[go: up one dir, main page]

CN117974669A - 植、介入性管状器械的在线检测与制备控制方法及装置 - Google Patents

植、介入性管状器械的在线检测与制备控制方法及装置 Download PDF

Info

Publication number
CN117974669A
CN117974669A CN202410389783.0A CN202410389783A CN117974669A CN 117974669 A CN117974669 A CN 117974669A CN 202410389783 A CN202410389783 A CN 202410389783A CN 117974669 A CN117974669 A CN 117974669A
Authority
CN
China
Prior art keywords
tubular
tubular instrument
thickness
wall surface
instrument
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202410389783.0A
Other languages
English (en)
Other versions
CN117974669B (zh
Inventor
杨鹏
谢嘉轩
赵庆洪
于洋
宋歌
孙浩
冯汉卿
刘青
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Advanced Medical Technologies Inc
Original Assignee
Beijing Advanced Medical Technologies Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Advanced Medical Technologies Inc filed Critical Beijing Advanced Medical Technologies Inc
Priority to CN202410389783.0A priority Critical patent/CN117974669B/zh
Publication of CN117974669A publication Critical patent/CN117974669A/zh
Application granted granted Critical
Publication of CN117974669B publication Critical patent/CN117974669B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0004Industrial image inspection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/04Architecture, e.g. interconnection topology
    • G06N3/0464Convolutional networks [CNN, ConvNet]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/60Analysis of geometric attributes
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/60Analysis of geometric attributes
    • G06T7/62Analysis of geometric attributes of area, perimeter, diameter or volume
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/60Analysis of geometric attributes
    • G06T7/64Analysis of geometric attributes of convexity or concavity
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/40Extraction of image or video features
    • G06V10/44Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/40Extraction of image or video features
    • G06V10/54Extraction of image or video features relating to texture
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/40Extraction of image or video features
    • G06V10/56Extraction of image or video features relating to colour
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/70Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/70Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/40ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management of medical equipment or devices, e.g. scheduling maintenance or upgrades

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Geometry (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • General Business, Economics & Management (AREA)
  • Business, Economics & Management (AREA)
  • Databases & Information Systems (AREA)
  • Computational Linguistics (AREA)
  • General Engineering & Computer Science (AREA)
  • Molecular Biology (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Biophysics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Public Health (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Quality & Reliability (AREA)
  • Prostheses (AREA)

Abstract

本发明提供一种植、介入性管状器械的在线检测与制备控制方法及装置,属于可植入假体技术领域,本发明的植、介入性管状器械的在线检测与制备控制方法,通过对管状器械进行壁面和端面图像的获取和处理,实现了管状器械的自动化检测,可以得到外壁面的异常区域识别结果,从而使得制备过程中的缺陷或不良区域得以及时发现和修复,在排除外壁缺陷干扰的情况下,根据管状器械最外层管状结构壁面厚度、同轴度和异常区域识别结果,调整管状器械的制备参数,可以更加精准地控制管状器械的制备过程,进一步提高了管状器械的制备质量,提高了制备过程中的生产效率。

