CN113160203B - 人工智能舌象苔色识别系统 - Google Patents
人工智能舌象苔色识别系统 Download PDFInfo
- Publication number
- CN113160203B CN113160203B CN202110484176.9A CN202110484176A CN113160203B CN 113160203 B CN113160203 B CN 113160203B CN 202110484176 A CN202110484176 A CN 202110484176A CN 113160203 B CN113160203 B CN 113160203B
- Authority
- CN
- China
- Prior art keywords
- tongue
- picture
- gray value
- color
- reference body
- 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.)
- Active
Links
- 201000010099 disease Diseases 0.000 claims abstract description 21
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 21
- 239000011248 coating agent Substances 0.000 claims description 64
- 238000000576 coating method Methods 0.000 claims description 64
- 239000007910 chewable tablet Substances 0.000 claims description 21
- 229940068682 chewable tablet Drugs 0.000 claims description 21
- 238000012549 training Methods 0.000 claims description 19
- 238000013473 artificial intelligence Methods 0.000 claims description 17
- TVXBFESIOXBWNM-UHFFFAOYSA-N Xylitol Natural products OCCC(O)C(O)C(O)CCO TVXBFESIOXBWNM-UHFFFAOYSA-N 0.000 claims description 11
- HEBKCHPVOIAQTA-UHFFFAOYSA-N meso ribitol Natural products OCC(O)C(O)C(O)CO HEBKCHPVOIAQTA-UHFFFAOYSA-N 0.000 claims description 11
- 235000010447 xylitol Nutrition 0.000 claims description 11
- 239000000811 xylitol Substances 0.000 claims description 11
- HEBKCHPVOIAQTA-SCDXWVJYSA-N xylitol Chemical compound OC[C@H](O)[C@@H](O)[C@H](O)CO HEBKCHPVOIAQTA-SCDXWVJYSA-N 0.000 claims description 11
- 229960002675 xylitol Drugs 0.000 claims description 11
- 238000000926 separation method Methods 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 8
- 239000000049 pigment Substances 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 3
- 235000013305 food Nutrition 0.000 claims description 2
- 239000000203 mixture Substances 0.000 claims 1
- 238000000034 method Methods 0.000 description 18
- 238000003745 diagnosis Methods 0.000 description 12
- 241000282414 Homo sapiens Species 0.000 description 9
- 230000001055 chewing effect Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 239000003826 tablet Substances 0.000 description 7
