一种试剂的自动识别方法、装置、设备及可读存储介质制造方法及图纸

本发明专利技术提供了一种试剂的自动识别方法、装置、设备及可读存储介质，涉及自动识别技术领域，包括采集孔位板上至少两个待检测试管的图像；对所述待检测试管的图像进行预处理,得到所述图像的轮廓；提取所有所述图像轮廓中的圆点并汇集为圆点数据集合；利用支持向量机算法,对所述圆点数据集合进行分类,得到分类结果。本发明专利技术的有益效果为采用机器学习的方法自动识别试剂的颜色变化来实现实验结果的自动识别，机器学习的方法使得算法可以适配各种光线情况，各种复杂的环境，对于实验室常用的各种颜色染料都能够进行适配，并且能够达到很高的识别准确率。的识别准确率。的识别准确率。

【技术实现步骤摘要】
一种试剂的自动识别方法、装置、设备及可读存储介质


[0001]本专利技术涉及自动识别
，具体而言，涉及试剂的自动识别方法、装置、设备及可读存储介质。

技术介绍

[0002]现代社会己进入信息时代，随着计算机技术、通信技术和计算机网络技术的发展，自动化的信息处理能力和水平不断提高，并在人们社会活动和生活的各个领域得到广泛应用。在这种情况下，作为信息来源的图像识别技术越来越受到人们的重视。
[0003]之前人工识别试剂颜色变化的方法，既慢又不准确，也不能适配各种光线情况以及复杂的环境，并且对于实验室常用的各种颜色染料也都不能够进行适配，识别准确率较低。

技术实现思路

[0004]本专利技术的目的在于提供一种试剂的自动识别方法、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，本专利技术采取的技术方案如下：
[0005]第一方面，本申请提供了一种试剂的自动识别方法，包括：
[0006]采集孔位板上至少两个待检测试管的图像；
[0007]对所述待检测试管的图像进行预处理,得到所述图像的轮廓；
[0008]提取所有所述图像轮廓中的圆点并汇集为圆点数据集合；
[0009]利用支持向量机算法,对所述圆点数据集合进行分类,得到分类结果。
[0010]优选地，对所述待检测试管的图像进行预处理,得到所述图像的轮廓，其中包括：
[0011]获取第一信息，所述第一信息包括对所述待检测试管的图像进行灰度化处理，得到处理后的灰度图像；
[0012]获取第二信息，所述第二信息包括对所述第一信息进行二值化处理，得到处理后的二值化图像；
[0013]对所述第二信息进行开运算处理，其中，开运算处理为先腐蚀后膨胀，得到第一图像；
[0014]对所述第一图像的轮廓进行提取，得到所述第一图像中所有圆点的轮廓；
[0015]获取第三信息，所述第三信息包括获得每个所述圆点的轮廓的最大外切圆和每个所述圆点的最大外切圆的半径；
[0016]根据所述第三信息，求得所有所述圆点的最大外切圆的半径的平均值。
[0017]优选地，提取所有所述图像轮廓中的圆点并汇集为圆点数据集合，之后包括：
[0018]根据所述第三信息和所述圆点的信息，求解所述最大外切圆的外切矩形的四个点的坐标值；
[0019]根据四个点的所述坐标值的信息，对待检测试管的所述图像进行裁剪，得到裁剪后的图像；
[0020]获取放置不同颜色试剂的文件夹的具体位置信息；
[0021]将裁剪后的所述图像与所述文件夹的具体位置进行对应。
[0022]优选地，利用支持向量机算法,对所述圆点数据集合进行分类,得到分类结果，其中包括：
[0023]构建三个SVM分类器；
[0024]将所述SVM分类器进行训练，得到训练好的所述SVM分类器；
[0025]根据支持向量机算法，将待测试数据输入至所述SVM分类器中，得到三个分类结果；
[0026]对三个所述分类结果进行保存，并退出识别模式。
[0027]第二方面，本申请还提供了一种试剂的自动识别装置，包括：
[0028]采集模块：用于采集孔位板上至少两个待检测试管的图像；
[0029]预处理模块：用于对所述待检测试管的图像进行预处理,得到所述图像的轮廓；
[0030]提取模块：用于提取所有所述图像轮廓中的圆点并汇集为圆点数据集合；
[0031]分类模块：用于利用支持向量机算法,对所述圆点数据集合进行分类,得到分类结果。
[0032]第三方面，本申请还提供了一种试剂的自动识别设备，包括：
[0033]存储器，用于存储计算机程序；
[0034]处理器，用于执行所述计算机程序时实现所述试剂的自动识别方法的步骤。
[0035]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试剂的自动识别方法的步骤。
[0036]本专利技术的有益效果为：本专利技术是面向不同孔位全自动恒温加热仪，算法实现了自动适配不同的试剂颜色，自动识别试剂的反应结果等功能。全自动恒温加热仪是一种能够对试剂进行恒温加热，并且根据试剂的颜色变化自动识别试剂的反应结果的仪器。采用机器学习的方法自动识别试剂的颜色变化来实现实验结果的自动识别，机器学习的方法使得算法可以适配各种光线情况，各种复杂的环境，对于实验室常用的各种颜色染料都能够进行适配，并且能够达到很高的识别准确率。
[0037]本专利技术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，或者通过实施本专利技术实施例了解。本专利技术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
[0038]为了更清楚地说明本专利技术实施例的技术方案，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专利技术的某些实施例，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。
[0039]图1为本专利技术实施例中所述的试剂的自动识别方法流程示意图；
[0040]图2为本专利技术实施例中所述的试剂的自动识别装置结构示意图；
[0041]图3为本专利技术实施例中所述的试剂的自动识别设备结构示意图。
[0042]图中:701、采集模块；702、预处理模块；7021、第一获取单元；7022、第二获取单元；
7023、处理单元；7024、提取单元；7025、第三获取单元；7026、求取单元；703、提取模块；7031、求解单元；7032、裁剪单元；7033、第四获取单元；7034、对应单元；704、分类模块；7041、构建单元；7042、获得单元；7043、输入单元；7044、保存单元；800、试剂的制动识别设备；801、处理器；802、存储器；803、多媒体组件；804、输入/输出(I/O)接口；805、通信组件。
具体实施方式
[0043]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术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专利技术一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本专利技术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专利技术的实施例的详细描述并非旨在限制要求保护的本专利技术的范围，而是仅仅表示本专利技术的选定实施例。基于本专利技术中的实施例，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，都属于本专利技术保护的范围。
[0044]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，在本专利技术的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种试剂的自动识别方法，其特征在于，包括：采集孔位板上至少两个待检测试管的图像；对所述待检测试管的图像进行预处理,得到所述图像的轮廓；提取所有所述图像轮廓中的圆点并汇集为圆点数据集合；利用支持向量机算法,对所述圆点数据集合进行分类,得到分类结果。2.根据权利要求1所述的试剂的自动识别方法，其特征在于,所述对所述待检测试管的图像进行预处理,得到所述图像的轮廓，其中包括：获取第一信息，所述第一信息包括对所述待检测试管的图像进行灰度化处理，得到处理后的灰度图像；获取第二信息，所述第二信息包括对所述第一信息进行二值化处理，得到处理后的二值化图像；对所述第二信息进行开运算处理，其中，开运算处理为先腐蚀后膨胀，得到第一图像；对所述第一图像的轮廓进行提取，得到所述第一图像中所有圆点的轮廓；获取第三信息，所述第三信息包括获得每个所述圆点的轮廓的最大外切圆和每个所述圆点的最大外切圆的半径；根据所述第三信息，求得所有所述圆点的最大外切圆的半径的平均值。3.根据权利要求2所述的试剂的自动识别方法，其特征在于,所述提取所有所述图像轮廓中的圆点并汇集为圆点数据集合，之后包括：根据所述第三信息和所述圆点的信息，求解所述最大外切圆的外切矩形的四个点的坐标值；根据四个点的所述坐标值的信息，对待检测试管的所述图像进行裁剪，得到裁剪后的图像；获取放置不同颜色试剂的文件夹的具体位置信息；将裁剪后的所述图像与所述文件夹的具体位置进行对应。4.根据权利要求1所述的试剂的自动识别方法，其特征在于,所述利用支持向量机算法,对所述圆点数据集合进行分类,得到分类结果，其中包括：构建三个SVM分类器；将所述SVM分类器进行训练，得到训练好的所述SVM分类器；根据支持向量机算法，将待测试数据输入至所述SVM分类器中，得到三个分类结果；对三个所述分类结果进行保存，并退出识别模式。5.一种试剂的自动识别装置，其特征在于，包括：采集模块：用于采集孔位板上至少两个待检测试管的图像；预处理模块：用于对所述待检测试管的图像进行预处理,得到所述图像的轮廓；提取模块：用于提取所有所述图像轮廓中的圆点并汇集为圆点数据集合；分类模块...

【专利技术属性】
技术研发人员：石岩，白佳委，陈伟川，陈斌，汪大明，
申请(专利权)人：厦门健康工程与创新研究院，
类型：发明
国别省市：