Description

植、介入性管状器械的在线检测与制备控制方法及装置
技术领域
本发明涉及可植入假体技术领域,尤其涉及一种植、介入性管状器械的在线检测与制备控制方法及装置。
背景技术
植、介入性管状器械是一类用于在体内进行植、介入性手术或检查的医疗器械,可以在不同组织中进行操作。例如,植、介入性管状器械可以是用于体内组织的导管、鞘管、人工血管、神经修复导管、心血管支架、消化道支架等。
这一类产品的制备方式主要有3D打印、静电纺丝、编织以及浇筑等。对于这些产品,不同的表面缺陷会影响产品性能以及产品的效果,如表面的缺失以及孔洞会影响导管的导通能力。举例说明,对于具有多层结构的人工血管,多层结构的壁厚以及同轴度的偏差过大会影响植入后的载物的缓释效果、表面内皮化效果以及人工血管的弯曲性能。因此,需要对这些产品的外壁缺陷以及尺寸缺陷进行管控。
在制备的过程中,这一类产品由于其尺寸较小,制备过程所产生的表面缺陷以及尺寸缺陷难以直接被肉眼所检查,亟需一种高效的在线检测方式能在制备过程中进行质量管控,并进一步在线进行制备参数调整。
发明内容
本发明提供一种植、介入性管状器械的在线检测与制备控制方法及装置,用以解决现有技术中管状器械制备过程中难以进行在线检测与质量调控的缺陷,对管状器械实现制备过程中的准确检测与调控。
本发明提供一种植、介入性管状器械的在线检测与制备控制方法,植、介入性管状器械包括至少一层管状结构,所述管状结构为壁面封闭完整的管状结构或者多孔的管状结构,所述管状结构通过静电纺丝、3D打印、浇筑或者编织制备得到,所述方法包括:
在管状器械的制备过程中,获取管状器械的外侧壁面的壁面图像,并获取所述管状器械的制备端面的端面图像;所述制备端面为所述管状器械远离制备起始点的一端;
对所述壁面图像进行目标识别,得到外壁面的异常区域识别结果;对所述端面图像进行处理,提取得到所述管状器械管状结构的壁面厚度以及所述管状器械的管状结构的截面与参考圆之间的间隙;所述异常区域包括凹坑、缺失、孔洞、结团、凸起、异常丝径、丝线搭接错乱以及飞丝中的至少一种所对应的区域;
在所述管状器械最外层管状结构壁面厚度不满足预设厚度条件的情况下,基于所述管状器械的外壁面的异常区域识别结果,得到所述管状器械的壁厚检测结果以及同轴度检测结果;
基于所述管状器械的外壁面的异常区域识别结果、壁厚检测结果以及同轴度检测结果中的至少一项,调整所述管状器械的制备参数。
根据本发明提供的一种植、介入性管状器械的在线检测与制备控制方法,在所述管状器械最外层管状结构壁面厚度不满足预设厚度条件的情况下,基于所述管状器械的外壁面的异常区域识别结果,得到所述管状器械的壁厚检测结果以及同轴度检测结果,包括:
在所述管状器械的最外层管状结构壁面厚度不满足预设厚度条件的情况下,确定厚度异常位置对应的外壁面的异常区域识别结果;
在所述厚度异常位置为厚度过小且厚度异常位置对应的外壁面的异常区域识别结果为存在孔洞的情况下,获取孔洞的深度;
基于孔洞的深度,修正所述管状器械的最外层管状结构的厚度异常位置处的壁面厚度以及最外层管状结构的界面与参考圆之间的间隙;
基于修正后的背面厚度以及间隙,得到述管状器械的壁厚检测结果以及同轴度检测结果。
根据本发明提供的一种植、介入性管状器械的在线检测与制备控制方法,在所述管状器械最外层管状结构壁面厚度不满足预设厚度条件的情况下,基于所述管状器械的外壁面的异常区域识别结果,得到所述管状器械的壁厚检测结果以及同轴度检测结果,包括:
在所述管状器械的最外层管状结构壁面厚度不满足预设厚度条件的情况下,确定厚度异常位置对应的外壁面的异常区域识别结果;
在所述厚度异常位置为厚度过大且厚度异常位置对应的外壁面的异常区域识别结果为存在飞丝的情况下,确定飞丝顶部与所述管状器械外壁面之间的偏移距离;
基于飞丝顶部与所述管状器械外壁面之间的偏移距离,修正所述管状器械的最外层管状结构的厚度异常位置处的壁面厚度以及最外层管状结构的界面与参考圆之间的间隙;
基于修正后的背面厚度以及间隙,得到述管状器械的壁厚检测结果以及同轴度检测结果。
根据本发明提供的一种植、介入性管状器械的在线检测与制备控制方法,在所述管状器械的制备方法为静电纺丝的情况下,所述基于所述管状器械的外壁面的异常区域识别结果、壁厚检测结果以及同轴度检测结果中的至少一项,调整所述管状器械的制备参数,包括:
在所述管状器械的外壁面的异常区域识别结果为存在凹坑和缺失的区域,调整静电纺丝喷头的运动参数以及出丝参数,以增加静电纺丝喷头在存在凹坑和缺失的区域的出丝量。
根据本发明提供的一种植、介入性管状器械的在线检测与制备控制方法,在所述管状器械的制备方法为静电纺丝的情况下,所述基于所述管状器械的外壁面的异常区域识别结果、壁厚检测结果以及同轴度检测结果中的至少一项,调整所述管状器械的制备参数,包括:
在所述管状器械的外壁面的异常区域识别结果为存在凸起或者结团的情况下,调整静电纺丝喷头的运动参数以及出丝参数,以减少静电纺丝喷头在存在凸起和结团的区域的出丝量。
根据本发明提供的一种植、介入性管状器械的在线检测与制备控制方法,在所述管状器械的制备方法为静电纺丝的情况下,所述基于所述管状器械的外壁面的异常区域识别结果、壁厚检测结果以及同轴度检测结果中的至少一项,调整所述管状器械的制备参数,包括:
确定所述管状器械的外壁面的异常区域识别结果为不存在异常区域;
基于所述壁厚检测结果以及所述同轴度检测结果中的至少一项,确定所述管状器械各层结构的厚度异常偏移量;
基于所述管状器械各层结构的厚度异常偏移量,调整静电纺丝喷头的运动参数以及出丝参数,调整静电纺丝喷头的出丝量,以矫正所述管状器械各层结构的厚度异常偏移量。
根据本发明提供的一种植、介入性管状器械的在线检测与制备控制方法,在所述管状器械的制备方法为静电纺丝的情况下,在所述对所述壁面图像进行目标识别,得到外壁面的异常区域识别结果之后,所述方法还包括:
基于所述异常区域识别结果,确定所述异常区域是否能被修复;
在所述异常区域不能被修复的情况下,控制所述管状器械的制备设备停止工作;或者,在所述异常区域能被修复的情况下,控制所述管状器械的制备设备切换工作参数以对所述异常区域进行修复。
根据本发明提供的一种植、介入性管状器械的在线检测与制备控制方法,在所述管状器械的制备方法为3D打印或者编织的情况下,在对所述壁面图像进行目标识别,得到外壁面的异常区域识别结果之后,所述方法还包括:
确定外壁面的异常区域识别结果为识别到异常区域,控制所述管状器械的制备设备停止工作。
本发明还提供一种植、介入性管状器械的在线检测与制备控制装置,包括:
图像获取模块,用于在管状器械的制备过程中,获取管状器械的外侧壁面的壁面图像,并获取所述管状器械的制备端面的端面图像;所述制备端面为所述管状器械远离制备起始点的一端;
第一处理模块,用于对所述壁面图像进行目标识别,得到外壁面的异常区域识别结果;对所述端面图像进行处理,提取得到所述管状器械管状结构的壁面厚度以及所述管状器械的管状结构的截面与参考圆之间的间隙;所述异常区域包括凹坑、缺失、孔洞、结团、凸起以及飞丝中的至少一种所对应的区域;
