值绝对值大于第三阈值的情况下，确定图像块存在缺损类缺陷。
37.第二方面，本技术还提供了一种泡罩药品质量检测装置。该装置包括：
38.获取模块，用于对待检测图像按照药品颗粒进行区域划分，得到多个图像块；其
中，待检测图像为预设类型的泡罩药品所对应的图像；
39.分割模块，用于根据预设类型的泡罩药品对应的预设分割阈值模板，对各图像块中的药品区域进行图像分割，得到各图像块对应的药品区域；其中，预设分割阈值模板中包括各图像块分别对应的分割阈值；
40.检测模块，用于对各图像块对应的药品区域进行质量检测，得到待检测图像的质量检测结果。
41.在其中一个实施例中，该装置还包括分割阈值模板生成模块，分割阈值模板生成模块包括：
42.获取单元，用于获取预设类型的泡罩药品的样本图像，并对样本图像按照药品颗粒进行区域划分，得到多个样本图像块；
43.第一计算单元，用于针对各样本图像块，计算样本图像块中各个像素点的局部均值；
44.第二计算单元，用于针对样本图像块中的各个像素点，根据像素点的局部均值、以及像素点的灰度值，计算像素点对应的分割阈值；
45.生成单元，用于根据各样本图像块中各个像素点对应的分割阈值，生成与预设类型的泡罩药品对应的预设分割阈值模板。
46.第三方面，本技术还提供了一种计算机设备。该计算机设备包括存储器和处理器，该存储器存储有计算机程序，该处理器执行所述计算机程序时实现上述第一方面中任一项方法的步骤。
47.第四方面，本技术还提供了一种计算机可读存储介质。该计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述第一方面中任一项方法的步骤。
48.第五方面，本技术还提供了一种计算机程序产品，该计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述第一方面中任一项方法的步骤。
49.上述泡罩药品质量检测方法、装置、计算机设备、存储介质和计算机程序产品，计算机设备通过对待检测图像按照药品颗粒进行区域划分，得到多个图像块；根据预设类型的泡罩药品对应的预设分割阈值模板，对各图像块中的药品区域进行图像分割，得到各图像块对应的药品区域；接着，对各图像块对应的药品区域进行质量检测，得到待检测图像的质量检测结果；其中，待检测图像为预设类型的泡罩药品所对应的图像；预设分割阈值模板中包括各图像块分别对应的分割阈值；也就是说，本技术实施例中，通过对泡罩铝板上不同区域的泡罩药品分别设置不同的分割阈值，避免不同区域的像素差异导致采用同一分割阈值对药品进行分割的分割结果不准确的问题，通过采用不同区域的分割阈值对各区域图像进行图像分割，能够提高药品分割的准确性，进而提高药品检测的精度和检测效果。
附图说明
50.图1为一个实施例中泡罩药品质量检测方法的应用环境图；
51.图2为一个实施例中泡罩药品质量检测方法的流程示意图；
52.图3为另一个实施例中泡罩药品质量检测方法的流程示意图；
53.图4为另一个实施例中泡罩药品质量检测方法的流程示意图；
54.图5为另一个实施例中泡罩药品质量检测方法的流程示意图；
55.图6为一个具体实施例中泡罩药品质量检测方法的流程示意图；
56.图7为另一个具体实施例中泡罩药品质量检测方法的流程示意图；
57.图8为一个实施例中样本图像分块的结构示意图；
58.图9为一个实施例中待检测图像分块的结构示意图；
59.图10为一个实施例中待检测图像对应的图像分割结果示意图；
60.图11为一个实施例中采用canny算子实现的图像分割结果示意图；
61.图12为一个实施例中采用区域生长法实现的图像分割结果示意图；
62.图13为一个实施例中采用自适应迭代法实现的图像分割结果示意图；
63.图14为一个实施例中采用本技术的模板融合分块阈值的方法实现的图像分割结果示意图；
64.图15为一个实施例中采用本技术的模板融合分块阈值的方法实现的药品质量检测的结果示意图；
65.图16为一个实施例中泡罩药品质量检测装置的结构框图；
66.图17为另一个实施例中泡罩药品质量检测装置的结构框图；
67.图18为一个实施例中计算机设备的内部结构图。
具体实施方式
68.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
69.首先，在具体介绍本公开实施例的技术方案之前，先对本公开实施例基于的技术背景或者技术演进脉络进行介绍。通常情况下，在对泡罩药品进行质量检测时，需要先对泡罩铝板上的各个泡罩内的药品进行图像分割，接着，对分割出的各个药品进行质量检测。传统的图像分割算法包括基于阈值、基于聚类、基于区域生长、基于边缘以及基于深度学习等方法，以完整的泡罩铝板为基础，采用上述图像分割算法，对泡罩铝板上的泡罩药品进行分割。
70.以基于阈值的图像分割算法为例展开说明，基于阈值的图像分割算法是将图像的像素以某一阈值作为分界限来标记前景区域和背景区域，阈值一般为某一灰度值，也可以是在色调空间的某一值。常用的阈值分割算法包括最大类间方差法(ostu)，也称大津法，通过ostu法对整个泡罩铝板进行分析，得到整个泡罩铝板对应的分割阈值，接着，基于该分割阈值，对泡罩铝板进行分割，得到泡罩药品所在的区域，实现药品分割。
71.然而，由于泡罩铝板的反光效应，导致泡罩铝板上的不同区域的药品和背景之间的像素差异不同，造成基于完整泡罩铝板所确定出的分割阈值对反光较强的区域内的药品分割效果较差，进而导致药品质量检测效果较差。
