【技术实现步骤摘要】
本专利技术实施例涉及离子检测，特别涉及一种离子检测方法及装置。
技术介绍
1、深度学习作为机器学习领域的一个分支，近年来在推动人工智能技术发展方面扮演了核心角色。它通过模拟人脑神经元之间的复杂连接与交互方式，构建多层次的神经网络模型，实现对数据内在规律和层次化特征的深度挖掘。它能够自动从数据集中学习并提取高级抽象特征，这一过程无需人工干预，极大地提升了机器处理复杂任务的能力，如图像识别、语音识别、自然语言处理等。在深度学习的众多模型中，卷积神经网络因其卓越的性能在图像和视频处理领域脱颖而出。卷积神经网络通过引入卷积层和池化层等结构，具有局部链接，参数共享，平移不变性的特点，其核心思想是通过卷积、池化等操作来提取输入数据的特征，将输入数据映射到一个高维特征空间中，再通过全连接层对特征进行分类或回归，有效解决了传统神经网络在处理图像数据时面临的维度灾难问题。
2、液晶是处于液体和晶体之间的一种物态，对外部的刺激有高灵敏的响应，可以将分子之间的物理化学结合事件导致的分子排列转化为光学信号输出，并且可以直接通过偏光显微镜观察并通过图像采集系统采集图像。将不同盐度的待测海水样本与十二烷基硫酸钠(sds)混匀，接触到液晶传感器时，会产生不同的光学响应图像。
3、传统的液晶光学图像定量方法有：平均灰度值法，相对亮度增强法和亮域覆盖率法。
4、平均灰度值法：灰度值是用来衡量图片亮度或者明暗程度的一个参数，其范围通常描述为0-1，其中0表示白色(最亮)，1表示为黑色(最暗)。在液晶传感中，液晶分子响应于外部的刺
5、相对亮度增强法：原理同平均灰度值法，但采用的是相对增强亮度来建立与待测物浓度之间的关系。其中i0表示为未加入待测物时的灰度值，i表示加入不同浓度待测物后的灰度值。
6、亮域覆盖率法：原理同上，但采用的是亮域覆盖率来建立与待测物浓度之间的关系。其中w和h为单个网格中液晶光学响应图像的宽度和高度，ba为单个网格中亮区的面积，ta为单个网格中的总面积。
7、这些方法定量区间受到灰度值的限制，当不同待测物浓度下液晶光学响应的灰度值相等时，则无法区分开来，并且需要等到液晶完全达到稳态后(一般为10min左右)才能进行计算，所需反应时间较长。同时在选取代表性光学响应图像进行计算时，具有很强的主观性，影响标定结果的可信度。
技术实现思路
1、本专利技术提供了一种能够快速有效的对溶液中的钠离子进行检测的离子检测方法及装置。
2、为了解决上述技术问题，本专利技术实施例提供了一种离子检测方法，包括：
3、获得目标芯片；
4、将所述目标芯片进行液晶填充，形成液晶光流控芯片；
5、获得多种具有不同钠离子浓度的第一待测液；
6、利用偏光显微镜采集所述液晶光流控芯片滴入所述第一待测液前后的光学图像，得到多组图像数据；
7、基于明场光学图像处理流程、偏光图像数据处理流程对所述多组图像数据进行处理，得到处理结果；
8、构建目标模型架构；
9、基于所述处理结果训练所述目标模型架构，得到用于检测溶液中钠离子浓度的目标模型；
10、采集滴有第二待测液的液晶光流控芯片呈现的偏光图像；
11、利用所述目标模型处理所述偏光图像，以计算确定所述第二待测液中的钠离子浓度。
12、在一实施例中，所述明场光学图像处理流程，包括：
13、将采集的所述液晶光流控芯片未滴入第一待测液时的第一光学图像；
14、对所述第一光学图像进行预处理；
15、将预处理后的所述第一光学图像进行划分，得到多个分析单元；
16、对所述分析单元中的指定像素单元数量进行统计，得到对应所述分析单元中的像素单元数量的分布曲线；
17、基于各个所述分析单元中的像素单元数量的分布曲线计算确定所述液晶光控芯片的平均网格大小和网格间隙。
18、在一实施例中，所述对所述第一光学图像进行预处理，包括：
19、对所述第一光学图像采用大津法阈值进行阈值分割处理；
20、将分割后的所述第一光学图像进行形态学处理和霍夫变换矫正处理。
21、在一实施例中，所述将预处理后的所述第一光学图像进行划分，包括：