第二处理模块,用于在所述管状器械最外层管状结构壁面厚度不满足预设厚度条件的情况下,基于所述管状器械的外壁面的异常区域识别结果,得到所述管状器械的壁厚检测结果以及同轴度检测结果;
调控模块,用于基于所述管状器械的外壁面的异常区域识别结果、壁厚检测结果以及同轴度检测结果中的至少一项,调整所述管状器械的制备参数。
本发明还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述任一种所述植、介入性管状器械的在线检测与制备控制方法。
本发明还提供一种非暂态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如上述任一种所述植、介入性管状器械的在线检测与制备控制方法。
本发明还提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如上述任一种所述植、介入性管状器械的在线检测与制备控制方法。
本发明提供的植、介入性管状器械的在线检测与制备控制方法及装置,通过使用第一摄像头和第二摄像头对管状器械进行壁面和端面图像的获取和处理,实现了管状器械的自动化检测,可以得到外壁面的异常区域识别结果,从而使得制备过程中的缺陷或不良区域得以及时发现和修复,在排除外壁缺陷干扰的情况下,根据管状器械最外层管状结构壁面厚度、同轴度和异常区域识别结果,调整管状器械的制备参数,可以更加精准地控制管状器械的制备过程,进一步提高了管状器械的制备质量,也提高了制备过程中的生产效率。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明提供的植、介入性管状器械的在线检测与制备控制方法的流程示意图之一;
图2是本发明提供的植、介入性管状器械的在线检测与制备控制方法的流程示意图之二;
图3是本发明提供的植、介入性管状器械的在线检测与制备控制装置的结构示意图;
图4是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明中的附图,对本发明中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
下面结合图1-图4描述本发明的植、介入性管状器械的在线检测与制备控制方法及装置。
在对本发明实施例的植、介入性管状器械的在线检测与制备控制方法进行说明之前,先对植、介入性管状器械进行说明。
植、介入性管状器械包括至少一层管状结构,所述管状结构为壁面封闭完整的管状结构或者多孔的管状结构,所述管状结构通过静电纺丝、3D打印、浇筑或者编织制备得到。
壁面封闭完整的管状结构指的是管状器械的结构是完全封闭的,没有任何孔隙或开口,类似于一个密封的管道。
多孔的管状结构则表示管状器械的结构中包含有许多微小孔隙或通道,可以使液体或气体穿过,这种结构可以提供更多的功能性,如促进细胞生长或药物释放等。
植、介入性管状器械的设计可以根据具体的需求选择合适的结构形式,以实现预期的功能和效果。
静电纺丝通过将聚合物或其他材料以溶液或熔融态注射到电场中,使其形成纤维状结构,可以用于制备具有纳米或亚微米级孔隙结构的管状器械。
3D打印技术可以通过堆叠材料来创建复杂的三维结构。对于植入性管状器械的制备,可以使用生物可降解材料或金属材料进行打印。
浇筑是指将液态或半固态的材料倒入模具,让其在模具内凝固成型的过程,这种工艺常用于制备一些壁面封闭完整的管状结构。
编织是一种传统的制备管状结构的方法,通过交叉编织纱线或纤维,形成一个完整的管状结构,可以用于制备坚固耐用的植入性器械。
植、介入性管状器械可以是用于体内组织的导管、鞘管、人工血管、神经修复导管、心血管支架、消化道支架等。
本发明实施例的植、介入性管状器械的在线检测与制备控制方法主要包括步骤110、步骤120、步骤130以及步骤140。
步骤110,在管状器械的制备过程中,获取管状器械的外侧壁面的壁面图像,并获取管状器械的制备端面的端面图像。
在一些实施方式中,制备管状器械的过程可以使用至少两个摄像头,可以使用第一摄像头用于获取管状器械外侧壁面的壁面图像,并使用第二摄像头用于获取管状器械制备端面的端面图像。
第一摄像头和第二摄像头可以是携带微距镜头的高速相机,用于更好地获取尺寸较小且运动的产品图像。
在此过程中,第一摄像头可以被安装在朝向管状器械的侧面的位置,用于捕捉管状器械的外侧壁面图像。
若管状器械在制备过程中是静止的而不是转动的,则还可以设置多个第一摄像头来获取到管状器械的侧面形态、纹理和其他相关特征。
制备端面为管状器械远离制备起始点的一端,用于获取管状器械在制备过程中新制备的一端的端面图像。通过获取制备一端的端面图像,可以评估制备出的管状器械的各层结构的平整度、厚度以及同轴度等特征。
可以理解的是,获取至少这两个摄像头的图像数据,可以用于检查管状器械的制备质量、形态一致性以及表面缺陷等,通过分析这些图像数据,可以进行质量控制和质量评估,确保制备出符合要求的管状器械。
步骤120,对壁面图像进行目标识别,得到外壁面的异常区域识别结果;对端面图像进行处理,提取得到管状器械管状结构的壁面厚度以及管状器械的管状结构的截面与参考圆之间的间隙。
可以理解的是,管状器械可以具有多层结构,多层结构下的管状器械的内壁和外壁可以分别是由静电纺丝、3D生物打印、浇筑或者编织等某一个方法构筑的内壁构建得到,管状器械可以是单层结构,如管状器械也可以是单独由支架构筑的内壁,此处不作限制。
在管状器械制备过程中,可以获取管状器械外侧壁面的壁面图像,并对这些图像进行目标识别,以得到外壁面的异常区域识别结果。目标识别可以采用计算机视觉和机器学习等技术,从图像中自动检测和识别出感兴趣的目标。
具体实现时,可以采用图像处理算法和基于深度学习的目标识别模型,对壁面图像进行处理,并将其分为多个区域。然后,通过对这些区域进行特征提取和分类,可以自动检测和识别出异常区域。这些异常区域可以通过不同的颜色、形状或纹理来标示,以便后续的质量控制和修复操作。
可以使用图像处理技术和计算机视觉算法,提取异常区域的形状特征,通过对提取到的形状特征进行分析和测量,可以得到异常区域的尺寸和形状信息。
在此过程中,还可以对图像进行尺度变换,将异常区域放大或缩小到合适的尺寸范围,然后使用常规的测量工具测量异常区域的大小和距离参照物的距离。
在本实施方式中,识别的目标是管状器械外侧壁面的异常区域,其异常可能源于制备过程中的某些问题。
异常区域包括凹坑、缺失、孔洞、结团、凸起、异常丝径、丝线搭接错乱以及飞丝中的至少一种所对应的区域。
凹坑是指管状器械表面出现的小坑洼,它们可能由制备过程中的某些问题引起,如静电纺丝设备不稳定、纺丝电压或喷嘴温度不适当等。
缺失是指管状器械表面出现的部分缺失,它可能由于纺丝材料或者打印材料不均匀、纺丝或者打印过程中断裂或喷嘴堵塞等问题导致。
