骨龄评估方法和系统技术方案

本申请涉及一种骨龄评估方法和系统。应用于树莓派，所述方法包括：接收骨龄评估请求；根据所述骨龄评估请求获取手骨图像以及所述手骨图像对应的用户性别；将所述手骨图像进行裁剪和直方图匹配，以及将所述用户性别进行数值转换后输送到神经计算棒，通过预先训练好部署在所述神经计算棒中的骨龄评估模型根据所述手骨图像和所述用户性别进行骨龄评估。采用本方法能够提高安全性，同时提高处理速度以提高评估的效率。评估的效率。评估的效率。

【技术实现步骤摘要】
骨龄评估方法和系统


[0001]本申请涉及人工智能
，特别是涉及一种骨龄评估方法和系统。

技术介绍

[0002]随着图像处理与机器学习技术的快速发展，深度学习算法已经在骨龄评估等领域展现了优异的性能。然而，传统技术中，大多都是通过将算法部署到高配置的服务器中，并且需要联网才能进行骨龄评估的使用，降低了安全性。

技术实现思路

[0003]基于此，有必要针对上述技术问题，提供一种能够提高安全性的骨龄评估方法和系统。
[0004]一种骨龄评估方法，应用于树莓派，所述方法包括：
[0005]接收骨龄评估请求；
[0006]根据所述骨龄评估请求获取手骨图像以及所述手骨图像对应的用户性别；
[0007]将所述手骨图像进行裁剪和直方图匹配，以及将所述用户性别进行数值转换后输送到神经计算棒，通过预先训练好部署在所述神经计算棒中的骨龄评估模型根据所述手骨图像和所述用户性别进行骨龄评估。
[0008]在其中一个实施例中，将所述手骨图像和所述用户性别输送到神经计算棒，通过预先训练好部署在所述神经计算棒中的骨龄评估模型根据所述手骨图像和所述用户性别进行骨龄评估，包括：
[0009]利用所述骨龄评估模型中的图像特征提取网络层对所述手骨图像进行特征提取，并利用卷积层和全局平均池化层将所述手骨图像特征进行降维，得到手骨图像特征；
[0010]利用所述骨龄评估模型中的第一全连接层所述用户性别进行升维，得到用户性别特征；
[0011]利用特征融合层拼接所述手骨图像特征和所述用户性别特征，得到拼接特征；
[0012]利用所述骨龄评估模型中的第二全连接层对所述拼接特征进行骨龄评估。
[0013]在其中一个实施例中，所述将所述手骨图像进行裁剪和直方图匹配，包括：
[0014]调用训练好的腕骨识别网络识别所述手骨图像中的腕骨区域，并根据所述腕骨区域对所述手骨图像进行裁减；
[0015]获取预设标定图像的灰度直方图；
[0016]根据所述灰度直方图对裁剪后的所述手骨图像进行直方图匹配。
[0017]在其中一个实施例中，所述将所述用户性别进行数值转换，包括：
[0018]获取预设的性别数值；
[0019]根据所述性别数值将所述用户性别进行数值转换。
[0020]在其中一个实施例中，所述根据所述骨龄评估请求获取手骨图像以及所述手骨图像对应的用户性别，包括：
[0021]响应所述骨龄评估请求生成采集语音并播放所述采集语音，以提示采集手骨图像和用户性别；
[0022]获取采集的所述手骨图像和所述用户性别。
[0023]一种骨龄评估系统，所述系统包括树莓派控制板、与所述树莓派控制板连接的神经计算棒；
[0024]所述树莓派控制板，用于接收骨龄评估请求；根据所述骨龄评估请求获取手骨图像以及所述手骨图像对应的用户性别；将所述手骨图像进行裁剪和直方图匹配，以及将所述用户性别进行数值转换后输送到所述神经计算棒；
[0025]所述神经计算棒，用于接收所述树莓派控制板输送的所述手骨图像和所述用户性别，通过预先训练好部署在所述神经计算棒中的骨龄评估模型根据所述手骨图像和所述用户性别进行骨龄评估。
[0026]在其中一个实施例中，所述系统还包括与所述树莓派控制板连接的语音模块、图像采集模块和显示屏；
[0027]所述树莓派控制板，还用于响应所述骨龄评估请求生成采集语音；
[0028]所述语音模块，用于根据所述树莓派控制板的控制播放所述采集语音，以提示采集手骨图像和用户性别；
[0029]所述图像采集模块，用于根据所述树莓派控制板的控制采集用户根据所述采集语音输入的手骨图像；
[0030]所述显示屏，用于接收用户根据所述采集语音输入的用户性别；
[0031]所述树莓派控制板，还用于接收所述图像采集模块发送的所述手骨图像和所述显示屏接收的所述用户性别。
[0032]在其中一个实施例中，所述树莓派控制板包括Raspberry Pi 3B+控制板。
[0033]在其中一个实施例中，所述神经计算棒包括英特尔第二代神经计算棒，所述树莓派控制板通过通用串行总线接口与所述英特尔第二代神经计算棒连接。
[0034]在其中一个实施例中，所述图像采集模块包括摄像头，所述树莓派控制板通过相机串行接口与所述摄像头连接；
[0035]所述显示屏包括电容触摸屏，所述树莓派控制板通过微观高清多媒体接口以及通用串行接口与所述电容触摸屏连接；
[0036]所述语音模块包括数字功放板。
[0037]上述骨龄评估方法和系统，应用于树莓派，在树莓派接受到骨龄评估请求后，根据骨龄评估请求获取手骨图像以及手骨图像对应的用户性别，进而将手骨图像进行裁剪和直方图匹配，和用户性别进行数值转换后输送到神经计算棒，通过预先训练好部署在神经计算棒中的骨龄评估模型根据手骨图像和所述用户性别进行骨龄评估。该方法通过树莓派实现骨龄评估，无需联网，提高了安全性。同时，将训练好的骨龄评估模型部署到神经计算棒中使用，进一步提高安全性的同时能够利用神经计算棒进行加速处理，从而提高评估的效率。
附图说明
[0038]图1为一个实施例中骨龄评估方法的流程示意图；
[0039]图2为一个实施例中将手骨图像进行裁剪和直方图匹配的步骤的流程示意图；
[0040]图3为一个实施例中骨龄评估系统的结构框图；
[0041]图4为另一个实施例中骨龄评估方法的流程示意图。
具体实施方式
[0042]为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
[0043]在一个实施例中，如图1所示，提供了一种骨龄评估方法，以该方法应用于树莓派为例进行说明，包括以下步骤：
[0044]步骤S102，接收骨龄评估请求。
[0045]具体地，骨龄评估请求是指用户下发的用于进行骨龄评估操作的请求。当用户需要进行骨龄评估时，通过树莓派平台上的输入装置下发骨龄评估请求。
[0046]步骤S104，根据骨龄评估请求获取手骨图像以及手骨图像对应的用户性别。
[0047]其中，手骨图像是指包含手骨的图像。
[0048]具体地，当树莓派接收到用户的下发的骨龄评估请求时，响应该骨龄评估请求采集用户的手骨图像以及性别，获取到手骨图像和用户性别。
[0049]步骤S106，将手骨图像进行裁剪和直方图匹配，以及将用户性别进行数值转换后输送到神经计算棒，通过预先训练好部署在神经计算棒中的骨龄评估模型根据手骨图像和用户性别进行骨龄评估。
[0050]其中，直方图匹配又称为直方图规定化，是指将一幅图像的直方图变成规定形状的直方图和进行图像增强方法。数值转化是指将用户性别转换为对应的数值，可以理解为是用数值标识男性或者女性。骨龄评本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种骨龄评估方法，其特征在于，应用于树莓派，所述方法包括：接收骨龄评估请求；根据所述骨龄评估请求获取手骨图像以及所述手骨图像对应的用户性别；将所述手骨图像进行裁剪和直方图匹配，以及将所述用户性别进行数值转换后输送到神经计算棒，通过预先训练好部署在所述神经计算棒中的骨龄评估模型根据所述手骨图像和所述用户性别进行骨龄评估。2.根据权利要求1所述的方法，其特征在于，将所述手骨图像和所述用户性别输送到神经计算棒，通过预先训练好部署在所述神经计算棒中的骨龄评估模型根据所述手骨图像和所述用户性别进行骨龄评估，包括：利用所述骨龄评估模型中的图像特征提取网络层对所述手骨图像进行特征提取，并利用卷积层和全局平均池化层将所述手骨图像特征进行降维，得到手骨图像特征；利用所述骨龄评估模型中的第一全连接层所述用户性别进行升维，得到用户性别特征；利用特征融合层拼接所述手骨图像特征和所述用户性别特征，得到拼接特征；利用所述骨龄评估模型中的第二全连接层对所述拼接特征进行骨龄评估。3.根据权利要求1所述的方法，其特征在于，所述将所述手骨图像进行裁剪和直方图匹配，包括：调用训练好的腕骨识别网络识别所述手骨图像中的腕骨区域，并根据所述腕骨区域对所述手骨图像进行裁减；获取预设标定图像的灰度直方图；根据所述灰度直方图对裁剪后的所述手骨图像进行直方图匹配。4.根据权利要求1所述的方法，其特征在于，所述将所述用户性别进行数值转换，包括：获取预设的性别数值；根据所述性别数值将所述用户性别进行数值转换。5.根据权利要求1所述的方法，其特征在于，所述根据所述骨龄评估请求获取手骨图像以及所述手骨图像对应的用户性别，包括：响应所述骨龄评估请求生成采集语音并播放所述采集语音，以提示采集手骨图像和用户性别；获取采集的所述手骨图像和所述...

【专利技术属性】
技术研发人员：王爽，林晓明，王洋，王梦歌，
申请(专利权)人：广东顺德工业设计研究院广东顺德创新设计研究院，
类型：发明
国别省市：