基于机器学习的手机成像系统和分析方法技术方案

一种基于机器学习的成像系统，包括用于与移动计算设备的成像传感器(如智能手机的摄像头)连接的成像设备。基于机器学习(或AI)的分析系统基于由所连接的成像设备捕获的图像进行训练，且一旦被训练，可在有或没有成像设备的情况下部署。成像设备包括可放大图像的光学组件、连接结构、以及腔室或壁结构，该壁结构在靠着物体放置时形成腔室。腔室的内表面是反射性的且具有弯曲轮廓，以在一个或多个被成像的物体上创建均匀的照明条件并创建均匀的背景照明，以减小所捕获的图像的动态范围。以减小所捕获的图像的动态范围。以减小所捕获的图像的动态范围。

【技术实现步骤摘要】
【国外来华专利技术】基于机器学习的手机成像系统和分析方法
优先权文件
[0001]本申请要求2019年7月11日提交的专利技术名称为“基于AI的手机显微镜系统和分析方法”的澳大利亚临时专利申请第2019902460号的优先权，其全部内容通过引用合并于此。


[0002]本公开涉及一种成像系统。在具体形式中，本公开涉及配置成与包含图像传感器的智能移动装置连接的便携式成像系统。

技术介绍

[0003]在许多应用中，需要捕获现场的物体的图像，例如，以确定苍蝇是否为果蝇或植物是否患有特定疾病。传统的显微镜系统是大型实验室设备，具有昂贵的高精度光学系统。然而，随着具有紧凑的高质量摄像系统和先进的处理能力的智能手机的发展，基于手机的显微镜系统也得以发展。在这些系统中，放大镜系统通常安装在手机的摄像头系统上，用于拍摄放大的图像。然而，到目前为止，系统设计通常用于捕获图像，以便通过肉眼手动查看图像，且通常着眼于创建包含透镜和光学组件的紧凑的轮廓小的连接结构。一些系统使用摄像头闪光灯进一步照亮物体并改善目标物体的照明。通常，这些照明系统要么使用手机闪光灯，要么包括位于本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种成像设备，被配置成与包括图像传感器的移动计算设备连接，该成像设备包括：光学组件，其包括壳体，该壳体具有：图像传感器孔、图像捕获孔、以及在所述壳体内将所述图像传感器孔连接到所述图像捕获孔的内部光路；连接结构，其被配置成支撑所述光学组件，并允许将所述成像设备连接到包括图像传感器的移动计算设备，从而使得所述光学组件的所述图像传感器孔可被放置在所述图像传感器上；壁结构，其从所述光学组件向远端延伸，并包括内表面，该内表面连接到所述光学组件的所述图像捕获孔并从所述光学组件的所述图像捕获孔向远端延伸以限定内腔，其中所述壁结构是限定所述内腔的腔室并包括远端部分，该远端部分在使用中支撑一个或多个待成像的物体，或者该远端部分是透明窗口，该透明窗口浸入一个或多个待成像的物体中并靠着所述一个或多个待成像的物体放置；或者，所述壁结构的远端形成远端孔，从而使得在使用中所述壁结构的所述远端靠着支撑面放置，所述支撑面支撑或包含一个或多个待成像的物体以形成一个腔室，且所述壁结构的所述内表面除了包括光源孔的至少一个部分之外是反射性的，所述光源孔被配置成允许光进入所述腔室，所述壁结构的所述内表面具有弯曲轮廓，以在所述一个或多个待成像的物体上创建均匀的照明条件和均匀的背景照明；其中，在使用中，与所述成像设备连接的所述移动计算设备用于捕获一个或多个图像并将其提供给基于机器学习的分类系统，其中，所述一个或多个图像用于训练所述基于机器学习的分类系统，或者所述机器学习系统基于使用相同或等效的成像设备捕获的物体的图像进行训练，并用于获得所述一个或多个图像的分类。2.如权利要求1所述的成像设备，其中，所述光学组件还包括放大倍数不高于400倍的透镜结构。3.如权利要求1至2中任一项所述的成像设备，其中，所述弯曲轮廓为球形轮廓。