一种基于模型训练的屈光检测方法和检测系统技术方案

本发明专利技术公开了一种基于模型训练的屈光检测方法和检测系统，其中方法包括：获取被采集者的瞳孔信息样本集、人员信息样本集和屈光数据集，瞳孔信息样本集中至少包含瞳孔图像和瞳孔位置信息，人员信息样本集中至少包含环境光照信息和人员站位信息；对瞳孔信息样本集和人员信息样本集进行数据预处理，并根据屈光数据集构建检测训练样本集；根据检测训练样本集对屈光检测模型进行训练，以通过训练后的屈光检测模型对待检测人员进行屈光检测。解决了传统屈光检测方法效率不够高和准确率较低的问题。屈光检测方法效率不够高和准确率较低的问题。屈光检测方法效率不够高和准确率较低的问题。

【技术实现步骤摘要】
一种基于模型训练的屈光检测方法和检测系统


[0001]本专利技术涉及屈光检测
，具体涉及一种基于模型训练的屈光检测方法和检测系统。

技术介绍

[0002]眼是人体观察客观事物的感觉器官。外界远、近物体发出或反射出来的光线，不论是平行的还是分散的，均需经过眼的屈光系统屈折后，集合结象于视网膜上，再由此发出冲动，经过视路传达到大脑视中枢而产生视觉。屈光不正是指眼在不使用调节时，平行光线通过眼的屈光作用后，不能在视网膜上结成清晰的物像，而在视网膜前或后方成像。我们常说的近视与散光就是屈光不正的表现。我国儿童青少年近视发病率随年龄的增长逐年增加，且发病率有仍呈现上升的趋势，近视防控任务艰巨。为了能够尽早发现有视力问题的儿童与青少年，以便进行及时有效地治疗和干预，需要对他们进行屈光检测。在以往的屈光检测方法中，使用筛查仪是一种常用的方法，筛查仪一般采用偏心摄影验光法，适用于大范围屈光检测，但存在易受环境因素影像，且对被测者的位置配合要求较高，对使用者的专业知识也有一定要求的问题，导致传统偏心摄影验光法检测准确率有待提升。