72.对于同一局部区域内背景与药品边界差异不仅仅体现在灰度的差异，还有局部均值、局部方差等差异，对应边界的像素点，其局部均值和局部标准差会随着光照分布的变化而变化，背景也是如此；由此可知，对应像素点不同区域其本身灰度值与局部均值差异值也因会随着光照分布强弱变化而变化。
73.基于此，本技术实施例提出了一种泡罩药品质量检测方法，采用模板融合分块阈值的图像分割方法对待检测图像进行药品区域分割，通过无缺陷的药品图像(模板图像)与分块阈值分割的融合来获得分割阈值模板，并将分割阈值模板覆盖到待检测图像的分块图像中进行阈值分割使用。具体地，通过对整个泡罩铝板图像按照药品颗粒进行分割，并针对泡罩铝板图像中的每一个药品区域图像分别确定与之对应的分割阈值，进而，根据每个药品区域图像对应的分割阈值对相应区域的药品图像进行药品分割，最后，对每个药品区域图像对饮的分割结果进行质量检测；采用该方法能够避免在图像分割过程中，因铝板反光而导致的分割效果差的问题，提高泡罩药品分割的效果，进而提高泡罩药品的质量检测效果。
74.下面结合本公开实施例所应用的场景，对本公开实施例涉及的技术方案进行介绍。
75.本技术实施例提供的泡罩药品质量检测方法，可以应用于如图1所示的应用环境中。该应用环境包括计算机设备120，计算机设备120可以为泡罩药品质量检测装置，也可以为服务器，服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现，还可以为检测终端，如各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备等。
76.在一个实施例中，如图2所示，提供了一种泡罩药品质量检测方法，以该方法应用于图1中的计算机设备为例进行说明，包括以下步骤：
77.步骤201，对待检测图像按照药品颗粒进行区域划分，得到多个图像块。
78.其中，待检测图像为预设类型的泡罩药品所对应的图像，不同类型的泡罩药品所对应的药品区域的大小、尺寸、以及位置分布等有所不同。
79.可选地，可以采用预设区域分割算法，对待检测图像按照药品颗粒进行区域划分，得到多个图像块；该预设区域分割算法为该预设类型的泡罩药品所对应的分割算法。可选地，还可以对待检测图像中的各个药品颗粒进行识别，并基于识别出的药品颗粒，划分出药品颗粒所在的区域，得到包括药品颗粒在内的多个图像块。可选地，还可以对待检测图像中的各个药品颗粒的中心点进行识别，并基于各药品颗粒的中心点和预设尺寸，对待检测图像进行区域划分，得到多个图像块；其中，该预设尺寸可以基于预设类型的泡罩药品所确定。当然还可以采用其他的方式，本技术实施例对此不做具体限定。
80.另外，对于分割出的图像块，可以包括至少一个药品颗粒，即可以将当个药品颗粒分割成一个图像块，也可以将两个药品颗粒分割成一个图像块，还可以将多个药品颗粒分割成一个图像块等，本技术对此也不做具体限定。示例性的，在待检测图像为包括多列药品的铝板结构的情况下，可以按行进行区域分割，得到每行包括多颗药品在内的多个图像块，其中，图像块的数量等于行数。
81.经实验研究，将药品图像进行分块时，若每个图像块的尺寸选取太大或太小，都会造成阈值分割的效果不佳，若按照单个药粒所在区域对药品图像进行分块，可以在一定程度上解决高灰度区域与低灰度区域混乱交错而无法准确对药品图像进行分割的问题，阈值分割的效果较好。
82.步骤202，根据预设类型的泡罩药品对应的预设分割阈值模板，对各图像块中的药品区域进行图像分割，得到各图像块对应的药品区域。
83.其中，预设分割阈值模板中包括各图像块分别对应的分割阈值。可选地，在数据库中可以包括不同类型的泡罩药品对应的预设分割阈值模板，每个预设分割阈值模板中包括该类型的泡罩药品对应的各图像块的分割阈值。针对各图像块的分割阈值，可以采用传统的阈值算法来确定图像块的分割阈值，如，最大类间方差法；还可以采用基于传统的阈值算法的改进算法或者优化算法来确定图像块的分割阈值，本技术实施例对此并不做具体限定。
84.可选地，在获取到与该待检测图像的类型匹配的预设分割阈值模板之后，可以基于该预设分割阈值模板，对各图像块中的药品区域进行图像分割，得到各图像块对应的药品区域；示例性地，针对各图像块，可以从待检测图像的预设分割阈值模板中，确定与图像块对应的分割阈值，接着，根据该图像块对应的分割阈值，对图像块中的药品区域进行图像分割，得到图像块对应的药品区域。
85.在根据图像块对应的分割阈值，对图像块中的药品区域进行图像分割时，如果药品区域的像素值小于背景区域的像素值，那么可以将该图像块中像素值小于(或者小于等于)该分割阈值的像素点作为对象点，得到药品区域，而将图像块中像素值大于等于(或者大于)该分割阈值的像素点作为背景点；在另一种实现方式中，如果药品区域的像素值大于背景区域的像素值，那么也可以将大于(或者大于等于)分割阈值的像素点作为对象点，而将小于等于(或者小于)分割阈值的像素点作为背景点。需要说明的是，在实际应用中，可以根据图像中背景和对象的像素差异来确定采用上述何种分割方式；换句话说，在图像中的背景像素大于对象像素的情况下，那么将像素值小于或小于等于该分割阈值的像素点作为对象点，在图像中的背景像素小于对象像素的情况下，那么将像素值大于或大于等于分割阈值的像素点作为对象点。
86.步骤203，对各图像块对应的药品区域进行质量检测，得到待检测图像的质量检测结果。