4.如权利要求3所述的成像设备，其中，所述内表面用作朗伯反射器，所述腔室被配置成用作光积分器以在所述腔室内创建均匀照明并提供均匀背景照明。5.如权利要求1至4中任一项所述的成像设备，其中，所述内表面的所述弯曲轮廓被配置成均匀地照亮腔室内的三维物体，以尽可能减少或消除阴影的形成。6.如权利要求1至5中任一项所述的成像设备，其中，所述壁结构和/或光源孔被配置成向所述内腔提供漫反射光。7.如权利要求1至16中任一项所述的成像设备，还包括：一个或多个滤波器，其被配置成向所述光源孔提供过滤光；和/或，多光谱光源，其被配置成向所述光源孔提供多个预定义波段中的一个波段的光。8.如权利要求1至7中任一项所述的成像设备，其中，所述壁结构为弹性材料，且在使用中使所述壁结构变形以改变从所述光学组件到所述一个或多个物体的距离，且以多个距离收集多个图像。9.如权利要求1至7中任一项所述的成像设备，其中，所述腔室还包括内部流体腔室，该内部流体腔室具有与光轴对齐的透明壁，且一个或多个管状接头连接至储液罐，从而在使用中，所述内部流体腔室充满液体，一个或多个待成像的物体悬浮在所述内部流体腔室中的所述液体中，且所述一个或多个管状接头被配置成在所述内部流体腔室内诱导循环，以使得能够从多个不同视角拍摄物体的图像。
10.如权利要求1至7中任一项所述的成像设备，其中，所述壁结构为可折叠壁结构，其包括外壁结构，该外壁结构包括多个旋转肋，所述内表面为柔性材料，一个或多个连接构件将所述柔性材料连接至所述外壁结构，从而使得当处于展开状态时，所述一个或多个连接构件被配置成将所述内表面与所述外壁结构隔开，且一个或多个张紧连接构件牵拉所述内表面以具有所述弯曲轮廓。11.如权利要求1至7中任一项所述的成像设备，其中，所述壁结构为半透明袋，所述设备还包括框架结构，该框架结构包括位于所述图像捕获孔周围的环形结构和多个柔性支腿，所述柔性支腿在使用中可被配置成成为弯曲配置以迫使所述半透明袋的壁具有所述弯曲轮廓。12.如权利要求1至11中任一项所述的成像设备，其中，所述连接结构为可移除的连接结构。13.一种基于机器学习的成像系统，包括：如权利要求1至12中任一项所述的成像设备；以及基于机器学习的分析系统，其包括至少一个处理器和至少一个存储器，所述存储器包括使所述至少一个处理器向基于机器学习的分类器提供由所述成像设备捕获的图像的指令，其中，所述基于机器学习的分类器基于使用所述成像设备捕获的物体的图像进行训练，并获得所述图像的分类。14.如权利要求13所述的基于机器学习的成像系统，还包括与所述成像设备连接的移动计算设备。15.如权利要求14所述的基于机器学习的成像系统，其中，所述移动计算设备包括没有红外滤波器和UV滤波器的图像传感器。16.如权利要求13、14或15中任一项所述的基于机器学习的成像系统，其中，所述机器学习分类器被配置成根据预定义的质量评估分类系统对物体进行分类。17.如权利要求16所述的基于机器学习的成像系统，其中，该系统进一步配置成评估物体的一个或多个几何、文本和/或颜色特征，以对一个或多个物体进行质量评估。18.一种用于训练机器学习分类器以对使用移动计算设备的图像传感器捕获的图像进行分类的方法，该方法包括：将成像设备的连接设备连接到移动计算设备，从而使得所述连接设备的光学组件的图像传感器孔位于所述移动计算设备的图像传感器上方，其中，所述成像设备包括光学组件以及具有内表面的壁结构，所述光学组件包括壳体，该壳体具有：图像传感器孔、图像捕获孔、以及在所述壳体内将所述图像传感器孔连接到所述图像捕获孔的内部光路，其...

【专利技术属性】
技术研发人员：克里希纳皮莱，
申请(专利权)人：感知力私人有限公司，
类型：发明
国别省市：