- 210000000214 mouth Anatomy 0.000 description 5
- 241000894006 Bacteria Species 0.000 description 3
- 230000009471 action Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 239000003814 drug Substances 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 229920002527 Glycogen Polymers 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 239000008280 blood Substances 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 229940096919 glycogen Drugs 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000002440 hepatic effect Effects 0.000 description 2
- 210000004185 liver Anatomy 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 208000004930 Fatty Liver Diseases 0.000 description 1
- 208000015220 Febrile disease Diseases 0.000 description 1
- 206010019708 Hepatic steatosis Diseases 0.000 description 1
- 206010020710 Hyperphagia Diseases 0.000 description 1
- 208000004880 Polyuria Diseases 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 239000002253 acid Substances 0.000 description 1
- 239000004480 active ingredient Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 230000000471 effect on teeth Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 208000010706 fatty liver disease Diseases 0.000 description 1
- 235000003599 food sweetener Nutrition 0.000 description 1
- 208000002672 hepatitis B Diseases 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 230000003908 liver function Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 210000000496 pancreas Anatomy 0.000 description 1
- 231100000915 pathological change Toxicity 0.000 description 1
- 230000036285 pathological change Effects 0.000 description 1
- 206010036067 polydipsia Diseases 0.000 description 1
- 208000022530 polyphagia Diseases 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 231100000240 steatosis hepatitis Toxicity 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009747 swallowing Effects 0.000 description 1
- 235000019605 sweet taste sensations Nutrition 0.000 description 1
- 239000003765 sweetening agent Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/1032—Determining colour for diagnostic purposes
