买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉台州科技职业学院申请的专利药品智能分拣处理方法、系统及介质获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN121372899B 。

龙图腾网通过国家知识产权局官网在2026-04-28发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511972299.1，技术领域涉及：B07C5/34；该发明授权药品智能分拣处理方法、系统及介质是由李娟设计研发完成，并于2025-12-25向国家知识产权局提交的专利申请。

本药品智能分拣处理方法、系统及介质在说明书摘要公布了：本发明涉及一种药品智能分拣处理方法、系统及介质，该方法通过对输送至分拣工位处的药品分别采集药品电子监管条码图像、视觉检测处理及药品重量信息，处理得到药品条码置信度、药品视觉置信度和药品重量置信度，再融合处理所得所有置信度得到药品综合置信度，并将该药品综合置信度分别与第一预设置信度阈值和第二预设置信度阈值做判断，以判定出针对该药品是否执行药品发放、拦截药品发放或药品复检处理，避免因质量或其他安全问题错误发放给患者。对于处于两个预设置信度阈值之间的药品综合置信度，该方法不强行做高风险决策，而是启动更审慎的复检流程以引入人工审核处理，极大地提升了药品智能分拣处理方法的鲁棒性和可靠性。

本发明授权药品智能分拣处理方法、系统及介质在权利要求书中公布了：1.药品智能分拣处理方法，其特征在于，包括如下步骤： 步骤1，对输送至分拣工位处的药品采集其药品电子监管条码图像且处理该药品电子监管条码图像，计算得到药品条码置信度； 步骤2，对输送至分拣工位处的药品做视觉检测处理，计算得到药品视觉置信度； 步骤3，对输送至分拣工位处的药品获取其药品重量信息且处理该药品重量信息，计算得到药品重量置信度； 步骤4，对所得药品条码置信度、药品视觉置信度和药品重量置信度做融合处理，计算得到药品综合置信度； 步骤5，根据所得药品综合置信度和第一预设置信度阈值做判断处理： 当药品综合置信度大于第一预设置信度阈值时，判定输送至分拣工位处的该药品通过多模态校验且执行对该药品的发放；否则，转入步骤6； 步骤6，根据所得药品综合置信度和第二预设置信度阈值做判断处理： 当药品综合置信度小于第二预设置信度阈值时，判定输送至分拣工位处的该药品未通过多模态校验且拦截该药品的发放；否则，对输送至分拣工位处的该药品执行复检处理；其中，第二预设置信度阈值小于第一预设置信度阈值；其中： 在步骤1中，所述药品条码置信度的计算方式如下： 对所述药品电子监管条码图像做解码处理，得到该药品的药品监管信息； 将所述药品监管信息与药监局数据库中已存的药品监管信息做比对处理，生成初始的解码相似度分数；其中，该解码相似度分数的生成方式包括如下步骤a21~a24： 步骤a21，对采集到的药品电子监管条码图像进行预处理后，送入解码器做解密处理，解码得到比特序列；其中，解码所得比特序列标记为Ddecoded； 步骤a22，将解码所得比特序列与从药监局数据库中调取的标准参考序列Dreference进行逐位比对，得到差异比特数以及基础相似度；其中，该差异比特数标记为E，基础相似度标记为Sraw；Sraw=1-EN’；N’为解码所得比特序列Ddecoded的序列长度； 步骤a23，计算每个解码比特的对数似然比，且计算解码所得比特序列的整体置信度；其中，解码所得比特序列的整体置信度标记为SLLR： ；1≤n≤N’； 其中，LLRn为解码所得比特序列Ddecoded内的第n个比特的对数似然比； 步骤a24，根据所得基础相似度和整体置信度，计算解码相似度分数；其中，该解码相似度分数计算公式为：Ssimilarity=λ·sigmoidSLLR+1-λ·Sraw；λ为权重系数，sigmoidSLLR用于将置信度值SLLR值映射到区间[0,1]的逻辑函数； 利用计算机视觉技术分析所述药品电子监管条码图像的边缘完整性、模块填充度和污损面积，得到量化的条码破损度值；其中，得到该量化的条码破损度值的方式包括如下步骤a31~36： 步骤a31，对预处理后的二值化条码图像应用Canny边缘检测算法提取轮廓，得到边缘线段； 步骤a32，对检测到的边缘线段进行霍夫变换直线检测或采用轮廓跟踪算法，计算边缘线段的边缘完整性得分；其中，边缘线段的边缘完整性得分标记为Escore： Escore=1-L1L2； 其中，L1为所有边缘线段中的边缘断裂长度和值，L2为理想边缘长度和值；边缘断裂通过分析相邻边缘线段间的距离与角度偏差来识别； 步骤a33，利用投影分割法或连通域分析法，将药品电子监管条码图像分割为独立的单元模块，且分别计算每个模块区域内预期颜色像素所占的比例以及每个模块填充度得分；其中，预期颜色像素为黑色模块中的黑色像素，模块填充度得分标记为Fscore： ； 其中，M为药品电子监管条码图像被分割后所得单元模块总数量，qm为第m个单元模块中的预期颜色像素数量，Qm为第m个单元模块中的像素总数量；任一模块填充度得分Fscore低于预设模块填充度得分阈值时，则该任一模块将被标记为缺损模块； 步骤a34，对药品电子监管条码图像的原始灰度图像或二值图像应用形态学运算且同时保留主要条空结构，得到形态学处理后图像； 步骤a35，将所得形态学处理后图像与理想图像模板进行差分运算，得到该形态学处理后图像的污损面积占比；其中，该形态学处理后图像的污损面积占比标记为Aratio： Aratio=A1A2； 其中，A1为差分图像中显著非零像素数量总数值，A2为药品电子监管条码图像所对应条码区域像素总数量； 步骤a36，根据所得边缘线段的边缘完整性得分、模块填充度得分以及污损面积占比，计算得到条码破损度值；其中，条码破损度值计算公式如下： Ddamage=ωe·1-Escore+ωf·1-Fscore+ωa·Aratio+b； 其中，ωe为边缘完整性得分Escore所对应的权重，ωf为模块填充度得分Fscore所对应的权重，ωa为污损面积占比所对应的权重，b为偏置项； 根据所得解码相似度分数与条码破损度值，计算得到针对药品电子监管条码的药品条码置信度；其中，药品条码置信度标记为Scode：Scode=Ssimilarity·1-Ddamage；Ssimilarity∈[0,1]，Ddamage∈[0,1]；其中，Ssimilarity为解码相似度分数，Ddamage为条码破损度值； 在步骤2中，所述药品视觉置信度的计算方式如下步骤b1~b2： 步骤b1，采集输送至分拣工位处药品的药品图像信息； 步骤b2，使用余弦相似度，将采集的药品图像信息与预存的该药品标准图像做特征匹配处理，得到针对该药品图像信息的图像相似度分数，且将该图像相似度分数作为前述的药品视觉置信度；其中，药品视觉置信度标记为Simage： ； 其中，Ai表示所采集药品图像信息的第i个特征分量，表示预存的该药品标准图像的第i个特征分量；表示所采集药品图像信息的特征分量总数量； 在步骤3中，所述药品重量置信度的计算方式为： weight =1-|actualstandard|k·σ；k∈[2.5,3] 其中，weight为药品重量置信度，actual为药品的实际重量，standard为药品的标准重量，σ为药品的所有历史重量的标准差；k为调整系数； 在步骤4中，所述融合处理为对各置信度基于动态权重分配策略的处理；药品综合置信度的计算方式为： 综合 codeimageweight=1； 其中，综合为药品综合置信度，code为药品条码置信度，image为药品视觉置信度，weight为药品重量置信度；α为分配给药品条码置信度code的动态权重，β为分配给药品视觉置信度image的动态权重，γ为分配给药品重量置信度weight的动态权重；并且，该动态权重分配策略包括基于药品类型的动态权重分配策略和基于环境条件的动态权重分配策略；其中： 基于药品类型的动态权重分配策略为： 当药品属于整盒包装类药品，在药品条码置信度、药品视觉置信度和药品重量置信度中，分配给药品条码置信度的动态权重最高； 当药品属于拆零药品或者外观易损药品，在药品条码置信度、药品视觉置信度和药品重量置信度中，分别提高分配给药品视觉置信度和药品重量置信度的动态权重； 当药品属于液体制剂类药品，在药品条码置信度、药品视觉置信度和所述药品重量置信度中，分配给药品重量置信度的动态权重最高； 基于环境条件的动态权重分配策略为： 如果分拣工位处的光照强度弱，降低分配给药品视觉置信度的动态权重； 如果分拣工位处发生明显振动干扰，降低分配给药品重量置信度的动态权重； 在步骤6中，复检处理包括如下步骤c1~c3： 步骤c1，重新采集药品的图像，得到药品复检图像； 步骤c2，重新获取药品的重量信息，得到药品复检重量信息； 步骤c3，将药品复检图像和药品复检重量信息同步发送至药师处，以由药师基于该药品复检图像和药品复检重量信息执行人工校验审核处理。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人台州科技职业学院，其通讯地址为：318020 浙江省台州市黄岩区嘉木路288号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。