【技术实现步骤摘要】
本专利技术涉及口腔护理，具体涉及一种基于深度学习的便携式牙齿白度检测方法及设备。
技术介绍
1、随着人们对美的追求和对口腔健康的重视，牙齿美白行业逐渐兴起并蓬勃发展。虽然市面上牙齿美白产品如雨后春笋一般品类繁多，但是在牙齿美白领域的发展中，牙齿白度的准确检测一直是一个重要的技术难题。
2、传统市售的美白产品均是通过在使用完成后，将牙齿与附带的比色卡进行对比来判断白度，这种基于主观观察和经验判断的方式既繁琐又不准确，缺乏严谨性和准确性。于此基础上出现了基于光学原理检测牙齿白度的产品，如分光光度计、色度计等，但是这些产品往往体积比较大且成本很高，不便于携带且短时间内无法推广普及。
技术实现思路
1、针对现有技术的不足，本专利技术提出一种基于深度学习的便携式牙齿白度检测方法，包括：
2、对采集到的待测牙齿图片进行预处理，获得第一图像；
3、至少将第一图像输入目标检测模型，以获得基于第一图像的规模化候选区；
4、设置合适的置信度和iou，使用非极大值抑制算法对目标检测模型的输出结果进行处理，确定各个牙齿在第一图像中的位置，并获取包含各牙齿的第二图像；
5、对第二图像进行lab色彩空间变换，得到第三图像；
6、基于预设方法确定第三图像和标准牙模的lab特征值；
7、比对第三图像和标准牙模的lab特征值，根据决策树模型判断各待测牙齿的白度值。
8、在其中一个实施例中，上述所述目标检测模型的训练方法包
9、收集露齿照片，形成规模化数据集，所述露齿照片包括vita比色板的牙模、自建数据集、公共数据集；
10、采用labellmg工具标记露齿照片的牙齿位置，得到验证数据集；
11、至少基于规模化数据集和验证数据集训练深度学习目标检测模型。
12、在其中一个实施例中，上述所述决策树模型的训练方法包括：
13、采集vita比色板的牙模样本图像，计算其lab空间统计特征，生成向量x，结合牙齿的白度等级y形成训练样本(x0,y0)；
14、对每颗牙模进行多次、多角度拍照，采集样本数(x,y)，形成决策树模型的训练集；
15、至少基于训练样本和训练集构建并训练优化决策树模型。
16、在其中一个实施例中，上述所述标准牙模的lab特征值的确定方式包括：
17、先对vita比色板的牙模进行拍照，得到牙模的rgb图像；
18、对rgb图像进行预处理，并根据目标检测模型识别牙齿；
19、基于所述预设方法确定每颗牙模对应的lab特征值；
20、建立每颗牙模class值与lab特征值的对应关系，生成标准lab-class参照库；
21、重复上述步骤得到所有牙模的lab特征值。
22、在其中一个实施例中，上述所述比对第三图像和标准牙模的lab特征值，根据决策树模型判断各待测牙齿的白度值的步骤，包括：
23、输入待测图片lab空间统计特征样本向量x，根据决策树模型，选择根节点分裂特征i和分裂阈值thred；
24、如果xi≤thred,则继续查看其左侧分支，否则查看右侧分支；
25、检查当前是否为叶子节点，若是，则结束流程，叶子节点的类型为样本x的类型；
26、若否，则根据当前分支的特征继续进行分支，直到检查到叶子节点。
27、在其中一个实施例中，上述所述对采集到的待测牙齿图片进行预处理，获得第一图像的步骤之前，还包括：
28、将手持牙齿白度检测设备的摄像头对准待测者的牙齿，获取待测牙齿图片；
29、通过蜂鸣器发出待测牙齿图片采集完成信息。
30、本专利技术还提供了一种基于深度学习的便携式牙齿白度检测装置，包括：
31、第一获取模块，用于对采集到的待测牙齿图片进行预处理，获得第一图像；
32、输入模块，用于至少将第一图像输入目标检测模型，以获得基于第一图像的规模化候选区；
33、第二获取模块，用于设置合适的置信度和iou，使用非极大值抑制算法对目标检测模型的输出结果进行处理，确定各个牙齿在第一图像中的位置，并获取包含各牙齿的第二图像；
34、第三获取模块，用于对第二图像进行lab色彩空间变换，获得第三图像；
35、确定模块，用于基于预设方法确定第三图像和标准牙模的lab特征值；
36、生成模块，用于比对第三图像和标准牙模的lab特征值，根据决策树模型判断各待测牙齿的白度值。
37、本专利技术还提供了一种基于深度学习的便携式牙齿白度检测设备，使用了上述任一项的基于深度学习的便携式牙齿白度检测方法，包括摄像头、主控制板和显示器；
38、所述摄像头用于获取待测牙齿图片；
39、所述主控制板包括视觉模块、存储器和主控制器，所述视觉模块与摄像头连接，用于获取待测牙齿图片，对采集到的待测牙齿图片进行预处理，获得第一图像；所述主控制器与视觉模块连接，用于获取第一图像，并确定包含各牙齿的第二图像，对第二图像进行lab色彩空间变换，得到第三图像，并基于预设方法确定第三图像和标准牙模的lab特征值，比对第三图像和标准牙模的lab特征值，根据决策树模型判断各待测牙齿的白度值；所述存储器与主控制器连接，至少用于存储所述目标检测模型、决策树模型和标准lab-class参照库；
40、所述显示器与主控制器连接，用于显示牙齿白度值。
41、本专利技术还提供了一种计算机设备核心模块，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述所述的基于深度学习的便携式牙齿白度检测方法。
42、本专利技术还提供了一种计算机存储介质，其上存储有计算机主控制器程序，该程序被处理器执行时实现上述所述的基于深度学习的便携式牙齿白度检测方法。
43、本专利技术实施例通过对待测牙齿图片进行预处理、生成规模化候选区、设置合适的置信度和iou，使用非极大值抑制算法等方式对目标检测模型的输出结果进行处理，可以准确并迅速的确定各个牙齿在第一图像中的位置，并获取包含各牙齿的第二图像。同时对包含各牙齿的第二图像进行lab色彩空间变换，得到第三图像；并基于预设方法确定第三图像和标准牙模的lab特征值；比对第三图像和标准牙模的lab特征值，根据决策树模型判断各待测牙齿的白度值。使得本专利技术实施例通过目标检测模型、决策树模型和标准lab-class参照库能准确识别并即时计算牙齿的白度等级，在此过程中无需对照比色卡，显示屏能清晰显示被测牙齿的白度，同时解决了牙齿白度检测设备小型化的问题，利于用户携带，便于相关设备的推广普及。
本文档来自技高网...【技术保护点】
1.一种基于深度学习的便携式牙齿白度检测方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，所述目标检测模型的训练方法包括：
3.如权利要求2所述的方法，其特征在于，所述决策树模型的训练方法包括：
4.如权利要求3所述的方法，其特征在于，所述标准牙模的Lab特征值的确定方式包括：
5.如权利要求4所述的方法，其特征在于，所述比对第三图像和标准牙模的Lab特征值，根据决策树模型判断各待测牙齿的白度值的步骤，包括：
6.如权利要求5所述的方法，其特征在于，所述对采集到的待测牙齿图片进行预处理，获得第一图像的步骤之前，还包括：
7.一种基于深度学习的便携式牙齿白度检测装置，其特征在于，包括：
8.一种基于深度学习的便携式牙齿白度检测设备，使用了权利要求1至6任一项的基于深度学习的便携式牙齿白度检测方法，其特征在于，包括摄像头、主控制板和显示器；
9.一种计算机设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程
10.一种计算机存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至6任意一项所述的基于深度学习的便携式牙齿白度检测方法。
...【技术特征摘要】
1.一种基于深度学习的便携式牙齿白度检测方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，所述目标检测模型的训练方法包括：
3.如权利要求2所述的方法，其特征在于，所述决策树模型的训练方法包括：
4.如权利要求3所述的方法，其特征在于，所述标准牙模的lab特征值的确定方式包括：
5.如权利要求4所述的方法，其特征在于，所述比对第三图像和标准牙模的lab特征值，根据决策树模型判断各待测牙齿的白度值的步骤，包括：
6.如权利要求5所述的方法，其特征在于，所述对采集到的待测牙齿图片进行预处理，获得第一图像的步骤之前，还包括：
7....
【专利技术属性】
技术研发人员：胡艳，伍浩泉，潘楚斌，
申请(专利权)人：好来化工中山有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。