JP7250090B2 - 試料管を移送するように構成された移送インターフェースの少なくとも1つのキャビティの少なくとも1つの状態を判定する方法 - Google Patents
試料管を移送するように構成された移送インターフェースの少なくとも1つのキャビティの少なくとも1つの状態を判定する方法 Download PDFInfo
- Publication number
- JP7250090B2 JP7250090B2 JP2021159600A JP2021159600A JP7250090B2 JP 7250090 B2 JP7250090 B2 JP 7250090B2 JP 2021159600 A JP2021159600 A JP 2021159600A JP 2021159600 A JP2021159600 A JP 2021159600A JP 7250090 B2 JP7250090 B2 JP 7250090B2
- Authority
- JP
- Japan
- Prior art keywords
- cavity
- transfer
- sample tube
- image
- transfer interface
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N35/00—Automatic analysis not limited to methods or materials provided for in any single one of groups G01N1/00 - G01N33/00; Handling materials therefor
- G01N35/00584—Control arrangements for automatic analysers
- G01N35/00722—Communications; Identification
- G01N35/00732—Identification of carriers, materials or components in automatic analysers
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N35/00—Automatic analysis not limited to methods or materials provided for in any single one of groups G01N1/00 - G01N33/00; Handling materials therefor
- G01N35/02—Automatic analysis not limited to methods or materials provided for in any single one of groups G01N1/00 - G01N33/00; Handling materials therefor using a plurality of sample containers moved by a conveyor system past one or more treatment or analysis stations
- G01N35/04—Details of the conveyor system
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G06T7/0004—Industrial image inspection
- G06T7/001—Industrial image inspection using an image reference approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N35/00—Automatic analysis not limited to methods or materials provided for in any single one of groups G01N1/00 - G01N33/00; Handling materials therefor
- G01N35/02—Automatic analysis not limited to methods or materials provided for in any single one of groups G01N1/00 - G01N33/00; Handling materials therefor using a plurality of sample containers moved by a conveyor system past one or more treatment or analysis stations
- G01N35/04—Details of the conveyor system
- G01N2035/0401—Sample carriers, cuvettes or reaction vessels
- G01N2035/0406—Individual bottles or tubes
-
- 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]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Pathology (AREA)
- Immunology (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Multimedia (AREA)
- Molecular Biology (AREA)
- Quality & Reliability (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (AREA)
- Image Analysis (AREA)
- Automatic Analysis And Handling Materials Therefor (AREA)
Description
i) 少なくとも1つのカメラを使用することによって移送インターフェースの少なくとも一部の少なくとも1つの画像をキャプチャすることと、
ii) 少なくとも1つの処理ユニットを使用することによって画像に対して少なくとも1つの訓練済モデルを適用することによって、キャビティの状態を少なくとも1つのカテゴリにカテゴリ化することであって、訓練済モデルが、移送インターフェースの画像データについて訓練されており、画像データが、異なる状態のキャビティを有する移送インターフェースの複数の画像を含む、カテゴリ化することと、
