[发明专利]基于深度神经网络的试纸条颜色检测方法

说明书

本发明公开了一种基于深度神经网络的试纸条颜色检测方法，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。本发明试纸条定位精确，以较高稳定性，实现各个试纸块上的像素的定位与分割，且具有异常情形自动预警功能。

技术领域

本发明涉及一种试纸条颜色检测，具体涉及一种基于深度神经网络的试纸条颜色检测方法。

背景技术

基于试纸条的尿糖浓度检测，对于糖尿病人至关重要。该技术可以让糖尿病人在不需要扎破手指、忍受疼痛的前提下，得到摄入糖量是否过量的一个大致估计。而基于摄像头拍摄尿糖试纸，进而自动检测各个试纸块对应的浓度等级的方法，则是近年来新出现的一种技术。而现有技术存在试纸定位不准，稳定性不高的情况。

发明内容

本发明的目的在于针对现有技术的缺陷和不足，提供一种基于深度神经网络的试纸条颜色检测方法，对图像中的试纸条进行准确定位，然后分离试纸块，并可进行异常情况预警。

为实现上述目的，本发明采用的技术方案是：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。

进一步地，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。

进一步地，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。

进一步地，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。

进一步地，步骤四中采用yolov5算法实现试纸条的定位的具体方法如下：