[发明专利]一种基于多光谱相机的深度学习方法在审

专利信息
申请号: 201910248658.7 申请日: 2019-03-29
公开(公告)号: CN110021406A 公开(公告)日: 2019-07-16
发明(设计)人: 钟杨俊;巫光福;杨海涛 申请(专利权)人: 江西理工大学
主分类号: G16H30/20 分类号: G16H30/20;G16H50/20;G06K9/62
代理公司: 深圳市智胜联合知识产权代理有限公司 44368 代理人: 李永华;张广兴
地址: 341000 江*** 国省代码: 江西;36
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 多光谱相机 光谱图像 特征波段 公共场合 特征向量 传染性疾病 诊断分类器 患病人群 活动场景 诊断 构建 灰度 光谱分析技术 光谱成像 健康人群 实时获取 实时监控 实时诊断 图像处理 智能化 滤光 学习 自动化 分类 人群 应用
【说明书】:

发明公开了一种基于多光谱相机的深度学习方法,包括对不同人群进行光谱成像,通过图像处理获得光谱图像的灰度值及特征波段,构建患病诊断特征向量,并导入患病诊断分类器中进行学习、分类。在实时诊断识别时,利用多光谱相机实时获取公共场合活动场景的光谱图像,其中多光谱相机选用的滤光片中心波长为健康人群的特征波段以及患病人群的特征波段组成的特征波段,提取出所述光谱图像的灰度值,再次构建患病诊断特征向量,将患病诊断特征向量导入患病诊断分类器,来确定所述光谱图像中是否有患病人群;本发明首次将光谱分析技术应用于公共场合活动场景中对传染性疾病的实时监控,满足了公共场合对传染性疾病识别的自动化与智能化要求。

技术领域

本发明属于公共场合中传染性疾病诊断识别技术领域,尤其涉及一种基于多光谱相机的深度学习方法。

背景技术

目前国外已有将光谱分析技术应用于传染病的临床诊断,比如病毒性肝炎、新城疫病毒等传染病的检测,其中,基于吸收光谱分析技术的临床病例检验得到最广泛的应用,其原理是利用传染性物质所具有的吸收光谱谱系的特征,来确定该类物质的性质、结构或含量;然而,将光谱分析技术应用于公共场合的传染病识别、诊断与控制,目前国内外并没有进行研究与应用,对于大型社区、购物中心、美食广场、休闲娱乐中心等公共场合,人员密度较高,流动较大,为传染病提供了较好的传播途径。

通常情况下,对于某些传染性疾病,如白化病、皮肤病,患者的体表特征可能处于还不明显阶段,无法用肉眼进行识别与处理,有碍于公共场合下的疾病防控,但研究表明,此类传染性疾病患者的体表,由于病毒的侵害,导致体表特征发生变化,在光谱成像仪下形成的光谱图像的光谱特征波段有异于正常人群,如何将光谱分析技术应用于公共场合下的特殊传染性疾病的识别、诊断与控制,成为了当下光谱分析技术领域的研究热点之一。

发明内容

本发明的目的在于:本发明提供一种基于多光谱相机的深度学习方法,解决了现有的光谱分析技术仅在传染病的临床检验中得到应用,并为公共场合下的传染性疾病的识别、诊断与控制提供一套可行的技术方案。

本发明采用的技术方案如下:

一种基于多光谱相机的深度学习方法,包括如下步骤:

步骤1:利用多光谱成像系统,在暗室中分别对健康人群以及患病人群进行多光谱成像,获得不同人群的光谱图像,所述多光谱成像系统所涉及的滤光片中心波长范围涵盖可见光波长至红外波长;

步骤2:对所述光谱图像进行区域分割,对每一个区域分别提取灰度值;

步骤3:采用波段指数法计算不同健康人群各成像通道的波段指数值Pi,根据各成像通道滤光片中心波长以及对应的所述波段指数值Pi,获得波段指数曲线图;

步骤4:根据波段指数特征波段选取原理,波段指数值越大的成像通道,所含的光谱信息量也越大,所述多光谱成像系统自动从所述波段指数曲线图中捕获出波段指数值局部最大的数据点,并将对应的成像通道的滤光片中心波长进行保存,以形成健康人群光谱图像的特征波段;

步骤5:重复步骤3-4,获取患病人群光谱图像的特征波段并保存;

步骤6:将所述健康人群以及患病人群的光谱信息组合成初始特征集,其中所述灰度值作为测试样本集,所述健康人群的特征波段以及所述患病人群的特征波段组成训练样本集,构成患病诊断特征向量,并且构建患病诊断分类器;

步骤7:进行现场传染性疾病实时诊断识别时,利用多光谱相机实时获取公共场合活动场景的光谱图像,其中所述多光谱相机选用的滤光片中心波长包括所述健康人群的特征波段以及所述患病人群的特征波段,将所述公共场合活动场景的光谱图像实时传输至监控中心,所述监控中心对所述公共场合活动场景的光谱图像进行图像预处理,并提取出所述光谱图像的灰度值;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于江西理工大学,未经江西理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910248658.7/2.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top