22、基于指定数量的网格作为划分条件来对所述第一光学图像进行划分，所述指定数量包括四个网格；
23、所述对所述分析单元中的指定像素单元数量进行统计，包括：
24、对所述分析单元采用直方统计法统计其每行或每列的白色像素数量。
25、在一实施例中，所述基于各个所述分析单元的分布曲线计算确定所述液晶光流控芯片的平均网格大小和网格间隙，包括：
26、对所述分布曲线进行求导，以基于求导结果识别确定所述分布曲线的极值点；
27、基于所述分布曲线的极值点计算所述液晶光流控芯片中网格的大小和网格间隙；
28、基于对应每个所述分布曲线的网格大小和网格间隙进行均值计算，确定出所述平均网格大小和网格间隙。
29、在一实施例中，所述偏光图像数据处理流程，包括：
30、自采集的所述液晶流光控芯片滴有第一待测液的第二光学图像中选择一模板帧图像；
31、对所述模板帧图像进行预处理；
32、对预处理后的模板帧图像进行一次筛选，确定具有指定尺寸的网格；
33、对确定出的网格进行二次筛选；
34、基于二次筛选结果对其余所述第二光学图像进行截取处理，得到样本数据；
35、对所述样本数据进行清洗，得到包含每个网格内完整的光学形貌变化序列的样本图像。
36、在一实施例中，所述对所述模板帧图像进行预处理，包括：
37、对所述模板帧图像进行二值化、形态学及霍夫变换矫正处理。
38、在一实施例中,所述对预处理后的模板帧图像进行一次筛选，确定具有指定尺寸的网格，包括：
39、确定所述模板帧图像中填充液晶的网格的第一外接矩形；
40、基于所述第一外接矩形对所述模板帧图像进行一次筛选，得到长宽比满足要求的第一网格及其位置信息；
41、所述对确定出的网格进行二次筛选，包括：
42、对所述第一网格的位置采用十字生成法，确定出对应所述第一网格及其位置的第二外接矩形；
43、计算对应同一所述第一网格的第一外接矩形框和第二外接矩形框之间的欧式距离；
44、对比所述欧式距离及和数据，并基于对比结果对所述第二外接矩形框进行二次筛选，所述和数据为第一网格的边长与间隙之和。
45、在一实施例中，所述构建目标模型架构，包括：
46本文档来自技高网...
【技术保护点】
1.一种离子检测方法，其特征在于，包括：
2.根据权利要求1所述的离子检测方法，其特征在于，所述明场光学图像处理流程，包括：
3.根据权利要求2所述的离子检测方法，其特征在于，所述对所述第一光学图像进行预处理，包括：
4.根据权利要求2所述的离子检测方法，其特征在于，所述将预处理后的所述第一光学图像进行划分，包括：
5.根据权利要求2所述的离子检测方法，其特征在于，所述基于各个所述分析单元的分布曲线计算确定所述液晶光流控芯片的平均网格大小和网格间隙，包括：
6.根据权利要求1所述的离子检测方法，其特征在于，所述偏光图像数据处理流程，包括：
7.根据权利要求6所述的离子检测方法，其特征在于，所述对所述模板帧图像进行预处理，包括：
8.根据权利要求6所述的离子检测方法，其特征在于,所述对预处理后的模板帧图像进行一次筛选，确定具有指定尺寸的网格，包括：
9.根据权利要求1所述的离子检测方法，其特征在于，所述构建目标模型架构，包括：
10.一种离子检测装置，其特征在于，包括：>...
【技术特征摘要】
1.一种离子检测方法，其特征在于，包括：
2.根据权利要求1所述的离子检测方法，其特征在于，所述明场光学图像处理流程，包括：
3.根据权利要求2所述的离子检测方法，其特征在于，所述对所述第一光学图像进行预处理，包括：
4.根据权利要求2所述的离子检测方法，其特征在于，所述将预处理后的所述第一光学图像进行划分，包括：
5.根据权利要求2所述的离子检测方法，其特征在于，所述基于各个所述分析单元的分布曲线计算确定所述液晶光流控芯片的平均网格大小和网...
【专利技术属性】
技术研发人员：水玲玲，林文烽，刘孟君，金名亮，
申请(专利权)人：华南师范大学，
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。