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/45—For evaluating or diagnosing the musculoskeletal system or teeth
- A61B5/4538—Evaluating a particular part of the muscoloskeletal system or a particular medical condition
- A61B5/4542—Evaluating the mouth, e.g. the jaw
- A61B5/4552—Evaluating soft tissue within the mouth, e.g. gums or tongue
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4854—Diagnosis based on concepts of traditional oriental medicine
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
-
- 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
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/60—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to nutrition control, e.g. diets
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- 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
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- Surgery (AREA)
- Veterinary Medicine (AREA)
- Heart & Thoracic Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Molecular Biology (AREA)
- General Physics & Mathematics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Dentistry (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Nutrition Science (AREA)
- Signal Processing (AREA)
- Orthopedic Medicine & Surgery (AREA)
- Rheumatology (AREA)
- Physiology (AREA)
- Alternative & Traditional Medicine (AREA)
- Psychiatry (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physical Education & Sports Medicine (AREA)
- Artificial Intelligence (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Spectrometry And Color Measurement (AREA)
Abstract
本发明公开了人工智能舌象苔色识别系统，包括舌象采集摄像机，用于对需诊断的舌头进行拍摄，获得第一舌象图片；第一舌象图片至少包括舌象和第一标准灰度值的参照体。MCU处理器包括：图片接收单元、参照体识别单元、图片亮度调整单元以及苔色识别单元；图片接收单元，用于接收舌象采集摄像机发送的第一舌象图片；参照体识别单元，用于识别第一舌象图片中的参照体，获取参照体的所对应的第二实际灰度值；图片亮度调整单元，用于根据第一标准灰度值、第二实际灰度值，调整第一舌象图片的各个像素点的灰度值；苔色识别单元，用于对第一舌象图片中的舌象进行识别，获取舌象的苔色，根据苔色获得与苔色对应的疾病。本发明有效提高苔色识别准确率。
Description
技术领域
本发明涉及人工智能领域，特别是涉及人工智能舌象苔色识别系统。
背景技术
