CN114486895A - 一种基于尿干化试纸条推向识别的检测样本物质浓度的方法 - Google Patents
一种基于尿干化试纸条推向识别的检测样本物质浓度的方法 Download PDFInfo
- Publication number
- CN114486895A CN114486895A CN202210071676.4A CN202210071676A CN114486895A CN 114486895 A CN114486895 A CN 114486895A CN 202210071676 A CN202210071676 A CN 202210071676A CN 114486895 A CN114486895 A CN 114486895A
- Authority
- CN
- China
- Prior art keywords
- color
- test strip
- data
- rgb data
- detected
- 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
- 238000012360 testing method Methods 0.000 title claims abstract description 85
- 238000000034 method Methods 0.000 title claims abstract description 36
- 210000002700 urine Anatomy 0.000 title claims abstract description 18
- 238000001035 drying Methods 0.000 title claims abstract description 14
- 239000000126 substance Substances 0.000 title claims abstract description 12
- 238000004458 analytical method Methods 0.000 claims abstract description 37
- 238000001514 detection method Methods 0.000 claims abstract description 17
- 239000011159 matrix material Substances 0.000 claims abstract description 9
- 239000003086 colorant Substances 0.000 claims description 29
- 238000004364 calculation method Methods 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 13
- 238000012937 correction Methods 0.000 claims description 8
- 239000003153 chemical reaction reagent Substances 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 5
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims description 3
- 238000002474 experimental method Methods 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims 1
- 230000010354 integration Effects 0.000 abstract description 5
- 230000008569 process Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 230000018109 developmental process Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- MHAJPDPJQMAIIY-UHFFFAOYSA-N Hydrogen peroxide Chemical compound OO MHAJPDPJQMAIIY-UHFFFAOYSA-N 0.000 description 2
- 238000007705 chemical test Methods 0.000 description 2
- 238000000513 principal component analysis Methods 0.000 description 2
- 238000003908 quality control method Methods 0.000 description 2
- 101000872083 Danio rerio Delta-like protein C Proteins 0.000 description 1
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 102000004882 Lipase Human genes 0.000 description 1
- 108090001060 Lipase Proteins 0.000 description 1
- 239000004367 Lipase Substances 0.000 description 1
- 102000005348 Neuraminidase Human genes 0.000 description 1
- 108010006232 Neuraminidase Proteins 0.000 description 1
- 206010046914 Vaginal infection Diseases 0.000 description 1
- 201000008100 Vaginitis Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 102000005936 beta-Galactosidase Human genes 0.000 description 1
- 108010005774 beta-Galactosidase Proteins 0.000 description 1
- 238000004737 colorimetric analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 210000000265 leukocyte Anatomy 0.000 description 1
- 235000019421 lipase Nutrition 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 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
- G01N21/84—Systems specially adapted for particular applications
- G01N21/8483—Investigating reagent band
Abstract
本发明涉及试纸颜色分析技术领域,具体涉及一种基于尿干化试纸条推向识别的检测样本物质浓度的方法,具体包括如下步骤:首先相机定时积分得到色块RGB数据,将其输入颜色校准矩阵得到标准色和校准值,然后进入待检项循环查找是否仍有待检项目,若有则运动至下一检测色块,进行同时长的颜色积分得到RGB数据,然后结合校准值得到校准RGB数据,进入分析模块后先将RGB数据转换为LAB空间数据,进行同色系判断,若在同一色系则计算Lab空间欧式距离,直接查找最近邻色,若不属于同色系则采用色差比较算法加以优化进行色差比较选出最小色差色;然后查找对应样本浓度值作为检测结果,最后返回循环直至所有项目检测完成后退出循环。
Description
技术领域
本发明涉及试纸颜色分析技术领域,具体涉及一种基于尿干化试纸条推向识别的检测样本物质浓度的方法。
背景技术
尿干化试纸条自动识别检测样本物质浓度技术是实现尿液检测自动化与智能化的关键技术,也适用于其他试剂比色及试剂卡的自动识别,如阴道炎五联检试剂的过氧化氢、白细胞脂酶、β-氨基半乳糖苷酶、唾液酸苷酶、PH值等项目检测。
目前,尿干化试纸条多采用人工比色或RGB颜色比色或反射光电比色法,人工比色存在效率低、依赖经验、无法量化、易疲劳等问题,RGB比色因为颜色RGB空间距离无法代表真实色差,且易受颜色亮度影响,导致算法复杂、结果不稳定、可靠性低等问题,反射光电比色法一般只能适用少数几种品牌和规格的干化学试纸条,由于尿干化学试纸条的不同批次之间存在差别,会造成检测结果有较大偏差,此外仪器需要频繁校准,一旦发现有偏差,需要仪器厂家技术人员修改仪器硬件电路参数或直接更换光学配件,此外由于设备之间的差别,一台设备采集的标准数据库拷贝到另一台设备中作为标准数据库时,可能会由于设备之间的误差导致最终的检测结果不准确。
因此如何采用精简的方法实现尿干化试纸条的稳定、准确的颜色识别及比色是目前有待解决的问题。
发明内容
本发明的目的通过以下技术方案来实现:
本发明提出一种基于尿干化试纸条推向识别的检测样本物质浓度的方法,具体包括如下步骤:
S1:通过采集模块采取试纸条图像,并对试纸条图像进行预处理,得到样本图像;
S2:提取样本图像中的第一序列色块的RGB数据,将第一序列色块的RGB数据输入颜色校准矩阵,输出色块RGB数据和校准值,并将校准值记录,将色块RGB数据输入分析模块;
S3:分析模块将输入的色块RGB数据转换成若干个点RGB数据,并通过主色分析,得到主色块RGB数据;
S4:分析模块将主色色块RGB数据转换成LAB数据,得到待检测数据,并进行同色分析:
若为同色系,则依次计算待检测数据与标准数据库中不同浓度色块的LAB颜色空间欧式距离,得到最近邻色,并转换成对应浓度输出为检测结果;
若不为同色系,则将待检测数据依次与标准数据库中不同浓度色块的LAB数据输入色差比较算法,计算得到最近邻色,并转换成对应浓度输出为检测结果;
S5:分析模块对样本图像进行待检测项分析:
若存在待检测项,则提取样本图像中下一序列色块的RGB数据,并根据当前记录的校准值对下一序列色块的RGB数据进行校准,并输入分析模块,执行S3;
若不存在待检测项,分析模块依次输出所有的检测结果,并清除当前记录的校准值。
优选的,S1中,包括采集步骤和预处理:
S11:设定采集模块的定时积分时间,采集试纸条图像;
S12:对采集到的试纸条图像进行二值化处理、开运算、闭运算以及试纸条定位与矫正。
优选的,所述二值化处理包括:
S121:将试纸条图像转换成灰度图;
S122:对灰度图采用最大类间自动阙值分割法进行二值化处理。
优选的,所述试纸条定位与矫正包括:
S123:采用Canny轮廓算法结合面积筛选查找试纸条轮廓,并计算出轮廓的最小外接矩形,确定试纸条的位置与角度;
S124:通过仿射变换矫正试纸条的位置及角度,对试纸条进行畸变及方向矫正。
优选的,S3中,主色分析包括:
S31:将若干个点RGB数据转换为LAB数据;
S32:将若干个LAB数据做K聚类,其中K=1;
S33:将计算得到的聚类中心作为色块主色,并转换为RGB数据,绘制出主色色块图像。
优选的,S4中,不为同色系时:
S42:将加权后得到的R'G'B'数据转换为LAB数据进行计算;
S46:计算SL、SC、SH权重系数、T和RT,计算公式为
S48:将最小色差对应的标准数据库中对比色块的浓度作为结果输出。
本发明提出的一种基于尿干化试纸条推向识别的检测样本物质浓度的方法,具有以下有益效果:
(1)本发明能够完全排除外界所有干扰,无需更好的硬件条件要求,即可实现尿干化试纸条的自动识别;
(2)本发明能够实现尿干化试纸条的自动定位、矫正与识别分析,采用基于LAB颜色模型的人眼色差对比模型,实现尿干化试纸条准确、稳定的自动识别,经质控验证,结果满足实用要求。
附图说明
图1是本发明涉及的数据采集与处理算法流程图;
图2是本发明采集的试纸条图;
图3是本发明的ROI图;
图4是本发明的二值化图;
图5是本发明经过开闭运算后的二值化图;
图6是本发明轮廓定位及矫正后试纸条图;
图7是本发明颜色校准矩阵后输出的归一化图;
图8是本发明的各色块主色图。
具体实施方式
下文将结合具体实施例对本发明的技术方案做更进一步的详细说明。下列实施例仅为示例性地说明和解释本发明,而不应被解释为对本发明保护范围的限制。凡基于本发明上述内容所实现的技术均涵盖在本发明旨在保护的范围内。
除非另有说明,以下实施例中使用的原料和试剂均为市售商品,或者可以通过已知方法制备。
本发明提出一种基于尿干化试纸条推向识别的检测样本物质浓度的方法,具体包括如下步骤:
S1:通过采集模块采取试纸条图像,并对试纸条图像进行预处理,得到样本图像;
包括采集步骤和预处理:
S11:设定采集模块的定时积分时间,采集试纸条图像;
采集过程中,首先对采集模块如相机或摄像头或其他颜色传感器,设定一定的曝光或积分时间,采集显色反应后的试纸条图像,采集的试纸条图像见附图2。
因为试纸条在采集时的位置通常不会超出设定的范围,采集到的试纸条图像大小一致,试纸条位置一致,因此可以分离采集到的试纸条图像中感兴趣区域作为试纸条分析区域图,记为ROI图,见附图3,感兴趣区域即是试纸条所在区域,去除试纸条图像中无分析区域。
S12:对采集到的试纸条图像进行二值化处理、开运算、闭运算以及试纸条定位与矫正。
二值化处理包括:
S121:将试纸条图像转换成灰度图;
S122:对灰度图采用最大类间自动阙值分割法进行二值化处理,得到二值化图像,见附图4。
二值化处理后可以看到除试纸条外还有许多孤立的亮点以及暗孔,为了更够更准确的找到试纸条以及色块位置,要对二值化图像进行开运算去除孤立的亮点,再进行闭运算填平暗孔,见附图5;
对闭运算后的二值化图像进行试纸条定位与矫正包括:
S123:采用Canny轮廓算法结合面积筛选查找试纸条轮廓,并计算出轮廓的最小外接矩形,确定试纸条的位置与角度;
S124:通过仿射变换矫正试纸条的位置及角度,对试纸条进行畸变及方向矫正,见附图6。
在采集过程中,试纸条区域受光线反射、光源色温、样本底色等因素的影响,产生光斑、颜色偏差等误差,使得试纸条各个指标颜色的信息值产生一定的误差,因此需要对试纸条图像中试纸的颜色做归一化处理,并且试纸条左端的第一个色块即第一序列色块为校准色块,颜色为纯白色,即附图6左端第一个色块,作用是用于对比试纸条受环境的影响程度,因此可通过颜色校准矩阵也就是白平衡校正此色块,矫正数据记录为校准值,并用该数据矫正样本图像中其他序列色块的颜色。
S2:提取样本图像中的第一序列色块的RGB数据,将第一序列色块的RGB数据输入颜色校准矩阵,输出色块RGB数据和校准值,并将校准值记录,将色块RGB数据输入分析模块;
颜色校准矩阵输出的色块RGB数据为事先设定的白色,不管样本图像中的第一序列色块的RGB数据采集后为什么颜色,输出的色块RGB数据均为白色,将矫正数据记录为校准值并输出,见附图7。
S3:校准色块的RGB数据由颜色校准矩阵输出,因此为纯色块,后续序列经过矫正数据校准后的色块不为纯色,同一色块内存在多种颜色,即单个色块RGB中的若干个点RGB数据不一致,因此需要确定色块的主色,分析模块将输入的色块RGB数据转换成若干个点RGB数据,并通过主色分析,得到主色块RGB数据;
主色分析包括:
S31:将若干个点RGB数据转换为LAB数据;即色块RGB数据中的每个像素的RGB数据转换为LAB数据,也叫LAB颜色空间值。
S32:将若干个LAB数据做K聚类,其中K=1;即将每个像素的LAB颜色空间值即L*为亮度、a*为红绿颜色对立维度、b*为黄蓝颜色对立维度,作为x、y、z坐标做K聚类,其中,K=1。
S33:将计算得到的聚类中心作为色块主色,并将聚类中心的LAB颜色空间值转换为RGB数据,绘制出主色色块图像。
由于RGB颜色模型是使用红、绿、蓝三原色的亮度来定量表示颜色,RGB可以看做三维直角坐标颜色系统中的一个单位正方体。任何一种颜色在RGB颜色空间中都可以用三维空间中的一个点来表示。由此可以看出,该光学系统中硬件上一点点的变化,会导致标准色块与检测色块不相同,因而对颜色的比较和识别存在较大的误差,有可能存在RGB颜色空间中两个点距离非常接近,但是属于两种颜色的可能性。
采用LAB颜色模型,该模型弥补了RGB颜色模型的不足,LAB颜色模型是一种与设备无关的颜色模型,也是一种基于生理特征的颜色模型,LAB颜色模型由三个要素组成,分别是亮度L,A和B是两个颜色通道,A包括的颜色是从深绿色(低亮度值)到灰色(中亮度值)再到亮粉红色(高亮度值);B是从亮蓝色(低亮度值)到灰色(中亮度值)再到黄色(高亮度值)。因此,这种颜色混合后将产生具有明亮效果的色彩。LAB颜色空间中的L分量用于表示像素的亮度,取值范围是[0,100],表示从纯黑到纯白;A表示从红色到绿色的范围,取值范围是[127,-128];B表示从黄色到蓝色的范围,取值范围是[127,-128]。使用LAB颜色模型时,完全与光学系统的硬件无关,我们只需要简单的计算两个颜色之间的空间距离即可知道其颜色的相似度即可,简单的说,当检测色块与所有标准色块进行空间距离计算,无论光学系统的硬件是否存在变化,检测色块与所有标准色块的空间距离始终存在,不同色块之间的空间距离一定不一样,我们只需要知道到检测色块与所有标准色块空间距离的最小值是哪两个色块即可,空间距离最小就是该标准色块所代表的样本检测浓度。
S4:分析模块将主色色块RGB数据转换成LAB数据,得到待检测数据,并进行同色分析:
若为同色系,则依次计算待检测数据与标准数据库中不同浓度色块的LAB颜色空间欧式距离,得到最近邻色,并转换成对应浓度输出为检测结果;
若不为同色系,则将待检测数据依次与标准数据库中不同浓度色块的LAB数据输入色差比较算法,计算得到最近邻色,并转换成对应浓度输出为检测结果;
不为同色系时:首先根据不同品牌的各测试色块都具有较特定的颜色特征,如红色、黄色、蓝色、绿色等或与这些色相近的颜色,即具有一定的显色偏好,实际浓度与肉眼观测的颜色不一定具备最佳的线性关联,其颜色变化都与其显色中的某个三基色成分具有较好的关联性,即RGB三通道赋予不同的权重值;使得实际浓度与颜色数据具备更加的线性关联,通过实验统计和计算,我们发现其不同色块在计算最小色差时,首先需要根据定标实验数据统计给定每个测试项目的显色块RGB三基色分量不同权重。
S41:对校准后的RGB数据(此处的校准后的RGB为S5步骤中的根据当前记录的校准值对下一序列色块的RGB数据进行校准后得到的校准RGB数据,且不再进行主色分析,即主色分析中输入的原始校准RGB数据)进行加权计算,其中k1、k2、k3分别是待检测色块对应RGB三基色的权重,权重根据定标实验数据统计得到;
S42:将加权后得到的R'G'B'数据转换为LAB数据进行计算,RGB数据转LAB数据公式为公知技术,故不在此公布;
S45:因为试纸条自动识别的核心是根据拍摄的试纸条图片与标准比色卡比较判定样品色与比色卡不同浓度色的差异,取差异最小浓度色作为测定浓度。在CIE LAB(L*A*B*色空间)中评估色差的常用参数、和Δa*b*分别定义为圆圈和矩形。CIE 2000的色差参数ΔE00却是一个主轴在饱和度方向上的与人眼辨别临界区相接近的椭圆。在低饱和度的区域,重量系数SL、SC、SH都接近于1,使得整个椭圆更象个圆形。在高饱和度的区域,重量系数SC将比其他两个系数SL、SH变得更大,因此在饱和度方向上椭圆被拉得更狭长(饱和度的敏感度更低)。
S46:计算SL、SC、SH权重系数、T和RT,为了对椭圆进行旋转,引入RT函数,其中Δθ由色调决定旋转角,RC根据彩度变化的旋转幅度,计算公式为
得出最小色差,其中,表示总色差,KL=KC=KH=1,三个常量参数KL,KC和KH,用户可以根据不同的测量对象或者色彩品质控制要求来自定义它们的数值,以获得更灵活的色差计算方式,参数KL、KC、KH是与使用条件有关的校正系数,它们是影响着色差感觉的因素。在标准条件下,KL=KC=KH=1;条件不符合时候根据工业色差评估条件确定这些值;
S48:将最小色差对应的标准数据库中对比色块的浓度作为结果输出,最小色差即代表该标准浓度的对比色块与正在检测的色块为最近邻色,其对应的浓度即为试纸条中对应检验项的识别结果,当存在两个最近邻色时,即样本色块与标准数据库中两个标准浓度色块之间时,取序列在后的标准色块的浓度作为检验结果;
标准数据库中的标准浓度的对比色块由标准比色卡经过S1到S5获得,并且该标准数据库事先由当前检测设备进行采集处理。
S5:分析模块对样本图像进行待检测项分析:
若存在待检测项,则提取样本图像中下一序列色块的RGB数据,并根据当前记录的校准值对下一序列色块的RGB数据进行校准,并输入分析模块,执行S3;
若不存在待检测项,分析模块依次输出所有的检测结果,并清除当前记录的校准值。
设定待检测项分析的原因为,当程序出错时,整个流程依旧可以进行,并等程序完成后退出程序不至于程序死机。
检测过程为,使用新设备进行检验前,先将标准比色卡经过采集、校准、二值化处理、开运算、闭运算、轮廓定位、方位矫正、主元分析法获得标准浓度色块数据,从而得到该设备的标准数据库,再将待检测的完成加样显色反应后的试纸条放在采样处,通过相机或其他颜色传感器定时积分采集尿干试纸条图像,然后对采集图像中的试纸条进行校准值采集、二值化处理、开运算、闭运算、轮廓定位、方位矫正、主元分析、同色分析,若为同一色系,则计算Lab空间欧式距离,直接查找最近邻色,若不属于同一色系则采用色差法进行优化计算,将待检测的色块与标准色块数据库中的不同浓度色块逐一进行计算,算出最小色差,若有两个最小色差,即选择序号在后的标准浓度色块作为最近邻色,输出其代表的浓度后,进行试纸条的下一个序号的色块的浓度检测,返回循环直到所有色块检测完成后退出循环。
集过程中,首先相机定时积分接受色度信息,得到色块RGB数据,将RGB数据输入颜色校准矩阵得到标准色和校准值,然后进入待检项循环查找是否仍有待检项目,若有则运动至下一检测色块,同样进行同时长的颜色积分得到RGB颜色数据,然后结合校准值得到校准后的RGB数据,进入分析模块后先将RGB数据转换为LAB空间数据,判断该样本色块在不同浓度的颜色变化是否在同一色系,若在同一色系则计算Lab空间欧式距离,直接查找最近邻色,若不属于同色系则采用色差比较算法加以优化进行色差比较选出最小色差色;然后查找对应样本浓度值作为检测结果,最后返回循环直至所有项目检测完成后退出循环。
以上实施方式,仅为本发明较佳的具体实施方式。但是,本发明不限定于上述实施方式。凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种基于尿干化试纸条推向识别的检测样本物质浓度的方法,其特征在于,具体包括如下步骤:
S1:通过采集模块采取试纸条图像,并对试纸条图像进行预处理,得到样本图像;
S2:提取样本图像中的第一序列色块的RGB数据,将第一序列色块的RGB数据输入颜色校准矩阵,输出色块RGB数据和校准值,并将校准值记录,将色块RGB数据输入分析模块;
S3:分析模块将输入的色块RGB数据转换成若干个点RGB数据,并通过主色分析,得到主色块RGB数据;
S4:分析模块将主色色块RGB数据转换成LAB数据,得到待检测数据,并进行同色分析:
若为同色系,则依次计算待检测数据与标准数据库中不同浓度色块的LAB颜色空间欧式距离,得到最近邻色,并转换成对应浓度输出为检测结果;
若不为同色系,则将待检测数据依次与标准数据库中不同浓度色块的LAB数据输入色差比较算法,计算得到最近邻色,并转换成对应浓度输出为检测结果;
S5:分析模块对样本图像进行待检测项分析:
若存在待检测项,则提取样本图像中下一序列色块的RGB数据,并根据当前记录的校准值对下一序列色块的RGB数据进行校准,并输入分析模块,执行S3;
若不存在待检测项,分析模块依次输出所有的检测结果,并清除当前记录的校准值。
2.根据权利要求1所述的一种基于尿干化试纸条推向识别的检测样本物质浓度的方法,其特征在于,所述S1中,包括采集步骤和预处理:
S11:设定采集模块的定时积分时间,采集试纸条图像;
S12:对采集到的试纸条图像进行二值化处理、开运算、闭运算以及试纸条定位与矫正。
3.根据权利要求2所述的一种基于尿干化试纸条推向识别的检测样本物质浓度的方法,其特征在于,所述二值化处理包括:
S121:将试纸条图像转换成灰度图;
S122:对灰度图采用最大类间自动阙值分割法进行二值化处理。
4.根据权利要求2所述的一种基于尿干化试纸条推向识别的检测样本物质浓度的方法,其特征在于,所述试纸条定位与矫正包括:
S123:采用Canny轮廓算法结合面积筛选查找试纸条轮廓,并计算出轮廓的最小外接矩形,确定试纸条的位置与角度;
S124:通过仿射变换矫正试纸条的位置及角度,对试纸条进行畸变及方向矫正。
5.根据权利要求1所述的一种基于尿干化试纸条推向识别的检测样本物质浓度的方法,其特征在于,所述S3中,主色分析包括:
S31:将若干个点RGB数据转换为LAB数据;
S32:将若干个LAB数据做K聚类,其中K=1;
S33:将计算得到的聚类中心作为色块主色,并转换为RGB数据,绘制出主色色块图像。
6.根据权利要求1所述的一种基于尿干化试纸条推向识别的检测样本物质浓度的方法,其特征在于,所述S4中,不为同色系时:
S42:将加权后得到的R'G'B'数据转换为LAB数据进行计算;
S46:计算SL、SC、SH权重系数、T和RT,计算公式为
RT=-sin(2Δθ)RC
S48:将最小色差对应的标准数据库中对比色块的浓度作为结果输出。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210071676.4A CN114486895A (zh) | 2022-01-21 | 2022-01-21 | 一种基于尿干化试纸条推向识别的检测样本物质浓度的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210071676.4A CN114486895A (zh) | 2022-01-21 | 2022-01-21 | 一种基于尿干化试纸条推向识别的检测样本物质浓度的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114486895A true CN114486895A (zh) | 2022-05-13 |
Family
ID=81473505
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210071676.4A Pending CN114486895A (zh) | 2022-01-21 | 2022-01-21 | 一种基于尿干化试纸条推向识别的检测样本物质浓度的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114486895A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114739991A (zh) * | 2022-06-09 | 2022-07-12 | 博奥生物集团有限公司 | 一种尿干化学常规检测方法及检测装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104217409A (zh) * | 2014-09-30 | 2014-12-17 | 南京汇川工业视觉技术开发有限公司 | 一种基于模拟退火最优化算法的图像色彩校正方法 |
WO2018095412A1 (zh) * | 2016-11-25 | 2018-05-31 | 友好净控科技(浙江)有限公司 | 一种基于颜色数据分析的物质含量检测方法和系统 |
CN109254000A (zh) * | 2018-10-25 | 2019-01-22 | 太原理工大学 | 基于智能设备比色分析的阵列式尿液多指标检测装置与方法 |
CN109324039A (zh) * | 2017-07-31 | 2019-02-12 | 爱威科技股份有限公司 | 试纸条反应浓度检测方法、装置、存储介质及计算机设备 |
CN109991215A (zh) * | 2019-03-08 | 2019-07-09 | 深圳市象形字科技股份有限公司 | 一种用于尿液检测仪的异常情形预警方法 |
CN110322520A (zh) * | 2019-07-04 | 2019-10-11 | 厦门美图之家科技有限公司 | 图像主色提取方法、装置、电子设备及存储介质 |
CN111060502A (zh) * | 2019-12-30 | 2020-04-24 | 长沙协大生物科技有限公司 | 一种基于试纸图像识别的检测样本物质浓度的方法 |
-
2022
- 2022-01-21 CN CN202210071676.4A patent/CN114486895A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104217409A (zh) * | 2014-09-30 | 2014-12-17 | 南京汇川工业视觉技术开发有限公司 | 一种基于模拟退火最优化算法的图像色彩校正方法 |
WO2018095412A1 (zh) * | 2016-11-25 | 2018-05-31 | 友好净控科技(浙江)有限公司 | 一种基于颜色数据分析的物质含量检测方法和系统 |
CN109324039A (zh) * | 2017-07-31 | 2019-02-12 | 爱威科技股份有限公司 | 试纸条反应浓度检测方法、装置、存储介质及计算机设备 |
CN109254000A (zh) * | 2018-10-25 | 2019-01-22 | 太原理工大学 | 基于智能设备比色分析的阵列式尿液多指标检测装置与方法 |
CN109991215A (zh) * | 2019-03-08 | 2019-07-09 | 深圳市象形字科技股份有限公司 | 一种用于尿液检测仪的异常情形预警方法 |
CN110322520A (zh) * | 2019-07-04 | 2019-10-11 | 厦门美图之家科技有限公司 | 图像主色提取方法、装置、电子设备及存储介质 |
CN111060502A (zh) * | 2019-12-30 | 2020-04-24 | 长沙协大生物科技有限公司 | 一种基于试纸图像识别的检测样本物质浓度的方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114739991A (zh) * | 2022-06-09 | 2022-07-12 | 博奥生物集团有限公司 | 一种尿干化学常规检测方法及检测装置 |
CN114739991B (zh) * | 2022-06-09 | 2022-09-02 | 博奥生物集团有限公司 | 一种尿干化学常规检测方法及检测装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103518224B (zh) | 用于分析微生物生长的方法 | |
CN106991679A (zh) | 一种基于云平台尿检试纸生理指标量化识别方法 | |
EP2638508B1 (en) | System and method for identifying complex tokens in an image | |
CN110781889B (zh) | 一种基于深度学习的蓝莓果实中总糖含量的无损检测方法 | |
CN111242896A (zh) | 一种彩色印刷标签缺陷检测与质量评级方法 | |
CN111815564B (zh) | 一种检测丝锭的方法、装置及丝锭分拣系统 | |
CN107328776A (zh) | 一种免疫层析试纸卡的快速检测方法 | |
CN110440921B (zh) | 一种颜色识别传感器模块和颜色识别方法 | |
CN104198325B (zh) | 基于计算机视觉的烟丝中梗丝比例测定方法 | |
CN104854620A (zh) | 图像处理装置、图像处理系统和程序 | |
CN106468661A (zh) | 一种尿检试纸彩色成像相关性检测方法及系统 | |
CN106162161A (zh) | 一种图像检测方法及显示装置 | |
CN115994907B (zh) | 用于食品检测机构综合信息的智能处理系统及方法 | |
CN113420614A (zh) | 一种基于深度学习算法的近红外高光谱图像识别霉变花生的方法 | |
You et al. | A novel chicken meat quality evaluation method based on color card localization and color correction | |
CN114486895A (zh) | 一种基于尿干化试纸条推向识别的检测样本物质浓度的方法 | |
CN116559111A (zh) | 一种基于高光谱成像技术的高粱品种识别方法 | |
CN110044485B (zh) | 一种图像式织物颜色测量方法 | |
JPH10221036A (ja) | 部品の品種自動識別方法および装置 | |
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 | |
CN117152461A (zh) | 一种基于数字图像的卷烟包装材料色差检测方法 | |
CN113435444B (zh) | 免疫层析检测方法、装置、存储介质及计算机设备 | |
CN114694128A (zh) | 一种基于抽象度量学习的指针式仪表检测方法及系统 | |
KR102226943B1 (ko) | 검출 방법 및 검출 패드 | |
KR101158329B1 (ko) | 자동 지폐 검사를 위한 형광 패턴 추출 장치 및 방법 |
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 |