[发明专利]一种基于深度学习的胶体金试剂条检测方法及系统

说明书

本发明公开了一种基于深度学习的胶体金试剂条检测方法及系统，涉及胶体金试剂条检测技术领域，将获取到的待检测图像输送到已训练完成的深度学习神经网络模型中进行图像分割，得到标准色卡图像、胶体金试剂条图像和携带图像标准参数的二维码图像；对二维码图像进行解析得到标准灰度值，对标准色卡进行解析得到读取灰度值，以标准灰度值为基准，拟合出读取灰度值的灰度值校正曲线；对胶体金试剂条图像进行解析得到显色灰度值，利用灰度值校正曲线对显色灰度值进行校正，得到校正后的显色灰度值，将校正后的显色灰度值匹配预先设置的生物学计算算法，得到胶体金试剂条的检测结果；采用本申请的检测方法提高了胶体金试剂条图像的检测结果的精度。

技术领域

本发明涉及胶体金试剂条检测技术领域，尤其涉及一种基于深度学习的胶体金试剂条检测方法及系统。

背景技术

随着生活质量的提高，人们越来越关心身体健康状况；而传统的获取身体健康指标的方式只能是去医院做各种健康指标的检查。这种方式，不但花费成本较高，而且需要去医院排队挂号、浪费时间、占用公共医疗资源；因此，用户急需一款能够在家做简单的健康检测的方案。而现有的几款基于智能手机的胶体金试剂条健康检测应用，存在严重的不足：由于手机机型差异，因此云服务端所获取的检测图像是有差异的，进而导致胶体金试剂条的检测误差大的问题；同时由于环境光强弱的差异，使得云服务端所获取的检测图像也是有差异的，导致胶体金试剂条的检测误差大的问题。

发明内容

基于背景技术存在的技术问题，本发明提出了一种基于深度学习的胶体金试剂条检测方法及系统，提高了不同手机机型和不同光照条件下胶体金试剂条图像的检测结果。

本发明提出的一种基于深度学习的胶体金试剂条检测方法，包括：

将获取到的待检测图像输送到已训练完成的深度学习神经网络模型中进行图像分割，得到标准色卡图像、胶体金试剂条图像和携带图像标准参数的二维码图像；

对二维码图像进行解析得到标准灰度值，对标准色卡进行解析得到读取灰度值，以标准灰度值为基准，拟合出读取灰度值的灰度值校正曲线；

对胶体金试剂条图像进行解析得到显色灰度值，利用灰度值校正曲线对显色灰度值进行校正，得到校正后的显色灰度值；

根据检测项目，将校正后的显色灰度值匹配预先设置的生物学计算算法，得到胶体金试剂条的检测结果。

进一步地，在将获取到的待检测图像输送到已训练完成的深度学习神经网络模型中进行图像分割，得到标准色卡图像、胶体金试剂条图像和携带图像标准参数的二维码图像中，包括：

对获取到的待检测图像进行标记和分割，分别得到二维码图像、标准色卡图像和胶体金试剂条图像；

对二维码图像进行解析，得到标准色卡在标准光照环境下各灰阶区域的标准灰度值和当前检测项目的生物学算法；

对标准色卡图像进行解析，得到当前待检测图像各灰阶区域的读取灰度值；

对胶体金试剂条图像进行解析，得到当前待检测图像各显色区域的显色灰度值。

进一步地，所述深度学习神经网络模型的训练步骤：

获取多个原始训练图像数据集，对原始训练图像数据集中的每个图像进行分割，分别得到携带图像标准参数的二维码图像、标准色卡图像和胶体金试剂条图像，对二维码图像、标准色卡图像和胶体金试剂条图像进行标记；

确定根据所述原始训练图像数据集训练所述深度学习神经网络模型的训练目标；

将所述原始训练图像数据集中的原始训练图像数据，从所述深度学习神经网络模型的首层输入，根据所述训练目标训练深度学习神经网络模型。