[发明专利]用于样本管顶部圆形的基于学习的图像边缘增强的方法和系统

权利要求书

1.一种图像处理和控制装置，包括:

图像捕捉装置，被配置为捕捉一个或多个相应样本管的一个或多个顶部的图像；

机器人，被配置为移动所述一个或多个相应的样本管；以及

系统控制器，其包括处理器和存储器，所述系统控制器被经由存储在所述存储器中的编程指令配置成通过将所述一个或多个相应样本管的一个或多个顶部的图像应用于卷积神经网络来处理所述图像，以:

加强在所述图像中出现的样本管顶部边缘；

抑制来自在所述图像中出现的其他对象的边缘响应；

生成所述一个或多个相应样本管的一个或多个顶部的图像的边缘图；以及

控制所述机器人基于所生成的边缘图移动一个或多个样本管。

2.根据权利要求1所述的图像处理和控制装置，其中机器人包括末端执行器，所述末端执行器被配置为基于边缘图抓取并且移动一个或多个样本管。

3.根据权利要求1所述的图像处理和控制装置，进一步包括管托盘，所述管托盘被配置为在其中接收一个或多个样本管。

4.根据权利要求1所述的图像处理和控制装置，其中卷积神经网络是包括多个卷积层的全卷积网络。

5.根据权利要求4所述的图像处理和控制装置，其中全卷积网络包括一个或多个卷积层和一个或多个最大池化层，随后是一个或多个全连接卷积层。

6.根据权利要求5所述的图像处理和控制装置，其中，第一卷积层包括为5的核的大小、为1的步长和为0的填充，第二卷积层包括为5的核的大小、为1的步长和为0的填充，第一全连接卷积层包括为5的核的大小、为1的步长和为0的填充，第二全连接卷积层包括为1的核的大小、为1的步长和为0的填充。

7.根据权利要求1所述的图像处理和控制装置，其中卷积神经网络是基于补片的卷积网络，其包括多个卷积层，随后是融合模块，所述融合模块将单独的补片的边缘响应融合到表示输入图像的一个边缘图中。

8.根据权利要求7所述的图像处理和控制装置，其中基于补片的卷积网络包括一个或多个卷积层和一个或多个最大池化层，随后是一个或多个全连接层。

9.一种非暂态计算机可读介质，包括全卷积网络及其参数的计算机指令，所述指令能够在处理器中执行，并且能够将所述全卷积网络和所述参数应用于样本管顶部的图像以加强在所述图像中出现的样本管顶部边缘，抑制来自在所述图像中出现的其他对象的边缘响应；生成要被存储在所述非暂态计算机可读介质中的边缘图，并且控制器能够访问所述边缘图以基于所述边缘图控制机器人，所述全卷积网络包括一个或多个卷积层和一个或多个第二最大池化层，随后是第一和第二全连接卷积层。

10.根据权利要求9所述的非暂态计算机可读介质，进一步包括基于补片的卷积网络的计算机指令，所述卷积网络包括多个卷积层，随后是融合模块，所述融合模块将单独的补片的边缘响应融合到表示输入图像的一个边缘图中。

11.根据权利要求10所述的非暂态计算机可读介质，其中基于补片的卷积网络包括一个或多个卷积层和一个或多个最大池化层，随后是一个或多个全连接层。

12.根据权利要求9所述的非暂态计算机可读介质，其中全卷积网络进一步包括在第一和第二全连接卷积层之间的非线性层。

13.根据权利要求9所述的非暂态计算机可读介质，其中第一卷积层包括为5的核的大小、为1的步长和为0的填充，并且第一最大池化层包括为2的核的大小、为2的步长和为0的填充。

14.根据权利要求9所述的非暂态计算机可读介质，其中第二卷积层包括为5的核的大小、为1的步长和为0的填充，并且第二最大池化层包括为2的核的大小、为2的步长和为0的填充。