iii) 少なくとも1つの通信インターフェースを介して少なくとも1つのキャビティの判定されたカテゴリを提供することと、を含む。
本発明のさらなる態様では、試料管を移送するように構成された移送インターフェースの少なくとも1つのキャビティの少なくとも1つの状態を判定する検査装置が開示される。検査装置は、
移送インターフェースの少なくとも一部の少なくとも1つの画像をキャプチャするように構成された少なくとも1つのカメラと、
画像に対して少なくとも1つの訓練済モデルを適用することによってキャビティの状態を少なくとも1つのカテゴリにカテゴリ化するように構成された少なくとも1つの処理ユニットであって、訓練済モデルが、移送インターフェースの画像データについて訓練されており、画像データが、異なる状態のキャビティを有する移送インターフェースの複数の画像を含む、少なくとも1つの処理ユニットと、
少なくとも1つのキャビティの判定されたカテゴリを提供するように構成された少なくとも1つの通信インターフェースと、を含む。
実施形態1. 試料管を移送するように構成された移送インターフェースの少なくとも1つのキャビティの少なくとも1つの状態を判定する方法であって、
i) 少なくとも1つのカメラを使用することによって移送インターフェースの少なくとも一部の少なくとも1つの画像をキャプチャすることと、
ii) 少なくとも1つの処理ユニットを使用することによって画像に対して少なくとも1つの訓練済モデルを適用することによって、キャビティの状態を少なくとも1つのカテゴリにカテゴリ化することであって、訓練済モデルが、移送インターフェースの画像データについて訓練されており、画像データが、異なる状態のキャビティを有する移送インターフェースの複数の画像を含む、カテゴリ化することと、
iii) 少なくとも1つの通信インターフェースを介して少なくとも1つのキャビティの結果カテゴリを提供することと、を含む。
移送インターフェースの少なくとも一部の少なくとも1つの画像をキャプチャするように構成された少なくとも1つのカメラと、
画像に対して少なくとも1つの訓練済モデルを適用することによってキャビティの状態を少なくとも1つのカテゴリにカテゴリ化するように構成された少なくとも1つの処理ユニットであって、訓練済モデルが、移送インターフェースの画像データについて訓練されており、画像データが、異なる状態のキャビティを有する移送インターフェースの複数の画像を含む、少なくとも1つの処理ユニットと、
少なくとも1つのキャビティの判定されたカテゴリを提供するように構成された少なくとも1つの通信インターフェースと、を含む、検査装置。
図では以下のとおりである:
i) (参照符号166によって示される)カメラ136を使用することによって移送インターフェース116の少なくとも一部の少なくとも1つの画像をキャプチャすることと、
ii) (参照符号168によって示される)処理ユニット140を使用することによって画像に対して訓練済モデルを適用することによって、キャビティ114の状態を少なくとも1つのカテゴリにカテゴリ化することであって、訓練済モデルが、移送インターフェース116の画像データについて訓練されており、画像データが、異なる状態のキャビティを有する移送インターフェース116の複数の画像を含む、カテゴリ化することと、
iii) (参照符号170によって示される)少なくとも1つの通信インターフェース164を介して少なくとも1つのキャビティ114の判定されたカテゴリを提供することと、を含む。
112 検査装置
114 キャビティ
116 移送インターフェース
118 試料管
120 移送モジュール
122 接続装置
124 ホルダ
126 カルーセル
128 ロータ
130 入力位置
132 出力位置
134 ハンドオーバ位置
135 センタリング
136 カメラ
138 識別ユニット
140 処理ユニット
142 少なくとも1つの訓練データセットの生成
144 前処理
146 データ前処理モジュール
148 表示装置
150 手動で注釈付け
152 訓練セット
154 テストセット
156 YOLOv3タイニーモデル
158 候補モデル
160 最終訓練済モデル
162 見えない入力データ
164 通信インターフェース
166 キャプチャ
168 カテゴリ化
170 提供
172 空のキャビティ
174 キャビティ内のホルダ
176 開放試料管
178 密閉試料管
Claims (15)
- 試料管(118)を移送するように構成された移送インターフェース(116)の少なくとも1つのキャビティ(114)の少なくとも1つの状態を判定する方法であって、
i)少なくとも1つのカメラ(136)を使用することによって前記移送インターフェース(116)の少なくとも一部の少なくとも1つの画像をキャプチャすること(166)と、
ii)少なくとも1つの処理ユニット(140)を使用することによって前記画像に対して少なくとも1つの訓練済モデルを適用することによって、前記キャビティ(114)の状態を少なくとも1つのカテゴリにカテゴリ化すること(168)であって、前記訓練済モデルが、前記移送インターフェース(116)の画像データについて訓練されており、前記画像データが、異なる状態のキャビティ(114)を有する前記移送インターフェース(116)の複数の画像を含む、カテゴリ化すること(168)と、
iii)少なくとも1つの通信インターフェース(164)を介して少なくとも1つのキャビティの判定された前記カテゴリを提供すること(170)と、を含み、
前記少なくとも1つのキャビティ(114)の少なくとも1つの状態は、前記キャビティ(114)が空である状態、前記キャビティ(114)に前記試料管(118)を保持するためのホルダ(124)が存在し、前記試料管(118)が存在していない状態、前記キャビティ(114)に前記ホルダ(124)および密閉された試料管(118)が存在している状態、前記キャビティ(114)に前記ホルダ(124)および開放された試料管(118)が存在している状態のうちの少なくとも1つを含み、
前記移送インターフェース(116)は、移送モジュール(120)と接続デバイス(122)との間で前記試料管(118)を移送する、または前記試料管(118)の移送を提供するように構成された物理的境界を形成する装置である、方法。 - 前記訓練済モデルが畳み込みニューラルネットワークモデルである、請求項1に記載の方法。