87.其中，质量检测结果可以包括药品无缺陷、药品有缺陷、缺陷类型等，缺陷类型可以包括裂痕、缺失、损坏、糖衣褪色等缺陷，本实施例对质量检测结果的内容和缺陷类型不做具体限定。
88.可选地，针对各图像块对应的药品区域，可以将图像块对应的药品区域输入至预设的质量检测算法中，得到各图像块的质量检测结果，该预设的质量检测算法可以为基于数学模型、深度学习、神经网络等的检测算法，本实施例中对质量检测算法的类型也不做具体限定。
89.接着，根据各图像块的质量检测结果，得到待检测图像的质量检测结果；可选地，可以将各图像块的质量检测结果进行融合处理，得到待检测图像的质量检测结果；示例性地，该质量检测结果中还可以包括无缺陷药品数量、有缺陷药品数量、药品缺陷比例、各类型缺陷药品的数量和比例等。
90.上述泡罩药品质量检测方法中，计算机设备通过对待检测图像按照药品颗粒进行区域划分，得到多个图像块；根据预设类型的泡罩药品对应的预设分割阈值模板，对各图像块中的药品区域进行图像分割，得到各图像块对应的药品区域；接着，对各图像块对应的药品区域进行质量检测，得到待检测图像的质量检测结果；其中，待检测图像为预设类型的泡罩药品所对应的图像；预设分割阈值模板中包括各图像块分别对应的分割阈值；也就是说，
本技术实施例中，通过对泡罩铝板上不同区域的泡罩药品分别设置不同的分割阈值，避免不同区域的像素差异导致采用同一分割阈值对药品进行分割的分割结果不准确的问题，通过采用不同区域的分割阈值对各区域图像进行图像分割，能够提高药品分割的准确性，进而提高药品检测的精度和检测效果。
91.图3为另一个实施例中泡罩药品质量检测方法的流程示意图。本实施例涉及的是一种可选的预设分割阈值模板的建立过程，在上述实施例的基础上，如图3所示，上述方法还包括：
92.步骤301，获取预设类型的泡罩药品的样本图像，并对样本图像按照药品颗粒进行区域划分，得到多个样本图像块。
93.其中，样本图像为不存在药品缺陷的预设类型的泡罩药品图像，该样本图像的数量可以为一个或多个，在样本图像包括多个的情况下，每个样本图像为基于相同环境、相同位置下拍摄或扫描得到的图像，以确保各样本图像的各个区域的图像亮度、清晰度、纹理等保持一致。可选地，该样本图像可以为对原始采集图像进行一系列预处理之后所得到的灰度图像，其中，预处理操作可以包括但不限于滤波处理、颜色空间转换、灰度值线性变换等预处理操作，滤波处理可以包括中值滤波、均值滤波、卡尔曼滤波等。
94.另外，需要说明的是，该样本图像与待检测图像也应是基于相同环境和相同位置下拍摄得到的图像。
95.可选地，在样本图像的数量包括多个的情况下，可以针对每个样本图像，获取各样本图像分别对应的分割阈值模板，接着，对各样本图像分别对应的分割阈值模板进行融合处理，得到该预设类型的泡罩药品对应的预设分割阈值模板；示例性地，可以对各样本图像分别对应的分割阈值模板进行平均化处理，即对各样本图像分别对应的分割阈值模板中的同一图像块的各分割阈值求平均，将平均分割阈值作为该图像块对应的分割阈值，以此得到平均化处理后的分割阈值模板，作为预设类型的泡罩药品对应的预设分割阈值模板。
96.下面对获取样本图像的分割阈值模板的过程进行详细说明。
97.可选地，在获取到预设类型的泡罩药品的样本图像之后，可以按照预设划分规则，对样本图像进行区域划分，得到该样本图像对应的多个样本图像块；其中，每个样本图像块中可以包括至少一个药品颗粒，该预设划分规则与该样本图像块中的药品颗粒的数量有关。
98.步骤302，针对各样本图像块，计算样本图像块中各个像素点的局部均值。
99.其中，像素点的局部均值为包含该像素点在内的局部区域内的各像素点的平均值；包含该像素点在内的局部区域可以为以该像素点为中心的预设尺寸的区域范围，也可以为以该像素点为原点的预设尺寸的区域范围，还可以为从图像原点到该像素点的矩形区域范围；当然，还可以为以该像素点为区域内的任一点和预设尺寸所确定的区域范围等，本技术实施例对此不做具体限定。优选地，本技术实施例中，以像素点为中心的预设尺寸的局部区域内的各像素点的平均值，即为该像素点对应的局部均值。
100.在本实施例的一种实现方式中，像素点的局部均值的计算方式可以为：针对样本图像块中的各个像素点，根据预设窗口大小，确定与像素点对应的预设局部窗口；接着，可以计算该预设局部窗口内所有像素点的灰度值之和；并将灰度值之和与预设局部窗口的面积的商值，作为像素点的局部均值。可选地，这里像素点对应的预设局部窗口，可以为以该
像素点为中心的预设窗口大小对应的局部窗口。
101.示例性地，可以采用积分和图像的方式来计算得到像素点的局部均值，其中，积分和图像被定义为从图像的原点到像素点所构成的矩形区域内所有的点的灰度值之和。其计算公式如公式(1)所示。
[0102][0103]
其中，ii(x,y)为积分和图像，f(i,j)为样本图像中的像素点的灰度值。
[0104]
在实际计算过程中，可以采用公式(2)和公式(3)来迭代计算得到公式(1)的值。
[0105]
s(x,y)＝s(x,y-1)+i(x,y)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)
[0106]
ii(x,y)＝ii(x-1,y)+s(x,y)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)
[0107]
