[发明专利]一种基于机器视觉的抗原试剂盒自动识别方法和系统

权利要求书

1.一种基于机器视觉的抗原试剂盒自动识别方法，其特征在于，包括：

1)收集往日抗原试剂盒图像数据，构成已知数据集Z；

2)对Z中的每个图像，通过二维码识别与文字识别获取抗原试剂盒编号，并在获取编号过程中辅以图像增强技术；

3)将上一步获得的所有抗原试剂盒编号写入数据库，构成已知编号集I；

4)获取当前需要进行识别的抗原试剂盒图像数据，构成输入数据集X；

5)对X中的每个图像，通过二维码识别与文字识别获取抗原试剂盒编号，并在获取编号过程中辅以图像增强技术，获得当前编号集K；

6)查询当前编号集K与已知编号集I是否存在交集，若存在，则标记交集中对应图像对，记为重合数据集R；

7)对X中的每个图像，进行透视变换与图像增强，定位至结果区域并生成区域掩码，判别阴阳结果，记为O；

8)综合重合数据集R与阴阳结果O，生成识别报告。

2.根据权利要求1所述的一种基于机器视觉的抗原试剂盒自动识别方法，其特征在于，所述的步骤1)与4)中收集的抗原试剂盒图像数据中，单张包含若干个试剂盒。

3.根据权利要求1所述的一种基于机器视觉的抗原试剂盒自动识别方法，其特征在于，所述的步骤2)与5)具体包括以下步骤：

11)对图像数据使用直方图均衡化，为图像建立灰度直方图并统计灰度值在直方图中出现的次数，随后对直方图执行均衡操作以均匀灰度值分布，灰度值转换的计算式为：

其中，g为灰度图像素值，h(x)为灰度值为x的频率；

12)使用图像锐化，采用USM优化算法，对于图像S，计算高斯模糊图G，对于像素位置(i，j)，锐化结果图U计算式为：

K＝S(i，j)+Amount*(S(i，j)-G(i，j))

其中，Alpha为根据高斯模糊图获取mask后进行高斯滤波所得；

13)二维码识别阶段，使用支持同时识别多个二维码的API接口识别二维码，获取抗原试剂盒编号。

4.根据权利要求1所述的一种基于机器视觉的抗原试剂盒自动识别方法，其特征在于，所述的步骤3)中，采用SQL语句将上一步获得的所有抗原试剂盒编号写入数据库。

5.根据权利要求1所述的一种基于机器视觉的抗原试剂盒自动识别方法，其特征在于，所述的步骤6)中，将获得的抗原试剂盒编号采用SQL语句查询是否已经存在于数据库中，若存在，则导出对应图像路径。

6.根据权利要求1所述的一种基于机器视觉的抗原试剂盒自动识别方法，其特征在于，所述的步骤7)中，透视变换公式为：

其中，(u，v)为原始图像坐标，(u，v，w)为齐次坐标形式，为透视变换系数矩阵，在变换后图像中对应坐标(x，y)计算式为：

原始图像与变换图像像素点对应关系为：

x＝(a₁₁·u+a₁₂·v+a₁₃)/(a₃₁·u+a₃₂·v+a₃₃)

y＝(a₂₁·u+a₂₂·v+a₂₃)/(a₃₁·u+a₃₂·v+a₃₃)

7.根据权利要求1所述的一种基于机器视觉的抗原试剂盒自动识别方法，其特征在于，所述的步骤8)中采用Python的docx库实现识别报告生成。