CN113252654B - 一种尿试纸抗干扰自适应智能定位识别方法及系统 - Google Patents
一种尿试纸抗干扰自适应智能定位识别方法及系统 Download PDFInfo
- Publication number
- CN113252654B CN113252654B CN202110523804.XA CN202110523804A CN113252654B CN 113252654 B CN113252654 B CN 113252654B CN 202110523804 A CN202110523804 A CN 202110523804A CN 113252654 B CN113252654 B CN 113252654B
- Authority
- CN
- China
- Prior art keywords
- test paper
- color block
- positioning
- picture
- color
- 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
- 238000009535 clinical urine test Methods 0.000 title claims abstract description 128
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000012360 testing method Methods 0.000 claims abstract description 175
- 238000005070 sampling Methods 0.000 claims abstract description 74
- 238000001514 detection method Methods 0.000 claims abstract description 16
- 230000004927 fusion Effects 0.000 claims abstract description 10
- 230000003044 adaptive effect Effects 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 11
- 239000000758 substrate Substances 0.000 claims description 10
- 238000010586 diagram Methods 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 6
- 238000013139 quantization Methods 0.000 claims description 4
- 239000003086 colorant Substances 0.000 claims description 2
- 238000004458 analytical method Methods 0.000 abstract description 7
- 230000035945 sensitivity Effects 0.000 abstract description 2
- 238000006243 chemical reaction Methods 0.000 description 4
- 210000002700 urine Anatomy 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 239000003153 chemical reaction reagent Substances 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/75—Systems in which material is subjected to a chemical reaction, the progress or the result of the reaction being investigated
- G01N21/77—Systems in which material is subjected to a chemical reaction, the progress or the result of the reaction being investigated by observing the effect on a chemical indicator
- G01N21/78—Systems in which material is subjected to a chemical reaction, the progress or the result of the reaction being investigated by observing the effect on a chemical indicator producing a change of colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/60—Rotation of whole images or parts thereof