孔洞是指管状器械表面出现的明显孔隙或空洞,它们可能是由于纺丝过程中的材料流动不均匀、气泡形成或纺丝参数设置不当等原因造成的。
结团是指管状器械表面出现的材料团块,这可能是由于打印或者纺丝过程中的材料凝聚、堆积或聚集所致,通常与打印或纺丝参数、材料性质和环境条件等有关。
凸起是指管状器械表面出现的突出部分,它们可能是由于静电纺丝设备的不均匀电场分布、纺丝材料的凝聚或喷嘴堵塞等问题引起的。
异常丝径是指在3D打印过程中打印丝材料的直径发生异常变化。通常情况下,3D打印使用的打印丝材料具有一致的直径,以确保打印的精度和质量。然而,在某些情况下,可能会出现异常丝径,即打印丝材料的直径不均匀或不稳定。这种情况可能由材料异常、温度异常以及打印参数设置有误造成。
丝线搭接错乱是在编织过程中编织的丝线出现不正确的搭接或重叠,导致产品表面出现错乱、不平整的情况。这种情况可能是由编织设备异常或者丝线张力异常这样的丝线质量问题等造成。
飞丝是指在打印或者纺丝过程中未完全附着在目标区域上的偏离预定区域的纤维,这可能是由于打印的运动参数有误、静电纺丝过程中的静电力不足、纺丝材料的飞散或空气流动等因素导致的。
需要说明的是,可以使用图像处理算法(如Canny边缘检测算法)对端面图像中管状器械的各层结构进行边缘检测,提取出管状器械各层结构的边缘。
根据边缘提取结果,对每一层结构的边缘进行分割,并计算每个边缘与参考圆之间的距离。这些距离可以用来估计管状器械各层结构的壁面厚度。
参考圆可以是在图像处理过程中基于管状器械的中轴线所人为设置的圆,用于供衡量管状器械各层结构的同轴偏离程度,以得到同轴度检测结果。当然,参考圆还可以是3D打印设备或者静电纺丝设备上用于固定管状器械的截面圆,或者,在制备三层结构的人工血管时,参考圆还可以是多层人工血管结构中位于中间的支架层的截面圆。
在此基础上,通过分析边缘信息,确定每个截面与参考圆之间的间隙。可以在边缘上选择合适的点作为截面边界,然后计算该点到参考圆的距离,即可得到每个位置的间隙。
步骤130,在管状器械最外层管状结构壁面厚度不满足预设厚度条件的情况下,基于管状器械的外壁面的异常区域识别结果,得到管状器械的壁厚检测结果以及同轴度检测结果。
需要说明的是,预设厚度条件是根据不同的产品的实际应用需求所设置的。
在管状器械最外层管状结构壁面厚度不满足预设厚度条件的情况下,不满足预设厚度条件的位置可能是制备过程中材料不足所引起的壁面结构偏薄。但由于管状器械最外层管状结构壁面厚度是基于边缘检测的结果得到的,一些制备过程中的异常区域所引起的像素误差也会造成边缘识别错误。
例如,在孔洞位置,边缘检测算法会检测到孔洞位置,进而得到此处的厚度偏小。而在存在飞丝的情况下,翘起的飞丝会导致边缘检测算法识别到翘起的飞丝,特别是飞丝的两端均搭在管状器械外壁的情况下,飞丝或作为边缘,会使得识别到的此处的厚度异常偏大。
在本实施方式中,在管状器械最外层管状结构壁面厚度不满足预设厚度条件的情况下,可以基于管状器械的外壁面的异常区域识别结果,消除由异常区域所引起的厚度检测误差,进而得到管状器械的准确的壁厚检测结果以及同轴度检测结果。
可以理解的是,可以根据测得的壁面厚度和截面与参考圆的间隙,可以计算出同轴度的指标。例如,可以计算不同截面间壁面厚度的差异以及截面与参考圆间隙的方差等。
步骤140,基于管状器械的外壁面的异常区域识别结果、壁厚检测结果以及同轴度检测结果中的至少一项,调整管状器械的制备参数。
可以理解的是,如果壁厚检测结果显示壁面厚度不满足预设厚度条件,或者同轴度检测结果不符合要求,可以通过调整制备过程中的材料用量或工艺参数来改变壁面厚度。
根据壁面异常区域识别结果,如果发现所使用的材料容易出现异常或缺陷,可以考虑更换材料。选择具有更好性能和质量的材料,以提高管状器械的制备质量。或者,可以调整管状器械的制备参数,消除已有的异常缺陷或避免后续出现异常缺陷。
根据在线检测结果,如果发现存在不满足要求的情况,可能是制备过程中的某些参数或步骤引起的。可以优化制备参数,进而保证制备的产品质量。
可以理解的是,还可以根据异常区域识别结果、壁厚检测结果或同轴度检测结果,优化质量控制检测策略,可以在后续增加检测点或调整检测时机,以提高对制备参数的监控和调整能力。
根据本发明实施例提供的植、介入性管状器械的在线检测与制备控制方法,通过使用第一摄像头和第二摄像头对管状器械进行壁面和端面图像的获取和处理,实现了管状器械的自动化检测,可以得到外壁面的异常区域识别结果,从而使得制备过程中的缺陷或不良区域得以及时发现和修复,在排除外壁缺陷干扰的情况下,根据管状器械最外层管状结构壁面厚度、同轴度和异常区域识别结果,调整管状器械的制备参数,可以更加精准地控制管状器械的制备过程,进一步提高了管状器械的制备质量,也提高了制备过程中的生产效率。
在一些实施例中,在管状器械的层结构壁面厚度不满足预设厚度条件的情况下,基于管状器械的外壁面的异常区域识别结果,得到管状器械的壁厚检测结果以及同轴度检测结果,包括以下过程。
在本实施方式中,在管状器械的最外层管状结构壁面厚度不满足预设厚度条件的情况下,确定厚度异常位置对应的外壁面的异常区域识别结果。在厚度异常位置为厚度过小且厚度异常位置对应的外壁面的异常区域识别结果为存在孔洞的情况下,获取孔洞的深度。再基于孔洞的深度,修正管状器械的最外层管状结构的厚度异常位置处的壁面厚度以及最外层管状结构的界面与参考圆之间的间隙。最后可以基于修正后的背面厚度以及间隙,得到述管状器械的壁厚检测结果以及同轴度检测结果。
需要说明的是,由于孔洞较为明显,通过边缘检测算法,可以将孔洞与周围材料的边界区分开来,从而得到孔洞的位置信息,进而将此处的边缘按照孔洞的边缘进行划分。
但是孔洞和壁面偏薄是由不同的因素引起,需要按照不同的方式分别进行缺陷处置。若不对孔洞位置的厚度检测结果进行校正,则会得到错误的厚度调整方式,进而会使得孔洞位置的实际厚度偏厚。
可以根据孔洞的尺寸和深度信息,修正相应位置的壁面厚度,使得孔洞位置的厚度数值被校正。修正后,可以重新进行壁厚分析和同轴度分析。
可以理解的是,根据外壁面的异常区域识别结果,确定最外层管状结构壁面厚度异常位置。如果存在孔洞,则获取孔洞深度。基于孔洞深度,校正最外层管状结构厚度异常位置处的壁面厚度以及最外层管状结构的截面与参考圆之间的间隙,可以得到整个管状器械准确的壁厚和同轴度检测结果。
在一些实施例中,在管状器械的层结构壁面厚度不满足预设厚度条件的情况下,基于管状器械的外壁面的异常区域识别结果,得到管状器械的壁厚检测结果以及同轴度检测结果,可以包括以下过程。
在本实施方式中,在管状器械的最外层管状结构壁面厚度不满足预设厚度条件的情况下,确定厚度异常位置对应的外壁面的异常区域识别结果。在厚度异常位置为厚度过大且厚度异常位置对应的外壁面的异常区域识别结果为存在飞丝的情况下,确定飞丝顶部与管状器械外壁面之间的偏移距离。
