基于机器视觉的手足口病检测装置制造方法及图纸

本发明专利技术涉及一种基于机器视觉的手足口病检测装置，其特征在于，包括：相机、光源和计算机，所述计算机被编程以便执行如下步骤：接收利用所述相机和所述光源的采集的图像；提取图像的红(R)，绿(G)，蓝(B)通道，并计算新的通道图像R_New＝R‑G；在红色通道提取手掌边缘图像，记作R_Edge；对图像R_New进行分块，并提取每一块的斑点的显著度特征T1、粗糙度T2和疑似边缘特征T3；对三个特征值取阈值a、b、c设0表示无缺陷，1表示存在缺陷。上述基于机器视觉的手足口病检测装置，利用机器视觉大大节省人力物力，能够极大的提高准确率和效率。

HFMD detection device based on machine vision

The invention relates to a hand, foot and mouth disease detection device based on machine vision, which is characterized by a camera, a light source and a computer. The computer is programmed to perform the following steps: receiving the image captured by the camera and the light source; extracting the red (R), green (G), blue (B) channels of the image, and calculating the new channel. Channel image R_New=R_G; palm edge image is extracted in red channel and recorded as R_Edge; image R_New is partitioned and the saliency features T1, roughness T2 and suspected edge features T3 of each patch are extracted; thresholds a, B and C are set 0 to indicate no defects, and 1 to indicate defects. The detection device of hand, foot and mouth disease based on machine vision can greatly save manpower and material resources by using machine vision, and can greatly improve accuracy and efficiency.

【技术实现步骤摘要】
基于机器视觉的手足口病检测装置
本专利技术涉及医学图像处理领域，特别是涉及基于机器视觉的手足口病检测装置。
技术介绍
近年来，手足口病在我国内地的手足口病的发病处于一个上升的阶段。为尽早发现并治愈手足口病，幼儿园往往需配备多名教师与医务人员，一天多次检查幼儿患病情况。实际生活中，人眼分辨有限，检查结果易受主观因素影响。
技术实现思路
基于此，有必要针对上述技术问题，提供一种基于机器视觉的手足口病检测装置。一种基于机器视觉的手足口病检测装置，包括：相机、光源和计算机，所述计算机被编程以便执行如下步骤：接收利用所述相机和所述光源的采集的图像；提取图像的红(R)，绿(G)，蓝(B)通道，并计算新的通道图像R_New＝R-G；在红色通道提取手掌边缘图像，记作R_Edge；对图像R_New进行分块，并提取每一块的斑点的显著度特征T1、粗糙度特征T2和疑似边缘特征T3；对三个特征值取阈值a、b、c设0表示无缺陷，1表示存在缺陷，则图像对应的判定结果为在另外的一个实施例中，每一块的斑点的显著度特征的具体计算过程如下：计算每一分块图像的灰度值，得到灰度值最大的一点的坐标，为疑似病灶中心；以该点为中心，建立k*k(k＝5,10,15,30)的窗口,其灰度特征分别记作F5,F10,F15,F30；分别计算F10-F5，F15-F5，F30-F5，并求三者最大值，即为斑点显著度,记作T1。在另外的一个实施例中，每一块的斑点的粗糙度特征的具体计算过程如下：对每个像素点计算不同大小窗口的平均强度值式中，k＝0,1,2,3,4,5,g(i，j)为位于(i，j)的像素强度值；求水平和垂直不重叠窗口的平均强度差Ek，h(x，y)＝|Ak(x+2k-1，y)-Ak(x-2k-1，y)|Ek，v(x，y)＝|Ak(x，y+2k-1)-Ak(x，y-2k-1)|式中，对于每个像素，使得Ek，h(x，y)或Ek，v(x，y)值达到最大(无论方向)的k值用来设置最佳尺寸Sbest(x，y)＝2k粗糙度，计算整幅图像Sbest(x，y)的平均值，记作特征值T2。在另外的一个实施例中，每一块的斑点的疑似边缘特征的具体计算过程如下：对通道R_Edge进行分块，计算各小块的灰度值，表示疑似手掌边缘的程度。上述基于机器视觉的手足口病检测装置，利用机器视觉大大节省人力物力，能够极大的提高准确率和效率。附图说明图1为本申请实施例提供的一种基于机器视觉的手足口病检测装置的过程图像和判断结果示意图之一。图2为本申请实施例提供的一种基于机器视觉的手足口病检测装置的过程图像和判断结果示意图之二。图3为本申请实施例提供的一种基于机器视觉的手足口病检测装置的实施流程图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。手足口病，通常表现为手、足、臀部、臂部、腿部出现斑丘疹，后转为疱疹，疱疹周围可有炎性红晕，疱内液体较少。手足部较多，掌背面均有。皮疹数少则几个多则几十个。消退后不留痕迹，无色素沉着。纹理是一种反映图像中同质现象的视觉特征，它体现了物体表面的具有缓慢变化或者周期性变化的表面结构组织排列属性。纹理特征体现全局特征的性质的同时，它也描述了图像或图像区域所对应景物的表面性质。机器视觉就是用机器代替人眼来做测量和判断，其特点是自动化、客观、非接触和高精度，与一般意义上的图像处理系统相比，机器视觉强调的是精度和速度。近年来，机器视觉用于辅助医生进行医学影像的分析。主要利用数字图像处理技术、信息融合技术对X射线透视图、核磁共振图像、CT图像进行适当叠加，然后进行综合分析。还有对其他医学影像数据进行统计和分析，如利用数字图像的边缘提取与图像分割技术，自动完成细胞个数的计数或统计。不但大大节省人力物力，能够极大的提高准确率和效率。一种基于机器视觉的手足口病检测装置，包括：相机、光源和计算机，所述计算机被编程以便执行如下步骤：接收利用所述相机和所述光源的采集的图像；提取图像的红(R)，绿(G)，蓝(B)通道，并计算新的通道图像R_New＝R-G；在红色通道提取手掌边缘图像，记作R_Edge；对图像R_New进行分块，并提取每一块的斑点的显著度特征T1、粗糙度特征T2和疑似边缘特征T3；对三个特征值取阈值a、b、c设0表示无缺陷，1表示存在缺陷，则图像对应的判定结果为在另外的一个实施例中，每一块的斑点的显著度特征的具体计算过程如下：计算每一分块图像的灰度值，得到灰度值最大的一点的坐标，为疑似病灶中心；以该点为中心，建立k*k(k＝5,10,15,30)的窗口,其灰度特征分别记作F5,F10,F15,F30；分别计算F10-F5，F15-F5，F30-F5，并求三者最大值，即为斑点显著度,记作T1。在另外的一个实施例中，每一块的斑点的粗糙度特征的具体计算过程如下：对每个像素点计算不同大小窗口的平均强度值式中，k＝0,1,2,3,4,5,g(i，j)为位于(i，j)的像素强度值；求水平和垂直不重叠窗口的平均强度差Ek，h(x，y)＝|Ak(x+2k-1，y)-Ak(x-2k-1，y)|Ek，v(x，y)＝|Ak(x，y+2k-1)-Ak(x，y-2k-1)|式中，对于每个像素，使得Ek，h(x，y)或Ek，v(x，y)值达到最大(无论方向)的k值用来设置最佳尺寸Sbest(x，y)＝2k粗糙度，计算整幅图像Sbest(x，y)的平均值，记作特征值T2。也就是说，计算整幅图像的平均值作为粗糙度特征。在另外的一个实施例中，每一块的斑点的疑似边缘特征的具体计算过程如下：对通道R_Edge进行分块，计算各小块的灰度值，表示疑似手掌边缘的程度。上述基于机器视觉的手足口病检测装置，利用机器视觉大大节省人力物力，能够极大的提高准确率和效率。下面介绍本专利技术的一个具体应用场景：本专利技术的目的是提供一种基于机器视觉的手足口病检测装置，工作流程图如图3所示，具体实施步骤如下：1.采用相机与环形光源，进行图像采集；2.提取图像的红，绿，蓝通道，预处理之后，进行分块处理，并提取个图像块的斑点显著度，粗糙度，疑似边缘特征；3.具体实例中，边缘、掌纹对特征提取有一定的影响，边缘提取时，明显的病灶以及掌纹的边缘，都会提取出来。提取斑点显著度与Tamura纹理特征的粗糙度特征，当特征值超过阈值，且该图像块不接触手的边缘时，此块图像为病灶区域，排除掌纹以及手掌边缘对判定的影响。4.过程图像，以及判断结果如图1和图2所示。以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。以上所述实施例仅表达了本专利技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对专利技术专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本专利技术构思的前提下，还可以做出若干变形和改进，这些都属于本专利技术的保护范围。因此，本专利技术专利的保护范围应以所附权利要求为准。本文档来自技高网...