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
- 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
- G06T2207/10016—Video; Image sequence
-
- 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
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20132—Image cropping
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Chemical & Material Sciences (AREA)
- Plasma & Fusion (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Biological Materials (AREA)
- Image Analysis (AREA)
Abstract
本申请属于试纸检测分析技术领域，提供一种尿试纸抗干扰自适应智能定位识别方法，包括如下步骤：获取采样图片集；进行定位色块的定位；获取得到旋转后待处理的尿试纸图片及旋转后的定位色块位置及大小；获取色卡图；获取旋转后的白平衡尿试纸图片；获取采样图片中试纸色块的量化识别结果；获取最终得到所述尿试纸视频的试纸色块序列的量化识别结果。本申请采用自适应定位方法对最小外接矩形的中心点坐标进行修正，精确性大大提高。本申请根据色卡图，尿试纸图片进行白平衡处理，有效消除拍摄图像时环境的干扰，提高检测结果的灵敏度和准确度。本申请定位识别方法对不同采样图片对应试纸色块识别结果分别进行融合规约操作，增强了色块识别容错和抗干扰能力。
Description
技术领域
本申请属于试纸检测分析技术领域，具体涉及一种尿试纸抗干扰自适应智能定位识别方法及系统。
背景技术
在许多疾病的诊断中，尿常规的检查是必不可少的，而采用尿试纸上的试剂块与尿液中各相应成分进行反应产生的颜色变化，对尿液进行检查是一种简单、快捷、低成本的尿常规检验方法。反应颜色的深浅与相应的检测成分含量成一定的比例关系，从而对相应的检测成分含量进行定性和半定量检测。
现有的基于试纸检测卡的试纸分析方法，一般是使被测样品与试纸接触并发生化学反应后，通常需要先采用摄像头拍摄得到试纸图像，然后再通过图像分析法分析得到试纸反应块的颜色，从而分析得到被测样品中是否含有特定化合物的分析结果。通常对试纸定位的方案是把试纸放置在有固定标识的卡槽上，通过卡槽的使用来获得检测项色块的空间位置。卡槽的使用不仅增加了检测成本，对试纸放置也有一定要求，因而给用户的操作使用带来了一定难度。另外，由于摄像头拍摄图像时常常存在复杂光源成像环境等环境干扰，导致拍摄到的试纸图像颜色与真实试纸颜色存在一定的偏差，从而降低了试纸分析结果的精确性。
专利CN207850936U公开了一种试纸，通过在试纸内两端设置第一定位色带和第二定位色带，使得该申请的尿液试纸可以进行空间定位识别。但该申请第二定位色带较窄，不易识别；该申请没有考虑光源的影响，当存在复杂光源成像环境等环境干扰时，定位精确性和试纸分析结果的准确性大大降低。且该申请未对各试纸块进行优化排序，减少各试纸块之间相互干扰。专利CN106546581B公开一种试纸检测卡智能检测系统以及试纸检测卡智能分析方法，该试纸检测卡为四边形，试纸条太大，使用时无法插入尿杯，不方便使用，且成本高。
发明内容
针对现有技术的不足，本申请目的在于提供了一种尿试纸抗干扰自适应智能定位识别方法及系统，当存在复杂光源成像环境等环境干扰时，能够抗干扰自适应智能定位。
本申请尿试纸抗干扰自适应智能定位识别方法对试纸色块进行融合规约操作，允许一定识别错误，解决了现有的试纸定位操作繁琐，成本高，精确性差的问题。
为了实现上述目的，本申请采用如下技术方案。
一种尿试纸抗干扰自适应智能定位识别方法，所述尿试纸包括基片，以及设置在所述基片上的试纸色块序列、色卡和定位色块，所述定位色块设置于所述试纸色块序列的一端，所述色卡设置于所述定位色块的下部，所述色卡的一端与定位色块的一端平齐，另一端与所述基片平齐，所述定位识别方法包括以下步骤：
S1：获取尿试纸视频，根据所述尿试纸视频，进行尿试纸图片采样，获取采样图片集；
S2：对所述采样图片集的每一张采样图片，进行定位色块的定位；
S3：根据所述定位色块，对采样图片进行旋转，得到旋转后待处理的尿试纸图片及旋转后的定位色块位置及大小；
S4：根据所述旋转后的定位色块位置及大小，得到旋转后待处理的尿试纸图片中的色卡图；
S5：根据所述色卡图，对所述旋转后待处理的尿试纸图片进行白平衡处理，得到旋转后的白平衡尿试纸图片；
S6：根据所述旋转后的定位色块位置及大小，对所述旋转后的白平衡尿试纸图片进行试纸色块自适应智能定位识别，得到采样图片中试纸色块的量化识别结果；
S7：根据所述采样图片集的每一张采样图片中所述试纸色块的量化识别结果，进行对应试纸色块的融合规约操作，最终得到所述尿试纸视频的试纸色块序列的量化识别结果。
优选的，步骤S2中，对所述采样图片集的每一张采样图片，进行定位色块的定位，包括如下步骤：
