一种免疫层析试纸浓度智能检测方法技术

本发明专利技术涉及一种免疫层析试纸浓度智能检测方法，属于计算机图像处理和识别检测技术领域。首先对原始的免疫层析试纸进行拍照，构建图片数据集，用于训练轻量级深度学习检测算法模型。然后，利用手机等对滴有被测溶液的待检测免疫层析试纸进行拍照。使用经训练的检测算法对照片中的免疫层析试纸的层析膜位置进行定位，之后进行浓度检测计算。将计算得到的对应值与试剂标准浓度数据库的标准值进行比较，找到与其最相近的标准值，该对应值的标准值即为试纸浓度值。与现有技术相比，本发明专利技术检测准确率高，不依赖携带不便、价格高昂的专用检测设备，使用简单，快速检测，适用于医疗检测、食品稽查等现场检测，易于推广使用。易于推广使用。易于推广使用。

【技术实现步骤摘要】
一种免疫层析试纸浓度智能检测方法


[0001]本专利技术涉及一种免疫层析试纸浓度智能检测方法，属于计算机图像处理和识别检测


技术介绍

[0002]免疫层析试纸，是通过对特定化学成分进行免疫反应显色，实现对被测试溶液成分的定性检测。作为一种简单、快捷、准确、无污染的化学检测手段，被广泛应用于医疗、食品、安防等领域，例如早孕、乙肝、农药残留、毒品检测试纸。
[0003]目前，为了对免疫层析试纸实现检测，现有方法需要使用专门的设备，但此类设备造价高、体积大，不能满足食品稽查、医学筛查等现场快速检验需求。同时，现有的定量检测方法在检测速度、准确度、经济性等方面存在严重不足，且无法对低于一定浓度的被测溶液进行准确检验。
[0004]利用深度学习检测模型及图像处理技术，可以在手机端对试剂条拍照，实现试剂浓度的快速准确检测，打破传统检测方法的桎梏。目前，尚未见到有相关技术方案公开。

技术实现思路

[0005]本专利技术的目的是针对现有的免疫层析试纸检测方法存在检测设备造价高、体积大，以及检测结果不精确、速度慢等技术问题，提出一种免疫层析试纸浓度智能检测方法，能够实现现场快速、有效准确检测。
[0006]本专利技术的创新点在于：首先，利用手机、智能相机等拍照设备，对滴入试剂的免疫层析试纸进行拍照。然后，采用人工智能技术，识别并计算出试剂浓度，实现准确检测。同时，可进一步将检测结果实时上报服务器端监管系统，实现高效可控、基于大数据与云计算的监管。
[0007]本专利技术采用如下技术实现方案。
[0008]一种免疫层析试纸浓度智能检测方法，包括以下步骤：
[0009]步骤1：对原始免疫层析试纸进行拍照，构建图片数据集，用于训练轻量级深度学习检测算法模型(如YOLO V3 TINY算法、YOLO V5 S算法等)。
[0010]首先，制作数据集。对原始免疫层析试纸进行拍照，得到试纸显示框完整的图像，并对显示框的位置进行人工标记。
[0011]然后，利用数据集，对算法模型进行训练，要求达到检测出的试纸显示窗口位置与标记位置基本重合的检测效果。
[0012]步骤2：对滴有被测溶液的待检测免疫层析试纸进行拍照。照片中的试纸图像要求完整，且图像中试纸的层析膜中C线和T线位置清晰可见。
[0013]然后，使用经训练的轻量级深度学习检测算法，对照片中的免疫层析试纸的层析膜位置(即显示窗口位置)进行定位。
[0014]具体地，本步骤可以使用智能手机进行拍照，还可以将照片传送至电脑端(或云端
服务器)进行后续处理。
[0015]步骤3：对定位到的试纸层析膜进行浓度检测计算。
[0016]具体地，包括以下步骤：
[0017]步骤3.1：对层析膜处的图像进行灰度化处理。
[0018]步骤3.2：对二维的灰度化图像向Y轴进行投影，每一行进行均值化处理，得到一维信号x。
[0019]步骤3.3：采用全变分去噪，对一维信号x进行平滑处理。
[0020]其中，全变分去噪的优化目标如下：
[0021][0022][0023][0024]其中，x代表一维信号，y为去噪之后的恢复信号。λ是正常数，用来调节两个约束的作用大小。V(y)表示恢复信号的平滑程度。E(x,y)表示一维观察信号与恢复信号的差距。i表示信号值的第i个分量。x
i
表示一维信号x的第i个分量值，y
i
表示恢复信号的第i个分量值。
[0025]步骤3.4：找到恢复信号y的峰值，再根据设置的阈值，找到层析膜中C线和T线的对应位置。
[0026]步骤3.5：根据层析膜中C线和T线的位置，以及上下像素的值，求出该试剂的对应值。
[0027]具体地，对应值value的计算方法如下：
[0028][0029][0030][0031][0032][0033]其中，cc表示C线的位置，c_bg表示C线的对照位置，tt表示T线的位置，t_bg表示T线的对照位置；c表示C线的浓度峰值位置，t表示T线的浓度峰值位置；表示a上下b个像素的区域，其中，式5至式8中的b个像素的区域，其中，式5至式8中的均等同于此含义；c_bg、t_bg用于与cc、tt做对比；gray()代表对图像进行灰度化处理的函数；mean()代表对图像特定位置的像素求平均值。
[0034]步骤4：将步骤3计算得到的对应值与试剂标准浓度数据库的标准值进行比较，找到与其最相近的标准值，则该对应值的标准值即为试纸浓度值。
[0035]本方法即可以通过在手机端安装检测程序进行检测，也可以将检测程序安装在电脑端(或云端服务器)进行检测。
[0036]进一步地，可以将浓度检测结果传至云端数据库进行存储，便于历史检测数据的管理。
[0037]本专利技术还可以将存储在云端的检测结果实时上报远程监管系统，实现高效可控、基于大数据与云计算的监管体系。
[0038]有益效果
[0039]与现有技术相比，本专利技术不依赖携带不便、价格高昂的专用检测设备，使用手机、智能相机等设备，使用简单，快速检测，适用于医疗检测、食品稽查等现场检测情况，更易推广使用。
[0040]本专利技术建立多种试剂的标准浓度数据库，可为瘦肉精、农药等多种试剂提供高精度定量检测，统一检测流程，利于市场化。
附图说明
[0041]图1是本方法的检测系统流程示意图；
[0042]图2是该本方法的识别流程图；
[0043]图3是YOLO
‑
V3
‑
TINY算法模型的框架结构；
[0044]图4是手机端原型；
[0045]图5是服务器端原型。
具体实施方式
[0046]下面结合附图和实施例对专利技术做进一步详细说明。
[0047]实施例
[0048]一种免疫层析试纸浓度智能检测方法。
[0049]本实施例中，基于安卓系统手机进行试纸浓度快速检测。
[0050]包括以下步骤：
[0051]步骤1：对原始免疫层析试纸进行拍照，训练YOLO
‑
V3
‑
TINY算法。
[0052]首先，制作试纸数据集。对原始Triphil试纸进行拍照，得到试纸显示窗口完整的图像，并对显示窗口的位置进行人工标记。本实施例制作了包含1300张原始试纸图像的数据集。
[0053]然后，利用试纸数据集，对YOLO
‑
V3
‑
TINY算法模型进行训练，要求达到检测出的试纸显示窗口位置与标记位置基本重合的检测效果。
[0054]步骤2：对滴有被测溶液的待检测免疫层析试纸进行拍照。所拍照片中，试纸图像要完整，且图像中试纸的C线和T线位置清晰可见。
[0055]然后，使用经训练的YOLO
‑
V3
‑
TINY算法，对照片中的免疫层析试纸位置以及层析膜位置本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种免疫层析试纸浓度智能检测方法，其特征在于，包括以下步骤：步骤1：对原始免疫层析试纸进行拍照，构建图片数据集，用于训练轻量级深度学习检测算法模型；步骤2：对滴有被测溶液的待检测免疫层析试纸进行拍照，照片中的试纸图像要求完整，且图像中试纸的层析膜中C线和T线位置清晰可见；然后，使用经训练的轻量级深度学习检测算法，对照片中的免疫层析试纸的层析膜位置，即显示窗口位置进行定位；步骤3：对定位到的试纸层析膜进行浓度检测计算；步骤3.1：对层析膜处的图像进行灰度化处理；步骤3.2：对二维的灰度化图像向Y轴进行投影，每一行进行均值化处理，得到一维信号x；步骤3.3：采用全变分去噪，对一维信号x进行平滑处理；步骤3.4：找到恢复信号y的峰值，再根据设置的阈值，找到层析膜中C线和T线的对应位置；步骤3.5：根据层析膜中C线和T线的位置，以及上下像素的值，求出该试剂的对应值。具体地，对应值value的计算方法如下：具体地，对应值value的计算方法如下：具体地，对应值value的计算方法如下：具体地，对应值value的计算方法如下：具体地，对应值value的计算方法如下：其中...

【专利技术属性】
技术研发人员：李建武，秦智锋，颜子夜，周天飞，宋歌，孙田怡，
申请(专利权)人：深圳海关动植物检验检疫技术中心，
类型：发明
国别省市：