[发明专利]基于深度神经网络的试纸条颜色检测方法

权利要求书

1.基于深度神经网络的试纸条颜色检测方法，其特征在于它包含如下步骤：

一、放置试纸条；

二、进行没有插入试纸条的异常情形预警；

三、进行拍摄图像时出现数据异常的异常情形预警；

四、采用yolov5算法实现试纸条的定位；

五、进行试纸条插入位置不规范的异常情形预警；

六、采用分割网络Unet进行试纸块分割。

2.根据权利要求1所述的基于深度神经网络的试纸条颜色检测方法，其特征在于步骤一中放置试纸条的具体步骤如下：

(1)将尿糖检测仪与智能手机通过OTG数据线相连，抽出尿糖检测仪上用于放置试纸条的插槽，插槽的中部设有一个竖长的凹槽，将试纸条放置在凹槽内，关闭插槽；

(2)通过智能手机上预先安装的APP控制尿糖检测仪进行拍照和检测工作。

3.根据权利要求1所述的基于深度神经网络的试纸条颜色检测方法，其特征在于步骤二中没有插入试纸条的异常情形包含尿糖检测仪上的插槽未插入的异常情形一、插槽插入，但未放置试纸条的异常情形二；这两种情形需利用DenseNet深度神经网络来进行分类，具体方法如下：

这两种情形需利用DenseNet深度神经网络来进行分类：

(1)收集插槽未插入情形的样本图片，采用多个检测装置进行拍摄，以增加多样性；

(2)然后对样本进行左右翻转，以扩充数量；将此样本标记为异常情形一，总数量为2000张；

(3)同样收集2000张插槽插入但是没有试纸条的图片，标记为异常情形二；

(4)收集2000张试纸条正常插入的图像，将它们标记为标准情形；

(5)将异常情形一、异常情形二、标准情形三类样本，组合成为训练集，输入到DenseNet中进行充分训练，得到针对这两类异常预警的网络模型；

(6)将这两类异常预警的网络模型经过剪枝、压缩处理之后，将其与app一起部署在智能手机中，成为图像处理模块的一部分；

(7)对于有异常的图片，不进行后续的步骤，而通过在软件上进行提示，提醒用户及时插入试纸条，重新进行检测。

4.根据权利要求1所述的基于深度神经网络的试纸条颜色检测方法，其特征在于步骤三中进拍摄图像时出现数据异常的异常情形预警的具体方法如下：通过统计某一行是否为纯黑像素，即RGB值都是0来进行检测。

5.根据权利要求1所述的基于深度神经网络的试纸条颜色检测方法，其特征在于步骤四中采用yolov5算法实现试纸条的定位的具体方法如下：

(1)采集样本、样本扩增：

采集5000张样本图像；采集时，采用真实的不同的人类新鲜尿液对500张试纸条进行浸泡、拍照；通过配置人工尿液，以不同的化学试剂浓度浸泡来采集，共2000张；拍摄图像样本时，采用不同的检测装置，以增加拍照时位置上的差异性；

采用图像左右翻转的方式，来对样本进行扩增，使得总样本量达到5000张；翻转的方式扩增的样本，不需要人工额外标注，直接根据翻转的规律推算得到；

对所有的图像进行标注，以外接矩形框的形式，将试纸条的位置记录下来；

(2)网络模型训练：将定位样本，以及标注结果，一起输入到yolov5网络中进行训练，得到定位用的网络模型；

(3)部署使用：将定位用的网络模型经过剪枝、压缩处理后，将其与app一起部署在智能手机中，成为图像处理模块的一部分。

6.根据权利要求5所述的基于深度神经网络的试纸条颜色检测方法，其特征在于步骤五中进行试纸条插入位置不规范的异常情形预警的具体方法如下：

(1)收集试纸条位置不规范的样本，对其中的试纸条所在位置进行人工标注；在进行定位时，这种位置不规范的图像，同样也能够得到定位结果；

(2)根据此时定位的矩形框位置，以及矩形框的尺寸，判断是否正常。对于不正常的情形，在app上进行预警，提醒用户重新防止试纸条、重新检测。

7.根据权利要求1所述的基于深度神经网络的试纸条颜色检测方法，其特征在于步骤六中采用分割网络Unet进行试纸块分割的具体方法如下：

(1)通过标注工具，将试纸块上的像素，以矩形框的方式记录下来，标注出像素属于前景，还是背景；左右翻转而得到的样本不需要重复标注，可以通过翻转方式推理得到；

(2)将像素级标注结果，以及图像样本输入到Unet网络中进行充分训练，得到对应的分割网络模型；

(3)将分割网络模型经过剪枝、压缩处理后，将其与app一起部署在手机中，成为图像处理模块的一部分。