S21:将所述采样图片由RGB图片转换为HSV图片;
S22:根据cv2.inRange()函数对HSV图片进行定位色块颜色过滤，得到过滤后的二值化掩码图片;S23:根据cv2.findContour()函数对过滤后的二值化掩码图片进行轮廓检测，得到轮廓集合；S24:基于所述轮廓集合中的每一个轮廓，根据其对应的cv2.minAreaRect获取最小外接矩形；根据定位色块长宽比值和长宽大小范围，过滤出符合条件的最小外接矩形即为定位色块。
优选的，步骤S3中，根据所述定位色块，对采样图片进行旋转，得到旋转后待处理的尿试纸图片及旋转后的定位色块位置及大小，所述采样图片的旋转方法为之：根据定位色块最小外接矩形的角度旋转采样图片，使得旋转后所得到的采样图片中定位色块最小外接矩形保持水平。
优选的，步骤S4中，根据所述旋转后的定位色块位置及大小，得到旋转后待处理的尿试纸图片中的色卡图，所述色卡图获取方法为，根据所述旋转后定位色块的最小外接矩形的位置及大小，以及定位色块与色卡的相对位置以及大小关系，通过几何计算的方式获取色卡的位置及大小，通过对采样图片进行图像剪裁得到色卡图。
优选的，步骤S5中，根据所述色卡图，对所述旋转后待处理的尿试纸图片进行白平衡处理，得到旋转后的白平衡尿试纸图片，包括如下步骤：
S51:根据所述色卡图，分别求得旋转后待处理的尿试纸图片R、G、B三个通道像素的修正系数；
S52:所述旋转后待处理的尿试纸图片R、G、B三个通道像素的修正系数分别乘以所述旋转后待处理的尿试纸图片对应R、G、B三个通道每一个通道像素的值，得到旋转后的白平衡尿试纸图片。
优选的，步骤S6中，根据所述旋转后的定位色块位置及大小，对所述旋转后的白平衡尿试纸图片进行试纸色块自适应智能定位识别，得到采样图片中试纸色块的量化识别结果，包括如下步骤：
S61:根据旋转后定位色块最小外接矩形的中心点位置坐标，以及旋转后的白平衡尿试纸图片中心点位置坐标，判断旋转后的定位色块的左右方位；若定位色块最小外接矩形的中心点位置的横坐标值大于所述旋转后的白平衡尿试纸图片中心点位置的横坐标值，则旋转后的定位色块方位为右侧，采用自右向左的推算方向推算试纸色块的最小外接矩形；否则为左侧，采用自左向右的推算方向推算试纸色块的最小外接矩形；
S62:设置当前参考位置色块为定位色块，当前参考位置色块的最小外接矩形为旋转后的定位色块最小外接矩形；
S63:根据旋转后的定位色块的左右方位，以及当前参考位置色块的宽度大小，基于所述试纸色块序列宽度、及与当前参考位置色块中心距离大小比例关系，推算出与之相邻的试纸色块的最小外接矩形；
S64:采用自适应定位方法对步骤S63中推算出的与之相邻的试纸色块的最小外接矩形的中心点坐标进行修正；得到修正后的试纸色块的最小外接矩形；
S65:以步骤S64中得到的修正后的试纸色块的最小外接矩形的中心点坐标为圆心，基于所述旋转后的白平衡尿试纸图片截取半径为r的试纸色块圆形图；
S66:将所述试纸色块圆形图由RGB转换成LAB，分别计算L、A、B三个通道上的所有像素的平均值；
S67:分别针对修正后的试纸色块中的每一个匹配标准颜色，将其在L、A、B三个通道上的值与所述采样图片在L、A、B三个通道上的所有像素的平均值进行方差之和。
S68:选取方差之和最小的匹配标准颜色为修正后的试纸色块的匹配结果，返回所述匹配结果及其所对应的数值为识别结果。
S69:设置当前参考位置色块为修正后的试纸色块，当前参考位置色块的最小外接矩形为修正后的试纸色块的最小外接矩形，返回步骤S63，直至返回所有试纸色块的匹配结果及其所对应的数值，进入步骤S7。
优选的，步骤S64中，采用自适应定位方法对步骤S63中推算出的与之相邻的试纸色块的最小外接矩形的中心点坐标进行修正，得到修正后的试纸色块的最小外接矩形，包括如下步骤：
S641: 获取步骤S63中推算出的与之相邻的试纸色块的最小外接矩形的中心点获取中心点位置像素，从该中心点坐标为出发点，分别向左、向右、向上和向下四个方向挪动，直到当前挪动位置点的像素与中心点位置像素在RGB三个通道上的方差之和大于设定阈值，得到从该中心点坐标为出发点，朝左、右、上、下四个方向上的边界坐标，设定修正后的试纸色块的最小外接矩形的中心点的坐标为：其横坐标为左、右边界坐标的中值，其纵坐标为上、下边界坐标的中值。
优选的，步骤S7中，所述对应试纸色块融合规约操作具体为：统计对应试纸色块中所有采样图片对于匹配颜色的匹配数结果，选取匹配数最大的颜色为对应试纸色块的匹配颜色，其匹配颜色所对应的量化结果为对应试纸色块的量化识别结果。
本申请提供一种尿试纸抗干扰自适应智能定位识别系统，所述系统包括：
获取模块，用于获取尿试纸视频，根据所述尿试纸视频，进行尿试纸图片采样，获取采样图片集；
第一定位模块，用于对所述采样图片集的每一张采样图片，进行定位色块的定位；
第一处理模块，用于根据所述定位色块，对采样图片进行旋转，得到旋转后待处理的尿试纸图片及旋转后的定位色块位置及大小；
第二定位模块，用于根据所述旋转后的定位色块位置及大小，得到旋转后待处理的尿试纸图片中的色卡图；
第二处理模块，用于根据所述色卡图，对所述旋转后待处理的尿试纸图片进行白平衡处理，得到旋转后的白平衡尿试纸图片；
定位识别模块，用于根据所述旋转后的定位色块位置及大小，对所述旋转后的白平衡尿试纸图片进行试纸色块自适应智能定位识别，得到采样图片中试纸色块的量化识别结果；