- 前記畳み込みニューラルネットワークモデルが、YOLOv3タイニー深層学習アーキテクチャに基づいている、請求項2に記載の方法。
- 前記訓練済モデルが、異なる画像領域を異なるカテゴリに分類するように構成される、請求項1~3のいずれか一項に記載の方法。
- ステップi)の前記画像が、前記カメラ(136)を使用することによってキャプチャされた少なくとも1つのビデオストリームのフレームである、請求項1~4のいずれか一項に記載の方法。
- 前記方法が、前記画像をスケーリングすることと、前記画像を整形することと、背景減算と、ガウシアンフィルタ、サビツキーゴーレイ平滑化、メディアンフィルタおよび/またはバイラテラルフィルタリングなどの少なくとも1つのフィルタを適用することを含む少なくとも1つの平滑化ステップと、のうちの1つまたは複数を含む前処理ステップを含む、請求項1~5のいずれか一項に記載の方法。
- 前記カテゴリが、空のキャビティ(114)、前記キャビティ(114)内のホルダ(124)の存在、前記キャビティ(114)内の密閉試料管(118)、前記キャビティ(114)内の開放試料管(118)からなる群から選択される、請求項1~6のいずれか一項に記載の方法。
- 前記方法が、少なくとも1つの訓練ステップを含み、前記訓練ステップが、少なくとも1つの訓練データセットを生成することを含み、前記訓練データセットが、前記移送インターフェース(116)の少なくとも一部の複数の画像のセットをキャプチャすることによって生成され、前記複数の画像について、前記キャビティ(114)が異なる状態にある、請求項1~7のいずれか一項に記載の方法。
- 前記訓練ステップが、転移学習技術を使用することを含む、請求項8に記載の方法。
- 前記訓練ステップが、少なくとも1つのカスタム準備されたデータセットに基づいて前記訓練済モデルを再訓練することを含む、請求項8または9に記載の方法。
- 前記方法が、判定されたおよび/または提供された前記カテゴリに基づいて、前記移送インターフェース(116)がクリアランスのために何回回転しなければならないか、および/または接続装置(122)によって動作を開始することが可能かどうかを判定することを含む、請求項1~10のいずれか一項に記載の方法。
- 試料管(118)を移送するように構成された移送インターフェース(116)の少なくとも1つのキャビティ(114)の少なくとも1つの状態を判定するコンピュータプログラムであって、前記コンピュータプログラムが、前記コンピュータプログラムが少なくとも1つのプロセッサによって実行されると、前記プロセッサに、請求項1~11のいずれか一項に記載の方法を実行させる命令を含む、コンピュータプログラム。
- 少なくとも1つのプロセッサによって実行されると、前記プロセッサに、方法に関する請求項1~11のいずれか一項に記載の方法を実行させる命令を含む、コンピュータ可読記憶媒体。
- 試料管(118)を移送するように構成された移送インターフェース(116)の少なくとも1つのキャビティ(114)の少なくとも1つの状態を判定する検査装置(112)であって、
前記移送インターフェース(116)の少なくとも一部の少なくとも1つの画像をキャプチャするように構成された少なくとも1つのカメラ(136)と、
前記画像に対して少なくとも1つの訓練済モデルを適用することによって、前記キャビティ(114)の状態を少なくとも1つのカテゴリにカテゴリ化するように構成された少なくとも1つの処理ユニット(140)であって、前記訓練済モデルが、前記移送インターフェース(116)の画像データについて訓練されており、前記画像データが、異なる状態のキャビティ(114)を有する前記移送インターフェース(116)の複数の画像を含む、少なくとも1つの処理ユニットと、
少なくとも1つのキャビティ(114)の判定された前記カテゴリを提供するように構成された少なくとも1つの通信インターフェース(164)と、を含み、
前記少なくとも1つのキャビティ(114)の少なくとも1つの状態は、前記キャビティ(114)が空である状態、前記キャビティ(114)に前記試料管(118)を保持するためのホルダ(124)が存在し、前記試料管(118)が存在していない状態、前記キャビティ(114)に前記ホルダ(124)および密閉された試料管(118)が存在している状態、前記キャビティ(114)に前記ホルダ(124)および開放された試料管(118)が存在している状態のうちの少なくとも1つを含み、
前記移送インターフェース(116)は、移送モジュール(120)と接続デバイス(122)との間で前記試料管(118)を移送する、または前記試料管(118)の移送を提供するように構成された物理的境界を形成する装置である、検査装置(112)。 - 前記検査装置(112)が、方法に関する請求項1~11のいずれか一項に記載の方法を実行するように構成されている、請求項14に記載の検査装置(112)。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP20199920.8 | 2020-10-02 | ||
EP20199920.8A EP3979131A1 (en) | 2020-10-02 | 2020-10-02 | A method for determining at least one state of at least one cavity of a transport interface configured for transporting sample tubes |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022060172A JP2022060172A (ja) | 2022-04-14 |
JP7250090B2 true JP7250090B2 (ja) | 2023-03-31 |
Family
ID=72744688
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021159600A Active JP7250090B2 (ja) | 2020-10-02 | 2021-09-29 | 試料管を移送するように構成された移送インターフェースの少なくとも1つのキャビティの少なくとも1つの状態を判定する方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20220107331A1 (ja) |