【技术保护点】
1.一种基于机器视觉的手足口病检测装置，其特征在于，包括：所述相机、光源和计算机，所述计算机被编程以便执行如下步骤：接收利用所述相机和所述光源的采集的图像；提取图像的红(R)，绿(G)，蓝(B)通道，并计算新的通道图像R_New＝R‑G；在红色通道提取手掌边缘图像，记作R_Edge；对图像R_New进行分块，并提取每一块的斑点的显著度特征T1、粗糙度特征T2和疑似边缘特征T3；对三个特征值取阈值a、b、c设0表示无缺陷，1表示存在缺陷，则图像对应的判定结果为

【技术特征摘要】
1.一种基于机器视觉的手足口病检测装置，其特征在于，包括：所述相机、光源和计算机，所述计算机被编程以便执行如下步骤：接收利用所述相机和所述光源的采集的图像；提取图像的红(R)，绿(G)，蓝(B)通道，并计算新的通道图像R_New＝R-G；在红色通道提取手掌边缘图像，记作R_Edge；对图像R_New进行分块，并提取每一块的斑点的显著度特征T1、粗糙度特征T2和疑似边缘特征T3；对三个特征值取阈值a、b、c设0表示无缺陷，1表示存在缺陷，则图像对应的判定结果为。2.根据权利要求1所述的基于机器视觉的手足口病检测装置，其特征在于，每一块的斑点的显著度特征的具体计算过程如下：计算每一分块图像的灰度值，得到灰度值最大的一点的坐标，为疑似病灶中心；以该点为中心，建立k*k(k＝5,10,15,30)的窗口,其灰度特征分别记作F5，F10，F15，F30；分别计算F10-F5，F15-F5，F30-F5，并求三者最大值，...

【专利技术属性】
技术研发人员：孙立宁，钱森，涂文骁，余雷，何志勇，
申请(专利权)人：苏州苏相机器人智能装备有限公司，
类型：发明
国别省市：江苏,32