通过检测方法确定管状器械最外层管状结构壁面厚度不满足预设条件的位置,并进行异常区域识别,以确定异常区域。如果在厚度异常位置处存在飞丝情况,通过适当的图像处理方法或测量手段,确定飞丝顶部与管状器械外壁面之间的偏移距离。
在此基础上,可以基于飞丝顶部与管状器械外壁面之间的偏移距离,修正管状器械的最外层管状结构的厚度异常位置处的壁面厚度以及最外层管状结构的界面与参考圆之间的间隙,再基于修正后的壁面厚度以及间隙,得到述管状器械的壁厚检测结果以及同轴度检测结果。
在存在飞丝的情况下,由于飞丝与管状器械外壁之间存在一定的间隙,所以在进行边缘检测时,很容易将翘起的飞丝误判为管状器械外壁的一部分。这种情况下,算法会将飞丝的轮廓也识别为管状器械外壁的一部分,从而使得识别到的此处的厚度异常偏大。
而在异常区域检测识别时,由于采用的是更加复杂的图像处理方法,例如基于卷积神经网络的深度学习算法,可以更好地区分飞丝和管状器械外壁,从而得到更加准确的壁面厚度检测结果。
在此基础上,可以基于飞丝顶部与外壁面的偏移距离,对厚度异常位置处的壁面厚度进行修正,以及最外层管状结构的界面与参考圆之间的间隙进行相应调整,再基于修正后的背面厚度以及间隙,进行壁厚检测和同轴度检测,得到准确的壁厚和同轴度检测结果,以评估管状器械制备的质量。
在一些实施例中,如图2所示,在管状器械的制备方法为静电纺丝的情况下,基于管状器械的外壁面的异常区域识别结果、壁厚检测结果以及同轴度检测结果中的至少一项,调整管状器械的制备参数,可以包括步骤141、步骤142以及步骤143。
步骤141,确定管状器械的外壁面的异常区域识别结果为不存在异常区域。
步骤142,基于壁厚检测结果以及同轴度检测结果中的至少一项,确定管状器械各层结构的厚度异常偏移量。
步骤143,基于管状器械各层结构的厚度异常偏移量,调整静电纺丝喷头的运动参数以及出丝参数,调整静电纺丝喷头的出丝量,以矫正管状器械各层结构的厚度异常偏移量。
可以先确定管状器械外壁面的异常区域识别结果为不存在异常区域,这意味着在管状器械制备过程中,外壁面不存在异常缺陷。由于不同的缺陷类型以及厚度、同轴度问题需要采取不同的制备控制手段,可以在不是因为表面异常缺陷引起的异常的情况下,调整制备的厚度以得到符合要求的管状器械。
基于壁厚检测结果以及同轴度检测结果,可以通过计算得到确定管状器械各层结构的厚度异常偏移量,厚度异常偏移量它表示管状器械各层结构的厚度与预设值之间的差异。
管状器械的制备过程中,需要控制其各层结构的厚度,在预设值的基础上进行制备。然而在实际制备过程中,由于材料、设备或操作等方面的原因,可能会导致每一层的厚度与预设值存在偏差,这个偏差就是厚度异常偏移量。
例如,一个管状器械的设计要求第一层的厚度为2mm,第二层的厚度为3mm,但是在制备过程中测量发现,第一层A位置的厚度为1.8mm,第二层B位置的厚度为3.2mm,那么第一层A位置的厚度异常偏移量为0.2mm,第二层B位置的厚度异常偏移量为0.2mm。
根据厚度异常偏移量的方向和大小,调整静电纺丝喷头的出丝速度、电压等参数,以使得相应层次的厚度偏差得到修正。根据厚度异常偏移量的方向和大小,调整静电纺丝喷头的出丝量,以使得相应层次的厚度偏差得到修正。如果某一层的厚度偏小,可以增加出丝量;如果某一层的厚度偏大,可以减小出丝量。具体地,如果某一层的厚度偏小,可以增加出丝速度或增加该位置的轨迹密度;如果某一层的厚度偏大,可以减小出丝速度或减小该位置的轨迹密度。
在本实施方式中,通过调整制备过程中的参数,使得管状器械的壁面厚度符合预设要求,可以纠正制备过程中出现的壁厚异常以及同轴度异常,保证管状器械的质量符合预设要求。
可以理解的是,通过检测壁厚,就可以计算出各层结构的厚度异常偏移量,从而了解每一层的厚度与预设值之间的差异,便于后续调整制备参数,使得管状器械的厚度更加符合预设要求。此外,通过调整壁厚,可以使得目标位置的壁厚在满足壁厚要求的基础上,也更加符合同轴度的要求。
在一些实施例中,在管状器械的制备方法为静电纺丝的情况下,基于管状器械的外壁面的异常区域识别结果、壁厚检测结果以及同轴度检测结果中的至少一项,调整管状器械的制备参数,包括:在管状器械的外壁面的异常区域识别结果为存在凹坑和缺失的区域,调整静电纺丝喷头的运动参数以及出丝参数,以增加静电纺丝喷头在存在凹坑和缺失的区域的出丝量。
在管状器械的制备方法为静电纺丝的情况下,如果外壁面存在凹坑和缺失的区域,需要采取特殊的补救措施进行调整。具体而言,可以根据异常区域识别结果、壁厚检测结果以及同轴度检测结果中的至少一项,调整管状器械的制备参数,包括静电纺丝喷头的运动参数和出丝参数。
对于存在凹坑和缺失的区域,可以通过增加静电纺丝喷头在该区域的出丝量来修复。具体而言,可以根据异常区域的位置和大小,调整静电纺丝喷头的位置和出丝速度,使其能够覆盖到凹坑和缺失的区域,并增加出丝量以填补这些区域。这样可以使得管状器械在这些区域的壁厚更加均匀,从而提高其质量和可靠性。
除了调整静电纺丝喷头的出丝量之外,还可以根据异常区域的具体情况,调整其他制备参数,例如静电纺丝喷头的运动速度、电压等,以进一步优化管状器械的制备质量。
在一些实施例中,在管状器械的制备方法为静电纺丝的情况下,基于管状器械的外壁面的异常区域识别结果、壁厚检测结果以及同轴度检测结果中的至少一项,调整管状器械的制备参数,包括:在管状器械的外壁面的异常区域识别结果为存在凸起或者结团的情况下,调整静电纺丝喷头的运动参数以及出丝参数,以减少静电纺丝喷头在存在凸起和结团的区域的出丝量。
在管状器械制备方法为静电纺丝的情况下,如果外壁面存在凸起或结团的异常区域,需要采取适当的调整措施。根据异常区域识别结果、壁厚检测结果以及同轴度检测结果中的至少一项,可以调整管状器械的制备参数,包括静电纺丝喷头的运动参数和出丝参数。
对于存在凸起或结团的区域,可以通过减少静电纺丝喷头在该区域的出丝量来进行修正。具体而言,可以根据异常区域的位置和大小,调整静电纺丝喷头的位置和出丝速度,以减少喷头在这些区域的出丝量。通过减少出丝量,可以降低凸起或结团区域的纺丝厚度,使得该区域与其他部分更加均匀,从而提高管状器械的质量和性能。
除了调整出丝量之外,还可以根据具体情况调整其他制备参数,例如静电纺丝喷头的运动速度、电压等,以进一步优化管状器械的制备质量。
在一些实施例中,在所述管状器械的制备方法为静电纺丝的情况下,在所述对所述壁面图像进行目标识别,得到外壁面的异常区域识别结果之后,本发明实施例的植、介入性管状器械的在线检测与制备控制方法还包括以下过程。
可以先基于所述异常区域识别结果,确定所述异常区域是否能被修复。
在所述管状器械的制备方法为静电纺丝的情况下,可以先根据异常区域识别结果确定异常区域的类型。在异常区域为凹坑或者缺失的情况下,可以先识别凹坑以及缺失的异常区域的形状和面积,并进一步根据异常区域的形状和面积判断是否可以被修复。
在所述异常区域不能被修复的情况下,则说明正在制备的产品无法满足产品质量要求也无法被修复,没有使用价值,可以控制所述管状器械的制备设备停止工作,以减少不必要的材料浪费。
或者,在所述异常区域能被修复的情况下,控制所述管状器械的制备设备切换工作参数以对所述异常区域进行修复。
需要说明的是,在管状器械的制备设备切换工作参数以对所述异常区域进行修复时,新的工作参数可以通过对纺丝材料的供给、电场参数、喷丝参数以及位置等方式的组合和调整,实现对异常区域的修复。具体的参数调整和控制策略需要根据具体情况和设备特性进行确定,并结合实际试验和优化来实现最佳的修复效果。
在一些实施例中,在管状器械的制备方法为3D打印的情况下,在对壁面图像进行目标识别,得到外壁面的异常区域识别结果之后,方法还包括:确定外壁面的异常区域识别结果为识别到异常区域,控制管状器械的3D打印设备停止工作。
可以理解的是,由于3D打印设备的特殊性,在打印过程中整个管状器械均采用连续的打印方式进行打印,一旦出现异常区域,则该产品直接报废,需要立即控制管状器械的3D打印设备停止工作以减少不必要的浪费。
在一些实施例中,可以对3D打印过程中丝线的直径进行实时监控,并进行丝线直径的趋势分析。当监测到丝线直径有减小的趋势时,可以在线调整3D打印机的参数以增加3D打印单位时间的出料量;当监测到丝线直径有增大的趋势时,可以在线调整3D打印机的参数以减少3D打印单位时间的出料量。
下面对本发明提供的植、介入性管状器械的在线检测与制备控制装置进行描述,下文描述的植、介入性管状器械的在线检测与制备控制装置与上文描述的植、介入性管状器械的在线检测与制备控制方法可相互对应参照。
如图3所示,本发明实施例的植、介入性管状器械的在线检测与制备控制装置主要包括图像获取模块310、第一处理模块320、第二处理模块330以及调控模块340。
图像获取模块310用于在管状器械的制备过程中,获取管状器械的外侧壁面的壁面图像,并获取管状器械的制备端面的端面图像;制备端面为管状器械远离制备起始点的一端;
第一处理模块320用于对壁面图像进行目标识别,得到外壁面的异常区域识别结果;对端面图像进行处理,提取得到管状器械各层结构的壁面厚度以及管状器械的各层结构的截面与参考圆之间的间隙;异常区域包括凹坑、缺失、孔洞、结团、凸起、异常丝径、丝线搭接错乱以及飞丝中的至少一种所对应的区域;
第二处理模块330用于在管状器械最外层管状结构壁面厚度不满足预设厚度条件的情况下,基于管状器械的外壁面的异常区域识别结果,得到管状器械的壁厚检测结果以及同轴度检测结果;
调控模块340用于基于管状器械的外壁面的异常区域识别结果、壁厚检测结果以及同轴度检测结果中的至少一项,调整管状器械的制备参数。
根据本发明实施例提供的植、介入性管状器械的在线检测与制备控制装置,通过使用第一摄像头和第二摄像头对管状器械进行壁面和端面图像的获取和处理,实现了管状器械的自动化检测,可以得到外壁面的异常区域识别结果,从而使得制备过程中的缺陷或不良区域得以及时发现和修复,在排除外壁缺陷干扰的情况下,根据管状器械最外层管状结构壁面厚度、同轴度和异常区域识别结果,调整管状器械的制备参数,可以更加精准地控制管状器械的制备过程,进一步提高了管状器械的制备质量,也提高了制备过程中的生产效率。
图4示例了一种电子设备的实体结构示意图,如图4所示,该电子设备可以包括:处理器(processor)410、通信接口(Communications Interface)420、存储器(memory)430和通信总线440,其中,处理器410,通信接口420,存储器430通过通信总线440完成相互间的通信。处理器410可以调用存储器430中的逻辑指令,以执行植、介入性管状器械的在线检测与制备控制方法,该方法包括:在管状器械的制备过程中,获取管状器械的外侧壁面的壁面图像,并获取管状器械的制备端面的端面图像;制备端面为管状器械远离制备起始点的一端;对壁面图像进行目标识别,得到外壁面的异常区域识别结果;对端面图像进行处理,提取得到管状器械管状结构的壁面厚度以及管状器械的管状结构的截面与参考圆之间的间隙;异常区域包括凹坑、缺失、孔洞、结团、凸起、异常丝径、丝线搭接错乱以及飞丝中的至少一种所对应的区域;在管状器械最外层管状结构壁面厚度不满足预设厚度条件的情况下,基于管状器械的外壁面的异常区域识别结果,得到管状器械的壁厚检测结果以及同轴度检测结果;基于管状器械的外壁面的异常区域识别结果、壁厚检测结果以及同轴度检测结果中的至少一项,调整管状器械的制备参数。
此外,上述的存储器430中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面,本发明还提供一种计算机程序产品,所述计算机程序产品包括计算机程序,计算机程序可存储在非暂态计算机可读存储介质上,所述计算机程序被处理器执行时,计算机能够执行上述各方法所提供的植、介入性管状器械的在线检测与制备控制方法,该方法包括:在管状器械的制备过程中,获取管状器械的外侧壁面的壁面图像,并获取管状器械的制备端面的端面图像;制备端面为管状器械远离制备起始点的一端;对壁面图像进行目标识别,得到外壁面的异常区域识别结果;对端面图像进行处理,提取得到管状器械管状结构的壁面厚度以及管状器械的管状结构的截面与参考圆之间的间隙;异常区域包括凹坑、缺失、孔洞、结团、凸起、异常丝径、丝线搭接错乱以及飞丝中的至少一种所对应的区域;在管状器械最外层管状结构壁面厚度不满足预设厚度条件的情况下,基于管状器械的外壁面的异常区域识别结果,得到管状器械的壁厚检测结果以及同轴度检测结果;基于管状器械的外壁面的异常区域识别结果、壁厚检测结果以及同轴度检测结果中的至少一项,调整管状器械的制备参数。
又一方面,本发明还提供一种非暂态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以执行上述各方法提供的植、介入性管状器械的在线检测与制备控制方法,该方法包括:在管状器械的制备过程中,获取管状器械的外侧壁面的壁面图像,并获取管状器械的制备端面的端面图像;制备端面为管状器械远离制备起始点的一端;对壁面图像进行目标识别,得到外壁面的异常区域识别结果;对端面图像进行处理,提取得到管状器械管状结构的壁面厚度以及管状器械的管状结构的截面与参考圆之间的间隙;异常区域包括凹坑、缺失、孔洞、结团、凸起、异常丝径、丝线搭接错乱以及飞丝中的至少一种所对应的区域;在管状器械最外层管状结构壁面厚度不满足预设厚度条件的情况下,基于管状器械的外壁面的异常区域识别结果,得到管状器械的壁厚检测结果以及同轴度检测结果;基于管状器械的外壁面的异常区域识别结果、壁厚检测结果以及同轴度检测结果中的至少一项,调整管状器械的制备参数。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种植、介入性管状器械的在线检测与制备控制方法,其特征在于,植、介入性管状器械包括至少一层管状结构,所述管状结构为壁面封闭完整的管状结构或者多孔的管状结构,所述管状结构通过静电纺丝、3D打印、浇筑或者编织制备得到,所述方法包括:
