CN111950417B - 一种基于深度学习对生物凝胶支架性能的检测系统 - Google Patents

Abstract

本发明公开了一种基于深度学习对生物凝胶支架性能的检测系统，包括图像处理模块、放大电路模块、A/D转换电路模块、单片机模块、显示模块、晶振电路模块、气压检测模块、温度检测模块；图像处理模块与放大电路模块连接，放大电路模块与A/D转换电路模块连接，A/D转换电路模块与单片机模块连接，单片机模块与显示模块连接，所振电路模块分别与图像处理模块、单片机模块连接；单片机模块还与气压检测模块、温度检测模块连接。本发明具有不损坏测量样本作用以及可以自己设定相关环境来达到对测量结果统一影响，使测量结果更加精确，而且从而减少测量时不必要误差，结构相对简单，操作方便，测得力学性能结果也可通过显示屏直接显示给用户。

Description

一种基于深度学习对生物凝胶支架性能的检测系统

技术领域

本发明涉及力学性能检测技术领域，尤其涉及一种基于深度学习对生物凝胶支架性能的检测系统。

背景技术

3D打印技术现在发展也越来越成熟，而且其在展已经不仅仅是限制在机械制造和机械检测行业，随着不同生物材料的问世，3D打印技术现在发展也越来越成熟，而且其已经不是单单应用在工业上，在医学上也发挥了重要的功能。随着不同成分组成配比的打印材料，得到的支架性能也千变万化。力学性能是检测支架在不同环境中，承受各种外加荷载时所表现出的力学特征。支架材料植入体内，需要支架材料与相邻组织的力学性能相匹配。比如，许多学者曾经对不同材料的支架进行测试，发现不同密度材料支架的弹性模量不同，而密度相同时，其弹性模量也有很大差别。由此可见，对于力学性能的检测也显得尤为重要。

由于过去对于力学性能检测装置的检测容易受到环境因素影响而发生变化，对于同目的不用批次检测时，为了使结果相对精确，往往因为周围环境的因素要求较高。其次，力学性能检测时需要对支架施加变化的应力，观察支架承受的力和形变位移，绘制拟合曲线，计算得到里弹性模量。由于经过力学性能检测后，被测量支架在极限应力作用下，形变严重无法继续使用。所以导致检测中部分参数都是取自同台打印机打印的不同支架，导致会有一些测量误差，但是由于该误差在有限的条件下不可避免而导致。由于力学性能测量时操作复杂且需要专业人员进行操作，也同时大大增加了其操作难度。

发明内容

本发明的目的是针对现有技术的缺陷，提供了一种基于深度学习对生物凝胶支架性能的检测系统。

为了实现以上目的，本发明采用以下技术方案：

一种基于深度学习对生物凝胶支架性能的检测系统，包括图像处理模块、放大电路模块、A/D转换电路模块、单片机模块、显示模块、晶振电路模块、气压检测模块、温度检测模块；所述图像处理模块与放大电路模块连接，所述放大电路模块与A/D转换电路模块连接，所述A/D转换电路模块与单片机模块连接，所述单片机模块与显示模块连接，所述晶振电路模块分别与图像处理模块、单片机模块连接；所述单片机模块还与气压检测模块、温度检测模块连接；

所述晶振电路模块，用于分别为单片机模块和图像处理模块提供始终信号；

所述气压检测模块，用于检测生物凝胶支架所处腔体的气压值，并将检测到的气压值传输至单片机模块；

所述温度检测模块，用于检测生物凝胶支架所处腔体的温度值，并将检测到的温度值传输至单片机模块；

所述单片机模块，用于根据接收到的腔体气压值及温度值，控制空气泵抽取腔体的空气以及控制加热电阻丝进行加热，使腔体内气压达到预设气压值以及温度达到预设温度值；

所述图像处理模块，用于当生物凝胶支架所处腔体达到预设气压值以及预设温度值后，采集并处理生物凝胶支架的图像信息，并将所述处理后的图像信息相对应的模拟信号传输至放大电路模块；

所述放大电路模块，用于接收图像处理模块传输的模拟信号，对所述模拟信号进行放大处理，得到放大后的模拟信号；

所述A/D转换电路模块，用于将放大后的将模拟信号转换为数字信号，并将所述数字信号传输至单片机模块；

所述单片机模块，还用于接收A/D转换电路模块传输的数字信号，并对所述数字信号进行处理，得到生物凝胶支架性能的检测结果；

所述显示模块，用于将检测结果进行显示。

进一步的，所述图像处理模块中包括STM32F765VIT6控制器，用于对图像进行采集和矫正；所述图像处理模块设置于结构体上腔体中央。

进一步的，所述显示模块包括显示壳体、显示屏、报警灯、测量指示灯、电源指示灯、按键组以及蜂鸣器；所述显示屏设置于显示壳体外侧表面的中部；所述报警灯、测量指示灯、电源指示灯、蜂鸣器、按键组均设置于显示壳体的外侧表面；所述显示壳体固定于结构体上侧。

进一步的，还包括电源模块，分别与单片机模块、图像处理模块、显示屏、蜂鸣器、放大电路模块、A/D转换电路模块连接，用于为单片机模块、图像处理模块、显示屏、蜂鸣器、放大电路模块、A/D转换电路模块提供电能。

进一步的，还包括复位电路模块，所述复位电路模块与单片机模块连接，用于使电路恢复到起始状态。

进一步的，所述按键组包括电源开关按键、采样按键、训练按键、预测按键、设置按键。

进一步的，所述图像处理模块具体为采集生物凝胶支架的参数，得到图像数据，并将所述得到的图像数据通过特征提取方法进行处理，得到结构数据集合，将所述结构型数据通过D/A转换模块转换为模拟信号，将模拟信号传输至放大电路模块中。

进一步的，所述单片机模块具体为利用Stacking结合多种机器学习方法，通过k-Fold交叉验证的方法对结构型数据进行训练，得到训练好的检测模型；将待检测的生物凝胶支架通过训练好的检测模型进行检测，得到检测结果。

进一步的，所述多种机器学习方法包括支持向量机、极限梯度提升算法和随机森林。

进一步的，所述将待检测的生物凝胶支架通过训练好的检测模型进行检测，得到检测结果，表示为：

y^＝k₁ ^T*P₁+k₂ ^T*P₂+k₃ ^T*P₃

其中，表示检测结果；P_i表示检测结果集合；k_i表示每种分类器的权重集合。

与现有技术相比，本发明具有的有益效果是：

1、单片机采用MicroPython芯片，该芯片可以烧入Python程序，方便后续深度学习算法烧入。

2、本发明用于对检测数据进行去噪、定位、采集以及预测的作用，具有一定的可控性、抗干扰能力以及成本低的优点。同时显示方便，可通过面板的指示灯了解该被测支架力学性能以及进一步实验的建议(建议是否需要真正测量)。

3、本发明具有不损坏测量样本作用以及可以自己设定相关环境来达到对测量结果统一影响，使测量结果更加精确，而且从而减少测量时不必要误差，结构相对简单，操作方便，测得力学性能结果也可通过显示屏直接显示给用户。

附图说明

图1是实施例一提供的一种基于深度学习对生物凝胶支架性能的检测系统结构图；

图2是实施例一提供的生物凝胶支架性能无损高精度检测仪结构示意图；

图3是实施例一提供的生物凝胶支架性能无损高精度检测仪面板示意图；

图4是实施例一提供的生物凝胶支架优劣预测算法流程图。

具体实施方式

以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。

本发明的目的是针对现有技术的缺陷，提供了一种基于深度学习对生物凝胶支架性能的检测系统。

实施例一

本实施例提供的一种基于深度学习对生物凝胶支架性能的检测系统，如图1-3所示，包括：图像处理模块11、放大电路模块12、A/D转换电路模块13、单片机模块14、显示模块、晶振电路模块15、气压检测模块16、温度检测模块17、复位电路模块18、电源模块25；显示模块包括显示壳体、显示屏19、报警灯20、测量指示灯21、电源指示灯22、按键组23以及蜂鸣器24；

图像处理模块11与放大电路模块12连接，放大电路模块12与A/D转换电路模块13连接，A/D转换电路模块13与单片机模块14连接，单片机模块14与显示模块连接，晶振电路模块15分别与图像处理模块11、单片机模块14连接；单片机模块14还与气压检测模块16、温度检测模块17、显示屏19、报警灯20、测量指示灯21、电源指示灯22、按键组23、蜂鸣器24、复位电路模块18连接；按键组23还与显示屏19连接；电源模块25分别与单片机模块14、图像处理模块11、显示屏、蜂鸣器24、放大电路模块12、A/D转换电路模块13连接。

本实施例的单片机为MicroPython单片机；气压检测模块为气压传感器；温度监测模块为温度传感器；图像处理模块中含有STM32F765VIT6控制器；按键组包括电源开关按键、采样按键、训练按键、预测按键、设置按键；A/D转换电路模块为A/D转换器；显示屏为LCD显示屏。

图像处理模块中含有STM32F765VIT6控制器，其中已经烧入图像处理程序，可用于对图像的采集和矫正。图像处理模块设置于结构体上腔体中央。图像处理模块大小约为20×20mm²。该图像处理模块将采集和矫正后的图像数据通过16根排线可以直接传出。该图像处理模块四角利用螺丝固定于上腔体中央，防止仪器工作中产生不必要的抖动。

图像处理模块排线引脚和信号放大电路16位引脚分别相连，A/D转换电路模块的16个模拟信号输出引脚与单片机的16个I/O分别相连。

LCD显示屏设置在显示壳体外侧面的中部，显示相关提示以及相关参数的设置信息。报警灯、测量指示灯、电源指示灯、蜂鸣器、按键组均设置于显示壳体的外侧表面上。显示壳体固定于结构体上侧，通过导线孔和腔体内图像处理模块等进行连接。

本实施例的生物凝胶支架力学性能检测仪的力学性能检测方法具体如下：

该生物支架力学性能检测仪是MicroPython通过分析图像处理模块传来的数据进行检测分析的。首先，图像处理模块通过采集已知样本的参数，图像数据通过特征提取方法，得到结构数据集合。单片机利用Stacking结合多种机器学习方法，通过K-Fold交叉验证的方法对结构性数据进行训练，从而对需要检测的未知样本进行预测，从而判断是否需要进一步进行实验。

晶振电路模块，用于分别为单片机模块和图像处理模块提供始终信号。

气压检测模块，用于检测生物凝胶支架所处腔体的气压值，并将检测到的气压值传输至单片机模块；

温度检测模块，用于检测生物凝胶支架所处腔体的温度值，并将检测到的温度值传输至单片机模块；

单片机模块，用于根据接收到的腔体气压值及温度值，控制空气泵抽取腔体的空气以及控制加热电阻丝进行加热，使腔体内气压达到预设气压值以及温度达到预设温度值。

首先使用者将通过电源开关按键打开电源后，显示屏幕亮起，待“欢迎使用”的字样跳出后，此时系统初始化温度和气压大小，将生物凝胶支架样本放入结构体托盘中央，并关上阀门。

具体为：点击“电源开关按键”的按钮，启动系统工作，系统会根据设定的气压以及温度对腔体内环境进行监控和调整。分别通过气压传感器和温度传感器检测腔体环境的气压和温度，并将该检测的值传输至单片机，单片机控制空气泵抽取腔体空气，使得腔体内气压达到要求气压值；同时，单片机控制风机启动，通过温度传感器时时监控腔体内温度大小，进而来控制加热电阻丝的启动。待达到要求温度和气压时，系统通过蜂鸣器发出“叮叮叮”的声音，提醒使用者。

图像处理模块，用于当生物凝胶支架所处腔体达到预设气压值以及预设温度值后，采集并处理生物凝胶支架的图像信息，并将所述处理后的图像信息相对应的模拟信号传输至放大电路模块；

放大电路模块，用于接收图像处理模块传输的模拟信号，对所述模拟信号进行放大处理，得到放大后的模拟信号；

A/D转换电路模块，用于将放大后的将模拟信号转换为数字信号，并将所述数字信号传输至单片机模块。

当腔体内的气压和温度达到要求后，点击“采样按键”的按钮，此时图像处理模块自动启动，对置于结构体托盘中央的生物凝胶支架的图像进行捕捉，并将对捕捉到的图像进行矫正处理，然后测量图像中关键像素点来确定支架的相关参数(长、宽、高以及孔隙率等)。

图像处理模块的16根排线得到的图像数据和结构型数据通过模块中的D/A转换模块转换位模拟量。由于模块输出的信号非常小，所以转换为模拟量后通过信号放大模块将信号进一步放大A/D转换器将接收到的放大后的信号转化为数字信号后传输给单片机MicroPython。待单片机接受完毕数据后，调用蜂鸣器，发出“叮叮叮”的提示音。

单片机模块，还用于接收A/D转换电路模块传输的数字信号，并对所述数字信号进行处理，得到生物凝胶支架性能的检测结果。

如图4所示，具体为：

1.挑选特征相对来说比较重要的特征。

利用PCA计算方法对训练集中所有特征在向量空间中进行计算，通过计算出超平面，并将各个特征向该特征平面中投影，而产生的相对距离结果，即为各个特征的重要性大小。将所有特征进行归一化，可以由此包含90％信息量的特征来进行训练，从而大大提升了计算效率。

2.检测模型训练。

由于该步骤采用机器学习算法(XGBoost,SVM,RF)进行数据处理，首先需要训练模型，所以当屏幕中出现“训练还是预测？”时，按下“训练按键”的按钮，而机器学习算法需要通过使用者通过键入按钮组来进行初始化参数。按下“Enter”键后，设定参数成功。

按下“训练按键”的按钮以及通过复位电路模块初始化参数后，系统会根据传入图片数据个数来让使用者通过键入来输入相应的实验结果，使其和传入对应的结构型数据组成训练集合。将训练集合D平均分为k份子训练集合(该参数会间接影响训练时的效率，一般取5～10)，命名为D₁，D₂，D₃…D_k。机器学习算法分别选择支持向量机(SVM)、极限梯度提升算法(XGBoost)和随机森林(RF)，分别称为M₁、M₂和M₃。

首先，将除了D₁外的其他子训练集合，即D₂～D_k，通过M₁模型进行训练，得到模型M₁₁。利用模型M₁₁对子集合D₁进行预测，得到预测结果D₁′。其中D₁为模型M₁的一个验证集合。同理，计算M₁其他的验证集合时，会得到k个完全不同的模型M₁₂、M₁₃…M_1k，会得到k个验证不同的预测结果。将这k个验证集合的预测结果P₁(即D′₁D′₂…D′_k)取并集后，得到模型M₁对数据集D的预测结果。同理，M₂和M₃也通过计算得到预测集合P₂，P₃。

最后，通过逻辑回归(LR)的方法为每种模型设定权重。通过计算其中，y为训练集合中标签数据(即，需要进行实验检测概率)，而/>其中k_i代表每种分类器的权重集合。通过梯度下降的方法求解k_i的大小使Δ结果最小，从而利用逻辑回归模型确定多种机器学习算法的综合结果。

3.测试集合预测结果

待检测模型训练好后，LCD显示屏上会给出模型针对训练数据给出的预测结果，以及准确率。使用者仅需将气压阀打开后，待腔体内气压和外界一致时，打开阀门，将待测样本放入结构体腔内托盘上。关闭阀门后，重新调节气压和温度参数。静置等待腔体内气压和温度达到要求后，通过“采样按键”的按钮，由图片处理模块采集相应的图像数据。

此时，LCD屏会提示训练还是预测，此时，按下“预测”按钮，系统会自动将传入单片机的图像和结构性数据导入已经训练好的模型中进行预测。会通过下述公式给出预测的结果：

其中，/>表示检测结果；P_i表示检测结果集合；k_i表示每种分类器的权重集合。

4.训练样本库的扩充。

由于支架实验数据源本就稀少，所以为了解决这个问题。将每一次导入的训练样本集都放入样本库中，通过多次数据量的积累，从而增大数据量，使预测结果更加准确，同时，也增加了通用性。单片机外接储存卡，用于样本库的积累和建立。通过“设置”按钮中，设置该次样本集是否导入样本库中数据，来达到大数据训练和预测的目的。

显示模块，用于将检测结果进行显示。

将结果显示在显示屏中，并给与使用相应的建议。例如，常规参数(长宽高)、孔隙率、以及是否要重新实验检测等相关信息。

在本实施例中，还包括PC端26，其中PC端与单片机模块连接，本实施例可以将检测到的数据拷贝至PC端保存。

本实施例的力学性能检测装置设备结构简单，操作方便，不但可以减小气压和温度对力学性能的检测，由于含有训练机制，处于实验简陋情况时，可以通过输入实验环境优良情况下结果，来保证实验结果的精确，为实验员的实验提供了方便精确的数据。同时，无损接触可以提高实验人员的工作效率，从而可以更好的推进学科的发展。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (9)

1.一种基于深度学习对生物凝胶支架性能的检测系统，其特征在于，包括图像处理模块、放大电路模块、A/D转换电路模块、单片机模块、显示模块、晶振电路模块、气压检测模块、温度检测模块；所述图像处理模块与放大电路模块连接，所述放大电路模块与A/D转换电路模块连接，所述A/D转换电路模块与单片机模块连接，所述单片机模块与显示模块连接，所述晶振电路模块分别与图像处理模块、单片机模块连接；所述单片机模块还与气压检测模块、温度检测模块连接；

所述晶振电路模块，用于分别为单片机模块和图像处理模块提供始终信号；

所述气压检测模块，用于检测生物凝胶支架所处腔体的气压值，并将检测到的气压值传输至单片机模块；

所述温度检测模块，用于检测生物凝胶支架所处腔体的温度值，并将检测到的温度值传输至单片机模块；

所述单片机模块，用于根据接收到的腔体气压值及温度值，控制空气泵抽取腔体的空气以及控制加热电阻丝进行加热，使腔体内气压达到预设气压值以及温度达到预设温度值；

所述图像处理模块，用于当生物凝胶支架所处腔体达到预设气压值以及预设温度值后，采集并处理生物凝胶支架的图像信息，并将所述处理后的图像信息相对应的模拟信号传输至放大电路模块；

所述放大电路模块，用于接收图像处理模块传输的模拟信号，对所述模拟信号进行放大处理，得到放大后的模拟信号；

所述A/D转换电路模块，用于将放大后的将模拟信号转换为数字信号，并将所述数字信号传输至单片机模块；

所述单片机模块，还用于接收A/D转换电路模块传输的数字信号，并对所述数字信号进行处理，得到生物凝胶支架性能的检测结果；

所述显示模块，用于将检测结果进行显示；

所述单片机模块利用Stacking结合多种机器学习方法，通过K-Fold交叉验证的方法对结构型数据进行训练，得到训练好的检测模型；将待检测的生物凝胶支架通过训练好的检测模型进行检测，得到检测结果。

2.根据权利要求1所述的一种基于深度学习对生物凝胶支架性能的检测系统，其特征在于，所述图像处理模块中包括STM32F765VIT6控制器，用于对图像进行采集和矫正；所述图像处理模块设置于结构体上腔体中央。

3.根据权利要求2所述的一种基于深度学习对生物凝胶支架性能的检测系统，其特征在于，所述显示模块包括显示壳体、显示屏、报警灯、测量指示灯、电源指示灯、按键组以及蜂鸣器；所述显示屏设置于显示壳体外侧表面的中部；所述报警灯、测量指示灯、电源指示灯、蜂鸣器、按键组均设置于显示壳体的外侧表面；所述显示壳体固定于结构体上侧。

4.根据权利要求3所述的一种基于深度学习对生物凝胶支架性能的检测系统，其特征在于，还包括电源模块，分别与单片机模块、图像处理模块、显示屏、蜂鸣器、放大电路模块、A/D转换电路模块连接，用于为单片机模块、图像处理模块、显示屏、蜂鸣器、放大电路模块、A/D转换电路模块提供电能。

5.根据权利要求1所述的一种基于深度学习对生物凝胶支架性能的检测系统，其特征在于，还包括复位电路模块，复位电路模块与单片机模块连接，用于使电路恢复到起始状态。

6.根据权利要求4所述的一种基于深度学习对生物凝胶支架性能的检测系统，其特征在于，所述按键组包括电源开关按键、采样按键、训练按键、预测按键、设置按键。

7.根据权利要求6所述的一种基于深度学习对生物凝胶支架性能的检测系统，其特征在于，所述图像处理模块具体为采集生物凝胶支架的参数，得到图像数据，并将得到的图像数据通过特征提取方法进行处理，得到结构数据集合，将结构型数据通过D/A转换模块转换为模拟信号，将模拟信号传输至放大电路模块中。

8.根据权利要求1所述的一种基于深度学习对生物凝胶支架性能的检测系统，其特征在于，所述多种机器学习方法包括支持向量机、极限梯度提升算法和随机森林。

9.根据权利要求1所述的一种基于深度学习对生物凝胶支架性能的检测系统，其特征在于，将待检测的生物凝胶支架通过训练好的检测模型进行检测，得到检测结果，表示为：

其中，表示检测结果；P_i表示检测结果集合；k_i表示每种分类器的权重集合。