[发明专利]基于机器学习的粪水性状识别方法及系统、手持智能设备

权利要求书

1.一种基于机器学习的粪水性状识别方法，其特征在于，所述方法包括：

获取待识别的粪水图像；

基于多阈值的边缘检测法对所述待识别的粪水图像进行分割，提取所述粪水图像的粪水区域图像；

根据预置的卷积神经网络模型对所述粪水区域图像的图像特征进行提取生成粪水性状特征；

通过存储有粪水性状数据库的匹配模型对所述粪水性状特征进行判断，若所述粪水性状特征与所述粪水性状数据库未匹配，则输出用于提示肠道清洁度合格的结果。

2.根据权利要求1所述的基于机器学习的粪水性状识别方法，其特征在于，所述基于多阈值的边缘检测法对所述待识别的粪水图像进行分割，包括：

利用高斯函数平滑所述待识别的粪水图像；

计算所述待识别的粪水图像各个方向的梯度值；

过滤所述各个方向的梯度值的非最大值；

通过设定的高阈值采集所述待识别的粪水图像边缘信息，通过设定的低阈值和所述边缘信息生成轮廓图；

根据所述轮廓图对所述待识别的粪水图像进行分割。

3.根据权利要求2所述的基于机器学习的粪水性状识别方法，其特征在于，所述卷积神经网络模型包括多个不同结构、不同初始化的卷积神经网络模型，所述预置的卷积神经网络模型的生成方法包括：

获取粪水性状的标准图生成图像训练集和样本图像测试集；

通过所述图像训练集和所述样本图像测试集对卷积神经网络模型进行训练生成卷积神经网络模型；

将多个训练生成的卷积神经网络模型进行结果平均生成预置的卷积神经网络模型。

4.根据权利要求3所述的基于机器学习的粪水性状识别方法，其特征在于，所述通过存储有粪水性状数据库的匹配模型对所述粪水性状特征进行判断，包括：

对所述粪水性状特征通过感知哈希算法与存储有粪水性状数据库的图像逐一对比。

5.根据权利要求1-4任一项所述的基于机器学习的粪水性状识别方法，其特征在于，在通过存储有粪水性状数据库的匹配模型对所述粪水性状特征进行判断，若所述粪水性状特征与所述粪水性状数据库未匹配，之后还包括：

通过预置的卷积神经网络模型对所述粪水性状特征的有效性进行判断，若所述粪水性状特征有效，则输出用于提示肠道检查准备的结果。

6.根据权利要求5所述的基于机器学习的粪水性状识别方法，其特征在于，还包括：

获取人工判断结果，其中，所述人工判断结果包括扩展图像集；

根据所述扩展图像集对所述图像训练集进行扩展，利用扩展后的图像训练集对卷积神经网络模型进行训练。

7.根据权利要求6所述的基于机器学习的粪水性状识别方法，其特征在于，所述人工判断结果还包括待识别的粪水图像，所述获取人工判断结果，之后还包括：

根据所述待识别的粪水图像对存储有粪水性状数据库的匹配模型进行更新；

利用更新后的匹配模型对所述粪水性状特征进行判断。

8.一种基于机器学习的粪水性状识别系统，其特征在于，所述系统包括：

图像获取模块，用于获取待识别的粪水图像；

识别模块，用于基于多阈值的边缘检测法对所述待识别的粪水图像进行分割，提取所述粪水图像的粪水区域图像；

特征提取模块，用于根据预置的卷积神经网络模型对所述粪水区域图像的图像特征进行提取生成粪水性状特征；

判断模块，用于通过存储有粪水性状数据库的匹配模型对所述粪水性状特征进行判断，若所述粪水性状特征与所述粪水性状数据库未匹配，则输出用于提示肠道清洁度合格的结果。

9.根据权利要求8所述的基于机器学习的粪水性状识别系统，其特征在于，所述系统还包括：

有效性判断模块，用于通过预置的卷积神经网络模型对所述粪水性状特征的有效性进行判断，若所述粪水性状特征有效，则输出用于提示肠道检查准备的结果。

10.一种手持智能设备，其特征在于，所述手持智能设备包括：

拍照模块，用于通过拍摄生成待识别的粪水图像；

处理模块，用于利用如权利要求1-7任一项所述的基于机器学习的粪水性状识别方法对所述粪水图像进行处理生成用于提示肠道清洁度合格的结果；

显示模块，用于显示所述用于提示肠道清洁度合格的结果。