EP (1) | EP3979131A1 (ja) |
JP (1) | JP7250090B2 (ja) |
CN (1) | CN114298963A (ja) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018507482A (ja) | 2015-02-18 | 2018-03-15 | シーメンス・ヘルスケア・ダイアグノスティックス・インコーポレーテッドSiemens Healthcare Diagnostics Inc. | 視覚システムにおけるトレイスロットタイプ及びチューブタイプの位置ベース検出 |
JP2019502924A (ja) | 2016-01-22 | 2019-01-31 | エフ.ホフマン−ラ ロシュ アーゲーF. Hoffmann−La Roche Aktiengesellschaft | ラボラトリ分配システム |
JP2019502927A (ja) | 2016-01-22 | 2019-01-31 | エフ ホフマン−ラ ロッシュ アクチェン ゲゼルシャフト | 試料処理装置 |
WO2020095131A1 (en) | 2018-11-07 | 2020-05-14 | Foss Analytical A/S | Milk analyser for classifying milk |
JP2020526841A (ja) | 2017-07-11 | 2020-08-31 | シーメンス・ヘルスケア・ダイアグノスティックス・インコーポレーテッドSiemens Healthcare Diagnostics Inc. | 試料管頭部円の学習ベース画像エッジ強調方法及びシステム |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010132780A2 (en) * | 2009-05-15 | 2010-11-18 | Biomerieux. Inc. | System and method for agitation of multiple specimen containers |
EP2776844B1 (en) * | 2011-11-07 | 2020-09-30 | Beckman Coulter, Inc. | Specimen container detection |
WO2014138533A1 (en) | 2013-03-08 | 2014-09-12 | Siemens Healthcare Diagnostics Inc. | Tube characterization station |
WO2015191702A1 (en) | 2014-06-10 | 2015-12-17 | Siemens Healthcare Diagnostics Inc. | Drawer vision system |
DE102014224519A1 (de) | 2014-12-01 | 2016-06-02 | Krones Ag | Etikettiervorrichtung und -verfahren zur Etikettierung von Behältern |
JP2019506619A (ja) * | 2015-12-18 | 2019-03-07 | アボット ラボラトリーズ | 自動化分析のためのシステムおよび方法 |
JP6858243B2 (ja) | 2016-07-25 | 2021-04-14 | シーメンス・ヘルスケア・ダイアグノスティックス・インコーポレーテッドSiemens Healthcare Diagnostics Inc. | 試料容器の容器キャップを識別するためのシステム、方法及び装置 |
WO2019018313A1 (en) | 2017-07-19 | 2019-01-24 | Siemens Healthcare Diagnostics Inc. | METHODS FOR COMPENSATION OF PARASITE LIGHT AND APPARATUS FOR CHARACTERIZING A SPECIMEN |
JP7011904B2 (ja) | 2017-07-31 | 2022-01-27 | 株式会社日立ハイテク | 装置、試料における気泡の状態の判別方法、及び分析システム |
WO2019084468A1 (en) | 2017-10-27 | 2019-05-02 | Beckman Coulter, Inc. | RECOGNITION OF SAMPLE CONTAINER |
-
2020
- 2020-10-02 EP EP20199920.8A patent/EP3979131A1/en active Pending
-
2021
- 2021-09-16 US US17/447,844 patent/US20220107331A1/en active Pending
- 2021-09-28 CN CN202111147043.9A patent/CN114298963A/zh active Pending
- 2021-09-29 JP JP2021159600A patent/JP7250090B2/ja active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018507482A (ja) | 2015-02-18 | 2018-03-15 | シーメンス・ヘルスケア・ダイアグノスティックス・インコーポレーテッドSiemens Healthcare Diagnostics Inc. | 視覚システムにおけるトレイスロットタイプ及びチューブタイプの位置ベース検出 |
JP2019502924A (ja) | 2016-01-22 | 2019-01-31 | エフ.ホフマン−ラ ロシュ アーゲーF. Hoffmann−La Roche Aktiengesellschaft | ラボラトリ分配システム |
JP2019502927A (ja) | 2016-01-22 | 2019-01-31 | エフ ホフマン−ラ ロッシュ アクチェン ゲゼルシャフト | 試料処理装置 |
JP2020526841A (ja) | 2017-07-11 | 2020-08-31 | シーメンス・ヘルスケア・ダイアグノスティックス・インコーポレーテッドSiemens Healthcare Diagnostics Inc. | 試料管頭部円の学習ベース画像エッジ強調方法及びシステム |
