CN116385357A - 基于图像识别的试管状态判断方法、装置及系统 - Google Patents
基于图像识别的试管状态判断方法、装置及系统 Download PDFInfo
- Publication number
- CN116385357A CN116385357A CN202310168346.1A CN202310168346A CN116385357A CN 116385357 A CN116385357 A CN 116385357A CN 202310168346 A CN202310168346 A CN 202310168346A CN 116385357 A CN116385357 A CN 116385357A
- Authority
- CN
- China
- Prior art keywords
- test tube
- image
- pixel points
- binarized image
- threshold
- 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
- 238000000034 method Methods 0.000 title claims abstract description 40
- 210000002966 serum Anatomy 0.000 claims abstract description 55
- 238000001914 filtration Methods 0.000 claims description 12
- 230000002159 abnormal effect Effects 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 7
- 238000012163 sequencing technique Methods 0.000 claims description 7
- 230000004907 flux Effects 0.000 abstract description 4
- 239000007788 liquid Substances 0.000 description 5
- 238000001514 detection method Methods 0.000 description 3
- 230000003068 static effect Effects 0.000 description 2
- KLDZYURQCUYZBL-UHFFFAOYSA-N 2-[3-[(2-hydroxyphenyl)methylideneamino]propyliminomethyl]phenol Chemical compound OC1=CC=CC=C1C=NCCCN=CC1=CC=CC=C1O KLDZYURQCUYZBL-UHFFFAOYSA-N 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 201000001098 delayed sleep phase syndrome Diseases 0.000 description 1
- 208000033921 delayed sleep phase type circadian rhythm sleep disease Diseases 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 210000003743 erythrocyte Anatomy 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000003287 optical 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
-
- 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
- G06T3/04—Context-preserving transformations, e.g. by using an importance map
-
- 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
- G06T7/60—Analysis of geometric attributes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
-
- 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
- G06T2207/10004—Still image; Photographic image
-
- 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
- Y02A50/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE in human health protection, e.g. against extreme weather
- Y02A50/30—Against vector-borne diseases, e.g. mosquito-borne, fly-borne, tick-borne or waterborne diseases whose impact is exacerbated by climate change
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Multimedia (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明提供一种基于图像识别的试管状态判断方法、装置及系统。一种基于图像识别的试管状态判断方法,包括:获取执行试管夹取操作后的拍摄图像;对所述拍摄图像进行二值化处理,得到二值化图像;基于所述二值化图像确定是否存在试管;在存在试管的情况下,对所述二值化图像中试管下部区域进行拟合并基于拟合结果判断试管的状态类型,所述状态类型包括空试管、仅包含凝胶的试管和包含血清的试管。在样本处理前可以预先将无试管的位置或不符合要求的试管进行排除,减少后续操作,提高流水线的通量。
Description
技术领域
本发明涉及血清样本处理领域,尤其涉及一种基于图像识别的试管状态判断方法、装置及系统。
背景技术
相关技术中,血清样本处理的前处理阶段大多是对试管帽的颜色和形状、有无,以及试管的尺寸进行判断。然而在血清样本处理过程中若试管托盘中的部分位置无试管,或者为空试管,或者是只包含凝胶的试管,会导致冗余的试管夹取操作和血清样本检测等处理操作,降低了流水线的通量,降低血清样本的检测速度和准确性。
发明内容
为解决上述问题,本发明提供一种基于图像识别的试管状态判断方法、装置及系统。
第一方面,本发明实施例提供一种基于图像识别的试管状态判断方法,包括:
获取执行试管夹取操作后的拍摄图像;
对所述拍摄图像进行二值化处理,得到二值化图像;
基于所述二值化图像确定是否存在试管;
在存在试管的情况下,对所述二值化图像中试管下部区域进行拟合并基于拟合结果判断试管的状态类型,所述状态类型包括空试管、仅包含凝胶的试管和包含血清的试管。
在一些实现方式中,所述对所述拍摄图像进行二值化处理,得到二值化图像,包括:
将所述拍摄图像转换为灰度图;
对所述灰度图进行滤波处理;
对滤波处理后的灰度图二值化操作,得到二值化图像。
在一些实现方式中,所述基于所述二值化图像确定是否存在试管,包括:
确定所述二值化图像中的物体高度是否小于所述拍摄图像的高度的预设比例;
在所述物体高度小于所述拍摄图像的高度的预设比例的情况下,确定不存在试管;
在所述物体高度不小于所述拍摄图像的高度的预设比例的情况下,确定存在试管。
在一些实现方式中,所述对所述二值化图像中试管下部区域进行拟合并基于拟合结果判断试管的状态类型,包括:
确定所述二值化图像每一列像素点中最下方的像素值为255的轮廓像素点;
对各所述轮廓像素点的坐标按照y坐标进行排序,确定其中的y坐标最大值;
提取所述轮廓像素点中y轴方向上与所述y坐标最大值对应的轮廓像素点之间距离不超过第一阈值的像素点;
针对提取的像素点进行曲线拟合,得到试管下部区域的第一拟合结果;
确定所述第一拟合结果中是否存在超出所述二值化图像的边界的像素点;
在存在超出所述二值化图像的边界的像素点的情况下,确定试管的状态类型为仅包含凝胶的试管。
在一些实现方式中,所述第一阈值是基于试管的宽度确定的,所述第一拟合结果包含试管下部区域的弧状轮廓。
在一些实现方式中,所述对所述二值化图像中试管下部区域进行拟合并基于拟合结果判断试管的状态类型,还包括:
在不存在超出所述二值化图像的边界的像素点的情况下,提取所述第一拟合结果中x坐标最小值和x坐标最大值,基于所述x坐标最小值和所述x坐标最大值分别对应的像素点进行直线拟合,得到试管下部区域的第二拟合结果;
针对基于所述第一拟合结果和所述第二拟合结果所形成的闭合区域,统计像素值等于255的像素点数量和所述闭合区域内像素点总数;
计算像素值等于255的像素点数量与所述闭合区域内像素点总数的比值;
基于该比值与第二阈值的关系确定试管的状态类型是否为包含血清的试管。
在一些实现方式中,所述第二阈值包括上限阈值和下限阈值;所述基于该比值与第二阈值的关系确定试管的状态类型是否为包含血清的试管,包括:
若该比值不小于所述上限阈值,确定试管的状态类型为包含血清的试管;
若该比值不大于所述下限阈值,确定试管的状态类型为空试管。
在一些实现方式中,所述状态类型还包括异常试管;所述基于该比值与第二阈值的关系确定试管的状态类型是否为包含血清的试管,还包括:
若该比值大于所述下限阈值且小于所述上限阈值,确定试管的状态类型为异常试管。
第二方面,本发明实施例提供一种基于图像识别的试管状态判断装置,包括:
获取模块,用于获取执行试管夹取操作后的拍摄图像;
二值化模块,用于对所述拍摄图像进行二值化处理,得到二值化图像;
判断模块,用于基于所述二值化图像确定是否存在试管;在存在试管的情况下,对所述二值化图像中试管下部区域进行拟合并基于拟合结果判断试管的状态类型,所述状态类型包括空试管、仅包含凝胶的试管和包含血清的试管。
在一些实现方式中,所述二值化模块,用于将所述拍摄图像转换为灰度图,对所述灰度图进行滤波处理,对滤波处理后的灰度图二值化操作,得到二值化图像。
在一些实现方式中,所述判断模块用于:
确定所述二值化图像中的物体高度是否小于所述拍摄图像的高度的预设比例;
在所述物体高度小于所述拍摄图像的高度的预设比例的情况下,确定不存在试管;
在所述物体高度不小于所述拍摄图像的高度的预设比例的情况下,确定存在试管。
在一些实现方式中,所述判断模块用于:
在存在试管的情况下,确定所述二值化图像每一列像素点中最下方的像素值为255的轮廓像素点;
对各所述轮廓像素点的坐标按照y坐标进行排序,确定其中的y坐标最大值;
提取所述轮廓像素点中y轴方向上与所述y坐标最大值对应的轮廓像素点之间距离不超过第一阈值的像素点;
针对提取的像素点进行曲线拟合,得到试管下部区域的第一拟合结果;
确定所述第一拟合结果中是否存在超出所述二值化图像的边界的像素点;
在存在超出所述二值化图像的边界的像素点的情况下,确定试管的状态类型为仅包含凝胶的试管。
在一些实现方式中,所述第一阈值是基于试管的宽度确定的,所述第一拟合结果包含试管下部区域的弧状轮廓。
在一些实现方式中,所述判断模块还用于:
在不存在超出所述二值化图像的边界的像素点的情况下,提取所述第一拟合结果中x坐标最小值和x坐标最大值,基于所述x坐标最小值和所述x坐标最大值分别对应的像素点进行直线拟合,得到试管下部区域的第二拟合结果;
针对基于所述第一拟合结果和所述第二拟合结果所形成的闭合区域,统计像素值等于255的像素点数量和所述闭合区域内像素点总数;
计算像素值等于255的像素点数量与所述闭合区域内像素点总数的比值;
基于该比值与第二阈值的关系确定试管的状态类型是否为包含血清的试管。
在一些实现方式中,所述第二阈值包括上限阈值和下限阈值;所述基于该比值与第二阈值的关系确定试管的状态类型是否为包含血清的试管,包括:
若该比值不小于所述上限阈值,确定试管的状态类型为包含血清的试管;
若该比值不大于所述下限阈值,确定试管的状态类型为空试管。
在一些实现方式中,所述状态类型还包括异常试管;所述基于该比值与第二阈值的关系确定试管的状态类型是否为包含血清的试管,还包括:
若该比值大于所述下限阈值且小于所述上限阈值,确定试管的状态类型为异常试管。
第三方面,本发明实施例提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被至少一个处理器执行时,实现如第一方面所述的方法。
第四方面,本发明实施例提供一种全自动样本处理系统,包括存储器和至少一个处理器,所述存储器上存储有计算机程序,所述计算机程序被所述至少一个处理器执行时实现如第一方面所述的方法。
在一些实现方式中,所述的全自动样本处理系统,还包括:
试管夹取装置,用于执行试管夹取操作,使试管离开试管架;
拍摄装置,用于在执行试管夹取操作后进行图像拍摄。
本发明的一个或多个实施例至少带来如下有益效果:
本发明获取执行试管夹取操作后的拍摄图像;对拍摄图像进行二值化处理,基于所得二值化图像确定是否存在试管,在存在试管的情况下,对二值化图像中试管下部区域进行拟合并基于拟合结果判断试管的状态类型。能够判断试管存放区域的每个位置是否存在试管,以及在存在试管的情形下识别出试管的状态类型是空试管、仅包含凝胶的试管还是包含血清的正常试管,甚至异常试管。由此可以在样本处理前预先将无试管的位置或不符合要求的试管进行排除,减少后续操作,提高流水线的通量。
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。
图1是本发明实施例提供的基于图像识别的试管状态判断方法流程图;
图2是本发明实施例提供的一组执行试管夹取操作后的拍摄图像的示例,其中,(a)是无试管的拍摄图像;(b)是空试管的拍摄图像;(c)是仅包含凝胶的试管的拍摄图像;(d)是包含血清的正常试管的拍摄图像;
图3是本发明实施例提供的一组二值化图像的示例,其中,(a)是无试管的二值化图像;(b)是空试管的二值化图像;(c)是仅包含凝胶的试管的二值化图像;(d)是包含血清的正常试管的二值化图像;
图4是本发明实施例提供的二值化图像中试管下部区域的拟合结果示例,其中,(a)是空试管的拟合结果;(b)是仅包含凝胶的试管的拟合结果;(c)是包含血清的正常试管的拟合结果;
图5是本发明实施例提供的基于图像识别的试管状态判断装置框图。
具体实施方式
下面将结合本发明实施例中附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅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。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的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。
实施例一
本实施例提供一种基于图像识别的试管状态判断方法,如图1所示,包括:
步骤S101、获取执行试管夹取操作后的拍摄图像。
在实际应用中,血清试管盛放在试管存放区域,在特定的密闭腔体内使用试管夹执行试管夹取操作,使试管离开试管架,过程中保持腔体内的光照均匀,以避免给拍摄图像带来干扰。执行试管夹取操作后将试管夹取到空间以针对所夹取试管拍摄图像。
对于可能存在存放区域的某些位置因样本不足或者误操作等因素导致的无试管情形、空试管情形、仅包含凝胶的试管情形,本实施例通过对存放试管的试管架上本应存放血清试管的位置执行试管夹取操作,进而拍摄图像,基于拍摄图像在后续步骤中识别是各位置是否存在试管,以及在存在试管的情形下识别出试管的状态类型是空试管、仅包含凝胶的试管还是包含血清的正常试管。
图2示出一组执行试管夹取操作后的拍摄图像的示例,其中,(a)示出了无试管的拍摄图像,即:执行了试管夹取操作但存放区域的相应位置并不存在试管,而未能夹取到试管;(b)示出了空试管的拍摄图像;(c)示出了仅包含凝胶的试管的拍摄图像;(d)示出了包含血清的正常试管的拍摄图像。
步骤S102、对拍摄图像进行二值化处理,得到二值化图像。
为提高是否存在试管以及试管状态类型的识别效果,对拍摄图像进行二值化处理,后续是否存在试管、在存在试管的情形下识别出试管的状态类型是空试管、仅包含凝胶的试管还是包含血清的正常试管均基于二值化图像进行识别。
在一些实现方式中,对拍摄图像进行二值化处理,得到二值化图像,包括:
步骤S102a、将拍摄图像转换为灰度图;
步骤S102b、对灰度图进行滤波处理;
步骤S102c、对滤波处理后的灰度图二值化操作,得到二值化图像。
在将拍摄图像从RGB彩图转换为灰度图后,图像中可能存在一些干扰数据(噪点),本实施例通过对灰度图进行滤波后,再进行二值化操作,以有效取出图像中的干扰,使得二值化图像中的物体轮廓更加清晰,识别结果更为准确。
滤波处理可以包括但不限于高斯滤波处理,二值化操作可以采用但不限于OTSU大津法,例如还可以采用直方图法、熵算法、自适应阈值法等。
图3示出了一组二值化图像的示例,其中,(a)示出了无试管的二值化图像;(b)示出了空试管的二值化图像;(c)示出了仅包含凝胶的试管的二值化图像;(d)示出了包含血清的正常试管的二值化图像。
步骤S103、基于二值化图像确定是否存在试管。
在一些实现方式中,基于二值化图像确定是否存在试管,包括:
步骤S103a、确定二值化图像中的物体高度是否小于拍摄图像的高度的预设比例;在物体高度小于拍摄图像的高度的预设比例的情况下,确定不存在试管;在物体高度不小于拍摄图像的高度的预设比例的情况下,确定存在试管。
在一种优选的实现方式中,预设比例为1/2,进而,若二值化图像中的物体高度小于原始RGB拍摄图像的高度的1/2时,表示物体高度过低,不满足试管的高度,因此,此情况下确定不存在试管。而二值化图像中的物体高度不小于原始RGB拍摄图像的高度的1/2,则表示物体高度符合试管的高度,此情况下存在试管。
在存在试管的情况下,执行步骤S104。
步骤S104、对二值化图像中试管下部区域进行拟合并基于拟合结果判断试管的状态类型,状态类型包括空试管、仅包含凝胶的试管和包含血清的试管。
在确定二值化图像中存在试管的情况下,进一步对试管的下部区域进行拟合,得到试管下部区域的轮廓形状和/或白色部分的分布情况,从而根据不同状态类型的对应特征,判断试管的具体状态类型。
在一些实现方式中,对二值化图像中试管下部区域进行拟合并基于拟合结果判断试管的状态类型,可以包括:
步骤S104a、确定二值化图像每一列像素点中最下方的像素值为255的轮廓像素点。通过确定二值化图像中下部区域的白色(像素值为255)部分的轮廓像素点,能够得到试管下部区域的轮廓形态,进而根据试管下部区域的轮廓形态判断当前二值化图像中的试管是否为仅包含凝胶的无血清试管(需排除)。
对二值化图像每一列像素点中最下方的像素值为255的轮廓像素点的坐标进行记录,得到第一坐标数组x0,y0;x1,y1;x2,y2;…;xn,yn,其中,n表示轮廓像素点的数量。
步骤S104b、对各轮廓像素点的坐标按照y坐标进行排序,确定其中的y坐标最大值。
以二值化图像的左上角为原点,从原点指向右侧的方向为x轴的正半轴,从原点指向下方的方向为y轴的正半轴。对前一步骤中的轮廓像素点的坐标按照y坐标大小进行排序,并记录得到第二坐标数组。寻找到其中的y坐标最大值及其对应的像素点的坐标。
步骤S104c、提取步骤S104b中的轮廓像素点中y轴方向上与y坐标最大值对应的轮廓像素点之间距离不超过第一阈值的像素点。
为了使拟合结果能够覆盖试管下部区域,以及避免试管标签对状态类型判断的影响,以获取准确的状态类型判断结果,从第二坐标数组中提取y轴方向上距离y坐标最大值对应的轮廓像素点第一阈值内的像素点,第一阈值可以根据实际情况设定,一些情况下,第一阈值可以是基于试管的宽度确定的,例如第一阈值的取值等于或约等于试管的宽度所占像素点数量,以使得第一拟合结果包含试管下部区域的弧状轮廓。一个示例中,为了使第一拟合结果所包含的曲线覆盖试管底部的弧状区域,第一阈值取50至70中的任一值,应当理解的是,第一阈值的取值并不限定于此数值范围,在实际应用中可以根据试管的宽度或其他因素设置第一阈值。
步骤S104d、针对提取的像素点进行曲线拟合,得到试管下部区域的第一拟合结果。针对前面提取的试管下部区域的轮廓像素点进行曲线拟合,得到拟合曲线,以判断当前试管的状态类型。
步骤S104e、确定第一拟合结果中是否存在超出二值化图像的边界的像素点。在存在超出二值化图像的边界的像素点的情况下,执行步骤S104f。
步骤S104f、确定试管的状态类型为仅包含凝胶的试管。
如果拟合的任一像素点超出二值化图像的边界,而无法在二值化图像上拟合成一条曲线,则当前试管为仅包含凝胶的试管。其中,二值化图像的边界可以根据拍摄图像的尺寸确定。如果第一拟合结果为一条曲线,则该曲线反映了试管下部区域的弧状轮廓情况,需进一步判断当前试管是否为包含血清的试管。
在一些实现方式中,对二值化图像中试管下部区域进行拟合并基于拟合结果判断试管的状态类型,还包括:
步骤S104g、在不存在超出二值化图像的边界的像素点的情况下,提取第一拟合结果中x坐标最小值和x坐标最大值,基于该x坐标最小值和该x坐标最大值分别对应的像素点进行直线拟合,得到试管下部区域的第二拟合结果。
对从第一拟合结果中提取的x坐标最小值和x坐标最大值对应的像素点进行直线拟合,可以确定试管中的液面轮廓。
步骤S104h、针对基于第一拟合结果和第二拟合结果所形成的闭合区域,统计像素值等于255的像素点数量和该闭合区域内像素点总数。
步骤S104i、计算像素值等于255的像素点数量与闭合区域内像素点总数的比值。
步骤S104j、基于该比值与第二阈值的关系确定试管的状态类型是否为包含血清的试管。
由于试管标签贴附位置可能不统一,但会避开底部弧状区域,基于前面得到的试管下部区域的弧状轮廓和液面轮廓能够得到一个闭合区域,该区域为试管底部弧状的部分,避免了试管标签对于判断结果影响。进一步统计这部分中的白色的像素点数量占这部分的总像素点数量的比值R,可以确定当前试管是否为包含血清的试管。若试管中液面以下的部分白色像素点占比达到一定程度,则表明当前试管为包含血清的正常试管,此方式无需考虑液面是否水平,即使试管放置存在一定倾斜角度也不影响状态类型的判断,无需先将液面校正为水平再去判断,判断过程准确高效。
图4示出了二值化图像中试管下部区域的拟合结果示例,其中,(a)是空试管的拟合结果;(b)是仅包含凝胶的试管的拟合结果;(c)是包含血清的正常试管的拟合结果。
由于图像质量、红细胞状态、拟合偏差等等因素可能影响判断结果,因此本实施例通过设定第二阈值来对可能为包含血清的正常试管的情况做进一步判断,以提升状态类型的判断准确性,剔除掉空试管。
在一些实现方式中,第二阈值包括上限阈值t0和下限阈值t1;基于该比值与第二阈值的关系确定试管的状态类型是否为包含血清的试管,包括:
若该比值不小于上限阈值,确定试管的状态类型为包含血清的试管;
若该比值不大于下限阈值,确定试管的状态类型为空试管。
在一些实现方式中,试管的状态类型还包括异常试管;基于该比值与第二阈值的关系确定试管的状态类型是否为包含血清的试管,还包括:
若该比值大于下限阈值且小于上限阈值,确定试管的状态类型为异常试管。
如果R≥t0,则说明当前试管为包含血清的正常试管;如果R≤t1,则说明当前试管为空试管;如果t1<R<t0,则说明该试管可能为异常试管,例如离心不充分的试管。在一些情况下,上限阈值可以设置为85%至95%中的任一值,下限阈值可以设置为5%至15%中的任一值。在实际应用中,上限阈值和下限阈值的取值范围及具体取值可以根据实际情况设置。
在实际应用中,本实施例的方法可以针对试管架的多个位置执行试管夹取操作,以判断每个位置是否存在试管,以及在存在试管的情形下识别出试管的状态类型是空试管、仅包含凝胶的试管还是包含血清的正常试管,甚至异常试管。由此可以在样本处理前预先将无试管的位置或不符合要求的试管进行排除,减少后续操作,提高流水线的通量。
实施例二
本实施例提供一种基于图像识别的试管状态判断装置,如图5所示,包括:
获取模块201,用于获取执行试管夹取操作后的拍摄图像;
二值化模块202,用于对拍摄图像进行二值化处理,得到二值化图像;
判断模块203,用于基于二值化图像确定是否存在试管;在存在试管的情况下,对二值化图像中试管下部区域进行拟合并基于拟合结果判断试管的状态类型,试管的状态类型包括空试管、仅包含凝胶的试管和包含血清的试管。
在一些实现方式中,二值化模块202用于将拍摄图像转换为灰度图,对灰度图进行滤波处理,对滤波处理后的灰度图二值化操作,得到二值化图像。
在一些实现方式中,判断模块203用于:确定所述二值化图像中的物体高度是否小于拍摄图像的高度的预设比例;在物体高度小于拍摄图像的高度的预设比例的情况下,确定不存在试管;在物体高度不小于拍摄图像的高度的预设比例的情况下,确定存在试管。
在一些实现方式中,判断模块203用于:
在存在试管的情况下,确定二值化图像每一列像素点中最下方的像素值为255的轮廓像素点;
对各轮廓像素点的坐标按照y坐标进行排序,确定其中的y坐标最大值;
提取轮廓像素点中y轴方向上与y坐标最大值对应的轮廓像素点之间距离不超过第一阈值的像素点;
针对提取的像素点进行曲线拟合,得到试管下部区域的第一拟合结果;
确定所述第一拟合结果中是否存在超出所述二值化图像的边界的像素点;
在存在超出二值化图像的边界的像素点的情况下,确定试管的状态类型为仅包含凝胶的试管。
在一些实现方式中,判断模块203还用于:
在不存在超出二值化图像的边界的像素点的情况下,提取第一拟合结果中x坐标最小值和x坐标最大值,基于x坐标最小值和x坐标最大值分别对应的像素点进行直线拟合,得到试管下部区域的第二拟合结果;
针对基于第一拟合结果和所述第二拟合结果所形成的闭合区域,统计像素值等于255的像素点数量和闭合区域内像素点总数;
计算像素值等于255的像素点数量与闭合区域内像素点总数的比值;
基于该比值与第二阈值的关系确定试管的状态类型是否为包含血清的试管。
在一些实现方式中,第二阈值包括上限阈值和下限阈值;基于该比值与第二阈值的关系确定试管的状态类型是否为包含血清的试管,包括:
若该比值不小于上限阈值,确定试管的状态类型为包含血清的试管;
若该比值不大于下限阈值,确定试管的状态类型为空试管。
在一些实现方式中,试管的状态类型还包括异常试管;基于该比值与第二阈值的关系确定试管的状态类型是否为包含血清的试管,还包括:若该比值大于所述下限阈值且小于上限阈值,确定试管的状态类型为异常试管。
应当理解的是,本实施例的装置至少具有实施例一的全部有益效果。
实施例三
本实施例提供一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被至少一个处理器执行时,实现前述实施例的方法。
其中,计算机可读存储介质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 Access Memory,简称SRAM),电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory,简称EEPROM),可擦除可编程只读存储器(Erasable Programmable Read-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。
实施例四
本实施例提供一种全自动样本处理系统,包括存储器和至少一个处理器,存储器上存储有计算机程序,计算机程序被至少一个处理器执行时实现前述的方法。
处理器可以是专用集成电路(Application Specific Integrated Circuit,简称ASIC)、数字信号处理器(Digital Signal Processor,简称DSP)、数字信号处理设备(Digital Signal Processing Device,简称DSPD)、可编程逻辑器件(Programmable LogicDevice,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(Microcontroller Unit,MCU)、微处理器或其他电子元件实现,用于执行上述实施例中的方法。
在一些实现方式中,全自动样本处理系统还包括:
试管夹取装置,用于执行试管夹取操作,使试管离开试管架;
拍摄装置,用于在执行试管夹取操作后进行图像拍摄。
其中,试管夹取装置可以包括试管夹,拍摄装置可以包括摄像头。
在全自动样本处理系统前端对试管的状态类型进行分类时,可能出现无试管的情况、空试管的情况、仅包含凝胶的试管的情况、以及正常包含血清的试管。这关系到后续的一系列的血清样本的检测速度和判断问题。本实施例的全自动样本处理系统,可以通过自动控制试管夹取装置对存放区域的每个位置执行试管夹取操作,并在试管夹取至悬空状态的情况下自动控制摄像头对试管进行拍摄,应当理解的是,若某个位置不存在试管,那么试管夹取操作后所拍摄的图像中仅包含试管夹而不包含试管。
在本发明实施例所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置和方法实施例仅仅是示意性的。
需要说明的是,在本文中,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。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。
虽然本发明所揭露的实施方式如上,但所述的内容只是为了便于理解本发明而采用的实施方式,并非用以限定本发明。任何本发明所属技术领域内的技术人员,在不脱离本发明所揭露的精神和范围的前提下,可以在实施的形式上及细节上作任何的修改与变化,但本发明的专利保护范围,仍须以所附的权利要求书所界定的范围为准。
Claims (19)
1.一种基于图像识别的试管状态判断方法,其特征在于,包括:
获取执行试管夹取操作后的拍摄图像;
对所述拍摄图像进行二值化处理,得到二值化图像;
基于所述二值化图像确定是否存在试管;
在存在试管的情况下,对所述二值化图像中试管下部区域进行拟合并基于拟合结果判断试管的状态类型,所述状态类型包括空试管、仅包含凝胶的试管和包含血清的试管。
2.根据权利要求1所述的方法,其特征在于,所述对所述拍摄图像进行二值化处理,得到二值化图像,包括:
将所述拍摄图像转换为灰度图;
对所述灰度图进行滤波处理;
对滤波处理后的灰度图二值化操作,得到二值化图像。
3.根据权利要求1所述的方法,其特征在于,所述基于所述二值化图像确定是否存在试管,包括:
确定所述二值化图像中的物体高度是否小于所述拍摄图像的高度的预设比例;
在所述物体高度小于所述拍摄图像的高度的预设比例的情况下,确定不存在试管;
在所述物体高度不小于所述拍摄图像的高度的预设比例的情况下,确定存在试管。
4.根据权利要求1所述的方法,其特征在于,所述对所述二值化图像中试管下部区域进行拟合并基于拟合结果判断试管的状态类型,包括:
确定所述二值化图像每一列像素点中最下方的像素值为255的轮廓像素点;
对各所述轮廓像素点的坐标按照y坐标进行排序,确定其中的y坐标最大值;
提取所述轮廓像素点中y轴方向上与所述y坐标最大值对应的轮廓像素点之间距离不超过第一阈值的像素点;
针对提取的像素点进行曲线拟合,得到试管下部区域的第一拟合结果;
确定所述第一拟合结果中是否存在超出所述二值化图像的边界的像素点;
在存在超出所述二值化图像的边界的像素点的情况下,确定试管的状态类型为仅包含凝胶的试管。
5.根据权利要求4所述的方法,其特征在于,所述第一阈值是基于试管的宽度确定的,所述第一拟合结果包含试管下部区域的弧状轮廓。
6.根据权利要求4所述的方法,其特征在于,所述对所述二值化图像中试管下部区域进行拟合并基于拟合结果判断试管的状态类型,还包括:
在不存在超出所述二值化图像的边界的像素点的情况下,提取所述第一拟合结果中x坐标最小值和x坐标最大值,基于所述x坐标最小值和所述x坐标最大值分别对应的像素点进行直线拟合,得到试管下部区域的第二拟合结果;
针对基于所述第一拟合结果和所述第二拟合结果所形成的闭合区域,统计像素值等于255的像素点数量和所述闭合区域内像素点总数;
计算像素值等于255的像素点数量与所述闭合区域内像素点总数的比值;
基于该比值与第二阈值的关系确定试管的状态类型是否为包含血清的试管。
7.根据权利要求6所述的方法,其特征在于,所述第二阈值包括上限阈值和下限阈值;所述基于该比值与第二阈值的关系确定试管的状态类型是否为包含血清的试管,包括:
若该比值不小于所述上限阈值,确定试管的状态类型为包含血清的试管;
若该比值不大于所述下限阈值,确定试管的状态类型为空试管。
8.根据权利要求6所述的方法,其特征在于,所述状态类型还包括异常试管;所述基于该比值与第二阈值的关系确定试管的状态类型是否为包含血清的试管,还包括:
若该比值大于所述下限阈值且小于所述上限阈值,确定试管的状态类型为异常试管。
9.一种基于图像识别的试管状态判断装置,其特征在于,包括:
获取模块,用于获取执行试管夹取操作后的拍摄图像;
二值化模块,用于对所述拍摄图像进行二值化处理,得到二值化图像;
判断模块,用于基于所述二值化图像确定是否存在试管;在存在试管的情况下,对所述二值化图像中试管下部区域进行拟合并基于拟合结果判断试管的状态类型,所述状态类型包括空试管、仅包含凝胶的试管和包含血清的试管。
10.根据权利要求9所述的装置,其特征在于,所述二值化模块,用于将所述拍摄图像转换为灰度图,对所述灰度图进行滤波处理,对滤波处理后的灰度图二值化操作,得到二值化图像。
11.根据权利要求9所述的装置,其特征在于,所述判断模块用于:
确定所述二值化图像中的物体高度是否小于所述拍摄图像的高度的预设比例;
在所述物体高度小于所述拍摄图像的高度的预设比例的情况下,确定不存在试管;
在所述物体高度不小于所述拍摄图像的高度的预设比例的情况下,确定存在试管。
12.根据权利要求9所述的装置,其特征在于,所述判断模块用于:
在存在试管的情况下,确定所述二值化图像每一列像素点中最下方的像素值为255的轮廓像素点;
对各所述轮廓像素点的坐标按照y坐标进行排序,确定其中的y坐标最大值;
提取所述轮廓像素点中y轴方向上与所述y坐标最大值对应的轮廓像素点之间距离不超过第一阈值的像素点;
针对提取的像素点进行曲线拟合,得到试管下部区域的第一拟合结果;
确定所述第一拟合结果中是否存在超出所述二值化图像的边界的像素点;
在存在超出所述二值化图像的边界的像素点的情况下,确定试管的状态类型为仅包含凝胶的试管。
13.根据权利要求12所述的装置,其特征在于,所述第一阈值是基于试管的宽度确定的,所述第一拟合结果包含试管下部区域的弧状轮廓。
14.根据权利要求12所述的装置,其特征在于,所述判断模块还用于:
在不存在超出所述二值化图像的边界的像素点的情况下,提取所述第一拟合结果中x坐标最小值和x坐标最大值,基于所述x坐标最小值和所述x坐标最大值分别对应的像素点进行直线拟合,得到试管下部区域的第二拟合结果;
针对基于所述第一拟合结果和所述第二拟合结果所形成的闭合区域,统计像素值等于255的像素点数量和所述闭合区域内像素点总数;
计算像素值等于255的像素点数量与所述闭合区域内像素点总数的比值;
基于该比值与第二阈值的关系确定试管的状态类型是否为包含血清的试管。
15.根据权利要求14所述的装置,其特征在于,所述第二阈值包括上限阈值和下限阈值;所述基于该比值与第二阈值的关系确定试管的状态类型是否为包含血清的试管,包括:
若该比值不小于所述上限阈值,确定试管的状态类型为包含血清的试管;
若该比值不大于所述下限阈值,确定试管的状态类型为空试管。
16.根据权利要求15所述的装置,其特征在于,所述状态类型还包括异常试管;所述基于该比值与第二阈值的关系确定试管的状态类型是否为包含血清的试管,还包括:
若该比值大于所述下限阈值且小于所述上限阈值,确定试管的状态类型为异常试管。
17.一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上存储有计算机程序,所述计算机程序被至少一个处理器执行时,实现如权利要求1至8中任一项所述的方法。
18.一种全自动样本处理系统,其特征在于,包括存储器和至少一个处理器,所述存储器上存储有计算机程序,所述计算机程序被所述至少一个处理器执行时实现如权利要求1至8中任一项所述的方法。
19.根据权利要求18所述的全自动样本处理系统,其特征在于,还包括:
试管夹取装置,用于执行试管夹取操作,使试管离开试管架;
拍摄装置,用于在执行试管夹取操作后进行图像拍摄。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310168346.1A CN116385357A (zh) | 2023-02-24 | 2023-02-24 | 基于图像识别的试管状态判断方法、装置及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310168346.1A CN116385357A (zh) | 2023-02-24 | 2023-02-24 | 基于图像识别的试管状态判断方法、装置及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116385357A true CN116385357A (zh) | 2023-07-04 |
Family
ID=86968347
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310168346.1A Pending CN116385357A (zh) | 2023-02-24 | 2023-02-24 | 基于图像识别的试管状态判断方法、装置及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116385357A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116699166A (zh) * | 2023-08-08 | 2023-09-05 | 国网浙江省电力有限公司宁波供电公司 | 一种基于视觉识别的油色谱样品自动定位方法及系统 |
-
2023
- 2023-02-24 CN CN202310168346.1A patent/CN116385357A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116699166A (zh) * | 2023-08-08 | 2023-09-05 | 国网浙江省电力有限公司宁波供电公司 | 一种基于视觉识别的油色谱样品自动定位方法及系统 |
CN116699166B (zh) * | 2023-08-08 | 2024-01-02 | 国网浙江省电力有限公司宁波供电公司 | 一种基于视觉识别的油色谱样品自动定位方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106934803B (zh) | 电子器件表面缺陷的检测方法及装置 | |
CN110119741B (zh) | 一种有背景的卡证图像信息识别方法 | |
CN111627009A (zh) | 一种屏幕检测方法、装置及头戴显示设备 | |
CN111027546B (zh) | 一种字符分割方法、装置以及计算机可读存储介质 | |
US20070206858A1 (en) | Method and system for object recognition using fractal maps | |
CN113808131B (zh) | 一种连接器缺陷识别方法及系统及装置及介质 | |
CN113160161B (zh) | 目标边缘处缺陷的检测方法和装置 | |
CN108985129B (zh) | 二维码的定位与检出方法 | |
CN116385357A (zh) | 基于图像识别的试管状态判断方法、装置及系统 | |
CN113569859B (zh) | 一种图像处理方法、装置、电子设备及存储介质 | |
CN116563298B (zh) | 基于高斯拟合的十字线中心亚像素检测方法 | |
CN112967224A (zh) | 一种基于人工智能的电子电路板检测系统、方法及介质 | |
CN110288655B (zh) | 一种自动识别chart图片中测试图案位置的方法及装置 | |
CN115661131B (zh) | 一种图像识别方法、装置、电子设备及存储介质 | |
CN117233158A (zh) | 芯片表面缺陷检测方法及相关装置 | |
CN113378847B (zh) | 字符分割方法、系统、计算机设备和存储介质 | |
CN115331193A (zh) | 一种车位识别方法、识别系统、电子设备及存储介质 | |
CN110619273B (zh) | 一种高效的虹膜识别方法以及识别装置 | |
CN112132139A (zh) | 字符识别方法和装置 | |
CN108960222B (zh) | 图像二值化方法、装置、设备及存储介质 | |
CN111598943A (zh) | 基于书本辅助阅读设备的书本就位检测方法、装置及设备 | |
CN117420152B (zh) | 视觉检测方法、装置、计算机设备及计算机可读存储介质 | |
CN112528741B (zh) | 一种变电站压板的状态识别方法及装置 | |
CN113884504A (zh) | 一种电容外观检测控制方法及装置 | |
CN117372342A (zh) | 晶圆缺陷检测方法、系统及存储介质 |
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 |