在管状器械的制备过程中,获取管状器械的外侧壁面的壁面图像,并获取所述管状器械的制备端面的端面图像;所述制备端面为所述管状器械远离制备起始点的一端;
对所述壁面图像进行目标识别,得到外壁面的异常区域识别结果;对所述端面图像进行处理,提取得到所述管状器械管状结构的壁面厚度以及所述管状器械的管状结构的截面与参考圆之间的间隙;所述异常区域包括凹坑、缺失、孔洞、结团、凸起、异常丝径、丝线搭接错乱以及飞丝中的至少一种所对应的区域;
在所述管状器械最外层管状结构壁面厚度不满足预设厚度条件的情况下,基于所述管状器械的外壁面的异常区域识别结果,得到所述管状器械的壁厚检测结果以及同轴度检测结果;
基于所述管状器械的外壁面的异常区域识别结果、壁厚检测结果以及同轴度检测结果中的至少一项,调整所述管状器械的制备参数。
2.根据权利要求1所述的植、介入性管状器械的在线检测与制备控制方法,其特征在于,在所述管状器械最外层管状结构壁面厚度不满足预设厚度条件的情况下,基于所述管状器械的外壁面的异常区域识别结果,得到所述管状器械的壁厚检测结果以及同轴度检测结果,包括:
在所述管状器械的最外层管状结构壁面厚度不满足预设厚度条件的情况下,确定厚度异常位置对应的外壁面的异常区域识别结果;
在所述厚度异常位置为厚度过小且厚度异常位置对应的外壁面的异常区域识别结果为存在孔洞的情况下,获取孔洞的深度;
基于孔洞的深度,修正所述管状器械的最外层管状结构的厚度异常位置处的壁面厚度以及最外层管状结构的界面与参考圆之间的间隙;
基于修正后的背面厚度以及间隙,得到述管状器械的壁厚检测结果以及同轴度检测结果。
3.根据权利要求1所述的植、介入性管状器械的在线检测与制备控制方法,其特征在于,在所述管状器械最外层管状结构壁面厚度不满足预设厚度条件的情况下,基于所述管状器械的外壁面的异常区域识别结果,得到所述管状器械的壁厚检测结果以及同轴度检测结果,包括:
在所述管状器械的最外层管状结构壁面厚度不满足预设厚度条件的情况下,确定厚度异常位置对应的外壁面的异常区域识别结果;
在所述厚度异常位置为厚度过大且厚度异常位置对应的外壁面的异常区域识别结果为存在飞丝的情况下,确定飞丝顶部与所述管状器械外壁面之间的偏移距离;
基于飞丝顶部与所述管状器械外壁面之间的偏移距离,修正所述管状器械的最外层管状结构的厚度异常位置处的壁面厚度以及最外层管状结构的界面与参考圆之间的间隙;
基于修正后的背面厚度以及间隙,得到述管状器械的壁厚检测结果以及同轴度检测结果。
4.根据权利要求1所述的植、介入性管状器械的在线检测与制备控制方法,其特征在于,在所述管状器械的制备方法为静电纺丝的情况下,所述基于所述管状器械的外壁面的异常区域识别结果、壁厚检测结果以及同轴度检测结果中的至少一项,调整所述管状器械的制备参数,包括:
在所述管状器械的外壁面的异常区域识别结果为存在凹坑和缺失的区域,调整静电纺丝喷头的运动参数以及出丝参数,以增加静电纺丝喷头在存在凹坑和缺失的区域的出丝量。
5.根据权利要求1所述的植、介入性管状器械的在线检测与制备控制方法,其特征在于,在所述管状器械的制备方法为静电纺丝的情况下,所述基于所述管状器械的外壁面的异常区域识别结果、壁厚检测结果以及同轴度检测结果中的至少一项,调整所述管状器械的制备参数,包括:
在所述管状器械的外壁面的异常区域识别结果为存在凸起或者结团的情况下,调整静电纺丝喷头的运动参数以及出丝参数,以减少静电纺丝喷头在存在凸起和结团的区域的出丝量。
6.根据权利要求1所述的植、介入性管状器械的在线检测与制备控制方法,其特征在于,在所述管状器械的制备方法为静电纺丝的情况下,所述基于所述管状器械的外壁面的异常区域识别结果、壁厚检测结果以及同轴度检测结果中的至少一项,调整所述管状器械的制备参数,包括:
确定所述管状器械的外壁面的异常区域识别结果为不存在异常区域;
基于所述壁厚检测结果以及所述同轴度检测结果中的至少一项,确定所述管状器械各层结构的厚度异常偏移量;
基于所述管状器械各层结构的厚度异常偏移量,调整静电纺丝喷头的运动参数以及出丝参数,调整静电纺丝喷头的出丝量,以矫正所述管状器械各层结构的厚度异常偏移量。
7.根据权利要求1所述的植、介入性管状器械的在线检测与制备控制方法,其特征在于,在所述管状器械的制备方法为静电纺丝的情况下,在所述对所述壁面图像进行目标识别,得到外壁面的异常区域识别结果之后,所述方法还包括:
基于所述异常区域识别结果,确定所述异常区域是否能被修复;
在所述异常区域不能被修复的情况下,控制所述管状器械的制备设备停止工作;或者,在所述异常区域能被修复的情况下,控制所述管状器械的制备设备切换工作参数以对所述异常区域进行修复。
8.根据权利要求1所述的植、介入性管状器械的在线检测与制备控制方法,其特征在于,在所述管状器械的制备方法为3D打印或者编织的情况下,在对所述壁面图像进行目标识别,得到外壁面的异常区域识别结果之后,所述方法还包括:
确定外壁面的异常区域识别结果为识别到异常区域,控制所述管状器械的制备设备停止工作。
9.一种植、介入性管状器械的在线检测与制备控制装置,其特征在于,包括:
图像获取模块,用于在管状器械的制备过程中,获取管状器械的外侧壁面的壁面图像,并获取所述管状器械的制备端面的端面图像;所述制备端面为所述管状器械远离制备起始点的一端;
第一处理模块,用于对所述壁面图像进行目标识别,得到外壁面的异常区域识别结果;对所述端面图像进行处理,提取得到所述管状器械管状结构的壁面厚度以及所述管状器械的管状结构的截面与参考圆之间的间隙;所述异常区域包括凹坑、缺失、孔洞、结团、凸起、异常丝径、丝线搭接错乱以及飞丝中的至少一种所对应的区域;
第二处理模块,用于在所述管状器械最外层管状结构壁面厚度不满足预设厚度条件的情况下,基于所述管状器械的外壁面的异常区域识别结果,得到所述管状器械的壁厚检测结果以及同轴度检测结果;
调控模块,用于基于所述管状器械的外壁面的异常区域识别结果、壁厚检测结果以及同轴度检测结果中的至少一项,调整所述管状器械的制备参数。
10.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至8任一项所述植、介入性管状器械的在线检测与制备控制方法。
CN202410389783.0A 2024-04-02 2024-04-02 植、介入性管状器械的在线检测与制备控制方法及装置 Active CN117974669B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410389783.0A CN117974669B (zh) 2024-04-02 2024-04-02 植、介入性管状器械的在线检测与制备控制方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410389783.0A CN117974669B (zh) 2024-04-02 2024-04-02 植、介入性管状器械的在线检测与制备控制方法及装置

Publications (2)

Publication Number Publication Date
CN117974669A true CN117974669A (zh) 2024-05-03
CN117974669B CN117974669B (zh) 2024-06-21

Family

ID=90864846

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410389783.0A Active CN117974669B (zh) 2024-04-02 2024-04-02 植、介入性管状器械的在线检测与制备控制方法及装置

Country Status (1)

Country Link
CN (1) CN117974669B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019009433A1 (ja) * 2017-07-07 2019-01-10 株式会社カネカ 管状医療用具および管状医療用具搬送装置
CN112525117A (zh) * 2020-12-29 2021-03-19 芜湖新兴铸管有限责任公司 一种高温铸管在线用的测厚系统及其使用方法
CN114862664A (zh) * 2022-06-14 2022-08-05 广东宏石激光技术股份有限公司 一种基于端面投影的管材特征识别方法及设备和存储介质
CN217405193U (zh) * 2022-02-22 2022-09-09 江苏兆丰智能装备制造有限公司 一种导电带自动化生产线
CN115731208A (zh) * 2022-11-29 2023-03-03 深圳智机视觉科技有限公司 金属复杂面高精度缺陷检测方法、装置、设备及存储介质
CN116882314A (zh) * 2023-07-06 2023-10-13 昆明理工大学 一种对高强化柴油机钢活塞头部进行热优化设计的方法
CN117372433A (zh) * 2023-12-08 2024-01-09 菲沃泰纳米科技(深圳)有限公司 厚度参数的控制方法、装置、设备及存储介质
CN117612683A (zh) * 2023-12-05 2024-02-27 华中科技大学同济医学院附属协和医院 一种融合ai技术的手术器械识别管理方法及系统

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019009433A1 (ja) * 2017-07-07 2019-01-10 株式会社カネカ 管状医療用具および管状医療用具搬送装置
CN112525117A (zh) * 2020-12-29 2021-03-19 芜湖新兴铸管有限责任公司 一种高温铸管在线用的测厚系统及其使用方法
CN217405193U (zh) * 2022-02-22 2022-09-09 江苏兆丰智能装备制造有限公司 一种导电带自动化生产线
CN114862664A (zh) * 2022-06-14 2022-08-05 广东宏石激光技术股份有限公司 一种基于端面投影的管材特征识别方法及设备和存储介质
CN115731208A (zh) * 2022-11-29 2023-03-03 深圳智机视觉科技有限公司 金属复杂面高精度缺陷检测方法、装置、设备及存储介质
CN116882314A (zh) * 2023-07-06 2023-10-13 昆明理工大学 一种对高强化柴油机钢活塞头部进行热优化设计的方法
CN117612683A (zh) * 2023-12-05 2024-02-27 华中科技大学同济医学院附属协和医院 一种融合ai技术的手术器械识别管理方法及系统
CN117372433A (zh) * 2023-12-08 2024-01-09 菲沃泰纳米科技(深圳)有限公司 厚度参数的控制方法、装置、设备及存储介质

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
朱进容;黄素逸;张金业;陈义万;: "激光横向剪切干涉应用于温度场的测量", 半导体光电, no. 03, 15 June 2013 (2013-06-15) *
朱铮涛;姚钦;任涵文;: "基于图像处理的液晶保护屏玻璃板在线尺寸检测", 组合机床与自动化加工技术, no. 03, 20 March 2010 (2010-03-20) *
王云良;刘贤锋;盛昀瑶;: "基于机器视觉的O型圈质量检测智能系统开发", 软件导刊, no. 01, 15 January 2015 (2015-01-15) *

Also Published As

Publication number Publication date
CN117974669B (zh) 2024-06-21

Similar Documents

Publication Publication Date Title
US12023857B2 (en) Resin adhesion failure detection
CN104583541A (zh) 切割用于制造涡轮机零件的预成形件的方法和系统
CN117974669B (zh) 植、介入性管状器械的在线检测与制备控制方法及装置
WO2013029581A1 (de) Verfahren und vorrichtung zur generativen herstellung eines bauteils
CN109976291A (zh) 生产监控方法及装置
CN118761044B (zh) 一种uv变频电源的输出功率控制方法及系统
JP7705157B2 (ja) 3次元構造体を形成するための構成及びそれに関連する形成方法
EP4058271B1 (de) Vorrichtung und verfahren zum herstellen eines dreidimensionalen formgegenstandes
CN117934456A (zh) 一种基于图像处理的包装盒印刷质量检测方法
CN119107380B (zh) 眼前节参数测量方法及装置、电子设备、存储介质
CN107059180B (zh) 调节工作台和在纱线制造纺织机上的清纱器的方法
CN115698682A (zh) 用于校准的系统和方法
CN117601434A (zh) 生物三维模型的打印路径规划方法、装置及ai识别设备
EP4356455B1 (de) Herstellungsverfahren und -anlage für batteriespeicher
CN119858308A (zh) 一种水凝胶支架的打印方法及系统
CN111798387B (zh) 一种用于共聚焦内窥镜的图像处理方法及系统
CN108547175A (zh) 一种涂布机控制方法和涂布机
JP3976697B2 (ja) 製糸異常検出システム
CN117853489B (zh) 植、介入性管状器械的内壁质量检测方法及装置
CN117808815B (zh) 植、介入性管状器械的外壁质量检测方法及装置
CN118297903B (zh) 一种干纤维宽度检测系统
CN118876436B (zh) 植、介入性器械的打印调控方法、装置及植、介入性器械
DE102022207326B4 (de) Verfahren und Vorrichtung zum Überwachen eines Hydrauliksystems auf Eintrag von Fremdfluiden
JP2025111925A (ja) フィラメント異常検出装置および異常検出プログラム
JP2024534498A (ja) 角膜組織の健康状態をモニタリングする方法及びシステム

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant