CN112198327A - 一种基于机器视觉的医疗器械进样检测系统及方法 - Google Patents
一种基于机器视觉的医疗器械进样检测系统及方法 Download PDFInfo
- Publication number
- CN112198327A CN112198327A CN202011004378.0A CN202011004378A CN112198327A CN 112198327 A CN112198327 A CN 112198327A CN 202011004378 A CN202011004378 A CN 202011004378A CN 112198327 A CN112198327 A CN 112198327A
- Authority
- CN
- China
- Prior art keywords
- medical instrument
- processing module
- image
- slide
- camera module
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N35/00—Automatic analysis not limited to methods or materials provided for in any single one of groups G01N1/00 - G01N33/00; Handling materials therefor
- G01N35/02—Automatic analysis not limited to methods or materials provided for in any single one of groups G01N1/00 - G01N33/00; Handling materials therefor using a plurality of sample containers moved by a conveyor system past one or more treatment or analysis stations
- G01N35/04—Details of the conveyor system
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N35/00—Automatic analysis not limited to methods or materials provided for in any single one of groups G01N1/00 - G01N33/00; Handling materials therefor
- G01N35/02—Automatic analysis not limited to methods or materials provided for in any single one of groups G01N1/00 - G01N33/00; Handling materials therefor using a plurality of sample containers moved by a conveyor system past one or more treatment or analysis stations
- G01N35/04—Details of the conveyor system
- G01N2035/0474—Details of actuating means for conveyors or pipettes
- G01N2035/0491—Position sensing, encoding; closed-loop control
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
Landscapes
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Microscoopes, Condenser (AREA)
Abstract
本发明公开了一种基于机器视觉的医疗器械进样检测系统及方法,该系统通过将玻片盒放置在所述摄像头模块下方,所述系统自动调用所述摄像头模块进行拍照,进而所述运算处理模块使用算法对所述摄像图像进行处理,识别所述玻片盒内是否放置有载玻片,并将结果输出通知相应设备,系统图像识别准确度高,同时可根据不同需求对算法进行相应更改,灵活程度高,操作要求低,自动识别玻片盒内有无载玻片,避免仪器空转,提升工作效率。
Description
技术领域
本发明涉及医疗检测设备技术领域,尤其涉及一种基于机器视觉的医疗器械进样检测系统及方法。
背景技术
载玻片是用显微镜观察东西时用来放东西的玻璃片或石英片,制作样本时,将细胞或组织切片放在载玻片上,将盖玻片放置其上,用作观察。
目前,在医学领域,各种病理研究、分析存在着大量有关医学载玻片的操作,在医学领域对一些简单重复而且要求精度较高的操作,人工处理的方式有着明显的弊端。尤其是在医疗器械上,大部分医疗器械对医学载玻片的定位都是基于固定位置,仪器通过这些固定位置,来对医学载玻片进行相应的处理。对于半自动医疗仪器,若每次都人为的把这些固定位置放置设定数量的载玻片,不免有点消耗人力资源。若固定位置没有医学载玻片,而仪器只能机械式的运动,空耗资源,导致极大的降低工作效率。
发明内容
本发明提供一种基于机器视觉的医疗器械进样检测系统及方法,有助于自动识别医疗器械进样内有无载玻片,避免仪器空转,提升工作效率。
为实现上述目的,本发明提供的一种基于机器视觉的医疗器械进样检测系统,包括放置台、玻片盒、上位机、运算处理模块和摄像头模块,所述玻片盒放置在所述放置台上,所述上位机与所述放置台固定连接,所述运算处理模块与所述放置台固定连接,所述摄像头模块与所述放置台固定连接,所述上位机、所述运算处理模块和所述摄像头模块依次电性连接。
其中,所述玻片盒设置在所述摄像头模块的下方,所述玻片盒装载的载玻片数量至少为6片。
其中,所述运算处理模块的处理芯片为ARM9,内存容量至少等于8M,使用Linux嵌入式软件。
其中,所述摄像头模块设置有摄像头和偏振片框,所述摄像头设置在所述偏振片框内。
其中,所述上位机、所述运算处理模块和所述摄像头模块之间的数据传输方式采用串口通信,串口信号为TTL信号。
本发明还提供了一种基于机器视觉的医疗器械进样检测系统的检测方法,包括如下步骤:
将玻片盒放置就绪,上位机控制运算处理模块启动;
待所述运算处理模块接收到所述上位机信号后,调用摄像头模块进行拍照,获得图像信息;
所述运算处理模块根据获取的图像数据,进行算法处理,获得识别结果,并将识别结果反馈至所述上位机。
其中,所述运算处理模块使用的算法包括:
将目标区域的摄像图像并保存为Mat型;
利用cv::Rect函数把所述摄像图像分别切割为6个视野,每个视野对应载玻片的位置;
对其中一个视野进行处理,利用cv::Color函数把切割后的多通道彩色图像转化为单通道的灰度图像;
把所述灰度图像利用cv::Sobel函数进行处理,寻找所述灰度图像的边缘,即载玻片的边缘;
利用cv::converScaleAbs函数对所述灰度图像进行增强操作;
利用cv::meanStdDev函数计算图像矩阵获得均值和标准差,与设定值比对识别;
保存处理结果,并对其余的5个视野进行上述处理。
其中,在利用cv::meanStdDev函数计算图像矩阵获得均值和标准差,与设定值比对识别的步骤包括:
设定第一评判值以及第二评判值;
若所述标准差大于所述第一评判值,则识别为有载玻片;
若所述标准差小于所述第二评判值,则识别为无载玻片。
本发明具有如下有益效果:通过将玻片盒放置在所述摄像头模块下方,所述系统自动调用所述摄像头模块进行拍照,进而所述运算处理模块使用算法对所述摄像图像进行处理,识别所述玻片盒内是否放置有载玻片,并将结果输出通知相应设备,系统图像识别准确度高,同时可根据不同需求对算法进行相应更改,灵活程度高,操作要求低,自动识别玻片盒内有无载玻片,避免仪器空转,提升工作效率。
附图说明
为了更清楚地说明本发明技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,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是本发明提供的一种基于机器视觉的医疗器械进样检测系统的检测方法的流程示意图;
图2是本发明提供的运算处理模块使用算法的流程示意图;
图3是本发明的摄像头模块的结构示意图;
图4是本发明的玻片盒的结构示意图;
1-玻片盒、2-载玻片、3-摄像头、4-偏振片框、5-雾状LED灯。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。
在本发明的描述中,需要理解的是,术语“长度”、“宽度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,在本发明的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
请参阅图1至图4,本发明提供了一种基于机器视觉的医疗器械进样检测系统及方法,包括放置台、玻片盒、上位机、运算处理模块和摄像头模块,所述玻片盒1放置在所述放置台上,所述上位机与所述放置台固定连接,所述运算处理模块与所述放置台固定连接,所述摄像头模块与所述放置台固定连接,所述上位机、所述运算处理模块和所述摄像头模块依次电性连接。
所述玻片盒1设置在所述摄像头模块的下方,所述玻片盒装载的载玻片2数量至少为6片。
所述运算处理模块的处理芯片为ARM9,内存容量至少等于8M,使用Linux嵌入式软件。
所述摄像头模块设置有摄像头3和偏振片框4,所述摄像头设置在所述偏振片框4内。
所述上位机、所述运算处理模块和所述摄像头模块之间的数据传输方式采用串口通信,串口信号为TTL信号。
所述摄像头模块还设置有两组雾状LED灯,每组所述雾状LED灯位于所述摄像头3的侧方,两组所述雾状LED灯相对设置。
所述上位机上还设置有蜂鸣器。
在本实施方式中,通用的医疗器械进样玻片盒1的装载数量为6片,将需要检测的玻片盒1放置在所述放置台上,所述放置台位于所述摄像头模块的下方,系统开启后自动识别所述玻片盒1内的载玻片2情况,并将信息传输给所述上位机。所述运算处理模块的处理芯片采用ARM9,提高了时钟频率和并行处理能力,源代码开放的Linux自由操作系统,可以根据使用者的需要对应用进行修改和优化。
所述偏振片框4起防尘和滤除偏振光的作用,所述摄像头3设置在所述偏振片框4内,可以消除偏振光的干扰。所述上位机、所述运算处理模块和所述摄像头模块之间的数据传输方式采用串口通信,适合并行数据传输,贴合所述运算处理模块的处理运算能力。
进一步的,所述摄像头模块还上设置有两组雾状LED灯5,所述雾状LED灯5分别位于所述摄像头3的一侧,在缺少光照条件时,所述雾状LED灯5负责给玻片盒1补光,以获得清晰的摄像图像。
所述蜂鸣器具有警示功能,所述系统启动时,所述摄像头模块检测识别摄像头3,加载相机底层驱动,加载设置参数,配置摄像头3,若没有识别到摄像头3,则蜂鸣器进行报警。
参见图1,是本发明实施例提供的一种基于机器视觉的医疗器械进样检测系统的检测方法的流程示意图,可包括以下步骤:
S1:将玻片盒1放置就绪,上位机控制运算处理模块启动;
具体的,将需要检测识别的玻片盒1放入所述放置台,所述上位机检测到放入物品,所述上位机通知所述运算处理模块。
S2:待所述运算处理模块接收到所述上位机信号后,调用摄像头模块进行拍照,获得图像信息;
具体的,所述运算处理模块启动所述摄像头模块,并调用所述摄像头模块对对目标区域视野进行摄像,获得摄像图像。
S3:所述运算处理模块根据获取的图像数据,进行算法处理,获得识别结果,并将识别结果反馈至所述上位机。
具体的,所述运算处理模块对所述摄像图像进行算法处理,识别玻片盒1内是否存在载玻片2,同时记录所述载玻片2的位置信息,所述运算处理模块将识别结果发送到所述上位机,所述上位机负责与其它设备联系通讯,其它设备根据所述识别结果作出相应调整。
进一步可选的,如图2所示,所述运算处理模块使用的算法,步骤包括:
S31:转换摄像图像数据;
具体的,所述运算处理模块将目标区域的摄像图像并保存为Mat型。
S32:分割图像视野;
具体的,利用cv::Rect函数把所述摄像图像分别切割为6个视野,每个视野对应载玻片2的位置。
S33:选中一个视野内的图像进行灰度转化;
具体的,对其中一个视野进行处理,利用cv::Color函数把切割后的多通道彩色图像转化为单通道的灰度图像。
S34:寻找灰度图像边缘;
具体的,把所述灰度图像利用cv::Sobel函数进行处理,寻找所述灰度图像的边缘,即载玻片2的边缘。
进一步的,利用cv::converScaleAbs函数对所述灰度图像进行增强操作。
S35:计算并与设定值进行比对;
具体的,利用cv::meanStdDev函数计算图像矩阵获得均值和标准差,与设定值比对识别。
进一步可选的,设定第一评判值以及第二评判值;
若所述标准差大于所述第一评判值,则识别为有载玻片2;
若所述标准差小于所述第二评判值,则识别为无载玻片2。
S36:结果记录,循环步骤。
具体的,保存选中视野的处理结果,并对其余的5个视野进行上述处理。
以上对本发明实施例所提供的一种基于机器视觉的医疗器械进样检测系统及方法进行了详细介绍,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。
Claims (8)
1.一种基于机器视觉的医疗器械进样检测系统,包括放置台、玻片盒、上位机、运算处理模块和摄像头模块,所述玻片盒放置在所述放置台上,所述上位机与所述放置台固定连接,所述运算处理模块与所述放置台固定连接,所述摄像头模块与所述放置台固定连接,所述上位机、所述运算处理模块和所述摄像头模块依次电性连接。
2.如权利要求1所述的基于机器视觉的医疗器械进样检测系统,其特征在于,所述玻片盒设置在所述摄像头模块的下方,所述玻片盒装载的载玻片数量至少为6片。
3.如权利要求2所述的基于机器视觉的医疗器械进样检测系统,其特征在于,所述运算处理模块的处理芯片为ARM9,内存容量至少等于8M,使用Linux嵌入式软件。
4.如权利要求3所述的基于机器视觉的医疗器械进样检测系统,其特征在于,所述摄像头模块设置上有摄像头和偏振片框,所述摄像头设置在所述偏振片框内。
5.如权利要求4所述的基于机器视觉的医疗器械进样检测系统,其特征在于,所述上位机、所述运算处理模块和所述摄像头模块之间的数据传输方式采用串口通信,串口信号为TTL信号。
6.采用如权利要求5所述的基于机器视觉的医疗器械进样检测系统的检测方法,其特征在于,包括如下步骤:
将玻片盒放置就绪,上位机控制运算处理模块启动;
待所述运算处理模块接收到所述上位机信号后,调用摄像头模块进行拍照,获得图像信息;
所述运算处理模块根据获取的图像数据,进行算法处理,获得识别结果,并将识别结果反馈至所述上位机。
7.根据权利要求6所述的基于机器视觉的医疗器械进样检测方法,其特征在于,所述运算处理模块使用的算法包括:
将目标区域的摄像图像并保存为Mat型;
利用cv::Rect函数把所述摄像图像分别切割为6个视野,每个视野对应载玻片的位置;
对其中一个视野进行处理,利用cv::Color函数把切割后的多通道彩色图像转化为单通道的灰度图像;
把所述灰度图像利用cv::Sobel函数进行处理,寻找所述灰度图像的边缘,即载玻片的边缘;
利用cv::converScaleAbs函数对所述灰度图像进行增强操作;
利用cv::meanStdDev函数计算图像矩阵获得均值和标准差,与设定值比对识别;
保存处理结果,并对其余的5个视野进行上述处理。
8.根据权利要求7所述的基于机器视觉的医疗器械进样检测方法,其特征在于,在利用cv::meanStdDev函数计算图像矩阵获得均值和标准差,与设定值比对识别的步骤包括:
设定第一评判值以及第二评判值;
若所述标准差大于所述第一评判值,则识别为有载玻片;
若所述标准差小于所述第二评判值,则识别为无载玻片。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011004378.0A CN112198327A (zh) | 2020-09-22 | 2020-09-22 | 一种基于机器视觉的医疗器械进样检测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011004378.0A CN112198327A (zh) | 2020-09-22 | 2020-09-22 | 一种基于机器视觉的医疗器械进样检测系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112198327A true CN112198327A (zh) | 2021-01-08 |
Family
ID=74015942
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011004378.0A Pending CN112198327A (zh) | 2020-09-22 | 2020-09-22 | 一种基于机器视觉的医疗器械进样检测系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112198327A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113447441A (zh) * | 2021-08-20 | 2021-09-28 | 东莞市语艺智能设备有限公司 | 一种全自动视觉检测装置及其检测方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109087356A (zh) * | 2018-06-29 | 2018-12-25 | 齐鲁工业大学 | 基于机器视觉的医学载玻片的识别定位方法、系统及装置 |
CN110287865A (zh) * | 2019-06-24 | 2019-09-27 | 齐鲁工业大学 | 基于视觉伺服的医学载玻片码放校正方法、控制器及系统 |
CN111428723A (zh) * | 2020-04-02 | 2020-07-17 | 苏州杰锐思智能科技股份有限公司 | 字符识别方法及装置、电子设备、存储介质 |
-
2020
- 2020-09-22 CN CN202011004378.0A patent/CN112198327A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109087356A (zh) * | 2018-06-29 | 2018-12-25 | 齐鲁工业大学 | 基于机器视觉的医学载玻片的识别定位方法、系统及装置 |
CN110287865A (zh) * | 2019-06-24 | 2019-09-27 | 齐鲁工业大学 | 基于视觉伺服的医学载玻片码放校正方法、控制器及系统 |
CN111428723A (zh) * | 2020-04-02 | 2020-07-17 | 苏州杰锐思智能科技股份有限公司 | 字符识别方法及装置、电子设备、存储介质 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113447441A (zh) * | 2021-08-20 | 2021-09-28 | 东莞市语艺智能设备有限公司 | 一种全自动视觉检测装置及其检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8902306B2 (en) | Method for detecting cell states, and image processing device for cell viewing | |
CN110044405B (zh) | 一种基于机器视觉的汽车仪表自动化检测装置及方法 | |
US7359548B2 (en) | Method and apparatus for automated image analysis of biological specimens | |
US5619428A (en) | Method and apparatus for integrating an automated system to a laboratory | |
US8478017B2 (en) | Method for distinguishing living cells during cell observation, image processing program for cell observation, and image processing device | |
JP2003504627A (ja) | 生物試料中の物体の自動検出 | |
US20220090995A1 (en) | System and method for real time assay monitoring | |
CN109324039A (zh) | 试纸条反应浓度检测方法、装置、存储介质及计算机设备 | |
US11009446B1 (en) | Plate reader observation methods and operation | |
CN112198327A (zh) | 一种基于机器视觉的医疗器械进样检测系统及方法 | |
CN112432902A (zh) | 一种外周血细胞形态学判别细胞数目的自动检测系统及方法 | |
WO2021134664A1 (zh) | 一种样本分析系统及其自动精度管理方法 | |
CN111542742B (zh) | 载片架确定系统 | |
CN112825622B (zh) | 样本图像拍摄方法以及样本图像拍摄设备 | |
US20100221772A1 (en) | Automated cell density adjustment method for producing an analysis plate | |
CN117309892A (zh) | 一种电池蓝膜的缺陷检测方法、装置及系统和光源控制器 | |
CN113781419A (zh) | 一种柔性pcb板缺陷检测方法、视觉系统、装置及介质 | |
CN113139485A (zh) | 一种基于深度学习的骨髓细胞分类识别方法、装置及系统 | |
CN116883323A (zh) | 一种基于计算机视觉的多重免疫荧光图像分析系统 | |
CN108562548B (zh) | 智能尿检马桶的颜色识别方法及其系统 | |
US10563164B1 (en) | Plate reader | |
CN107966577B (zh) | 一种全自动凝集试验分析仪 | |
US11847782B2 (en) | Detecting method | |
CN212409647U (zh) | 内螺纹孔检测装置 | |
CN112919124A (zh) | 一种样本信息识别装置及方法 |
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 |