其中，s(x,y)为一列的积分，且s(x,-1)＝0，ii(-1,y)＝0，i(x,y)为原始图像。因此求积分和图像只需要遍历一次原图像，能够减小计算开销。
[0108]
那么，以像素点(x,y)为中心，预设尺寸大小为w
×
w的一个局部窗口的积分和图像iiw(x,y)可以如公式(4)所示。
[0109]
iiw(x,y)＝[ii(x+d-1,y+d-1)+i(x-d,y-d)]-[ii(x-d,y+d-1)+ii(x+d-1,y-d)]
ꢀꢀ
(4)
[0110]
其中，d＝w/2，w为奇数。
[0111]
进而，一个像素点的局部均值m(x,y)可以表示为：
[0112][0113]
从局部均值的定义可知，使用积分和图像不依赖于局部窗口的大小，时间复杂度基本不变，从而缩短了计算的时间。
[0114]
步骤303，针对样本图像块中的各个像素点，根据像素点的局部均值、以及像素点的灰度值，计算像素点对应的分割阈值。
[0115]
本实施例中，采用基于传统的局部二值化sauvola算法的改进算法，传统的sauvola算法中计算像素点对应的分割阈值的计算方式如公式(6)所示。
[0116][0117]
其中，t(x,y)为像素点(x,y)对应的分割阈值，s(x,y)为像素点的局部区域的标准方差，r为标准方差的动态范围，若输入图像为8位灰度图像，那么r＝128，k为修正参数，通常情况下，0《k《1，本实施例中k可以取0.2左右。
[0118]
可见，传统sauvola算法中采用局部均值和局部方差来计算阈值，由于方差计算较复杂，导致阈值计算的复杂度较高，计算速度较慢，进而还可能导致图像分割的速率较慢。本实施例中使用局部均值来代替标准方差，以此来减少计算复杂度。和经典局部阈值选取思想一样，在本算法中，也在局部窗口的灰度均值上加一偏差值。若像素点处于药片边界区域，该阈值大小通常介于该像素点灰度值与其邻域灰度均值之间。
[0119]
在一种实现方式中，通过像素点的局部均值以及像素点的灰度值之差，来代替标准方差，那么，改进后的像素点对应的分割阈值的计算方式可以如公式(7)所示。
[0120][0121]
其中，f(x,y)为像素点的灰度值，m(x,y)为像素点的局部均值。
[0122]
需要说明的是，公式(7)中，通过代替了其取值范围为(0,1)，对于灰度级为255的图像，m(x,y)可以直接用255取代，但这两种情况及其它参数一致的情况下人眼无法分辨出分割结果的差异。另外，由于局部噪声、阴影、高亮等情况，f(x,y)与m(x,y)两者大小关系不能确定，故采用f(x,y)与m(x,y)差值结果取绝对值。
[0123]
改进的算法中，消除了标准方差的计算量，提高了阈值计算速率，另外，采用上述公式(4)和公式(5)计算像素点的局部均值，即通过查询积分图的快速计算法，不仅减少了均值计算开销，还进一步提高了分割阈值的计算速率，减少了分割阈值的计算时间。
[0124]
步骤304，根据各样本图像块中各个像素点对应的分割阈值，生成与预设类型的泡罩药品对应的预设分割阈值模板。
[0125]
在样本图像的数量为一个的情况下，在获取到该样本图像中的各样本图像块中的各个像素点对应的分割阈值之后，可以将各个像素点对应的分割阈值融合生成该样本图像对应的分割阈值模板，作为与该预设类型的泡罩药品对应的预设分割阈值模板。
[0126]
在样本图像的数量为多个的情况下，可以将各样本图像中对应像素点的平均分割阈值，作为预设分割阈值模板中该像素点对应的分割阈值，以生成得到与该预设类型的泡罩药品对应的预设分割阈值模板。
[0127]
本实施例中，计算机设备通过获取预设类型的泡罩药品的样本图像，并对样本图像按照药品颗粒进行区域划分，得到多个样本图像块；针对各样本图像块，计算样本图像块中各个像素点的局部均值；接着，针对样本图像块中的各个像素点，根据像素点的局部均值、以及像素点的灰度值，计算像素点对应的分割阈值；最后，根据各样本图像块中各个像素点对应的分割阈值，生成与预设类型的泡罩药品对应的预设分割阈值模板；采用本实施例中的方法，能够大大提高预设分割阈值模板的获取速度，且获取预设分割阈值模板中的各个分割阈值的计算量较小，计算复杂度较低。
[0128]
图4为另一个实施例中泡罩药品质量检测方法的流程示意图。本实施例涉及的是计算机设备根据各样本图像块中各个像素点对应的分割阈值，生成与预设类型的泡罩药品对应的预设分割阈值模板的一种可选的实现过程，在上述实施例的基础上，如图4所示，上述步骤304包括：
[0129]
步骤401，针对各样本图像块，判断样本图像块中各个像素点对应的分割阈值是否满足预设条件。
[0130]
其中，该预设条件可以用于表征图像分割的结果，该预设条件与图像分割结果有关。例如：在泡罩药品分割中，如果按照每个泡罩包装内的药品进行分割，被分割后所得到的分割结果为单个泡罩药品所在的区域，该区域可以看做一个完整的连通域；在分割阈值模板的获取中，为了使待检测图像的阈值分割精准，必须使样本图像阈值分割后存在连通域的个数为1，经实验分析连通域的个数小于1或者大于1时，待检测图像的阈值分割不准确。
[0131]
可选地，针对每个样本图像块，计算机设备可以采用该样本图像块中各个像素点对应的分割阈值，对该样本图像块进行图像分割，得到该样本图像块对应的分割图像，接着，对该分割图像进行分析，判断该分割图像是否满足预设条件。
[0132]
在本实施例的一个可选的实现方式中，在样本图像块中仅包括一个泡罩药品的情