舌诊是观察舌头的色泽、形态的变化来辅助诊断及鉴别的一个简单有效的方法。舌诊是中医领域重要又独特的内容，是观察和诊断的重要内容之一。舌诊被中医临床工作者用来观察身体内部生理和病理变化至少3000年。有经验的中医医生主要用肉眼来观察舌头的颜色、纹理、形态等信息从而判断病人的身体状况。舌苔的苔色是作为舌诊诊断的重要依据。苔色：即舌苔的颜色，病态的苔色主要有白苔、黄苔、灰黑苔。有时也可发生绿苔(多由白苔转化而来，常见于温疫、湿温，为湿热郁熏之征)、霉酱苔(红中发黑、又兼黄色的舌苔，常见于夹食中暑或内热久郁，主湿热病日久者)。因此，通过苔色判断一个人的疾病作为舌诊中至关重要的一步。
随着科技水平进步，可以通过人工智能代替医师进行苔色的识别诊断，大大的提高了诊断效率，减少了人力。但是现有的人工智能苔色识别一般通过拍摄后识别照片中的舌头的苔色，会因为拍摄手法或者外界环境差异等因素导致拍摄到的照片与图片识别训练模型中采用训练图片的亮度不一，造成识别误差，从而降低识别准确率。
发明内容
有鉴于现有技术的上述的一部分缺陷，本发明所要解决的技术问题是提供人工智能舌象苔色识别系统，旨在统一需识别舌象图片的亮度，从而提高识别准确率。
因此本发明提供了人工智能舌象苔色识别系统，所述系统包括：舌象采集摄像机以及MCU处理器；所述舌象采集摄像机与所述MCU处理器通信连接；
所述舌象采集摄像机，用于对需诊断的舌头进行拍摄，获得第一舌象图片；其中，所述第一舌象图片至少包括所述舌头的舌象与参照体，所述参照体为位于所述舌头上方表面的咀嚼片，所述咀嚼片的表面由可食用色素进行染色呈预设淡红色，在预存数据库内拍摄所述咀嚼片的灰度值为第一标准灰度值；
所述MCU处理器包括：图片接收单元、参照体识别单元、图片亮度调整单元以及苔色识别单元；
所述图片接收单元，用于接收所述舌象采集摄像机发送的所述第一舌象图片；
所述参照体识别单元，用于识别所述第一舌象图片中的所述参照体，获取所述参照体的所对应的第二实际灰度值；
所述图片亮度调整单元，用于根据所述第一标准灰度值base、所述第二实际灰度值fac，调整所述第一舌象图片的各个像素点的灰度值；其中，
亮度与灰度值呈以ξ为底的指数关系，ξ＞1，ξbase为所述第一标准灰度值base所对应的亮度，ξfact为所述第二实际灰度值fact所对应的亮度，/>
为所述像素点调整前的灰度值X(i,j)所对应的亮度，Y(i,j)为调整后的灰度值，i为所述像素点的横坐标编号，j为所述像素点的纵坐标编号；
所述苔色识别单元，用于对所述第一舌象图片中的所述舌象进行识别，获取所述舌象的苔色，根据所述苔色获得与所述苔色对应的疾病。
可选的，所述咀嚼片为食用级的木糖醇组成。
可选的，所述参照体与所述舌头的比值低于1/5。
可选的，所述苔色识别单元包括：特征提取子单元、分离子单元以及苔色训练模型；
所述特征提取子单元，用于提取所述第一舌象图片的特征，根据所述特征识别所述舌象；其中，所述特征至少包括舌质特征和舌苔特征；
所述分离子单元，用于根据所述舌苔特征和所述舌质特征，分离所述舌苔和所述舌质；
所述苔色训练模型，用于识别所述舌苔的所述苔色，根据所述苔色获得与所述苔色对应的疾病。
可选的，所述苔色训练模型为输入多种舌象图片与所述舌象图片对应的疾病，以使人工智能通过提取不同种疾病的苔色特征找到苔色与疾病的对应关系的模型。
可选的，所述第一舌象图片中所述舌象部分占比不少于50％。
可选的，所述舌象采集摄像机在对需诊断的舌头进行拍摄时，不采用闪光灯避免反光。
本发明的有益效果：1、本发明通过设置在舌头上方表面参照体在在预存数据库内拍摄的灰度值为第一标准灰度值和未经处理第一舌象图片中的第二实际灰度值，确定灰度值差异，为后续的调整做好了基础。2、本发明通过参照体识别单元识别第一舌象图片中的参照体，获取参照体的所对应的第二实际灰度值；通过图片亮度调整单元根据第一标准灰度值base、第二实际灰度值fact，调整第一舌象图片的各个像素点的灰度值。本发明根据参照体的第一标准灰度值和第二实际灰度值这两个已知的差异，对整张第一舌象图片进行调整，以使第一舌象图片的亮度与标准预设亮度统一，从而减少了亮度对识别影响，提高识别准确率。3、本发明通过特征提取子单元提取第一舌象图片的特征，根据特征识别舌象；通过分离子单元根据舌苔特征和舌质特征，分离舌苔和舌质；通过苔色训练模型识别舌苔的苔色，根据苔色获得与苔色对应的疾病。本发明将舌苔和舌质进行分离，从而减少了舌质在苔色识别过程中的影响，提高苔色识别的准确率。4、本发明的参照体采用咀嚼片，咀嚼片为预设淡红色，且为食用级的木糖醇组成。有以下好处：一、咀嚼片可以食用，防止误吞造成身体影响。二、淡红色接近口腔颜色，避免了与舌头反光差异太大，从而影响对第一舌象图片亮度的调整。三、咀嚼片为木糖醇组成，热量低对身体健康更加有益。综上，本发明通过参照体在预存数据库内中拍摄图片的灰度值和在第一舌象图片的灰度值，获得参照体在预存数据库和第一舌象图片中的灰度值差异；根据灰度值差异第一舌象图片的各个像素点的灰度值，使第一舌象图片亮度与苔色识别单元进行训练的图片的亮度统一。本发明消除了亮度对苔色识别的影响，提高了识别准确率。
附图说明
图1是本发明一具体实施例提供的人工智能舌象苔色识别系统的结构示意图；
图2是本发明一具体实施例提供的人工智能舌象苔色识别系统的工作流程示意图；
图3是本发明一具体实施例提供的亮度与灰度值的关系示意图。
具体实施方式
本发明公开了人工智能舌象苔色识别系统，本领域技术人员可以借鉴本文内容，适当改进技术细节实现。特别需要指出的是，所有类似的替换和改动对本领域技术人员来说是显而易见的，它们都被视为包括在本发明。本发明的方法及应用已经通过较佳实施例进行了描述，相关人员明显能在不脱离本发明内容、精神和范围内对本文所述的方法和应用进行改动或适当变更与组合，来实现和应用本发明技术。
人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。人工智能可以对人的意识、思维的信息过程的模拟。随着科技水平进步，可以通过人工智能代替医师进行苔色的识别诊断，大大的提高了诊断效率，减少了人力。但是现有的人工智能苔色识别一般通过拍摄后识别照片中的舌头的苔色，会因为拍摄手法或者外界环境差异等因素导致拍摄到的照片与对比库中的照片亮度不一，造成识别误差，从而降低识别准确率。
因此，本发明实施例提供了人工智能舌象苔色识别系统，如图1所示，系统包括：舌象采集摄像机101以及MCU处理器102；舌象采集摄像机101与MCU处理器102通信连接。
舌象采集摄像机101，用于对需诊断的舌头进行拍摄，获得第一舌象图片。
其中，第一舌象图片至少包括舌头的舌象与参照体，参照体为位于舌头上方表面的咀嚼片，咀嚼片的表面由可食用色素进行染色呈预设淡红色，在预存数据库内拍摄咀嚼片的灰度值为第一标准灰度值。舌象为舌头形态，分为舌质和舌苔。
咀嚼片的第一标准灰度值是指在预设照明强度下拍摄的灰度值，是本发明实施例系统采集作为标准的灰度值。
需要说明的是，采用咀嚼片作为参照体，是因为咀嚼片可食用，可以防止误吞造成对身体的损害。咀嚼片为预设淡红色，可以有效避免因为与口腔整体颜色差异过大，导致反光不一，影响参照体识别单元104对第二实际灰度值的判断。
可选的，咀嚼片为食用级的木糖醇组成。
咀嚼片的表面在预设时间浸水不褪色，不掉色。在预设时间内对需诊断的舌头进行拍摄。预设时间一般为5-10分钟，不褪色是为了避免咀嚼片与在预存数据库内拍摄的颜色发生改变。不掉色是为了避免对舌头进行染色，影响苔色识别。
其中，木糖醇可以有效代替糖类作为甜味剂。相比于糖有以下好处：一、稳定血糖，木糖醇进入人体以后可以不经过胰岛进行代谢，也能促进肝糖元合成，为人体细提供能量，糖尿病人食用以后能稳定血糖也能减少多食、多饮以及多尿症状的发生。二、提高肝功效，木糖醇对人类有肝脏有一定的影响，这种物质被人体吸收以后能促进肝糖元合成，可以稳定血糖也能提高人类的肝功能，防止脂肪在肝脏堆积，能预防脂肪肝和乙型肝炎。三、保护牙齿，木糖醇对人类有牙齿有一定的保护作用，它味道虽然很甜，但在人们的口腔中却不会产生细菌，也不会让细菌发酵，它含有一些活性成分还能抑制多种病菌与酸性成分产生，能减少这些物质对牙齿的腐蚀与伤害，从而也就起到了保护牙齿的重要作用。
可选的，参照体与舌头的比值低于1/5。
需要说明的是，参照体需要避免过大，以免对舌头进行过度遮挡，从而降低苔色识别准确率。
可选的，第一舌象图片中舌象部分占比不少于50％。
需要说明的是，需要保证舌象在第一舌象图片中的占比，才能提高舌象的清晰度，从而提高苔色识别准确率。
可选的，舌象采集摄像机101在对需诊断的舌头进行拍摄时，不采用闪光灯避免反光。
需要说明的是，舌头上和口腔中附着水分，如果采用闪光灯不仅会对第一舌象图片亮度产生影响，还会导致舌头反光，改变舌象的亮度、色相、色调等。大大降低了苔色识别的准确率。
MCU处理器102包括：图片接收单元103、参照体识别单元104、图片亮度调整单元105以及苔色识别单元106。
图片接收单元103，用于接收舌象采集摄像机101发送的第一舌象图片。
可选的，MCU处理器102与摄像机101之间可以采用无线连接，也可以采用有线连接。图片接收单元103根据连接方式的不同，可以采用无线接收器或者有线接收器。
参照体识别单元104，用于识别第一舌象图片中的参照体，获取参照体的所对应的第二实际灰度值。
可选的，参照体识别单元104包括参照体识别训练模型，通过输入参照体图片，对参照体识别训练模型进行训练，从而找到参照体与其特征之间的对应关系。再向参照体识别训练模型输入第一舌象图片，参照体识别训练提取第一舌象图片特征，再根据特征和对应关系识别参照体。
图片亮度调整单元105，用于根据第一标准灰度值base、第二实际灰度值fact，调整第一舌象图片的各个像素点的灰度值。
其中，
亮度与灰度值呈以ξ为底的指数关系，ξ＞1，ξbase为第一标准灰度值base所对应的亮度，ξfact为第二实际灰度值fact所对应的亮度，/>
为像素点调整前的灰度值X(i,j)所对应的亮度，Y(i,j)为调整后的灰度值，i为像素点的横坐标编号，j为像素点的纵坐标编号。
在一具体实施例中，亮度与灰度值的关系如图3所示呈指数关系。如图3，变化相同的亮度，初始灰度值越大，调整的灰度值越小。
需要说明的是，一般采用调节灰度值的方式调节图片亮度。本发明实施例根据两张图片中各个像素点亮度差异的一致，即
根据已知的第一标准灰度值base和第二实际灰度值fact对第一舌象图片的各个像素点的灰度值进行调整，从而使第一舌象图片的亮度达到苔色识别单元106识别的标准亮度。标准亮度是苔色识别单元106用于训练舌象图片的统一亮度。
苔色识别单元106，用于对第一舌象图片中的舌象进行识别，获取舌象的苔色，根据苔色获得与苔色对应的疾病。
可选的，苔色识别单元106包括：特征提取子单元、分离子单元以及苔色训练模型；
特征提取子单元，用于提取第一舌象图片的特征，根据特征识别舌象；其中，特征至少包括舌质特征和舌苔特征；
分离子单元，用于根据舌苔特征和舌质特征，分离舌苔和舌质；
苔色训练模型，用于识别舌苔的苔色，根据苔色获得与苔色对应的疾病。
可选的，苔色训练模型为输入多种舌象图片与舌象图片对应的疾病，以使人工智能通过提取不同种疾病的苔色特征找到苔色与疾病的对应关系的模型。
需要说明的是，苔色识别单元106可以根据提取特征将舌苔和舌质分离，避免舌质在苔色识别过程中的干扰。苔色训练模型输入的多种舌象图片均为预设亮度图片，即，当参照体位于这些舌象图片中的舌头上方表面时的灰度值为第一标准灰度值。这些图片由连种途径获得，第一直接拍摄预设亮度图片，第二将图片进行亮度调整至预设亮度。
本发明实施例还提供了人工智能舌象苔色识别系统的工作流程，具体如图2所示，包括：
步骤S201：对需诊断的舌头进行拍摄，获得第一舌象图片。
其中，第一舌象图片至少包括舌头的舌象与参照体，参照体为位于舌头上方表面的咀嚼片，咀嚼片的表面由可食用色素进行染色呈预设淡红色，在预存数据库内拍摄咀嚼片的灰度值为第一标准灰度值。
步骤S202：接收舌象采集摄像机101发送的第一舌象图片。
步骤S203：识别第一舌象图片中的参照体，获取参照体的所对应的第二实际灰度值。
步骤S204：根据第一标准灰度值、第二实际灰度值，调整第一舌象图片的各个像素点的灰度值。
步骤S205：对第一舌象图片中的舌象进行识别，获取舌象的苔色，根据苔色获得与苔色对应的疾病。
本发明实施例通过设置在舌头上方表面参照体在在预存数据库内拍摄的灰度值为第一标准灰度值和未经处理第一舌象图片中的第二实际灰度值，确定灰度值差异，为后续的调整做好了基础。本发明实施例通过参照体识别单元104识别第一舌象图片中的参照体，获取参照体的所对应的第二实际灰度值；通过图片亮度调整单元105根据第一标准灰度值base、第二实际灰度值fact，调整第一舌象图片的各个像素点的灰度值。本发明实施例根据参照体的第一标准灰度值和第二实际灰度值这两个已知的差异，对整张第一舌象图片进行调整，以使第一舌象图片的亮度与标准预设亮度统一，从而减少了亮度对识别影响，提高识别准确率。本发明实施例通过特征提取子单元提取第一舌象图片的特征，根据特征识别舌象；通过分离子单元根据舌苔特征和舌质特征，分离舌苔和舌质；通过苔色训练模型识别舌苔的苔色，根据苔色获得与苔色对应的疾病。本发明实施例将舌苔和舌质进行分离，从而减少了舌质在苔色识别过程中的影响，提高苔色识别的准确率。本发明实施例的参照体采用咀嚼片，咀嚼片为预设淡红色，且为食用级的木糖醇组成。有以下好处：一、咀嚼片可以食用，防止误吞造成身体影响。二、淡红色接近口腔颜色，避免了与舌头反光差异太大，从而影响对第一舌象图片亮度的调整。三、咀嚼片为木糖醇组成，热量低对身体健康更加有益。综上，本发明实施例通过参照体在预存数据库内中拍摄图片的灰度值和在第一舌象图片的灰度值，获得参照体在预存数据库和第一舌象图片中的灰度值差异；根据灰度值差异第一舌象图片的各个像素点的灰度值，使第一舌象图片亮度与苔色识别单元106进行训练的图片的亮度统一。本发明实施例减少了亮度对苔色识别的影响，提高了识别准确率。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。
Claims (5)
1.人工智能舌象苔色识别系统，其特征在于，所述系统包括：舌象采集摄像机以及MCU处理器；所述舌象采集摄像机与所述MCU处理器通信连接；
所述舌象采集摄像机，用于对需诊断的舌头进行拍摄，获得第一舌象图片；其中，所述第一舌象图片至少包括所述舌头的舌象与参照体，所述参照体为位于所述舌头上方表面的咀嚼片，所述咀嚼片的表面由可食用色素进行染色呈预设淡红色，在预存数据库内拍摄所述咀嚼片的灰度值为第一标准灰度值；
所述MCU处理器包括：图片接收单元、参照体识别单元、图片亮度调整单元以及苔色识别单元；
所述图片接收单元，用于接收所述舌象采集摄像机发送的所述第一舌象图片；
所述参照体识别单元，用于识别所述第一舌象图片中的所述参照体，获取所述参照体的所对应的第二实际灰度值；
所述图片亮度调整单元，用于根据所述第一标准灰度值base、所述第二实际灰度值fact，调整所述第一舌象图片的各个像素点的灰度值；其中，
亮度与灰度值呈以ξ为底的指数关系，ξ＞1，ξbase为所述第一标准灰度值base所对应的亮度，ξfact为所述第二实际灰度值fact所对应的亮度，/>
为所述像素点调整前的灰度值X(i,j)所对应的亮度，Y(i,j)为调整后的灰度值，i为所述像素点的横坐标编号，j为所述像素点的纵坐标编号；