结果规约模块，用于根据所述采样图片集的每一张采样图片中所述试纸色块的量化识别结果，进行对应试纸色块的融合规约操作，最终得到所述尿试纸视频的试纸色块序列的量化识别结果。
本申请基片上设置有定位色块，且采用自适应定位方法对推算出的最小外接矩形的中心点坐标进行修正，使得本申请中的尿试纸在配合仪器的使用下或者基于移动端的使用下，能够抗干扰自适应智能定位，实现很好的进行空间定位识别，精确性大大提高，解决了现有的试纸定位操作繁琐，成本高，精确性差的问题，提高了尿试纸的使用范围。本申请根据色卡图，对旋转后待处理的尿试纸图片进行白平衡处理，能够有效消除拍摄图像时环境的干扰，提高检测结果的灵敏度和准确度。本申请定位识别方法对不同采样图片对应试纸色块识别结果分别进行融合规约操作，增强了色块识别容错和抗干扰能力。
附图说明
图1为本申请一种尿试纸的结构示意图；
图2为本申请尿试纸抗干扰自适应智能定位识别方法流程图；
图3为本申请对旋转后的白平衡尿试纸图片进行试纸色块自适应智能定位识别方法流程图；
图4为本申请尿试纸抗干扰自适应智能定位识别系统结构图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将对本申请的技术方案进行详细的描述。显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施方式，都属于本申请所保护的范围。
如图1所示，本申请的一种尿试纸，包括：
基片1，以及设置在所述基片1上的试纸色块序列2、定位色块3和色卡4。定位色块3设置于所述试纸色块序列2的一端，色卡4设置于定位色块3的下部，色卡4的一端与定位色块3的一端平齐，另一端与基片1平齐。
如图2所示，本申请提供一种尿试纸抗干扰自适应智能定位识别方法，包括以下步骤：
S1：获取尿试纸视频，根据所述尿试纸视频，进行尿试纸图片采样，获取采样图片集；
S2：对所述采样图片集的每一张采样图片，进行定位色块的定位；
S3：根据所述定位色块，对采样图片进行旋转，得到旋转后待处理的尿试纸图片及旋转后的定位色块位置及大小；
S4：根据所述旋转后的定位色块位置及大小，得到旋转后待处理的尿试纸图片中的色卡图；
S5：根据所述色卡图，对所述旋转后待处理的尿试纸图片进行白平衡处理，得到旋转后的白平衡尿试纸图片；
S6：根据所述旋转后的定位色块位置及大小，对所述旋转后的白平衡尿试纸图片进行试纸色块自适应智能定位识别，得到采样图片中试纸色块的量化识别结果；
S7：根据所述采样图片集的每一张采样图片中所述试纸色块的量化识别结果，进行对应试纸色块的融合规约操作，最终得到所述尿试纸视频的试纸色块序列的量化识别结果。
优选的，步骤S2中，对所述采样图片集的每一张采样图片，进行定位色块的定位，包括如下步骤：
S21:将所述采样图片由RGB图片转换为HSV图片;
S22:根据cv2.inRange()函数对HSV图片进行定位色块颜色过滤，得到过滤后的二值化掩码图片;
S23:根据cv2.findContour()函数对过滤后的二值化掩码图片进行轮廓检测，得到轮廓集合；
S24:基于所述轮廓集合中的每一个轮廓，根据其对应的cv2.minAreaRect获取最小外接矩形；根据定位色块长宽比值和长宽大小范围，过滤出符合条件的最小外接矩形即为定位色块。
优选的，步骤S3中，根据所述定位色块，对采样图片进行旋转，得到旋转后待处理的尿试纸图片及旋转后的定位色块位置及大小，所述采样图片的旋转方法为之：根据定位色块最小外接矩形的角度旋转采样图片，使得旋转后所得到的采样图片中定位色块最小外接矩形保持水平。
优选的，步骤S4中，根据所述旋转后的定位色块位置及大小，得到旋转后待处理的尿试纸图片中的色卡图，所述色卡图获取方法为，根据所述旋转后定位色块的最小外接矩形的位置及大小，以及定位色块与色卡的相对位置以及大小关系，通过几何计算的方式获取色卡的位置及大小，通过对采样图片进行图像剪裁得到色卡图。
优选的，步骤S5中，根据所述色卡图，对所述旋转后待处理的尿试纸图片进行白平衡处理，得到旋转后的白平衡尿试纸图片，包括如下步骤：
S51:根据所述色卡图，分别求得旋转后待处理的尿试纸图片R、G、B三个通道像素的修正系数；
S52:所述旋转后待处理的尿试纸图片R、G、B三个通道像素的修正系数分别乘以所述旋转后待处理的尿试纸图片对应R、G、B三个通道每一个通道像素的值，得到旋转后的白平衡尿试纸图片。
优选的，如图3所示，步骤S6中，根据所述旋转后的定位色块位置及大小，对所述旋转后的白平衡尿试纸图片进行试纸色块自适应智能定位识别，得到采样图片中试纸色块的量化识别结果，包括如下步骤：
S61:根据旋转后定位色块最小外接矩形的中心点位置坐标，以及旋转后的白平衡尿试纸图片中心点位置坐标，判断旋转后的定位色块的左右方位；若定位色块最小外接矩形的中心点位置的横坐标值大于所述旋转后的白平衡尿试纸图片中心点位置的横坐标值，则旋转后的定位色块方位为右侧，采用自右向左的推算方向推算试纸色块的最小外接矩形；否则为左侧，采用自左向右的推算方向推算试纸色块的最小外接矩形；
S62:设置当前参考位置色块为定位色块，当前参考位置色块的最小外接矩形为旋转后的定位色块最小外接矩形；
S63:根据旋转后的定位色块的左右方位，以及当前参考位置色块的宽度大小，基于所述试纸色块序列宽度、及与当前参考位置色块中心距离大小比例关系，推算出与之相邻的试纸色块的最小外接矩形；
S64:采用自适应定位方法对步骤S63中推算出的与之相邻的试纸色块的最小外接矩形的中心点坐标进行修正；得到修正后的试纸色块的最小外接矩形；
S65:以步骤S64中得到的修正后的试纸色块的最小外接矩形的中心点坐标为圆心，基于所述旋转后的白平衡尿试纸图片截取半径为r的试纸色块圆形图；
S66:将所述试纸色块圆形图由RGB转换成LAB，分别计算L、A、B三个通道上的所有像素的平均值；
S67:分别针对修正后的试纸色块中的每一个匹配标准颜色，将其在L、A、B三个通道上的值与所述采样图片在L、A、B三个通道上的所有像素的平均值进行方差之和；
S68:选取方差之和最小的匹配标准颜色为修正后的试纸色块的匹配结果，返回所述匹配结果及其所对应的数值为识别结果。
优选的，步骤S64中，采用自适应定位方法对步骤S63中推算出的与之相邻的试纸色块的最小外接矩形的中心点坐标进行修正，得到修正后的试纸色块的最小外接矩形，包括如下步骤：
S641: 获取步骤S63中推算出的与之相邻的试纸色块的最小外接矩形的中心点获取中心点位置像素，从该中心点坐标为出发点，分别向左、向右、向上和向下四个方向挪动，直到当前挪动位置点的像素与中心点位置像素在RGB三个通道上的方差之和大于设定阈值，得到从该中心点坐标为出发点，朝左、右、上、下四个方向上的边界坐标，设定修正后的试纸色块的最小外接矩形的中心点的坐标为：其横坐标为左、右边界坐标的中值，其纵坐标为上、下边界坐标的中值。
优选的，根据所述旋转后的定位色块位置及大小，对所述旋转后的白平衡尿试纸图片进行试纸色块自适应智能定位识别，得到采样图片中试纸色块的量化识别结果，所述步骤S68 后，还包括如下步骤：
S69:设置当前参考位置色块为修正后的试纸色块，当前参考位置色块的最小外接矩形为修正后的试纸色块的最小外接矩形，返回步骤S63，直至返回所有试纸色块的匹配结果及其所对应的数值，进入步骤S7。
如图4所示，本申请提供一种尿试纸抗干扰自适应智能定位识别系统，所述系统包括：
获取模块，用于获取尿试纸视频，根据所述尿试纸视频，进行尿试纸图片采样，获取采样图片集；
第一定位模块，用于对所述采样图片集的每一张采样图片，进行定位色块的定位；
第一处理模块，用于根据所述定位色块，对采样图片进行旋转，得到旋转后待处理的尿试纸图片及旋转后的定位色块位置及大小；
第二定位模块，用于根据所述旋转后的定位色块位置及大小，得到旋转后待处理的尿试纸图片中的色卡图；
第二处理模块，用于根据所述色卡图，对所述旋转后待处理的尿试纸图片进行白平衡处理，得到旋转后的白平衡尿试纸图片；
定位识别模块，用于根据所述旋转后的定位色块位置及大小，对所述旋转后的白平衡尿试纸图片进行试纸色块自适应智能定位识别，得到采样图片中试纸色块的量化识别结果；
结果规约模块，用于根据所述采样图片集的每一张采样图片中所述试纸色块的量化识别结果，进行对应试纸色块的融合规约操作，最终得到所述尿试纸视频的试纸色块序列的量化识别结果。
以上所述，仅为本申请的具体实施方式，但本申请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申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围内。因此，本申请的保护范围应以所述权利要求的保护范围为准。
Claims (8)
1.一种尿试纸抗干扰自适应智能定位识别方法，所述尿试纸包括基片，以及设置在所述基片上的试纸色块序列、色卡和定位色块，所述定位色块设置于所述试纸色块序列的一端，所述色卡设置于所述定位色块的下部，所述色卡的一端与定位色块的一端平齐，另一端与所述基片平齐，其特征在于，所述定位识别方法包括以下步骤：
S1：获取尿试纸视频，根据所述尿试纸视频，进行尿试纸图片采样，获取采样图片集；
S2：对所述采样图片集的每一张采样图片，进行定位色块的定位；
S3：根据所述定位色块，对采样图片进行旋转，得到旋转后待处理的尿试纸图片及旋转后的定位色块位置及大小；
S4：根据所述旋转后的定位色块位置及大小，得到旋转后待处理的尿试纸图片中的色卡图；
S5：根据所述色卡图，对所述旋转后待处理的尿试纸图片进行白平衡处理，得到旋转后的白平衡尿试纸图片；
S6：根据所述旋转后的定位色块位置及大小，对所述旋转后的白平衡尿试纸图片进行试纸色块自适应智能定位识别，得到采样图片中试纸色块的量化识别结果；
S7：根据所述采样图片集的每一张采样图片中所述试纸色块的量化识别结果，进行对应试纸色块的融合规约操作，最终得到所述尿试纸视频的试纸色块序列的量化识别结果；
其中，步骤S6中，根据所述旋转后的定位色块位置及大小，对所述旋转后的白平衡尿试纸图片进行试纸色块自适应智能定位识别，得到采样图片中试纸色块的量化识别结果，包括如下步骤：
S61:根据旋转后定位色块最小外接矩形的中心点位置坐标，以及旋转后的白平衡尿试纸图片中心点位置坐标，判断旋转后的定位色块的左右方位；若定位色块最小外接矩形的中心点位置的横坐标值大于所述旋转后的白平衡尿试纸图片中心点位置的横坐标值，则旋转后的定位色块方位为右侧，采用自右向左的推算方向推算试纸色块的最小外接矩形；否则为左侧，采用自左向右的推算方向推算试纸色块的最小外接矩形；
S62:设置当前参考位置色块为定位色块，当前参考位置色块的最小外接矩形为旋转后的定位色块最小外接矩形；
S63:根据旋转后的定位色块的左右方位，以及当前参考位置色块的宽度大小，基于所述试纸色块序列宽度、及与当前参考位置色块中心距离大小比例关系，推算出与之相邻的试纸色块的最小外接矩形；
S64:采用自适应定位方法对步骤S63中推算出的与之相邻的试纸色块的最小外接矩形的中心点坐标进行修正；得到修正后的试纸色块的最小外接矩形；
S65:以步骤S64中得到的修正后的试纸色块的最小外接矩形的中心点坐标为圆心，基于所述旋转后的白平衡尿试纸图片截取半径为r的试纸色块圆形图；
S66:将所述试纸色块圆形图由RGB转换成LAB，分别计算L、A、B三个通道上的所有像素的平均值；
S67:分别针对修正后的试纸色块中的每一个匹配标准颜色，将其在L、A、B三个通道上的值与所述采样图片在L、A、B三个通道上的所有像素的平均值进行方差之和；
S68:选取方差之和最小的匹配标准颜色为修正后的试纸色块的匹配结果，返回所述匹配结果及其所对应的数值为识别结果；
步骤S7中，所述对应试纸色块融合规约操作具体为：统计对应试纸色块中所有采样图片对于匹配颜色的匹配数结果，选取匹配数最大的颜色为对应试纸色块的匹配颜色，其匹配颜色所对应的量化结果为对应试纸色块的量化识别结果。
2.根据权利要求1所述的一种尿试纸抗干扰自适应智能定位识别方法，其特征在于，步骤S2中，对所述采样图片集的每一张采样图片，进行定位色块的定位，包括如下步骤：
S21:将所述采样图片由RGB图片转换为HSV图片；
S22:根据cv2.inRange()函数对HSV图片进行定位色块颜色过滤，得到过滤后的二值化掩码图片；
S23:根据cv2.findContour()函数对过滤后的二值化掩码图片进行轮廓检测，得到轮廓集合；
S24:基于所述轮廓集合中的每一个轮廓，根据其对应的cv2.minAreaRect获取最小外接矩形；根据定位色块长宽比值和长宽大小范围，过滤出符合条件的最小外接矩形即为定位色块。
3.根据权利要求1所述的一种尿试纸抗干扰自适应智能定位识别方法，其特征在于，步骤S3中，根据所述定位色块，对采样图片进行旋转，得到旋转后待处理的尿试纸图片及旋转后的定位色块位置及大小，所述采样图片的旋转方法为之：根据定位色块最小外接矩形的角度旋转采样图片，使得旋转后所得到的采样图片中定位色块最小外接矩形保持水平。
4.根据权利要求1所述的一种尿试纸抗干扰自适应智能定位识别方法，其特征在于，步骤S4中，根据所述旋转后的定位色块位置及大小，得到旋转后待处理的尿试纸图片中的色卡图，所述色卡图获取方法为，根据所述旋转后定位色块的最小外接矩形的位置及大小，以及定位色块与色卡的相对位置以及大小关系，通过几何计算的方式获取色卡的位置及大小，通过对采样图片进行图像剪裁得到色卡图。
5.根据权利要求1所述的一种尿试纸抗干扰自适应智能定位识别方法，其特征在于，步骤S5中，根据所述色卡图，对所述旋转后待处理的尿试纸图片进行白平衡处理，得到旋转后的白平衡尿试纸图片，包括如下步骤：
S51:根据所述色卡图，分别求得旋转后待处理的尿试纸图片R、G、B三个通道像素的修正系数；
S52:所述旋转后待处理的尿试纸图片R、G、B三个通道像素的修正系数分别乘以所述旋转后待处理的尿试纸图片对应R、G、B三个通道每一个通道像素的值，得到旋转后的白平衡尿试纸图片。
6.根据权利要求5所述的一种尿试纸抗干扰自适应智能定位识别方法，其特征在于，步骤S64中，采用自适应定位方法对步骤S63中推算出的与之相邻的试纸色块的最小外接矩形的中心点坐标进行修正，得到修正后的试纸色块的最小外接矩形，包括如下步骤：
S641:获取步骤S63中推算出的与之相邻的试纸色块的最小外接矩形的中心点获取中心点位置像素，从该中心点坐标为出发点，分别向左、向右、向上和向下四个方向挪动，直到当前挪动位置点的像素与中心点位置像素在RGB三个通道上的方差之和大于设定阈值，得到从该中心点坐标为出发点，朝左、右、上、下四个方向上的边界坐标，设定修正后的试纸色块的最小外接矩形的中心点的坐标为：其横坐标为左、右边界坐标的中值，其纵坐标为上、下边界坐标的中值。
7.根据权利要求6所述的一种尿试纸抗干扰自适应智能定位识别方法，其特征在于，根据所述旋转后的定位色块位置及大小，对所述旋转后的白平衡尿试纸图片进行试纸色块自适应智能定位识别，得到采样图片中试纸色块的量化识别结果，所述步骤S68后，还包括如下步骤：
S69:设置当前参考位置色块为修正后的试纸色块，当前参考位置色块的最小外接矩形为修正后的试纸色块的最小外接矩形，返回步骤S63，直至返回所有试纸色块的匹配结果及其所对应的数值，进入步骤S7。
8.一种尿试纸抗干扰自适应智能定位识别系统，其特征在于，所述系统包括：
获取模块，用于获取尿试纸视频，根据所述尿试纸视频，进行尿试纸图片采样，获取采样图片集；
第一定位模块，用于对所述采样图片集的每一张采样图片，进行定位色块的定位；
第一处理模块，用于根据所述定位色块，对采样图片进行旋转，得到旋转后待处理的尿试纸图片及旋转后的定位色块位置及大小；
第二定位模块，用于根据所述旋转后的定位色块位置及大小，得到旋转后待处理的尿试纸图片中的色卡图；
第二处理模块，用于根据所述色卡图，对所述旋转后待处理的尿试纸图片进行白平衡处理，得到旋转后的白平衡尿试纸图片；
定位识别模块，用于根据所述旋转后的定位色块位置及大小，对所述旋转后的白平衡尿试纸图片进行试纸色块自适应智能定位识别，得到采样图片中试纸色块的量化识别结果；
结果规约模块，用于根据所述采样图片集的每一张采样图片中所述试纸色块的量化识别结果，进行对应试纸色块的融合规约操作，最终得到所述尿试纸视频的试纸色块序列的量化识别结果；
其中，定位识别模块根据所述旋转后的定位色块位置及大小，对所述旋转后的白平衡尿试纸图片进行试纸色块自适应智能定位识别，得到采样图片中试纸色块的量化识别结果，包括如下步骤：
S61:根据旋转后定位色块最小外接矩形的中心点位置坐标，以及旋转后的白平衡尿试纸图片中心点位置坐标，判断旋转后的定位色块的左右方位；若定位色块最小外接矩形的中心点位置的横坐标值大于所述旋转后的白平衡尿试纸图片中心点位置的横坐标值，则旋转后的定位色块方位为右侧，采用自右向左的推算方向推算试纸色块的最小外接矩形；否则为左侧，采用自左向右的推算方向推算试纸色块的最小外接矩形；
S62:设置当前参考位置色块为定位色块，当前参考位置色块的最小外接矩形为旋转后的定位色块最小外接矩形；
S63:根据旋转后的定位色块的左右方位，以及当前参考位置色块的宽度大小，基于所述试纸色块序列宽度、及与当前参考位置色块中心距离大小比例关系，推算出与之相邻的试纸色块的最小外接矩形；
S64:采用自适应定位方法对步骤S63中推算出的与之相邻的试纸色块的最小外接矩形的中心点坐标进行修正；得到修正后的试纸色块的最小外接矩形；
S65:以步骤S64中得到的修正后的试纸色块的最小外接矩形的中心点坐标为圆心，基于所述旋转后的白平衡尿试纸图片截取半径为r的试纸色块圆形图；
S66:将所述试纸色块圆形图由RGB转换成LAB，分别计算L、A、B三个通道上的所有像素的平均值；
S67:分别针对修正后的试纸色块中的每一个匹配标准颜色，将其在L、A、B三个通道上的值与所述采样图片在L、A、B三个通道上的所有像素的平均值进行方差之和；
S68:选取方差之和最小的匹配标准颜色为修正后的试纸色块的匹配结果，返回所述匹配结果及其所对应的数值为识别结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110523804.XA CN113252654B (zh) | 2021-05-13 | 2021-05-13 | 一种尿试纸抗干扰自适应智能定位识别方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110523804.XA CN113252654B (zh) | 2021-05-13 | 2021-05-13 | 一种尿试纸抗干扰自适应智能定位识别方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113252654A CN113252654A (zh) | 2021-08-13 |
| CN113252654B true CN113252654B (zh) | 2022-12-09 |
Family
ID=77181707
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110523804.XA Active CN113252654B (zh) | 2021-05-13 | 2021-05-13 | 一种尿试纸抗干扰自适应智能定位识别方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113252654B (zh) |
Family Cites Families (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170262694A1 (en) * | 2016-03-11 | 2017-09-14 | The Board Of Trustees Of The Leland Stanford Junior University | Point-of-care Sample Analysis and Microscopy for Liquid Samples |
| CN106546581B (zh) * | 2016-11-02 | 2019-12-10 | 长沙云知检信息科技有限公司 | 试纸检测卡智能检测系统以及试纸检测卡智能分析方法 |
| CN106991679A (zh) * | 2017-03-16 | 2017-07-28 | 四川大学 | 一种基于云平台尿检试纸生理指标量化识别方法 |
| CN108152278B (zh) * | 2017-11-22 | 2020-07-24 | 沈阳普泽众康医药科技有限公司 | 一种尿液检测方法及装置 |
| KR102016989B1 (ko) * | 2017-11-29 | 2019-09-02 | 한양대학교 산학협력단 | 타이머를 포함하는 소변 검사용 스트립, 소변 검사용 스트립 검출 및 분석 방법 |
| CN108510477B (zh) * | 2018-03-15 | 2021-08-24 | 深圳市飞点健康管理有限公司 | 试纸色块的定位方法及装置 |
| CN207850936U (zh) * | 2018-03-15 | 2018-09-11 | 深圳市飞点健康管理有限公司 | 试纸 |
| CN109884040A (zh) * | 2019-02-12 | 2019-06-14 | 深圳市象形字科技股份有限公司 | 一种基于图像识别和otg技术的尿液检测方法 |
| CN109991216A (zh) * | 2019-03-12 | 2019-07-09 | 深圳市象形字科技股份有限公司 | 一种尿检仪试纸条颜色识别方法 |
| CN110599552B (zh) * | 2019-08-30 | 2022-03-29 | 杭州电子科技大学 | 一种基于计算机视觉的pH试纸检测方法 |
-
2021
- 2021-05-13 CN CN202110523804.XA patent/CN113252654B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN113252654A (zh) | 2021-08-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105528789B (zh) | 机器人视觉定位方法和装置、视觉标定方法和装置 | |
| CN105740856A (zh) | 一种基于机器视觉的指针式仪表示数读取方法 | |
| CN111624203B (zh) | 一种基于机器视觉的继电器接点齐度非接触式测量方法 | |
| CN110487737B (zh) | 用于智能手机光谱检测的图像信息提取与计算方法及系统 | |
| CN108510477B (zh) | 试纸色块的定位方法及装置 | |
| CN115841434A (zh) | 一种用于气体浓度分析的红外图像增强方法 | |
| CN116862910B (zh) | 基于自动化裁切生产的视觉检测方法 | |
| CN115267180B (zh) | 一种层析免疫检测方法及装置 | |
| CN111033563A (zh) | 一种免疫层析检测的图像分析方法以及系统 | |
| CN110769229A (zh) | 投影画面颜色亮度的检测方法、装置及系统 | |
| CN112967176A (zh) | 一种利用Image J和Photoshop对植物盖度分析的方法 | |
| CN113947563A (zh) | 一种基于深度学习的电缆工艺质量动态缺陷检测方法 | |
| CN110412257B (zh) | 一种结合人工标定与星射线算法的试纸块定位方法 | |
| CN115205218A (zh) | 一种软排线装配检测方法、装置、电子设备及存储介质 | |
| CN110751690A (zh) | 铣床刀头视觉定位方法 | |
| CN113252654B (zh) | 一种尿试纸抗干扰自适应智能定位识别方法及系统 | |
| CN113221805A (zh) | 一种电力设备图像位置获取方法及装置 | |
| CN109856133B (zh) | 一种利用多种光照强度、多种色彩照明的试纸检测方法 | |
| CN111986266A (zh) | 一种光度立体视觉点光源参数标定方法 | |
| CN116993654B (zh) | 摄像头模组缺陷检测方法、装置、设备、存储介质及产品 | |
| CN114594102B (zh) | 一种基于机器视觉的数据线接口自动检测方法 | |
| CN214410073U (zh) | 一种工业相机与深度相机结合的三维检测定位系统 | |
| CN115100273A (zh) | 一种基于图像处理的免疫层析试纸条定量分析系统及检测方法 | |
| WO2017219562A1 (zh) | 一种二维码生成方法及装置 | |
| CN113592789A (zh) | 暗光图像识别方法、装置、设备及存储介质 |
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 | ||
| CP01 | Change in the name or title of a patent holder |
Address after: Room 102, 1f, building 5, yard 25, Jinghai 4th Road, Beijing Economic and Technological Development Zone, Daxing District, Beijing 100176 Patentee after: Yunhuatang (Beijing) traditional Chinese Medicine Technology Co.,Ltd. Address before: Room 102, 1f, building 5, yard 25, Jinghai 4th Road, Beijing Economic and Technological Development Zone, Daxing District, Beijing 100176 Patentee before: Beijing beta Baer Health Technology Co.,Ltd. |
|
| CP01 | Change in the name or title of a patent holder |