WO2020095131A1 (en) | 2018-11-07 | 2020-05-14 | Foss Analytical A/S | Milk analyser for classifying milk |
JP2022504710A (ja) | 2018-11-07 | 2022-01-13 | フォス アナリティカル アグシャセルスガーッブ | ミルクを分類するためのミルク分析器 |
Also Published As
Publication number | Publication date |
---|---|
CN114298963A (zh) | 2022-04-08 |
JP2022060172A (ja) | 2022-04-14 |
EP3979131A1 (en) | 2022-04-06 |
US20220107331A1 (en) | 2022-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20230127698A1 (en) | Automated stereology for determining tissue characteristics | |
US11798662B2 (en) | Methods for identifying biological material by microscopy | |
US20180286040A1 (en) | Image processing apparatus, image processing method, and computer-readable non-transitory recording medium storing image processing program | |
EP3259068B1 (en) | Detection of barcode tag conditions on sample tubes | |
CN108229561B (zh) | 一种基于深度学习的颗粒产品缺陷检测方法 | |
US11600058B2 (en) | Methods and systems for learning-based image edge enhancement of sample tube top circles | |
KR102122068B1 (ko) | 이미지 분석 시스템 및 분석 방법 | |
JP2018512567A5 (ja) | ||
JP7089072B2 (ja) | 進歩したセマンティックセグメンテーションおよび敵対的訓練による、きめ細かなhil指標決定のための方法および装置 | |
JP7089071B2 (ja) | 単一ディープニューラルネットワークをエンドツーエンド訓練法で使用する検体容器特徴付け | |
Farag | A lightweight vehicle detection and tracking technique for advanced driving assistance systems | |
AU2019387079B2 (en) | Systems and methods for facilitating clone selection | |
JP7203206B2 (ja) | 標本分類のための仮説および検証ネットワークおよび方法 | |
Prasad | Machine vision systems and image processing with applications | |
JP7250090B2 (ja) | 試料管を移送するように構成された移送インターフェースの少なくとも1つのキャビティの少なくとも1つの状態を判定する方法 | |
JP7379478B2 (ja) | ミルクを分類するためのミルク分析器 | |
JP7181272B2 (ja) | 検査室自動化システムでの使用に対する、試料管の適合性を評価するための方法および装置 | |
Farag | A fast and reliable balanced approach for detecting and tracking road vehicles | |
JP7177917B2 (ja) | 視覚化分析装置および視覚的学習方法 | |
Pusey et al. | Robotic image acquisition | |
KR102704880B1 (ko) | 딥 러닝 모델에 기반하여 제품의 결함 여부를 유형별로 검사하기 위한 시스템 | |
Asaminew | AN AUTOMATIC WATER BOTTLE DEFECT DETECTION SYSTEM USING DEEP LEARNING APPROACH | |
JP2024519309A (ja) | 試料取扱システムを監視するための監視装置 | |
CN116452552A (zh) | 基于多任务的病变检测方法、装置及可读存储介质 | |
Toluwanimi | Accurate Sickle Cell Detection Using Deep Transfer Learning Based Feature Extraction, Classification, and Retrieval of Blood Smear Images |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210929 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210929 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220927 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20221004 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221207 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20230228 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230320 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7250090 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |