CN115375954A

CN115375954A - 一种化学实验溶液识别方法、装置、设备及可读存储介质

Info

Publication number: CN115375954A
Application number: CN202211309823.3A
Authority: CN
Inventors: 李迪; 周永乐
Original assignee: Chengdu Xijiao Zhihui Big Data Technology Co ltd
Current assignee: Chengdu Xijiao Zhihui Big Data Technology Co ltd
Priority date: 2022-10-25
Filing date: 2022-10-25
Publication date: 2022-11-22
Anticipated expiration: 2042-10-25
Also published as: CN115375954B

Abstract

本发明提供了一种化学实验溶液识别方法、装置、设备及可读存储介质，涉及信息技术领域，包括：获取样本图像和实验考试上传图像；将试管样本图像集合进行特征提取，并基于特征提取得到的试管轮廓特征建立试管识别模型，将实验考试上传图像输入至试管识别模型进行识别并输出溶液区域图像；基于光照条件对溶液样本集合进行分类得到分类样本集合，对分类样本集合提取颜色特征并将提取得到的溶液颜色特征输入至预设的神经网络模型进行训练得到溶液识别模型；根据溶液区域图像和溶液识别模型得到识别结果。本发明的有益效果为：基于光照条件对溶液样本集合提取出溶液颜色特征，通过多维特征值对溶液照片进行识别，提升在化学实验中对溶液识别的准确性。

Description

一种化学实验溶液识别方法、装置、设备及可读存储介质

技术领域

本发明涉及信息技术领域，具体而言，涉及一种化学实验溶液识别方法、装置、设备及可读存储介质。

背景技术

在进行化学实验操作考试时，需要考生在完成溶液制备后将制取的溶液拍照上传，评分老师通过将照片中溶液的颜色与标准溶液的颜色进行比对判断制取的溶液是否正确。这样的人工判断方法存在浪费人力资源且判断效率底等缺点。现需要一种基于光照条件的样本分类方法和特征提取方法对溶液照片进行识别的方法和装置，以此对化学实验溶液进行识别，进而减少对人工判断的依赖，保证对化学实验溶液类别识别的准确性。

发明内容

本发明的目的在于提供一种化学实验溶液识别方法、装置、设备及可读存储介质，以改善上述问题。为了实现上述目的，本发明采取的技术方案如下：

第一方面，本申请提供了一种化学实验溶液识别方法，包括：

获取样本图像和实验考试上传图像，所述实验考试上传图像中包括至少一根装有溶液的试管，所述样本图像包括试管样本图像集合和至少一个溶液样本集合，所述溶液样本集合包括在至少一种光照条件下的溶液图像；

将所述试管样本图像集合进行特征提取，并基于特征提取得到的试管轮廓特征建立试管识别模型，将所述实验考试上传图像输入至所述试管识别模型进行识别并输出溶液区域图像；

基于光照条件对所述溶液样本集合进行分类得到分类样本集合，对所述分类样本集合提取颜色特征并将提取得到的溶液颜色特征输入至预设的神经网络模型进行训练得到溶液识别模型；

根据所述溶液区域图像和所述溶液识别模型得到识别结果。

第二方面，本申请还提供了化学实验溶液识别装置，包括：

获取模块，用于获取样本图像和实验考试上传图像，所述实验考试上传图像中包括至少一根装有溶液的试管，所述样本图像包括试管样本图像集合和至少一个溶液样本集合，所述溶液样本集合包括在至少一种光照条件下的溶液图像；

提取模块，用于将所述试管样本图像集合进行特征提取，并基于特征提取得到的试管轮廓特征建立试管识别模型，将所述实验考试上传图像输入至所述试管识别模型进行识别并输出溶液区域图像；

分析模块，基于光照条件对所述溶液样本集合进行分类得到分类样本集合，对所述分类样本集合提取颜色特征并将提取得到的溶液颜色特征输入至预设的神经网络模型进行训练得到溶液识别模型；

识别模块，用于根据所述溶液区域图像和所述溶液识别模型得到识别结果。

第三方面，本申请还提供了一种化学实验溶液识别设备，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序时实现所述化学实验溶液识别方法的步骤。

第四方面，本申请还提供了一种可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述基于化学实验溶液识别方法的步骤。

本发明的有益效果为：

本发明通过对试管样本图像集合进行训练建立基于试管轮廓特征的试管识别模型，通过试管识别模型能识别试管位置，并提取出溶液对应位置的图像，提升对溶液区域定位的准确性。

本发明基于光照条件对溶液样本集合进行聚类处理后提取出溶液颜色特征，并将HSV颜色空间内的颜色特征进行多维组合，通过多维特征值对溶液照片进行识别，提升在化学实验中对溶液识别的准确性。

本发明的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明实施例了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，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相关的附图。

图1为本发明实施例中所述的化学实验溶液识别方法流程示意图;

图2为本发明实施例中所述的化学实验溶液识别装置结构示意图；

图3为本发明实施例中所述的化学实验溶液识别设备结构示意图。

图中标记：1、获取模块；2、提取模块；21、第一处理单元；22、第二处理单元；23、第一计算单元；24、第三处理单元；3、分析模块；31、第四处理单元；32、第五处理单元；321、第三计算单元；322、第四计算单元；323、第七处理单元；324、第八处理单元；33、第六处理单元；331、第九处理单元；332、第十处理单元；333、第十一处理单元；34、第二计算单元；4、识别模块；41、第十二处理单元；42、第十三处理单元；43、第十四处理单元；44、第十五处理单元； 800、化学实验溶液识别设备；801、处理器；802、存储器；803、多媒体组件；804、I/O接口；805、通信组件。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本发明的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

实施例1：

本实施例提供了一种化学实验溶液识别方法。

参见图1，图中示出了本方法包括步骤S100、步骤S200、步骤S300和步骤S400。

步骤S100、获取样本图像和实验考试上传图像，实验考试上传图像中包括至少一根装有溶液的试管，样本图像包括试管样本图像集合和至少一个溶液样本集合，溶液样本集合包括在至少一种光照条件下的溶液图像。

可以理解的是本步骤中将拍摄采集到装有溶液的试管照片、至少一种标准的溶液样本照片和学生在实验操作时根据考试规则拍摄溶液照片进行上传至存储，其中溶液由于光照的影响会产生颜色上的差别，需要采集不同光照条件下的照片，增加后续识别的准确度。

步骤S200、将试管样本图像集合进行特征提取，并基于特征提取得到的试管轮廓特征建立试管识别模型，将实验考试上传图像输入至试管识别模型进行识别并输出溶液区域图像。

可以理解的是本步骤通过对试管样本图像输入至目标识别算法中进行训练，得到能准确识别试管的试管识别模型，然后通过试管的轮廓对溶液部位进行定位，提取出包含溶液颜色的溶液区域图像。需要说明的是，步骤S200包括步骤S210、步骤S220、步骤S230和步骤S240。

步骤S210、将试管样本图像进行背景消除处理和归一化处理得到标准轮廓图像集合。

可以理解的是本步骤是对试管样本图像进行预处理，通过使用背景消除处理算法去除多余的背景干扰，通过归一化处理将图像输出为相同尺寸的图片集，通过对图像预处理可以减少后续特征提取的复杂度，提升处理速度。

步骤S220、将标准轮廓图像集合进行特征提取得到试管轮廓特征，将试管轮廓特征作为预设的目标识别模型的输入值，得到试管识别模型。

可以理解的是本步骤是获得试管的轮廓特征后通过将标准轮廓图像集合中的各个状态试管图像按照6:3:1划分为训练集、测试集和验证集，然后将其输入至目标检测算法中进行训练，在训练中预设一个Adam优化器，根据预测框损失函数的变化趋势，调整学习率大小和迭代次数，直至损失函数收敛至稳定，进而得到试管识别模型。

步骤S230、将实验考试上传图像输入至试管识别模型中得到试管识别结果。

可以理解的是本步骤是将学生在实验操作考试中按照要求上传的图像输入至试管识别模型中进行检测。

步骤S240、根据试管识别结果和预设的区域定位模型输出溶液区域图像。

可以理解的是本步骤是通过对试管的检测完成对溶液区域的定位，通过检测到试管的轮廓位置后截取靠近烧杯底部位置的区域作为溶液区域图像。

步骤S300、基于光照条件对溶液样本集合进行分类得到分类样本集合，对分类样本集合提取颜色特征并将提取得到的溶液颜色特征输入至预设的神经网络模型进行训练得到溶液识别模型。

可以理解的是本步骤中，由于溶液的颜色在不同光照情况下呈现的颜色具有一定的偏差，对溶液识别产生影响，本实施例中通过预先将溶液样本集合根据不同光照条件进行分类后再进行特征提取可以消除光照对颜色识别的影响，提升准确率。需要说明的是，步骤S300包括步骤S310、S320、S330和S340。

步骤S310、将溶液样本集合中的图像进行颜色空间转换得到HSV颜色空间的光照图像集合。

可以理解的是本步骤中将溶液样本集合中RGB颜色空间的照片转换为HSV颜色空间的照片，HSV颜色空间中照片的明度值可以量化体现光照的强弱作为图片分类的标准，同时可以通过HSV颜色空间的图片进行直方统计提取出颜色特征。

步骤S320、基于图像颜色的明度值对光照图像集合进行聚类分析和处理得到分类样本集合。

可以理解的是本步骤是根据光照图像集合照片的明度值进行聚类分析得到不同光照条件的溶液颜色样本集合。需要说明的是，步骤S320包括步骤S321、步骤S322、步骤S323和步骤S324。

步骤S321、根据光照图像集合内计算得到明度值集合，明度值集合内一个元素为一张图像及对应的明度值。

可以理解的是本步骤是将光照图像集合中的每张照片提出明度值平均值并以此排列为集合，便于后续的计算和聚类。

步骤S322、根据明度值集合计算得到明度值平均值、明度值最小值和明度值最大值。

可以理解的是本步骤是对明度值集合进行计算和筛选，得到明度值平均值、明度值最小值和明度值最大值。

步骤S323、基于明度值平均值、明度值最小值和明度值最大值对光照图像集合进行聚类处理得到三个聚类簇。

可以理解的是本步骤是将光照图像集合依据明度值平均值、明度值最小值和明度值最大值进行基于距离的聚类处理，得到三个聚类簇。

步骤S324、基于三个聚类簇将光照图像集合分为三种光照条件的分类样本集合。

可以理解的是本步骤是根据聚类簇将光照图像集合分为三种光照条件下的溶液颜色样本集合，分别为弱光照样本集合、正常光照样本集合和强光照样本集合。

步骤S330、将分类样本集合进行特征提取得到溶液颜色特征。

可以理解的是本步骤是将不同光照条件下的分类样本集合分别提取颜色特征作为溶液识别的量化模板。需要说明的是，步骤S330包括步骤S331、步骤S332和步骤S333。

步骤S331、将分类样本集合中的图像进行分量提取得到色调值、饱和度值和明度值。

可以理解的是本步骤是将图像中的色调值、饱和度值和明度值进行提取作为颜色特征的量化值。

步骤S332、将色调值、饱和度值和明度值分别均等划分得到至少两等份的色调值、饱和度值和明度值。

可以理解的是本步骤是分别对图像的色调值、饱和度值和明度值进行直方图统计和均等分划分。

步骤S333、将每一等份的色调值、饱和度值和明度值进行组合得到溶液颜色特征。

可以理解的是本步骤是将均等分的色调值、饱和度值和明度值进行组合形成多维度的溶液颜色特征，提升溶液颜色识别的准确度。

步骤S340、将溶液颜色特征作为预设的神经网络模型的输入层，通过调节各处理单元间的连接权值，迭代训练得到溶液识别模型。

可以理解的是本步骤是将溶液颜色特征向量值作为神经网络模型的输入值，使用神经网络算法规则调节各处理单元间的连接权值，在各个层级进行加权求和，然后根据非线性方程转化输出得到溶液识别模型。

步骤S400、根据溶液区域图像和溶液识别模型得到识别结果。

可以理解的是本步骤是将提取得到的溶液区域图像输入至溶液识别模型中进行识别，得到识别结果以判断学生实验中制备的溶液是否符合要求。需要说明的是，步骤S400包括步骤S410、S420、S430和S440。

步骤S410、将溶液区域图像进行颜色空间转换得到HSV颜色空间的待识别图像。

可以理解的是本步骤是将待识别的溶液区域图像转化为和识别模型统一的颜色空间下进行量化对比。

步骤S420、将待识别图像进行特征提取得到待识别颜色特征。

可以理解的是本步骤是获取待识别图像的色调值、饱和度值和明度值直方图。

步骤S430、将待识别颜色特征输入至溶液识别模型得到颜色识别结果。

可以理解的是本步骤通过将待识别颜色特征输入神经网络进行识别，根据训练好的溶液识别模型判断溶液颜色的类别。

步骤S440、根据预设的溶液类别对颜色识别结果进行合并得到同类溶液颜色结果，并根据同类溶液颜色结果得到识别结果。

可以理解的是本步骤中，在同一个分类样本集合中的图像可以提取得到在不同光照条件下的颜色特征，但是本质上为同一种溶液，在识别后再将颜色识别记过进行合并输出可以提升溶液颜色识别的效率。

实施例2：

如图2所示，本实施例提供了一种化学实验溶液识别装置，装置包括：

获取模块1，用于获取样本图像和实验考试上传图像，实验考试上传图像中包括至少一根装有溶液的试管，样本图像包括试管样本图像集合和至少一个溶液样本集合，溶液样本集合包括在至少一种光照条件下的溶液图像；

提取模块2，用于将试管样本图像集合进行特征提取，并基于特征提取得到的试管轮廓特征建立试管识别模型，将实验考试上传图像输入至试管识别模型进行识别并输出溶液区域图像；

分析模块3，基于光照条件对溶液样本集合进行分类得到分类样本集合，对分类样本集合提取颜色特征并将提取得到的溶液颜色特征输入至预设的神经网络模型进行训练得到溶液识别模型；

识别模块4，用于根据溶液区域图像和溶液识别模型得到识别结果。

在本公开的一种具体实施方式中，提取模块2包括：

第一处理单元21，用于将试管样本图像进行背景消除处理和归一化处理得到标准轮廓图像集合；

第二处理单元22，用于将标准轮廓图像集合进行特征提取得到试管轮廓特征，将试管轮廓特征作为预设的目标识别模型的输入值，得到试管识别模型；

第一计算单元23，用于将实验考试上传图像输入至试管识别模型中得到试管识别结果；

第三处理单元24，用于根据试管识别结果和预设的区域定位模型输出溶液区域图像。

在本公开的一种具体实施方式中，分析模块3包括：

第四处理单元31，用于将溶液样本集合中的图像进行颜色空间转换得到HSV颜色空间的光照图像集合；

第五处理单元32，基于图像颜色的明度值对光照图像集合进行聚类分析和处理得到分类样本集合；

第六处理单元33，用于将分类样本集合进行特征提取得到溶液颜色特征；

第二计算单元34，用于将溶液颜色特征作为预设的神经网络模型的输入层，通过调节各处理单元间的连接权值，迭代训练得到溶液识别模型。

在本公开的一种具体实施方式中，第五处理单元32包括：

第三计算单元321，用于根据光照图像集合内计算得到明度值集合，明度值集合内一个元素为一张图像及对应的明度值；

第四计算单元322，用于根据明度值集合计算得到明度值平均值、明度值最小值和明度值最大值；

第七处理单元323，基于明度值平均值、明度值最小值和明度值最大值对光照图像集合进行聚类处理得到三个聚类簇；

第八处理单元324，基于三个聚类簇将光照图像集合分为三种光照条件的分类样本集合。

在本公开的一种具体实施方式中，第六处理单元33包括：

第九处理单元331，用于将分类样本集合中的图像进行分量提取得到色调值、饱和度值和明度值；

第十处理单元332，用于将色调值、饱和度值和明度值分别均等划分得到至少两等份的色调值、饱和度值和明度值；

第十一处理单元333，用于将每一等份的色调值、饱和度值和明度值进行组合得到溶液颜色特征。

在本公开的一种具体实施方式中，识别模块4包括：

第十二处理单元41，用于将溶液区域图像进行颜色空间转换得到HSV颜色空间的待识别图像；

第十三处理单元42，用于将待识别图像进行特征提取得到待识别颜色特征；

第十四处理单元43，用于将待识别颜色特征输入至溶液识别模型得到颜色识别结果；

第十五处理单元44，用于根据预设的溶液类别对颜色识别结果进行合并得到同类溶液颜色结果，并根据同类溶液颜色结果得到识别结果。

需要说明的是，关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

实施例3：

相应于上面的方法实施例，本实施例中还提供了一种化学实验溶液识别设备，下文描述的一种化学实验溶液识别设备与上文描述的一种化学实验溶液识别方法可相互对应参照。

图3是根据示例性实施例示出的一种化学实验溶液识别设备800的框图。如图3所示，该化学实验溶液识别设备800可以包括：处理器801，存储器802。该化学实验溶液识别设备800还可以包括多媒体组件803， I/O接口804，以及通信组件805中的一者或多者。

其中，处理器801用于控制该化学实验溶液识别设备800的整体操作，以完成上述的化学实验溶液识别方法中的全部或部分步骤。存储器802用于存储各种类型的数据以支持在该化学实验溶液识别设备800的操作，这些数据例如可以包括用于在该化学实验溶液识别设备800上操作的任何应用程序或方法的指令，以及应用程序相关的数据，例如联系人数据、收发的消息、图片、音频、视频等等。该存储器802可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，例如静态随机存取存储器(Static Random AccessMemory，简称SRAM)，电可擦除可编程只读存储器(Electrically Erasable ProgrammableRead-Only Memory，简称EEPROM)，可擦除可编程只读存储器(Erasable ProgrammableRead-Only Memory，简称EPROM)，可编程只读存储器(Programmable Read-Only Memory，简称PROM)，只读存储器(Read-Only Memory，简称ROM)，磁存储器，快闪存储器，磁盘或光盘。多媒体组件803可以包括屏幕和音频组件。其中屏幕例如可以是触摸屏，音频组件用于输出和/或输入音频信号。例如，音频组件可以包括一个麦克风，麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器802或通过通信组件805发送。音频组件还包括至少一个扬声器，用于输出音频信号。I/O接口804为处理器801和其他接口模块之间提供接口，上述其他接口模块可以是键盘，鼠标，按钮等。这些按钮可以是虚拟按钮或者实体按钮。通信组件805用于该化学实验溶液识别设备800与其他设备之间进行有线或无线通信。无线通信，例如Wi-Fi，蓝牙，近场通信(Near FieldCommunication，简称NFC)，2G、3G或4G，或它们中的一种或几种的组合，因此相应的该通信组件805可以包括：Wi-Fi模块，蓝牙模块，NFC模块。

在一示例性实施例中，化学实验溶液识别设备800可以被一个或多个应用专用集成电路(Application Specific Integrated Circuit，简称ASIC)、数字信号处理器(DigitalSignal Processor，简称DSP)、数字信号处理设备(Digital Signal ProcessingDevice，简称DSPD)、可编程逻辑器件(Programmable Logic Device，简称PLD)、现场可编程门阵列(Field Programmable Gate Array，简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述的化学实验溶液识别方法。

在另一示例性实施例中，还提供了一种包括程序指令的计算机可读存储介质，该程序指令被处理器执行时实现上述的化学实验溶液识别方法的步骤。例如，该计算机可读存储介质可以为上述包括程序指令的存储器802，上述程序指令可由化学实验溶液识别设备800的处理器801执行以完成上述的化学实验溶液识别方法。

实施例4：

相应于上面的方法实施例，本实施例中还提供了一种可读存储介质，下文描述的一种可读存储介质与上文描述的一种化学实验溶液识别方法可相互对应参照。

一种可读存储介质，可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现上述方法实施例的化学实验溶液识别方法的步骤。

该可读存储介质具体可以为U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可存储程序代码的可读存储介质。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。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，均应包含在本发明的保护范围之内。

以上所述，仅为本发明的具体实施方式，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，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims

1.一种化学实验溶液识别方法，其特征在于，包括：

根据所述溶液区域图像和所述溶液识别模型得到识别结果。

2.根据权利要求1所述的化学实验溶液识别方法，其特征在于, 将所述试管样本图像集合进行特征提取，并基于特征提取得到的试管轮廓特征建立试管识别模型，将所述实验考试上传图像输入至所述试管识别模型进行识别并输出溶液区域图像，包括：

将所述试管样本图像进行背景消除处理和归一化处理得到标准轮廓图像集合；

将所述标准轮廓图像集合进行特征提取得到试管轮廓特征，将所述试管轮廓特征作为预设的目标识别模型的输入值，得到试管识别模型；

将所述实验考试上传图像输入至所述试管识别模型中得到试管识别结果；

根据所述试管识别结果和预设的区域定位模型输出溶液区域图像。

3.根据权利要求1所述的化学实验溶液识别方法，其特征在于, 基于光照条件对所述溶液样本集合进行分类得到分类样本集合，对所述分类样本集合提取颜色特征并将提取得到的溶液颜色特征输入至预设的神经网络模型进行训练得到溶液识别模型,包括：

将所述溶液样本集合中的图像进行颜色空间转换得到HSV颜色空间的光照图像集合；

基于图像颜色的明度值对所述光照图像集合进行聚类分析和处理得到分类样本集合；

将分类样本集合进行特征提取得到溶液颜色特征；

将所述溶液颜色特征作为预设的神经网络模型的输入层，通过调节各处理单元间的连接权值，迭代训练得到溶液识别模型。

4.根据权利要求1所述的化学实验溶液识别方法，其特征在于,根据所述溶液区域图像和所述溶液识别模型得到识别结果，包括：

将所述溶液区域图像进行颜色空间转换得到HSV颜色空间的待识别图像；

将待识别图像进行特征提取得到待识别颜色特征；

将所述待识别颜色特征输入至所述溶液识别模型得到颜色识别结果；

根据预设的溶液类别对所述颜色识别结果进行合并得到同类溶液颜色结果，并根据所述同类溶液颜色结果得到识别结果。

5.一种化学实验溶液识别装置，其特征在于，包括：

6.根据权利要求5所述的化学实验溶液识别装置，其特征在于，所述提取模块包括：

第一处理单元，用于将所述试管样本图像进行背景消除处理和归一化处理得到标准轮廓图像集合；

第二处理单元，用于将所述标准轮廓图像集合进行特征提取得到试管轮廓特征，将所述试管轮廓特征作为预设的目标识别模型的输入值，得到试管识别模型；

第一计算单元，用于将所述实验考试上传图像输入至所述试管识别模型中得到试管识别结果；

第三处理单元，用于根据所述试管识别结果和预设的区域定位模型输出溶液区域图像。

7.根据权利要求5所述的化学实验溶液识别装置，其特征在于，所述分析模块包括：

第四处理单元，用于将所述溶液样本集合中的图像进行颜色空间转换得到HSV颜色空间的光照图像集合；

第五处理单元，基于图像颜色的明度值对所述光照图像集合进行聚类分析和处理得到分类样本集合；

第六处理单元，用于将分类样本集合进行特征提取得到溶液颜色特征；

第二计算单元，用于将所述溶液颜色特征作为预设的神经网络模型的输入层，通过调节各处理单元间的连接权值，迭代训练得到溶液识别模型。

8.根据权利要求5所述的化学实验溶液识别装置，其特征在于,所述识别模块包括：

第十二处理单元，用于将所述溶液区域图像进行颜色空间转换得到HSV颜色空间的待识别图像；

第十三处理单元，用于将待识别图像进行特征提取得到待识别颜色特征；

第十四处理单元，用于将所述待识别颜色特征输入至所述溶液识别模型得到颜色识别结果；

第十五处理单元，用于根据预设的溶液类别对所述颜色识别结果进行合并得到同类溶液颜色结果，并根据所述同类溶液颜色结果得到识别结果。

9.一种化学实验溶液识别设备，其特征在于，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序时实现如权利要求1至4任一项所述化学实验溶液识别方法的步骤。

10.一种可读存储介质，其特征在于：所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至4任一项所述化学实验溶液识别方法的步骤。