CN116205834A - 一种信息处理方法、信息处理装置、设备及存储介质 - Google Patents
一种信息处理方法、信息处理装置、设备及存储介质 Download PDFInfo
- Publication number
- CN116205834A CN116205834A CN202111434920.0A CN202111434920A CN116205834A CN 116205834 A CN116205834 A CN 116205834A CN 202111434920 A CN202111434920 A CN 202111434920A CN 116205834 A CN116205834 A CN 116205834A
- Authority
- CN
- China
- Prior art keywords
- image
- saliva
- channel image
- logarithmic
- information processing
- 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
- 230000010365 information processing Effects 0.000 title claims abstract description 52
- 238000003672 processing method Methods 0.000 title claims abstract description 25
- 238000003860 storage Methods 0.000 title claims abstract description 11
- 210000003296 saliva Anatomy 0.000 claims abstract description 214
- 201000010099 disease Diseases 0.000 claims abstract description 56
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 56
- 238000000034 method Methods 0.000 claims abstract description 49
- 238000012545 processing Methods 0.000 claims description 29
- 230000015654 memory Effects 0.000 claims description 28
- 230000006399 behavior Effects 0.000 claims description 20
- 230000007613 environmental effect Effects 0.000 claims description 18
- 238000006243 chemical reaction Methods 0.000 claims description 16
- 238000007689 inspection Methods 0.000 claims description 16
- 238000013145 classification model Methods 0.000 claims description 15
- 230000001105 regulatory effect Effects 0.000 claims description 8
- 238000005516 engineering process Methods 0.000 abstract description 9
- 230000008569 process Effects 0.000 description 19
- 208000035473 Communicable disease Diseases 0.000 description 17
- 208000015181 infectious disease Diseases 0.000 description 17
- 238000010586 diagram Methods 0.000 description 9
- 238000012360 testing method Methods 0.000 description 8
- 238000005286 illumination Methods 0.000 description 7
- 238000003384 imaging method Methods 0.000 description 7
- 238000001514 detection method Methods 0.000 description 6
- 238000000889 atomisation Methods 0.000 description 5
- 238000004883 computer application Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000002955 isolation Methods 0.000 description 4
- 230000005856 abnormality Effects 0.000 description 3
- 238000003556 assay Methods 0.000 description 3
- 210000004369 blood Anatomy 0.000 description 3
- 239000008280 blood Substances 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 210000001165 lymph node Anatomy 0.000 description 3
- 230000005291 magnetic effect Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 210000002741 palatine tonsil Anatomy 0.000 description 3
- 238000012773 Laboratory assay Methods 0.000 description 2
- 241000282887 Suidae Species 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000009533 lab test Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 229920000742 Cotton Polymers 0.000 description 1
- 206010011409 Cross infection Diseases 0.000 description 1
- 206010029803 Nosocomial infection Diseases 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 210000001124 body fluid Anatomy 0.000 description 1
- 239000010839 body fluid Substances 0.000 description 1
- 238000009395 breeding Methods 0.000 description 1
- 230000001488 breeding effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000005294 ferromagnetic effect Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 239000012678 infectious agent Substances 0.000 description 1
- 238000011081 inoculation Methods 0.000 description 1
- 239000003041 laboratory chemical Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011285 therapeutic regimen Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000000007 visual effect Effects 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
-
- 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
- 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
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/20084—Artificial neural networks [ANN]
-
- 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
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本申请公开了一种信息处理方法、信息处理装置、电子设备及计算机可读存储介质，方法包括：获取对至少一个对象的唾液进行图像采集得到的唾液图像；提取每一唾液图像的最大亮度值对应的对数参数；基于对数参数，确定唾液图像对应的暗通道图像和亮通道图像；叠加暗通道图像和亮通道图像，并获得叠加后的图像的唾液标签；其中，唾液标签用于确定对象的疾病类型。如此，解决了相关技术中的检疫方式至少存在时效差和准确度低的问题，实现通过唾液图像的对数参数，快速分析出至少一个对象的疾病类型，进而实现对至少一个对象的疫病控制，避免了经济损失。
Description
技术领域
本申请涉及但不限于计算机领域，尤其涉及一种信息处理方法、信息处理装置、电子设备及计算机可读存储介质。
背景技术
基于当今规模化养猪业高速发展的大背景下，养猪业的信息化、自动化管理是必然趋势。随着监控设备价格的持续下降和性价比的不断提高，在饲养场配置监控设备已经成为常态。随着近年人工智能技术的快速发展，机器视觉技术代替人工观察识别生猪行为得到可能。目前养猪业趋于集中化生产，大型规模化的养猪生产成为常态，加上部分猪场频繁引种，容易导致疫病的发生，有效的检疫方式可以避免巨大的经济损失。
相关技术中，多采用如下三种检疫方式对猪只的疫病进行检测，第一种离线检测猪只血液/扁桃体/淋巴结/唾液的方式，即猪场工作人员采用采集试管或棉条，提取活猪的血液、扁桃体或淋巴结表面的体液、或唾液，并将上述采集的样本制成标准试管剂送往专业的检测机构进行检测。第二种猪只行为状态分析的方式，即通过固定式或者往复移动式的摄像头对环境信息进行采集，进而分析猪只的行为特征，得出猪只的健康状态，推测可能的猪只疫病。第三种猪场工作人员经验判别的方式，即利用猪场工作人员丰富的工作经验对猪只状态进行判别。然而，第一种离线检测猪只血液/扁桃体/淋巴结/唾液的方式，使用专业化验设备进行化验的方式历时较长；第二种猪只行为状态分析的方式，仅依靠摄像头分析猪只行为特征，容易出现误判的情况；第三种猪场工作人员经验判别的方式，仅仅依赖猪场工作人员的专业程度，风险较大。明显，上述检疫方式至少存在时效差和准确度低的问题。
发明内容
有鉴于此，本申请提供一种信息处理方法、信息处理装置、电子设备及计算机可读存储介质，解决了相关技术中的检疫方式至少存在时效差和准确度低的问题。
为达到上述目的，本申请的技术方案是这样实现的：
一种信息处理方法，所述方法包括：
获取对至少一个对象的唾液进行图像采集得到的唾液图像；
提取每一唾液图像的最大亮度值对应的对数参数；
基于所述对数参数，确定所述唾液图像对应的暗通道图像和亮通道图像；
叠加所述暗通道图像和所述亮通道图像，并获得叠加后的图像的唾液标签；其中，所述唾液标签用于确定所述对象的疾病类型。
一种信息处理装置，所述信息处理装置包括：
获取单元，用于获取对至少一个对象的唾液进行图像采集得到的唾液图像；
处理单元，用于提取每一唾液图像的最大亮度值对应的对数参数；
所述处理单元，还用于基于所述对数参数，确定所述唾液图像对应的暗通道图像和亮通道图像；
所述处理单元，还用于叠加所述暗通道图像和所述亮通道图像，并获得叠加后的图像的唾液标签；其中，所述唾液标签用于确定所述对象的疾病类型。
一种电子设备，所述电子设备包括：
存储器，用于存储可执行指令；
处理器，用于执行所述存储器中存储的可执行指令时，实现上述所述的信息处理方法的步骤。
一种计算机可读存储介质，所述计算机可读存储介质存储有一个或者多个应用，所述一个或者多个应用可被一个或者多个处理器执行，以实现上述所述的信息处理方法的步骤。
本申请所提供的信息处理方法、信息处理装置、电子设备及计算机可读存储介质，获取对至少一个对象的唾液进行图像采集得到的唾液图像；提取每一唾液图像的最大亮度值对应的对数参数；基于对数参数，确定唾液图像对应的暗通道图像和亮通道图像；叠加暗通道图像和亮通道图像，并获得叠加后的图像的唾液标签；其中，唾液标签用于确定对象的疾病类型。明显，本申请利用至少一个对象对应的唾液图像的对数参数，迅速的确定出至少一个对象的疾病类型；也就是说，本申请通过唾液图像的对数参数，使得电子设备处理掉由于从至少一个对象嘴中取出的具有较高温度的唾液这一现象，导致唾液图像在实际成像过程中所携带的许多反光点和雾状点，保障暗通道图像不会出现雾化过曝，并降低唾液图像的亮度。并且，本申请解决了相关技术中的检疫方式至少存在时效差和准确度低的问题，使得相关人员对至少一个对象的疫病进行控制，针对具有传染性疾病类型的对象进行快速执行有效的隔离措施，防止具有传染性疾病类型的对象将疾病传染其他健康对象，避免了经济损失，保障其他健康对象所处环境的安全。
附图说明
图1为本申请提供的一种信息处理方法的流程示意图；
图2为本申请提供的又一种信息处理方法的流程示意图；
图3为本申请实施例中提供的电子设备的工作流程图；
图4为本申请实施提供的一种信息处理装置的结构示意图；
图5为本申请实施提供的一种电子设备的结构示意图。
具体实施方式
为了使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请作进一步地详细描述，所描述的实施例不应视为对本申请的限制，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本申请保护的范围。
在以下的描述中，涉及到“一些实施例”，其描述了所有可能实施例的子集，但是可以理解，“一些实施例”可以是所有可能实施例的相同子集或不同子集，并且可以在不冲突的情况下相互结合。除非另有定义，本申请实施例所使用的所有的技术和科学术语与属于本申请实施例的技术领域的技术人员通常理解的含义相同。本申请实施例所使用的术语只是为了描述本申请实施例的目的，不是旨在限制本申请。
参见图1，图1是本申请实施例提供的信息处理方法的一个实现流程示意图，该方法可以应用于电子设备；该信息处理方法包括如下步骤：
步骤101、获取对至少一个对象的唾液进行图像采集得到的唾液图像。
本申请实施例中，电子设备可以包括诸如手机、平板电脑、笔记本电脑、个人数字助理(Personal Digital Assistant，PDA)、车载设备等移动终端设备，以及诸如台式计算机等固定终端设备。
本申请实施例中，针对采集试管中至少一个对象的唾液，图像采集组件对至少一个对象的唾液进行图像采集，得到唾液图像。需要说明的是，采集试管中的唾液由于携带较高的温度，图像采集组件得到的唾液图像存在雾化现象；由于唾液中的气泡，图像采集组件得到的唾液图像存在气泡反光现象；同时，由于唾液本身呈现半透明状态，图像采集组件得到的唾液图像存在采集试管的表面反光现象。
这里，图像采集组件可以是电子设备中的一个组件，也可以是与电子设备连接的其他设备上的组件，还可以与电子设备连接独立的图像采集组件，例如，与电子设备连接的摄像头。
步骤102、提取每一唾液图像的最大亮度值对应的对数参数。
本申请实施例中，电子设备获取每一唾液图像的最大亮度值，并计算每一唾液图像的最大亮度值对应的对数参数。唾液图像中亮度值的取值范围为0至255，因此，本申请在计算唾液图像亮度值的对象参数时，会先对图像参数进行加一操作。示例性的，最大亮度值为A，最大亮度值对应的对数参数为log2(A+1)，或log(A+1)。
步骤103、基于对数参数，确定唾液图像对应的暗通道图像和亮通道图像。
本申请实施例中，电子设备基于每一唾液图像的最大亮度值对应的对数参数，确定唾液图像对应的暗通道图像和亮通道图像。电子设备以唾液图像的对数参数为变量，结合对数的性质，对唾液图像进行处理，得到唾液图像对应的暗通道图像和亮通道图像。需要说明的是，由于图像采集组件采集得到的唾液图像存在雾化现象、气泡反光现象和采集试管的表面反光现象，使得实际的唾液图像中包含许多反光亮点和雾状点，本申请利用唾液图像的对数参数，处理唾液图像中的雾化和反光现象，得到唾液图像的暗通道图像和亮通道图像，并叠加暗通道图像和亮通道图像，得到叠加后的图像。本申请以叠加后的图像作为训练后的分类模型的输入，最后得到训练后的分类模型输出的用于确定对象的疾病类型的唾液标签。
这里，针对唾液图像的暗通道和亮通道为：
其中，x为唾液图像的像素点；Ω(x)表示以像素点x为中心的领域窗口。Ic(y)表示唾液图像的某个红(Red，R)、绿(Green，G)和蓝(Blue，B)颜色通道。Idark(x)为唾液图像的暗通道；Ibright(x)为唾液图像的亮通道。
在亮通道先验理论指出，像素点x处的亮通道强度趋近于无雾图像的大气光强度。在暗通道先验理论中指出，非天空区域里无雾图像的暗通道强度很小且趋于0，即在RGB三个通道中取最小值组成灰度图，然后再进行一个最小值滤波得到。按无雾图像恢复公式如下：
J(x)＝(I(x)-A)/t(x)+A
其中，I(x)为原唾液图像；J(x)为处理后的唾液图像；t(x)为投射率；A为最大亮度值。在均匀介质中，投射率t(x)的表达式为：
t(x)＝e-βd(x)
其中，β为大气散射系数，d(x)为相机与成物像点之间的距离，成为场景深度。投射率随着场景深度的变化而变化。
需要说明的是，由于本申请的应用场景不仅含有雾化现象，也含有高亮度反光点图像，所以唾液图像的雾化暗通道的最大亮度值极易过曝，为限制处理后的过曝现象，相关技术中雾化图像的恢复会引入一个阈值进行限制；然而，相同的场景深度下t(x)为固定值，固定值的投射率只能反应自然雾化。本申请的唾液本身就是高亮物质，因此，本申请采用唾液图像的对数参数替换环境透射率的相关参数，这样有利于使用核滤波对不同区域自动平衡优化，即使为最高亮度255，此处投射率也仅为0.1，有利于保留高亮度雾化处理后的特征，且在图像上利用对数进行降低亮度调节，根据对数函数特性，值越高，调节越明显，低亮度值影响较小。同时，采用唾液图像的对数参数，既可以解决暗通道雾化过曝，又可以处理反光点，降低亮度。同时降低亮度处理相比传统亮度调节，弥补了局部区域精细化的处理不足。
步骤104、叠加暗通道图像和亮通道图像，并获得叠加后的图像的唾液标签。
其中，唾液标签用于确定对象的疾病类型。
本申请实施例中，电子设备叠加暗通道图像和亮通道图像，得到叠加后的图像，并将叠加后的图像输入到经过训练的分类模型中，得到叠加后的图像对应的唾液标签。这里，电子设备根据唾液标签确定对象的疾病类型，并针对对象的具有疾病，确定对象的治疗方案以及处理处理建议。例如，若疾病类型表征的是传染性疾病类型，那么，电子设备输出关于对象患有传染性疾病的提示信息。若疾病类型表征的是并未患病，电子设备输出关于对象未患病的提示信息。输出提示信息可以且不限于包括输出颜色、输出文字、输出声音、输出图形、输出符号、输出图片等一切形式输出。
本申请实施例中，若电子设备根据唾液标签，确定出对象是患有疾病的，电子设备根据该对象的标识信息进行疾病溯源，例如，排查对象所处的养殖环境，排查对象的食物供应商，确定出问题点，及时隔离消杀，避免交叉感染和感染源转移扩散。这里，电子设备在进行溯源之前，相关人员提前将接触对象的标识，日常信息，谱系信息，接种信息，栏位管理信息，转栏/场信息，饲料来源信息，运输信息等进行汇聚，并以区块链的形式进行存储，防止可篡改的情况出现。需要说明的是，本申请中针对区块链中同一级别多个节点可以确定出一个父节点做信息的同步，其他的为子节点。子节点只需定期向父节点发送相关信息，如此，节省了区块链的资源。
本申请所提供的信息处理方法，获取对至少一个对象的唾液进行图像采集得到的唾液图像；提取每一唾液图像的最大亮度值对应的对数参数；基于对数参数，确定唾液图像对应的暗通道图像和亮通道图像；叠加暗通道图像和亮通道图像，并获得叠加后的图像的唾液标签；其中，唾液标签用于确定对象的疾病类型。明显，本申请利用至少一个对象对应的唾液图像的对数参数，迅速的确定出至少一个对象的疾病类型；也就是说，本申请通过唾液图像的对数参数，使得电子设备处理掉由于从至少一个对象嘴中取出的具有较高温度的唾液这一现象，导致唾液图像在实际成像过程中所携带的许多反光点和雾状点，保障暗通道图像不会出现雾化过曝，并降低唾液图像的亮度。并且，本申请解决了相关技术中的检疫方式至少存在时效差和准确度低的问题，使得相关人员对至少一个对象的疫病进行控制，针对具有传染性疾病类型的对象进行快速执行有效的隔离措施，防止具有传染性疾病类型的对象将疾病传染其他健康对象，避免了经济损失，保障其他健康对象所处环境的安全。
参见图2，图2是本申请实施例提供的信息处理方法的一个实现流程示意图，该信息处理方法可以应用于电子设备；该信息处理方法包括如下步骤：
步骤201、通过巡检装置按照预设的路径对所有对象进行巡检，并分析所有对象的行为特征。
本申请实施例中，巡检装置与电子设备中连接的装置，巡检装置中携带有图像采集组件。图像采集组件采集按照预设的路径所有对象的行为特征进行图像采集，从而巡检装置分析图像采集组件所采集的所有对象的行为特征图像，从而确定存在较大的图像变化，例如猪只打架。
步骤202、若巡检装置分析出存在特定行为特征的对象的数量大于数量阈值，获取特定行为特征对应的对象的唾液。
本申请实施例中，图像采集组件例如采集盒通过滑动的方式，采集整个所有对象所在的养殖环境中携带有对象的图像数据，然后将这些图像数据进行图像拼接，得到养殖环境的全景图片。同时，电子设备以第一次获取全景图片的路径为基础，计算最优路径即预设的路径。
本申请实施例中，巡检装置按照预设的路径，对所有对象进行巡检，分析每一栏目中对象的行为特征。其中，巡检装置每次巡检对每个栏位的图像计算一次异常指数，如果超值就对指定对象进行唾液采集，如果不超过阈值按照抽检的方式，抽检出至少一个对象进行唾液采集。
本申请实施例中，巡检装置中可以以附加的方式装有无源射频识别(RadioFrequency Identification，RFID)标签检测装置，通过有接触式接触对象RFID耳标。本申请通过RFID耳标，对所有对象进行单独的编号，使得相关人员在复杂的养殖环境迅速的获取到指定的对象，如此，实现了机器自动化，大大降低了对象移动对定位的影响。
需要说明的是，本申请采用对象的RFID标签，标识唾液的归属信息，并建立样品编号。当唾液标签确定对象的疾病类型为传染性疾病类型，可以将该样品编号送到实验室进行详细化验，如此，提高了仅仅采用实验室化验的时效性，采用视觉分析和实验室化检相结合的方式，精确得到对象的疾病类型，并根据具有的疾病类型进行防疫指导和治疗推荐，同时，通过RFID标签和唾液样本进行绑定，有效实现对象病帐管理。当然，当唾液标签确定对象的疾病类型为重大疾病类型，也可以将该样品编号送到实验室进行详细化验。本申请对唾液标签所确定对象的疾病类型是何种才会送到实验室化验不作具体限定，相关场景的技术人员可以根据实际场景进行具体限定。
步骤203、通过采集装置对至少一个对象的唾液进行处理，得到唾液图像。
步骤204、提取每一唾液图像的最大亮度值对应的对数参数。
步骤205、基于对数参数，确定唾液图像对应的暗通道图像和亮通道图像。
在本申请的其他实施例中，步骤205中的基于对数参数，确定唾液图像对应的暗通道图像，可以通过如下步骤实现：
将对数参数输入第一图像转换公式，得到唾液图像对应的暗通道图像，第一图像转换公式如下：
其中，B为对数参数，I(x)为唾液图像，J(dark)为唾液图像对应的暗通道图像。
在本申请的其他实施例中，步骤205中的基于对数参数，确定唾液图像对应的亮通道图像，可以通过如下步骤实现：
将对数参数输入第二图像转换公式，得到唾液图像对应的亮通道图像，第一图像转换公式如下：
J(bright)＝I(x)-B
其中，B为对数参数，I(x)为唾液图像，J(bright)为唾液图像对应的亮通道图像。
步骤206、获取对象所处环境的环境参数。
本申请实施例中，电子设备获取所有对象所处环境的环境参数。环境参数包括但不限于光照参数、温度参数、湿度参数和灰尘含量参数。
步骤207、基于环境参数，确定暗通道图像的第一调节因子以及亮通道图像的第二调节因子。
在一些实施例中，第一调节因子与第二调节因子相加为一。
本申请实施例中，电子设备获取环境参数与调节因子的映射关系，并基于映射关系，确定暗通道图像的第一调节因子以及亮通道图像的第二调节因子。
本申请实施例中，电子设备基于环境参数与预设环境参数，确定暗通道图像的第一调节因子以及亮通道图像的第二调节因子。示例性的，以环境参数为光照参数，若光照参数小于预设光照参数，所确定暗通道图像的第一调节因子小于亮通道图像的第二调节因子，例如，可以将第一调节因子设置为0.4和第二调节因子设置为0.6。若光照参数大于预设光照参数，确定暗通道图像的第一调节因子大于亮通道图像的第二调节因子，可以将第一调节因子设置为0.7和第二调节因子设置为0.3。若光照参数等于预设光照参数，确定暗通道图像的第一调节因子与亮通道图像的第二调节因子相同，可以将第一调节因子设置为0.5和第二调节因子设置为0.5。
在本申请的其他实施例中，步骤207基于环境参数，确定暗通道图像的第一调节因子以及亮通道图像的第二调节因子，可以通过如下步骤实现：
步骤2071、确实对象所处环境，对采集对象的唾液图像产生影响的影响因子。
其中，影响因子用于指示唾液图像的清晰度与对象所处环境的环境参数变化量的对应关系。影响因子根据现场成像环境进行调试标定得到，属于超参数。
步骤2072、基于影响因子，确定第一调节因子和第二调节因子。
本申请实施例中，为弥补不同环境的光源环境对成像的不同影响，引入第一调节因子和第二调节因子，用于平衡暗通道雾化处理以及亮通道反光处理。
步骤208、以第一调节因子调高暗通道图像的亮度，得到亮度调节后的第一图像。
本申请实施例中，电子设备将暗通道图像中的每一像素值乘第一调节因子，得到亮度调节后的第一图像。
步骤209、以第二调节因子调低亮通道图像的亮度，得到亮度调节后的第二图像。
本申请实施例中，电子设备将亮通道图像中的每一像素值乘第二调节因子，得到亮度调节后的第二图像。
步骤210、叠加第一图像和第二图像，得到叠加后的图像。
本申请实施例中，电子设备对第一图像和第二图像，得到叠加后的图像K(x)。
在一些实施例中，叠加后的图像K(x)为：
K(x)＝λ*J(dark)+(1-λ)*J(bright)
其中，J(dark)为暗通道图像；J(bright)为亮通道图像；λ为第一调节因子；(1-λ)为第二调节因子。
步骤211、将叠加后的图像输入至经过训练的分类模型中，得到叠加后的图像的唾液标签。
本申请实施例中，针对经过训练的分类模型，可以通过以下步骤实现：
第一步、获取多个对象的样本唾液图像，以及样本唾液图像对应的目标标签。
第二步、将样本唾液图像输入至分类模型中，得到样本唾液图像的参考标签。
第三步、获取目标标签与参考标签之间的分类准确率，若分类准确率小于准确率阈值，确定分类模型为经过训练的分类模型。
这里，误差阈值可以是电子设置预先设置的，也可以是用户根据实际的场景设置的。
第四步、若分类准确率大于准确率阈值，调整所述分类模型的分类参数，以使调整参数后的分类模型，对样本唾液图像分类准确率小于准确率阈值，确定分类模型训练完成。
本申请实施例中，分类模型基于网络模型例如EfficientDet进行构建，通过EfficientDet网络对可视化数据分类的参数作为网络初始化参数，通过注意力机制增加模型可解释性，增加模型的安全性，提升模型分类准确率。
步骤212、基于唾液标签，确定对象的疾病类型。
本申请实施例中，电子设备根据唾液标签，确定对象的疾病类型，即仅依靠计算机视觉区别对象的疾病，并利用专业领域推荐系统，快速高效制定出相应的病症的治疗和处理建议。在一些实施例中，对于无法有效筛选的疾病，送往下一个流程进行实验室化验处理。实验室化验精确定位到对象具体的疾病信息。
图3是本申请实施例中提供的电子设备的工作流程图。
步骤301、采集至少一个对象的唾液。
步骤302、确定对象的疾病类型。
本申请实施例中，获取至少一个对象的唾液图像，并基于唾液图像的最大亮度值对应的对数参数，确定唾液图像对应的暗通道图像和亮通道图像，叠加暗通道图像和亮通道图像，获得叠加后的图像的唾液标签。基于唾液标签确定对象的疾病类型，若确定的疾病类型为零个或者为多个时，将标签送去专业的检测装置，确定对象的疾病类型。
步骤303、判断对象的疾病类型是否为传染病。
步骤304、若对象的疾病类型为传染病，根据溯源信息区块链中的猪只标识、谱系信息、栏位信息、转栏/场信息、饲料来源和运输信息，确定传染病的来源，并执行步骤305。
步骤305、根据推荐系统，确定传染疾病的处理推荐。
本申请实施例中，推荐系统包含与对象相关的领域的知识。
步骤306、若对象的疾病类型不为传染病，根据推荐系统，确定传染疾病的治疗推荐。
需要说明的是，本实施例中与其它实施例中相同步骤和相同内容的说明，可以参照其它实施例中的描述，此处不再赘述。
基于前述实施例，本申请的实施例提供一种信息处理装置，该信息处理装置可以应用于图1至图2对应的实施例提供的信息处理方法中，参照图4所示，该信息处理装置4可以包括：
获取单元402，用于获取对至少一个对象的唾液进行图像采集得到的唾液图像；
处理单元401，用于提取每一唾液图像的最大亮度值对应的对数参数；
处理单元401，还用于基于对数参数，确定唾液图像对应的暗通道图像和亮通道图像；
处理单元401，还用于叠加暗通道图像和亮通道图像，并获得叠加后的图像的唾液标签；其中，唾液标签用于确定对象的疾病类型。
在本申请的其他实施例中，信息处理装置4还包括：
获取单元402，用于获取对象所处环境的环境参数；
处理单元401，用于基于环境参数，确定暗通道图像的第一调节因子以及亮通道图像的第二调节因子；
处理单元401，还用于以第一调节因子调高暗通道图像的亮度，得到亮度调节后的第一图像；
处理单元401，还用于以第二调节因子调低亮通道图像的亮度，得到亮度调节后的第二图像；
处理单元401，还用于叠加第一图像和第二图像，得到叠加后的图像。
在本申请的其他实施例中，信息处理装置4还包括：
处理单元401，用于确实对象所处环境，对采集对象的唾液图像产生影响的影响因子；影响因子用于指示唾液图像的清晰度与对象所处环境的环境参数变化量的对应关系；
处理单元401，还用于基于影响因子，确定第一调节因子和第二调节因子。
在本申请的其他实施例中，信息处理装置4还包括：
处理单元401，用于将对数参数输入第一图像转换公式，得到唾液图像对应的暗通道图像，第一图像转换公式如下：
其中，B为对数参数，I(x)为唾液图像，J(dark)为唾液图像对应的暗通道图像。
在本申请的其他实施例中，信息处理装置4还包括：
处理单元401，用于将对数参数输入第二图像转换公式，得到唾液图像对应的亮通道图像，第二图像转换公式如下：
J(bright)＝I(x)-B
其中，B为对数参数，I(x)为唾液图像，J(bright)为唾液图像对应的亮通道图像。
在本申请的其他实施例中，信息处理装置4还包括：
处理单元401，用于将叠加后的图像输入至经过训练的分类模型中，得到叠加后的图像的唾液标签；
处理单元401，还用于基于唾液标签，确定对象的疾病类型。
在本申请的其他实施例中，信息处理装置4还包括：
处理单元401，用于通过巡检装置按照预设的路径对所有对象进行巡检，并分析所有对象的行为特征；
处理单元401，还用于若巡检装置分析出存在特定行为特征的对象的数量大于数量阈值，获取特定行为特征对应的对象的唾液；
处理单元401，还用于通过采集装置对至少一个对象的唾液进行处理，得到唾液图像。
需要说明的是，本实施例中处理单元401和获取单元402所执行的步骤的具体实现过程，可以参照图1至图2对应的实施例提供的信息处理方法中的实现过程，此处不再赘述。
本申请所提供的信息处理装置，获取对至少一个对象的唾液进行图像采集得到的唾液图像；提取每一唾液图像的最大亮度值对应的对数参数；基于对数参数，确定唾液图像对应的暗通道图像和亮通道图像；叠加暗通道图像和亮通道图像，并获得叠加后的图像的唾液标签；其中，唾液标签用于确定对象的疾病类型。明显，本申请利用至少一个对象对应的唾液图像的对数参数，迅速的确定出至少一个对象的疾病类型；也就是说，本申请通过唾液图像的对数参数，使得电子设备处理掉由于从至少一个对象嘴中取出的具有较高温度的唾液这一现象，导致唾液图像在实际成像过程中所携带的许多反光点和雾状点，保障暗通道图像不会出现雾化过曝，并降低唾液图像的亮度。并且，本申请解决了相关技术中的检疫方式至少存在时效差和准确度低的问题，使得相关人员对至少一个对象的疫病进行控制，针对具有传染性疾病类型的对象进行快速执行有效的隔离措施，防止具有传染性疾病类型的对象将疾病传染其他健康对象，避免了经济损失，保障其他健康对象所处环境的安全。
本申请提供一种电子设备，该电子设备可以应用于图1至图2对应的实施例提供的一种信息处理方法中，参照图5所示，该电子设备5包括：处理器501、存储器502和通信总线503，其中：
通信总线503用于实现处理器501和存储器502之间的通信连接。
处理器501用于执行存储器502中存储的信息处理程序，以实现以下步骤：
获取对至少一个对象的唾液进行图像采集得到的唾液图像；
提取每一唾液图像的最大亮度值对应的对数参数；
基于对数参数，确定唾液图像对应的暗通道图像和亮通道图像；
叠加暗通道图像和亮通道图像，并获得叠加后的图像的唾液标签；其中，唾液标签用于确定对象的疾病类型。
处理器501用于执行存储器502中存储的信息处理程序，以实现以下步骤：
获取对象所处环境的环境参数；
基于环境参数，确定暗通道图像的第一调节因子以及亮通道图像的第二调节因子；
以第一调节因子调高暗通道图像的亮度，得到亮度调节后的第一图像；
以第二调节因子调低亮通道图像的亮度，得到亮度调节后的第二图像；
叠加第一图像和第二图像，得到叠加后的图像。
处理器501用于执行存储器502中存储的信息处理程序，以实现以下步骤：
确实对象所处环境，对采集对象的唾液图像产生影响的影响因子；影响因子用于指示唾液图像的清晰度与对象所处环境的环境参数变化量的对应关系；
基于影响因子，确定第一调节因子和第二调节因子。
处理器501用于执行存储器502中存储的信息处理程序，以实现以下步骤：
将对数参数输入第一图像转换公式，得到唾液图像对应的暗通道图像，第一图像转换公式如下：
其中，B为对数参数，I(x)为唾液图像，J(dark)为唾液图像对应的暗通道图像。
处理器501用于执行存储器502中存储的信息处理程序，以实现以下步骤：
将对数参数输入第二图像转换公式，得到唾液图像对应的亮通道图像，第二图像转换公式如下：
J(bright)＝I(x)-B
其中，B为对数参数，I(x)为唾液图像，J(bright)为唾液图像对应的亮通道图像。
处理器501用于执行存储器502中存储的信息处理程序，以实现以下步骤：
将叠加后的图像输入至经过训练的分类模型中，得到叠加后的图像的唾液标签；
基于唾液标签，确定对象的疾病类型。
处理器501用于执行存储器502中存储的信息处理程序，以实现以下步骤：
通过巡检装置按照预设的路径对所有对象进行巡检，并分析所有对象的行为特征；
若巡检装置分析出存在特定行为特征的对象的数量大于数量阈值，获取特定行为特征对应的对象的唾液；
通过采集装置对至少一个对象的唾液进行处理，得到唾液图像。
需要说明的是，本实施例中处理器501所执行的步骤的具体实现过程，可以参照图1至图2对应的实施例提供的信息处理方法中的实现过程，此处不再赘述。
本申请所提供的电子设备，获取对至少一个对象的唾液进行图像采集得到的唾液图像；提取每一唾液图像的最大亮度值对应的对数参数；基于对数参数，确定唾液图像对应的暗通道图像和亮通道图像；叠加暗通道图像和亮通道图像，并获得叠加后的图像的唾液标签；其中，唾液标签用于确定对象的疾病类型。明显，本申请利用至少一个对象对应的唾液图像的对数参数，迅速的确定出至少一个对象的疾病类型；也就是说，本申请通过唾液图像的对数参数，使得电子设备处理掉由于从至少一个对象嘴中取出的具有较高温度的唾液这一现象，导致唾液图像在实际成像过程中所携带的许多反光点和雾状点，保障暗通道图像不会出现雾化过曝，并降低唾液图像的亮度。并且，本申请解决了相关技术中的检疫方式至少存在时效差和准确度低的问题，使得相关人员对至少一个对象的疫病进行控制，针对具有传染性疾病类型的对象进行快速执行有效的隔离措施，防止具有传染性疾病类型的对象将疾病传染其他健康对象，避免了经济损失，保障其他健康对象所处环境的安全。
基于前述实施例，本申请的实施例提供一种计算机可读存储介质，该计算机可读存储介质存储有一个或者多个应用，该一个或者多个应用可被一个或者多个处理器执行，以实现如图1至图2对应的实施例提供的信息处理方法。
需要说明的是，上述计算机可读存储介质可以是只读存储器(Read Only Memory，ROM)、可编程只读存储器(Programmable Read-Only Memory，PROM)、可擦除可编程只读存储器(Erasable Programmable Read-Only Memory，EPROM)、电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory，EEPROM)、磁性随机存取存储器(Ferromagnetic Random Access Memory，FRAM)、快闪存储器(Flash Memory)、磁表面存储器、光盘、或只读光盘(Compact Disc Read-Only Memory，CD-ROM)等存储器；也可以是包括上述存储器之一或任意组合的各种电子设备，如移动电话、计算机、平板设备、个人数字助理等。
需要说明的是，在本文中，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、物品或者装置不仅包括那些要素，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、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本申请各个实施例所描述的方法。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机应用产品的流程图和/或方框图来描述的。应理解可由计算机应用指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机应用指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机应用指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机应用指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上仅为本申请的优选实施例，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。
Claims (10)
1.一种信息处理方法，其特征在于，所述方法包括：
获取对至少一个对象的唾液进行图像采集得到的唾液图像；
提取每一唾液图像的最大亮度值对应的对数参数；
基于所述对数参数，确定所述唾液图像对应的暗通道图像和亮通道图像；
叠加所述暗通道图像和所述亮通道图像，并获得叠加后的图像的唾液标签；其中，所述唾液标签用于确定所述对象的疾病类型。
2.根据权利要求1所述的方法，其特征在于，所述叠加所述暗通道图像和所述亮通道图像，包括：
获取对象所处环境的环境参数；
基于所述环境参数，确定所述暗通道图像的第一调节因子以及所述亮通道图像的第二调节因子；
以所述第一调节因子调高所述暗通道图像的亮度，得到亮度调节后的第一图像；
以所述第二调节因子调低所述亮通道图像的亮度，得到亮度调节后的第二图像；
叠加所述第一图像和所述第二图像，得到叠加后的图像。
3.根据权利要求2所述的方法，其特征在于，所述基于所述环境参数，确定所述暗通道图像的第一调节因子以及所述亮通道图像的第二调节因子，包括：
确实所述对象所处环境，对采集所述对象的唾液图像产生影响的影响因子；所述影响因子用于指示所述唾液图像的清晰度与所述对象所处环境的环境参数变化量的对应关系；
基于所述影响因子，确定所述第一调节因子和所述第二调节因子。
4.根据权利要求1所述的方法，其特征在于，所述基于所述对数参数，确定所述唾液图像对应的暗通道图像，包括：
将所述对数参数输入第一图像转换公式，得到所述唾液图像对应的暗通道图像，所述第一图像转换公式如下：
其中，B为所述对数参数，I(x)为所述唾液图像，J(dark)为所述唾液图像对应的暗通道图像。
5.根据权利要求1所述的方法，其特征在于，所述基于所述对数参数，确定所述唾液图像对应的亮通道图像，包括：
将所述对数参数输入第二图像转换公式，得到所述唾液图像对应的亮通道图像，所述第二图像转换公式如下：
J(bright)＝I(x)-B
其中，B为所述对数参数，I(x)为所述唾液图像，J(bright)为所述唾液图像对应的亮通道图像。
6.根据权利要求2所述的方法，其特征在于，所述获得叠加后的图像的唾液标签，包括：
将所述叠加后的图像输入至经过训练的分类模型中，得到所述叠加后的图像的唾液标签；
基于所述唾液标签，确定所述对象的疾病类型。
7.根据权利要求1至6中任一项所述的方法，其特征在于，所述获取对至少一个对象的唾液进行图像采集得到的唾液图像，包括：
通过巡检装置按照预设的路径对所有对象进行巡检，并分析所述所有对象的行为特征；
若所述巡检装置分析出存在特定行为特征的对象的数量大于数量阈值，获取所述特定行为特征对应的对象的唾液；
通过采集装置对所述至少一个对象的唾液进行处理，得到所述唾液图像。
8.一种信息处理装置，其特征在于，所述信息处理装置包括：
获取单元，用于获取对至少一个对象的唾液进行图像采集得到的唾液图像；
处理单元，用于提取每一唾液图像的最大亮度值对应的对数参数；
所述处理单元，还用于基于所述对数参数，确定所述唾液图像对应的暗通道图像和亮通道图像；
所述处理单元，还用于叠加所述暗通道图像和所述亮通道图像，并获得叠加后的图像的唾液标签；其中，所述唾液标签用于确定所述对象的疾病类型。
9.一种电子设备，其特征在于，所述电子设备包括：
存储器，用于存储可执行指令；
处理器，用于执行所述存储器中存储的可执行指令时，实现权利要求1至7任一项所述的信息处理方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如权利要求1至7中任一项所述的信息处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111434920.0A CN116205834A (zh) | 2021-11-29 | 2021-11-29 | 一种信息处理方法、信息处理装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111434920.0A CN116205834A (zh) | 2021-11-29 | 2021-11-29 | 一种信息处理方法、信息处理装置、设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116205834A true CN116205834A (zh) | 2023-06-02 |
Family
ID=86509943
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111434920.0A Pending CN116205834A (zh) | 2021-11-29 | 2021-11-29 | 一种信息处理方法、信息处理装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116205834A (zh) |
-
2021
- 2021-11-29 CN CN202111434920.0A patent/CN116205834A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Pennekamp et al. | Implementing image analysis in laboratory‐based experimental systems for ecology and evolution: a hands‐on guide | |
| CN107392091B (zh) | 一种农业人工智能作物检测方法、移动终端和计算机可读介质 | |
| CN109901996B (zh) | 辅助测试的方法、装置、电子设备及可读存储介质 | |
| US20180197287A1 (en) | Process of using machine learning for cannabis plant health diagnostics | |
| CN106404783A (zh) | 试纸检测方法和装置 | |
| CN113052295B (zh) | 一种神经网络的训练方法、物体检测方法、装置及设备 | |
| CN106526177A (zh) | 基于胶体金试纸条的生物标志物检测系统及方法 | |
| JP7416136B2 (ja) | コロニー検出装置 | |
| Mulaosmanovic et al. | High-throughput method for detection and quantification of lesions on leaf scale based on trypan blue staining and digital image analysis | |
| Barbedo | Deep learning applied to plant pathology: The problem of data representativeness | |
| US20220283148A1 (en) | Method of determining a concentration of an analyte in a bodily fluid | |
| CN112926483A (zh) | 标准机柜状态指示灯识别监测方法、装置和系统 | |
| US20160194597A1 (en) | Colony inspection device, colony inspection method, and recording medium | |
| CN106053468A (zh) | 一种基于智能手机对肉类新鲜度的检测方法 | |
| WO2017145172A1 (en) | System and method for extraction and analysis of samples under a microscope | |
| CN114066835A (zh) | 图像检测、自动光学检测方法、装置、存储介质及设备 | |
| KR20130086690A (ko) | 휴대용 장치에서 구동되는 비색 분석 시스템 및 이를 이용한 비색 분석 방법 | |
| CN111263817A (zh) | 用于自动化评估抗生素敏感性的方法和系统 | |
| CN116205834A (zh) | 一种信息处理方法、信息处理装置、设备及存储介质 | |
| Yildirim et al. | Evaluating salient object detection in natural images with multiple objects having multi‐level saliency | |
| Boukouvalas et al. | Automated colony counter for single plate serial dilution spotting | |
| CN110322434A (zh) | 一种基于颜色空间变换和像素聚类的鱿鱼新鲜度鉴定方法 | |
| US20210192265A1 (en) | Method and devices for assessing the suitability of a sample tube for use in a laboratory automation system | |
| CN114049370A (zh) | 一种基于深度学习方法的智能移动终端有色溶液浓度检测方法 | |
| Shirley et al. | Recognition and monitoring of gas leakage using infrared imaging technique with machine learning |
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 |