况下，计算机设备可以根据样本图像块中各个像素点对应的分割阈值，对样本图像块进行图像分割，得到样本图像块对应的分割图像；接着，可以确定该样本图像块对应的分割图像中的连通域的数量；并在确定连通域的数量等于1的情况下，确定样本图像块中各个像素点对应的分割阈值满足预设条件；也就是说，该实现方式中，该预设条件为分割后的图像中的连通域数量等于1。
[0133]
在本实施例的另一个可选的实现方式中，在样本图像块中包括多个泡罩药品的情况下，该预设条件可以为分割后的图像中的连通域数量等于泡罩药品的数量，且每个泡罩药品对应的连通域之间没有交集，即每个泡罩药品之间是独立的，每个泡罩药品对应的连通域也应该是独立的；示例性地，在样本图像块中包括两颗药品的情况下，该预设条件可以为分割后的图像中的连通域数量等于2，且这两个连通域之间不相交。
[0134]
步骤402，在确定样本图像块中各个像素点对应的分割阈值满足预设条件的情况下，将样本图像块中各个像素点对应的分割阈值添加至预设分割阈值模板中。
[0135]
其中，该预设分割阈值模板为样本图像对应的分割阈值模板，也可以为该样本图像对应的泡罩药品类型的分割阈值模板；该预设分割阈值模板中包括该样本图像对应的各样本图像块中的各个像素点对应的分割阈值。
[0136]
可选地，在确定样本图像块中各个像素点对应的分割阈值满足预设条件的情况下，说明该样本图像块中的各个像素点对应的分割阈值能够准确地分割样本图像块，得到该样本图像块中的药品区域，那么该样本图像块中的各个像素点对应的分割阈值就可以作为该泡罩药品类型对应的该图像块区域的分割阈值，也就是说，可以将该样本图像块中的各个像素点对应的分割阈值添加至预设分割阈值模板中的相应像素点位置。
[0137]
步骤403，在确定样本图像块中各个像素点对应的分割阈值不满足预设条件的情况下，更新预设窗口大小，并重新执行计算样本图像块中各个像素点的分割阈值的步骤，直到样本图像块中各个像素点对应的分割阈值满足预设条件为止，并将满足预设条件的样本图像块中各个像素点对应的分割阈值添加至预设分割阈值模板中，得到与预设类型的泡罩药品对应的预设分割阈值模板。
[0138]
可选地，在确定样本图像块中各个像素点对应的分割阈值不满足预设条件的情况下，则说明采用该样本图像块中的各个像素点对应的分割阈值，对该样本图像块进行药品分割时，不能准确地分割出该样本图像块中的药品区域；那么此时，可以更新或者重新确定该样本图像块中各个像素点对应的分割阈值。在一种实现方式中，可以通过更新用于确定像素点的局部均值的预设窗口大小，并基于更新后的预设窗口大小，重新执行上述确定像素点的局部均值、以及根据局部均值确定像素点对应的分割阈值的步骤，得到该样本图像块中各个像素点对应的分割阈值；接着，再根据重新得到的该样本图像块中各个像素点对应的分割阈值，对该样本图像块进行图像分割，并根据分割结果判断各个像素点对应的分割阈值是否满足预设条件；若不满足，则继续更新该预设窗口大小，通过不断迭代，直至样本图像块中各个像素点对应的分割阈值满足预设条件为止。
[0139]
在确定样本图像块中各个像素点对应的分割阈值满足预设条件的情况下，则将满足预设条件的样本图像块中各个像素点对应的分割阈值添加至预设分割阈值模板中的相应像素点位置，得到与预设类型的泡罩药品对应的预设分割阈值模板。
[0140]
需要指出的是，在本实施例的迭代过程中，该预设窗口大小可以按照从小到大的
顺序进行更新，如，该预设窗口大小的更新顺序可以为3、5、7、9等，该预设窗口大小也可以按照从大到小的顺序进行更新，如，该预设窗口大小的更新顺序可以为9、7、5、3等，当然，该预设窗口大小也可以采用其他的更新方式，本技术实施例对此并不做限定。
[0141]
本实施例中，在根据各样本图像块中的各个像素点对应的分割阈值生成与预设类型的泡罩药品对应的预设分割阈值模板时，针对各样本图像块，判断样本图像块中各个像素点对应的分割阈值是否满足预设条件；在确定样本图像块中各个像素点对应的分割阈值满足预设条件的情况下，才将样本图像块中各个像素点对应的分割阈值添加至预设分割阈值模板中；而在确定样本图像块中各个像素点对应的分割阈值不满足预设条件的情况下，则更新预设窗口大小，并重新执行计算样本图像块中各个像素点的分割阈值的步骤，直到样本图像块中各个像素点对应的分割阈值满足预设条件为止，并将满足预设条件的样本图像块中各个像素点对应的分割阈值添加至预设分割阈值模板中，得到与预设类型的泡罩药品对应的预设分割阈值模板。也就是说，本实施例中，在生成预设分割阈值模板之前，先对样本图像中的各个像素点的分割阈值进行了准确性判断，以确保阈值选取的准确性，进而提高图像分割的准确性，分割效果更好精度更高。
[0142]
需要说明的是，对于预设分割阈值模板的生成过程，其可以在进行泡罩药品质量检测之前，进行离线生成，而在进行泡罩药品质量检测时，可以直接采用预先得到的预设类型的分割阈值模板，对待检测图像进行图像分割和质量检测，能够提高质量检测的快速性，满足泡罩类药品质量检测的实时性要求。
[0143]
图5为另一个实施例中泡罩药品质量检测方法的流程示意图。本实施例涉及的是计算机设备对各图像块对应的药品区域进行质量检测，得到待检测图像的质量检测结果的一种可选的实现过程，在上述实施例的基础上，如图5所示，上述步骤203包括：
[0144]
步骤501，针对各图像块，确定图像块对应的药品区域的连通域数量以及药品区域的药品面积。
[0145]
本实施例中，针对各图像块中的单个药品区域，确定各药品区域的连通域数量和各药品区域的药品面积。
[0146]
步骤502，根据连通域数量以及药品面积，确定图像块的质量检测结果。
[0147]
针对图像块中的各药品区域，根据药品区域的连通域数量以及该药品区域的药品面积，确定该药品区域的药品质量检测结果，接着，基于该图像块中的各药品区域的质量检测结果，确定该图像块的质量检测结果。
[0148]
可选地，针对单个药品区域，在确定药品区域的连通域数量大于1，且，药品面积与预设面积之间的差值绝对值小于第一阈值的情况下，可以确定该图像块中的该药品区域内的药品存在裂痕类缺陷，即药品有裂痕；在确定连通域数量大于1，且，药品面积与预设面积之间的差值绝对值大于第二阈值的情况下，确定图像块存在糖衣褪色类缺陷；该第二阈值大于或者等于第一阈值；在连通域数量等于1，且，药品面积与预设面积之间的差值绝对值大于第三阈值的情况下，确定图像块存在缺损类缺陷。
[0149]
对于缺损类缺陷，可以设置多个不同的第三阈值，即可得到多个不同程度的缺损缺陷，如：10％的缺损、20％的缺损、50％的缺损等。
[0150]
步骤503，根据各图像块的质量检测结果，得到待检测图像的质量检测结果。
[0151]
可选地，可以通过对各图像块的质量检测结果进行融合处理，来得到待检测图像
对应的质量检测结果，其中，该待检测图像对应的质量检测结果包括各图像块的质量检测结果、以及融合处理后的质量检测结果，融合处理后的质量检测结果可以包括各缺陷类型的药品数量、占比、缺陷的药品总数量以及对应的占比等。
[0152]
本实施例中，计算机设备通过对各图像块进行分析，确定各图像块对应的药品区域的连通域数量以及药品区域的药品面积，并根据各图像块的连通域数量以及药品面积，确定各图像块的质量检测结果；接着，根据各图像块的质量检测结果，得到待检测图像的质量检测结果；采用本实施例中的方法，能够提高待检测图像的质量检测效率、以及提高质量检测结果的准确性和多样性。
[0153]
在本技术的一个具体的实施例中，如图6所示，提供了一种泡罩药品质量检测方法，该方法包括：
[0154]
步骤601，获取预设类型的泡罩药品的样本图像，并对该样本图像按照单个药品颗粒进行区域划分，得到多个样本图像块。
[0155]
可选地，结合图7所示，该样本图像可以为对原始采集图像进行中值滤波、rgb颜色空间转换、灰度值线性变换等预处理操作后的无缺陷的药片图像，示例性地，如图8所示，该样本图像可以为五排两列的图像，按照单个药品颗粒可以将该样本图像分割成10个样本图像块，从上到下分别命名为a1、b1、c1、d1、e1、f1、g1、h1、i1、j1。
[0156]
步骤602，针对各样本图像块中的各个像素点，根据预设窗口大小，确定与像素点对应的预设局部窗口，并计算预设局部窗口内所有像素点的灰度值之和。
[0157]
步骤603，将灰度值之和与预设局部窗口的面积的商值，作为像素点的局部均值。
[0158]
步骤604，针对样本图像块中的各个像素点，根据像素点的局部均值、以及像素点的灰度值，计算像素点对应的分割阈值。
[0159]
步骤605，针对各样本图像块，根据样本图像块中各个像素点对应的分割阈值，对样本图像块进行图像分割，得到样本图像块对应的分割图像。
[0160]
可选地，结合图7所示，对于预处理后的无缺陷的样本图像，采用模板融合分块阈值对样本图像进行分割，得到样本图像块对应的分割图像；其中，模板融合分块阈值为基于上述步骤602至步骤604所确定的各个像素点对应的分割阈值。
[0161]
步骤606，确定各样本图像块对应的分割图像中的连通域的数量。
[0162]
步骤607，在连通域的数量等于1的情况下，确定样本图像块中各个像素点对应的分割阈值满足预设条件，则将样本图像块中各个像素点对应的分割阈值添加至预设分割阈值模板中。
[0163]
步骤608，在连通域的数量不等于1的情况下，更新预设窗口大小，并返回步骤602，重新执行计算样本图像块中各个像素点的分割阈值的步骤，直到样本图像块中各个像素点对应的分割阈值满足预设条件为止，并将满足预设条件的样本图像块中各个像素点对应的分割阈值添加至预设分割阈值模板中，得到与预设类型的泡罩药品对应的预设分割阈值模板。
[0164]
可选地，结合图7所示，在连通域的数量不等于1的情况下，继续迭代阈值分割，直至采用各样本图像块中的各像素点对应的分割阈值，对各样本图像块进行分割后，所得到的分割图像中的连通域的数量等于1为止，最后得到预设类型的泡罩药品对应的预设分割阈值模板。
[0165]
步骤609，获取预设类型的待检测图像，并对待检测图像按照单个药品颗粒进行区域划分，得到多个图像块。
[0166]
如图9所示，按照待检测图像中各药粒所在的区域，将经中值滤波、灰度线性变换等预处理操作后的待检测图像划分为10个矩形图像，并按照从左到右，从上到下分别命名为a2、b2、c2、d2、e2、f2、g2、h2、i2、j2。
[0167]
步骤610，获取与该预设类型的泡罩药品对应的预设分割阈值模板，并从该预设分割阈值模板中，确定与各图像块对应的分割阈值。
[0168]
步骤611，根据各图像块对应的分割阈值，对各图像块中的药品区域进行图像分割，得到各图像块对应的药品区域，也就是说，将预设分割阈值模板中a1、b1、c1、d1、e1、f1、g1、h1、i1、j1各图像块所对应的分割阈值，应用到待检测图像的各个图像块a2、b2、c2、d2、e2、f2、g2、h2、i2、j2的阈值分割中，例如：采用预设分割阈值模板中a1对应的分割阈值，对待检测图像的图像块a2进行分割，所得到的分割结果如图10所示。
[0169]
步骤612，确定各图像块对应的药品区域的连通域数量以及药品区域的药品面积。
[0170]
步骤613，根据各图像块对应的药品区域的连通域数量以及药品面积，确定各图像块的质量检测结果。
[0171]
步骤614，根据各图像块的质量检测结果，得到待检测图像的质量检测结果。
[0172]
下面将针对不同图像分割算法所实现的泡罩药品质量检测进行对比分析。
[0173]
(1)采用边缘检测的方法对胶囊类型或者药片类型的药品图像进行分割处理时，其中canny算子的处理效果较好，采用canny算子对裂痕类缺陷的药片图像、缺失类缺陷的药片图像、缺损约10％类缺陷的药片图像及糖衣褪色类缺陷的药片图像进行处理，其效果分别如图11所示。
[0174]
(2)采用区域生长法对裂痕类缺陷的药片图像、缺失类缺陷的药片图像、缺损约10％类缺陷的药片图像及糖衣褪色类缺陷的药片图像进行分割处理，其效果分别如图12所示。
[0175]
(3)针对经过中值滤波、灰度线性变换、颜色空间转换等预处理操作的胶囊类型的药品图像和药片类型的药品图像，采用阈值法分别进行分割处理，由于自适应迭代法是双峰法的改进版，其分割的效果略优于双峰法，采用自适应迭代法对裂痕类缺陷的药片图像、缺失类缺陷的药片图像、缺损约10％类缺陷的药片图像及糖衣褪色类缺陷的药片图像进行分割处理，其效果分别如图13所示。
[0176]
(4)采用本技术中所提出的模板融合分块阈值的方法对裂痕类缺陷的药片图像、缺失类缺陷的药片图像、缺损约10％类缺陷的药片图像及糖衣褪色类缺陷的药片图像进行分割处理，其效果分别如图14所示。
[0177]
针对裂痕类缺陷的药片图像、缺失类缺陷的药片图像、缺损约10％类缺陷的药片图像及糖衣褪色类缺陷的药片图像，经过预处理后，通过canny算子、区域生长法、自适应迭代法、以及本技术中的模板融合分块阈值的方法对预处理后裂痕、缺失、缺损10％类型及糖衣褪色类型的药片图像进行分割处理，比较其分割的结果，采用canny算子、区域生长法、自适应迭代法对裂痕、缺失、缺损约10％类型及糖衣褪色类型的药片图像的分割结果较差，不符合实际药品检测的要求，采用本技术中的模板融合分块阈值的方法分割效果较好精度较高，且能够满足药片类药品包装检测的实时性要求。
[0178]
最终采用了模板融合分块阈值的方法实现对药片类型的药品包装的检测，得到的检测结果如图15所示。
[0179]
应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
[0180]
基于同样的发明构思，本技术实施例还提供了一种用于实现上述所涉及的泡罩药品质量检测方法的泡罩药品质量检测装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个泡罩药品质量检测装置实施例中的具体限定可以参见上文中对于泡罩药品质量检测方法的限定，在此不再赘述。
[0181]
在一个实施例中，如图16所示，提供了一种泡罩药品质量检测装置，包括：获取模块1601、分割模块1602和检测模块1603，其中：
[0182]
获取模块1601，用于对待检测图像按照药品颗粒进行区域划分，得到多个图像块；其中，待检测图像为预设类型的泡罩药品所对应的图像。
[0183]
分割模块1602，用于根据预设类型的泡罩药品对应的预设分割阈值模板，对各图像块中的药品区域进行图像分割，得到各图像块对应的药品区域；其中，预设分割阈值模板中包括各图像块分别对应的分割阈值。
[0184]
检测模块1603，用于对各图像块对应的药品区域进行质量检测，得到待检测图像的质量检测结果。
[0185]
在其中一个实施例中，分割模块1602包括确定单元和分割单元；确定单元，用于针对各图像块，从待检测图像的预设分割阈值模板中，确定与图像块对应的分割阈值；分割单元，用于根据图像块对应的分割阈值，对图像块中的药品区域进行图像分割，得到图像块对应的药品区域。
[0186]
在其中一个实施例中，如图17所示，该装置还包括分割阈值模板生成模块1604，分割阈值模板生成模块1604包括：
[0187]
获取单元，用于获取预设类型的泡罩药品的样本图像，并对样本图像按照药品颗粒进行区域划分，得到多个样本图像块；
[0188]
第一计算单元，用于针对各样本图像块，计算样本图像块中各个像素点的局部均值；
[0189]
第二计算单元，用于针对样本图像块中的各个像素点，根据像素点的局部均值、以及像素点的灰度值，计算像素点对应的分割阈值；
[0190]
生成单元，用于根据各样本图像块中各个像素点对应的分割阈值，生成与预设类型的泡罩药品对应的预设分割阈值模板。
[0191]
在其中一个实施例中，第一计算单元，具体用于针对各样本图像块中的各个像素点，根据预设窗口大小，确定与像素点对应的预设局部窗口；计算预设局部窗口内所有像素点的灰度值之和；将灰度值之和与预设局部窗口的面积的商值，作为像素点的局部均值。
[0192]
在其中一个实施例中，生成单元，具体用于针对各样本图像块，判断样本图像块中各个像素点对应的分割阈值是否满足预设条件；在确定样本图像块中各个像素点对应的分割阈值满足预设条件的情况下，将样本图像块中各个像素点对应的分割阈值添加至预设分割阈值模板中；在确定样本图像块中各个像素点对应的分割阈值不满足预设条件的情况下，更新预设窗口大小，并重新执行计算样本图像块中各个像素点的分割阈值的步骤，直到样本图像块中各个像素点对应的分割阈值满足预设条件为止，并将满足预设条件的样本图像块中各个像素点对应的分割阈值添加至预设分割阈值模板中，得到与预设类型的泡罩药品对应的预设分割阈值模板。
[0193]
在其中一个实施例中，生成单元，具体用于根据样本图像块中各个像素点对应的分割阈值，对样本图像块进行图像分割，得到样本图像块对应的分割图像；确定样本图像块对应的分割图像中的连通域的数量；在连通域的数量等于1的情况下，确定样本图像块中各个像素点对应的分割阈值满足预设条件。
[0194]
在其中一个实施例中，检测模块1603，具体用于针对各图像块，确定图像块对应的药品区域的连通域数量以及药品区域的药品面积；根据连通域数量以及药品面积，确定图像块的质量检测结果；根据各图像块的质量检测结果，得到待检测图像的质量检测结果。
[0195]
在其中一个实施例中，检测模块1603，具体用于在连通域数量大于1，且，药品面积与预设面积之间的差值绝对值小于第一阈值的情况下，确定图像块存在裂痕类缺陷；在连通域数量大于1，且，药品面积与预设面积之间的差值绝对值大于第二阈值的情况下，确定图像块存在糖衣褪色类缺陷；第二阈值大于第一阈值；在连通域数量等于1，且，药品面积与预设面积之间的差值绝对值大于第三阈值的情况下，确定图像块存在缺损类缺陷。
[0196]
上述泡罩药品质量检测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
[0197]
在一个实施例中，提供了一种计算机设备，该计算机设备可以为泡罩药品质量检测装置，也可以为服务器，还可以为检测终端等，其内部结构图可以如图18所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储不同类型的泡罩药品对应的预设分割阈值模板、待检测图像数据或者待检测图像对应的质量检测结果。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种泡罩药品质量检测方法。
[0198]
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图18所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过
wifi、移动蜂窝网络、nfc(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种泡罩药品质量检测方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
[0199]
本领域技术人员可以理解，图18中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
[0200]
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各实施例中的泡罩药品检测方法的步骤。
[0201]
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述各实施例中的泡罩药品检测方法的步骤。
[0202]
在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述各实施例中的泡罩药品检测方法的步骤。
[0203]
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(read-only memory，rom)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(reram)、磁变存储器(magnetoresistive random access memory，mram)、铁电存储器(ferroelectric random access memory，fram)、相变存储器(phase change memory，pcm)、石墨烯存储器等。易失性存储器可包括随机存取存储器(random access memory，ram)或外部高速缓冲存储器等。作为说明而非局限，ram可以是多种形式，比如静态随机存取存储器(static random access memory，sram)或动态随机存取存储器(dynamic random access memory，dram)等。本技术所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本技术所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
[0204]
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
[0205]
以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本技术专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术的保护范围应以所附权利要求为准。