[发明专利]液滴检测方法、装置、电子设备及介质在审
申请号: | 202211443818.1 | 申请日: | 2022-11-18 |
公开(公告)号: | CN115829946A | 公开(公告)日: | 2023-03-21 |
发明(设计)人: | 许迎科;杨海旭;赵云鹏;石昌荣;高琪;杨智;叶雷 | 申请(专利权)人: | 浙江大学;杭州博日科技股份有限公司 |
主分类号: | G06T7/00 | 分类号: | G06T7/00;G06T7/13;G06T7/73;G06V10/764;G06V10/774;G06V10/82;G06T5/00;C12Q1/686 |
代理公司: | 北京超凡宏宇专利代理事务所(特殊普通合伙) 11463 | 代理人: | 张萌 |
地址: | 310000 浙江*** | 国省代码: | 浙江;33 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 检测 方法 装置 电子设备 介质 | ||
1.一种液滴检测方法,其特征在于,包括:
获取待识别的原始PCR图像,并采用非锐化掩蔽算法对所述原始PCR图像进行预处理,得到预处理后的PCR图像;
采用随机圆检测算法对所述预处理后的图像进行液滴检测,得到液滴定位信息;其中,所述液滴定位信息包括:液滴的圆心坐标和半径;
采用OBR算法对所述原始PCR图像进行光斑噪声检测,得到所述原始PCR图像中光斑噪声定位信息;
基于所述液滴定位信息和所述光斑噪声定位信息确定液滴图像,并将所述液滴图像输入到预先训练好的液滴识别模型中,得到液滴识别结果;其中,所述液滴识别模型是基于卷积神经网络训练得到的。
2.根据权利要求1所述的方法,其特征在于,采用非锐化掩蔽算法对所述原始PCR图像进行预处理,得到预处理后的PCR图像,包括:
采用非锐化掩蔽算法对所述原始PCR图像中的边缘进行增强处理,得到预处理后的PCR图像。
3.根据权利要求1所述的方法,其特征在于,采用随机圆检测算法对所述预处理后的图像进行液滴检测,得到液滴定位信息,包括:
对所述预处理后的图像进行边缘信息检测,得到边缘图像;
采用随机圆检测算法对所述边缘图像进行液滴检测,得到液滴定位信息。
4.根据权利要求1所述的方法,其特征在于,基于所述液滴定位信息和所述光斑噪声定位信息确定液滴图像,包括:
基于所述液滴定位信息和所述光斑噪声定位信息滤除所述原始PCR图像中的光斑,得到液滴图像。
5.根据权利要求4所述的方法,其特征在于,基于所述液滴定位信息和所述光斑噪声定位信息滤除所述原始PCR图像中的光斑,包括:
将所述斑噪声定位信息和所述液滴定位信息进行对比,滤除所述原始PCR图像中的光斑以及所述光斑预设范围内的液滴。
6.根据权利要求1所述的方法,其特征在于,基于所述液滴定位信息确定液滴图像,包括:
基于所述液滴定位信息在所述原始PCR图像中截取预设尺寸的液滴图像。
7.根据权利要求1所述的方法,其特征在于,所述液滴识别模型的训练过程包括:
获取不同批次、不同曝光度的PCR样本图像,并对所述PCR样本图像进行预处理,得到预处理后的PCR样本图像;
对所述预处理后的PCR样本图像进行边缘信息检测得到样本边缘图像;
采用随机圆检测算法对所述样本边缘图像进行液滴检测,得到样本液滴定位信息;
基于所述样本液滴定位信息在所述PCR样本图像中截取预设尺寸的样本液滴图像,并对所述样本液滴图像进行标注,得到训练数据集;
基于所述训练数据集对卷积神经网络进行训练得到液滴识别模型。
8.一种液滴检测装置,其特征在于,包括:
预处理模块,用于获取待识别的原始PCR图像,并采用非锐化掩蔽算法对所述原始PCR图像进行预处理,得到预处理后的PCR图像;
液滴定位模块,用于采用随机圆检测算法对所述预处理后的图像进行液滴检测,得到液滴定位信息;其中,所述液滴定位信息包括:液滴的圆心坐标和半径;
光斑噪声定位模块,用于采用OBR算法对所述原始PCR图像进行光斑噪声检测,得到所述原始PCR图像中光斑噪声定位信息;
液滴识别模块,用于基于所述液滴定位信息和所述光斑噪声定位信息确定液滴图像,并将所述液滴图像输入到预先训练好的液滴识别模型中,得到液滴识别结果;其中,所述液滴识别模型是基于卷积神经网络训练得到的。
9.一种电子设备,其特征在于,包括处理器和存储器,所述存储器存储有能够被所述处理器执行的计算机可执行指令,所述处理器执行所述计算机可执行指令以实现权利要求1至7任一项所述的方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,其特征在于,所述计算机程序被处理器运行时执行上述权利要求1至7任一项所述的方法的步骤。
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浙江大学;杭州博日科技股份有限公司,未经浙江大学;杭州博日科技股份有限公司许可,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/202211443818.1/1.html,转载请声明来源钻瓜专利网。