所述苔色识别单元，用于对所述第一舌象图片中的所述舌象进行识别，获取所述舌象的苔色，根据所述苔色获得与所述苔色对应的疾病；
所述苔色识别单元包括：特征提取子单元、分离子单元以及苔色训练模型；
所述特征提取子单元，用于提取所述第一舌象图片的特征，根据所述特征识别所述舌象；其中，所述特征至少包括舌质特征和舌苔特征；
所述分离子单元，用于根据所述舌苔特征和所述舌质特征，分离所述舌苔和所述舌质；
所述苔色训练模型，用于识别所述舌苔的所述苔色，根据所述苔色获得与所述苔色对应的疾病；
其中，所述苔色训练模型为输入多种舌象图片与所述舌象图片对应的疾病，以使人工智能通过提取不同种疾病的苔色特征找到苔色与疾病的对应关系的模型。
2.根据权利要求1所述的系统，其特征在于，所述咀嚼片为食用级的木糖醇组成。
3.根据权利要求1所述的系统，其特征在于，所述参照体与所述舌头的比值低于1/5。
4.根据权利要求1所述的系统，其特征在于，所述第一舌象图片中所述舌象部分占比不少于50％。
5.根据权利要求1所述的系统，其特征在于，所述舌象采集摄像机在对需诊断的舌头进行拍摄时，不采用闪光灯避免反光。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110484176.9A CN113160203B (zh) | 2021-04-30 | 2021-04-30 | 人工智能舌象苔色识别系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110484176.9A CN113160203B (zh) | 2021-04-30 | 2021-04-30 | 人工智能舌象苔色识别系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113160203A CN113160203A (zh) | 2021-07-23 |
| CN113160203B true CN113160203B (zh) | 2023-06-23 |
Family
ID=76872985
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110484176.9A Active CN113160203B (zh) | 2021-04-30 | 2021-04-30 | 人工智能舌象苔色识别系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113160203B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117611581B (zh) * | 2024-01-18 | 2024-05-14 | 之江实验室 | 一种基于多模态信息的舌象识别方法、装置及电子设备 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005137756A (ja) * | 2003-11-10 | 2005-06-02 | Konica Minolta Holdings Inc | 健康度測定システムおよびプログラム |
| CN106023151A (zh) * | 2016-05-09 | 2016-10-12 | 厦门大学 | 一种开放环境下中医舌象目标检测方法 |
| CN106295139A (zh) * | 2016-07-29 | 2017-01-04 | 姹ゅ钩 | 一种基于深度卷积神经网络的舌体自诊健康云服务系统 |
| CN109932910A (zh) * | 2017-12-15 | 2019-06-25 | 深圳市前海安测信息技术有限公司 | 在舌面装置内基于图片识别的光均匀调节系统及方法 |
| CN110189383A (zh) * | 2019-06-27 | 2019-08-30 | 合肥云诊信息科技有限公司 | 基于机器学习的中医舌色苔色定量分析方法 |
| CN211779941U (zh) * | 2020-03-17 | 2020-10-27 | 湄洲湾职业技术学院 | 一种可调节角度的人脸识别设备 |
| CN111860538A (zh) * | 2020-07-20 | 2020-10-30 | 河海大学常州校区 | 一种基于图像处理的舌体颜色鉴别方法和装置 |
-
2021
- 2021-04-30 CN CN202110484176.9A patent/CN113160203B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005137756A (ja) * | 2003-11-10 | 2005-06-02 | Konica Minolta Holdings Inc | 健康度測定システムおよびプログラム |
| CN106023151A (zh) * | 2016-05-09 | 2016-10-12 | 厦门大学 | 一种开放环境下中医舌象目标检测方法 |
| CN106295139A (zh) * | 2016-07-29 | 2017-01-04 | 姹ゅ钩 | 一种基于深度卷积神经网络的舌体自诊健康云服务系统 |
| CN109932910A (zh) * | 2017-12-15 | 2019-06-25 | 深圳市前海安测信息技术有限公司 | 在舌面装置内基于图片识别的光均匀调节系统及方法 |
| CN110189383A (zh) * | 2019-06-27 | 2019-08-30 | 合肥云诊信息科技有限公司 | 基于机器学习的中医舌色苔色定量分析方法 |
| CN211779941U (zh) * | 2020-03-17 | 2020-10-27 | 湄洲湾职业技术学院 | 一种可调节角度的人脸识别设备 |
| CN111860538A (zh) * | 2020-07-20 | 2020-10-30 | 河海大学常州校区 | 一种基于图像处理的舌体颜色鉴别方法和装置 |
Non-Patent Citations (4)
| Title |
|---|
| Statistical analysis of tongue images for feature extraction and diagnostics;Xingzheng;《IEEE》(第12期);全文 * |
| 一种2型糖尿病中医证型的舌图像识别方法;阚红星;张璐瑶;董昌武;;中国生物医学工程学报(第06期);全文 * |
| 基于多处理机环境下舌苔图像预处理研究;唐俊奇;《九江学院学报》(第01期);全文 * |
| 基于支持向量机的痤疮患者舌色苔色识别算法研究;张艺凡;胡广芹;张新峰;;北京生物医学工程(第01期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113160203A (zh) | 2021-07-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106408564B (zh) | 一种基于深度学习的眼底图像处理方法、装置及系统 | |
| CN109147935A (zh) | 基于人体特征采集识别技术的健康数据平台 | |
| CN107767365A (zh) | 一种内窥镜图像处理方法及系统 | |
| WO2020007363A1 (zh) | 识别目标数量的方法、装置及计算机可读存储介质 | |
| CN108230296A (zh) | 图像特征的识别方法和装置、存储介质、电子装置 | |
| CN113160203B (zh) | 人工智能舌象苔色识别系统 | |
| CN107049263A (zh) | 基于图像处理的白癜风病情诊断与疗效评估方法与系统 | |
| KR102393265B1 (ko) | 버섯 병해충 검출 시스템 | |
| CN112257702A (zh) | 一种基于增量学习的农作物病害识别方法 | |
| CN110866481A (zh) | 一种母猪发情检测方法及装置 | |
| CN113269191A (zh) | 一种农作物叶片病害识别方法、装置和存储介质 | |
| CN111062929B (zh) | 一种软件设计畜禽疾病图片的智能分析诊断系统 | |
| CN112259240B (zh) | 一种舌诊寒热虚实数学模型的构建方法 | |
| CN109242792B (zh) | 一种基于白色物体的白平衡校对方法 | |
| CN114049550A (zh) | 基于深度学习的笼养死亡肉鸡自动识别方法 | |
| US10772535B2 (en) | Self-diagnostic method for jaundice and an APP product thereby | |
| CN110558285B (zh) | 一种用于脾虚湿盛证研究的动物模型构建方法及其应用 | |
| CN113785783A (zh) | 一种牲畜分群系统及方法 | |
| CN109480775A (zh) | 一种基于人工智能的新生儿黄疸识别装置、设备、系统 | |
| CN115861721A (zh) | 基于图像数据的畜禽养殖喷雾设备状态识别方法 | |
| CN109197765A (zh) | 一种瑶山鸡的培育方法 | |
| CN111784669B (zh) | 一种胶囊内镜图像多病灶检测方法 | |
| CN109451292A (zh) | 图像色温校正方法及装置 | |
| CN113129356B (zh) | 胶囊内窥镜系统及其图像染色面积识别方法及存储介质 | |
| CN117333862A (zh) | 一种绿色蔬菜生长状况监测方法、装置及系统 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |