[发明专利]一种微液滴图像检测法中微液滴的分析方法

权利要求书

1.一种微液滴图像检测法中微液滴的分析方法，其特征在于，所述分析方法包括以下步骤：

S1：训练一个能对输入图像进行二分类的卷积神经网络分类器，该网络用于识别和判断待检测微液滴图像中液滴哪些是合格的液滴，哪些是不合格的液滴；

S2：利用霍夫变换处理待检测微液滴图像，得到所述微液滴图像中每个液滴疑似物的具体位置；

S3：将所有所述微液滴疑似物的图像提取出来；

S4：将每个微液滴疑似物图像送入S1训练好的分类器中，分类器判读该待测微液滴图像中液滴哪些是合格的液滴，哪些是不合格的液滴。

2.根据权利要求1的所述分析方法，其特征在于，所述S1包括以下步骤：

S11：利用检测器在成像参数下拍摄一定数量的微液滴图像；

S12：利用霍夫曼变换对S11中拍摄的微液滴图像进行识别，得到微液滴图像中所有微液滴疑似物在各自图像中的具体位置；

S13：将S12中每一个微液滴疑似物的小型图像截取取出来，使微液滴疑似物的中心位于所述小型图像中心；

S14：手动标记S13中得到的每一个液滴疑似物的小型图像，区分所述微液滴疑似物中哪些是合格的微液滴或者不合格的微液滴，将这些小型图像和手动标注的标签整合形成数据集；

S15：搭建一个含有输入层、卷基层一、池化层一、卷基层二、池化层二、全链接层一、全链接层二、输出层的卷积神经网络；

S16：把S14中得到的所述数据集进行预处理，然后输入S15中搭建的卷积神经网络中训练，直到该神经网络成为对输入图像进行二分类的卷积神经网络分类器。

3.根据权利要求2的所述分析方法，其特征在于，S12中霍夫变换借助Matlab软件中的imfindcircle函数实现，该函数通过霍夫变换识别图像中的圆形物体。

4.根据权利要求2的所述分析方法，其特征在于，S16中把S14中得到的所述数据集进行预处理，包括将S14中数据集的每一张小型图像转化为灰度图，并对灰度图像进行归一化处理，使灰度值在0到1之间。

5.根据权利要求2的所述分析方法，其特征在于，S15中模仿“LeNet”网络结构搭建所述卷积神经网络。

6.根据权利要求2的所述分析方法，其特征在于，S16中将所述数据集中一部分数据作为为训练集，另外一部分作为测试集，将训练集送入S15中搭建的卷积神经网络中，对该网络进行反复训练，并利用测试集不断测试，直到该网络的分类表现达到成为对输入图像进行二分类的卷积神经网络分类器的要求。

7.根据权利要求2的所述分析方法，其特征在于，S2中还包括利用检测器获得待检测微液滴的原始图像，成像时参数与S11中成像参数保持一致。

8.根据权利要求2的所述分析方法，其特征在于，S2中霍夫曼变换与S12中霍夫曼变换的参数保持一致。

9.根据权利要求2的所述分析方法，其特征在于，S3中图像提取出来的尺寸与S13中小型图像尺寸一致。

10.根据权利要求1的所述分析方法，其特征在于，S4中还包括将每个微液滴疑似物图像进行预处理，即将S3中得到的每一个液滴疑似物的小型图像转化为灰度图并进行归一化处理，使灰度值在0到1之间。