技术实现思路

[0003]有鉴于此，本专利技术实施方式提供了一种基于模型训练的屈光检测方法和检测系统，从而提高了屈光检测的准确率。
[0004]根据第一方面，一种基于模型训练的屈光检测方法，所述方法包括：
[0005]获取被采集者的瞳孔信息样本集、人员信息样本集和屈光数据集，所述瞳孔信息样本集中至少包含瞳孔图像和瞳孔位置信息，所述人员信息样本集中至少包含环境光照信息和人员站位信息；
[0006]对所述瞳孔信息样本集和所述人员信息样本集进行数据预处理，并根据所述屈光数据集构建检测训练样本集；
[0007]根据检测训练样本集对屈光检测模型进行训练，以通过训练后的屈光检测模型对待检测人员进行屈光检测。
[0008]可选地，获取的所述瞳孔信息样本集中至少包含瞳孔图像和瞳孔位置信息，包括：
[0009]定位被采集者面部图像的眼部区域得到所述瞳孔位置信息；
[0010]对所述眼部区域进行分割处理得到的所述瞳孔图像。
[0011]可选地，所述对所述瞳孔信息样本集和人员信息样本集进行数据预处理构建检测训练样本集，包括：
[0012]对所述瞳孔信息样本集中的图像进行图像预处理；
[0013]对所述人员信息样本集中的数据进行数据质量预处理；
[0014]根据所述屈光数据集对所述瞳孔信息样本集和所述人员信息样本集进行标注，并将标注后的样本构建为所述检测训练样本集。
[0015]可选地，所述根据所述屈光数据集对所述瞳孔信息样本集和所述人员信息样本集进行标注，包括：
[0016]所述屈光数据集包括屈光数值，包括球镜、柱镜和轴位信息。
[0017]可选地，所述人员信息样本集至少还包括所述被采集者的个人信息。
[0018]可选地，一种基于模型训练的屈光检测方法，所述方法还包括：
[0019]获取所述人员信息样本集和历史屈光数据集；
[0020]对所述人员信息样本集进行数据质量预处理，并根据历史屈光数据集构建预测训练样本集；
[0021]根据预测训练样本集对视力预测模型进行训练，以通过训练后的视力预测模型对待检测人员进行视力预测。
[0022]根据第二方面，一种基于模型训练的屈光检测系统，所述系统包括：
[0023]数据获取模块，获取被采集者的瞳孔信息样本集、人员信息样本集和屈光数据集，所述瞳孔信息样本集中至少包含瞳孔图像和瞳孔位置信息，所述人员信息样本集中至少包含环境光照信息和人员站位信息；
[0024]训练样本模块，对所述瞳孔信息样本集和所述人员信息样本集进行数据预处理，并根据所述屈光数据集构建检测训练样本集；
[0025]检测模块，根据模型训练样本集对屈光检测模型进行训练，以通过训练后的屈光检测模型对待检测人员进行屈光检测。
[0026]可选地，一种基于模型训练的屈光检测系统，所述系统包括：
[0027]数据获取模块，获取所述人员信息样本集和历史屈光数据集；
[0028]训练样本模块，对所述人员信息样本集进行数据质量预处理，并根据历史屈光数据集构建预测训练样本集；
[0029]预测模块，根据预测训练样本集对视力预测模型进行训练，以通过训练后的视力预测模型对待检测人员进行视力预测。
[0030]根据第三方面，一种屈光检测设备，包括：
[0031]存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行第一方面，或者第一方面任意一种可选实施方式中所述的方法。
[0032]根据第四方面，本专利技术实施例提供了一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机从而执行第一方面，或者第一方面任意一种可选实施方式中所述的方法。
[0033]本专利技术技术方案，具有如下优点：
[0034]本专利技术实施例提供的一种基于模型训练的屈光检测方法，该方法具体包括：首先获取瞳孔信息样本集和人员信息样本集以及屈光数据集，其中瞳孔信息样本集中至少包含瞳孔图像和瞳孔位置信息，人员信息样本集中至少包含环境光照信息和人员站位信息；之后将获取的瞳孔信息样本集和人员信息样本集进行数据预处理，并根据屈光数据集构建检测训练样本集；最后根据检测训练样本集对屈光检测模型进行训练，以通过训练后的屈光检测模型对待检测人员进行屈光检测。通过大量不同环境因素下的瞳孔图像结合被采集人员的个人信息，从而获得情况覆盖绝大多数条件的样本数据，使得通过机器学习等算法构
建的屈光检测模型尽可能完备，针对绝大多数的待检测人员，均可有效的对其进行屈光检测，提高了屈光检测的准确性。进而通过历史视力数据建模，根据被采集人员视力随时间变化的趋势建立的视力预测模型，使得本方法在屈光检测之外还可以实现对未来视力预测。进一步提高了本方法的实用性。
附图说明
[0035]为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0036]图1为本专利技术实施例的一种基于模型训练的屈光检测方法的步骤示意图；
[0037]图2为本专利技术实施例的一种基于模型训练的屈光检测方法的图像处理流程示意图；
[0038]图3为本专利技术实施例的一种基于模型训练的屈光检测系统结构示意图；
[0039]图4为本专利技术实施例的一种基于模型训练的屈光检测系统结构示意图
[0040]图5为本专利技术实施例的一种屈光检测设备结构示意图；
具体实施方式
[0041]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于模型训练的屈光检测方法，其特征在于，所述方法包括：获取被采集者的瞳孔信息样本集、人员信息样本集和屈光数据集，所述瞳孔信息样本集中至少包含瞳孔图像和瞳孔位置信息，所述人员信息样本集中至少包含环境光照信息和人员站位信息；对所述瞳孔信息样本集和所述人员信息样本集进行数据预处理，并根据所述屈光数据集构建检测训练样本集；根据所述检测训练样本集对屈光检测模型进行训练，以通过训练后的屈光检测模型对待检测人员进行屈光检测。2.根据权利要求1所述的方法，其特征在于，获取的所述瞳孔信息样本集中至少包含瞳孔图像和瞳孔位置信息，包括：定位被采集者面部图像的眼部区域得到所述瞳孔位置信息；对所述眼部区域进行分割处理得到的所述瞳孔图像。3.根据权利要求1所述的方法，其特征在于，所述对所述瞳孔信息样本集和人员信息样本集进行数据预处理构建检测训练样本集，包括：对所述瞳孔信息样本集中的图像进行图像预处理；对所述人员信息样本集中的数据进行数据质量预处理；根据所述屈光数据集对所述瞳孔信息样本集和所述人员信息样本集进行标注，并将标注后的样本构建为所述检测训练样本集。4.根据权利要求3所述的方法，其特征在于，所述根据所述屈光数据集对所述瞳孔信息样本集和所述人员信息样本集进行标注，包括：所述屈光数据集包括屈光数值，包括球镜、柱镜和轴位信息。5.根据权利要求1所述的方法，其特征在于，所述人员信息样本集至少还包括所述被采集者的个人信息。6.一种基于模型训练的屈光检测系统，其特征在于，所述系统包括：数据获取模块，获取被采集者的瞳孔信息样本集、人员信息样本集和屈光数据集，所述瞳孔...

【专利技术属性】
技术研发人员：付威威，丁上上，郑田莉，姚康，张贺童，裴融浩，邬丹丹，
申请(专利权)人：苏州国科视清医疗科技有限公司，
类型：发明
国别省市：