试剂盒标线区域数据集标注方法、装置、介质及设备制造方法及图纸

本发明专利技术涉及图像处理技术领域，特别涉及一种试剂盒标线区域数据集标注方法、装置、介质及设备，与现有技术相比，本发明专利技术通过设定矩形标注框，使得所述标线区域位于所述矩形标注框内，获取所述矩形标注框上的第一点和第二点的绝对坐标数据，所述第一点和所述第二点在所述矩形标注框上为相互对角位置关系，且所述第一点和所述第二点相对所述试剂盒图片的第一参考系具有特定关系；然后将第一点和第二点的绝对坐标数据按顺序存储为标注信息，所述使得标线区域的旋转角度信息隐藏于标注信息之中，对标注信息的进行了简化。标注信息的进行了简化。标注信息的进行了简化。

【技术实现步骤摘要】
试剂盒标线区域数据集标注方法、装置、介质及设备


[0001]本专利技术涉及图像处理
，特别涉及一种试剂盒标线区域数据集标注方法、装置、介质及设备。

技术介绍

[0002]在新冠疫情期间，新冠病毒抗原检测试剂盒是一种简单快速的自助检测方法，非医疗专业人士也可以通过试剂盒上标线对检测结果进行判读。通常，各级卫生部门会要求上传检测结果的照片图片，对检测结果进行核实和统计，但是人工判读海量检测结果是一个工作量巨大的重复性工作。因此，使用基于深度学习模型的方法对抗原检测试剂盒结果进行判读成为缓解人工判读压力的替代方法。在使用深度学习模型进行试剂盒的位置检测前，需要对模型进行训练。因此，如何构建训练数据集，对模型的检测能力和效果具有不可忽视的影响。通常情况下，为提高数据集的泛化能力，需要采集真实环境下各类可能场景下的图片作为训练数据集。
[0003]此外，还需要对数据集图片进行标注，以使得训练后的模型可以检测到试剂盒标线区域的位置。现有技术中例如公布号为CN109902680A(公布日期为2019年6月18日)的中国专利申请公开了一种基于卷积神经网络的图片旋转角度检测与校正方法，包括以下步骤：A.构造网络的训练的数据集；B.构建网络结构及训练参数设置；C.模型训练及训练后的模型参数保存；D.角度检测及校正；E.旋转角计算及图片旋转校正。本专利技术采用结合图像处理和卷积神经网络的方法，通过深度学习技术手段来提升角度检测的高效性和精确性，利用本方法对图片做角度检测并做旋转校正，可完美解决大角度图片文本检测效果较差的问题，有效提升文本OCR识别率。现有技术中虽然较多应用到某一对象的旋转角度等信息，但是并未给出一种高效的旋转角度的信息的表示方法。
[0004]数据标注需要将试剂盒标线区域的位置进行标注。因为在数据集图片生成时，对试剂盒进行了旋转，因此在标注时，也需要将旋转角度信息进行标注。传统的方法是在位置坐标信息之外，单独对角度信息进行标注。
[0005]综上，现有技术中训练数据集生成时对于标线区域直接进行角度信息的标注方式需要优化。

技术实现思路

[0006]为解决上述现有技术中的不足，本专利技术提供一种试剂盒标线区域数据集标注方法，包括以下步骤：
[0007]S10：获取训练数据图片，所述训练数据图片中包含显示标线区域的试剂盒图片；
[0008]S20：设定矩形标注框，使得所述标线区域位于所述矩形标注框内，所述矩形标注框相对所述；
[0009]S30：获取所述矩形标注框上的第一点和第二点的绝对坐标数据，所述第一点和所述第二点在所述矩形标注框上为相互对角位置关系，且所述第一点和所述第二点相对所述
试剂盒图片的第一参考系具有特定关系；
[0010]S40：将所述第一点和所述第二点各自的绝对坐标数据按顺序存储为所述训练数据图片的标注信息。
[0011]在一些实施例中，所述第一参考系相对所述试剂盒图片的摆放方向固定，所述第一参考系的纵轴指向所述试剂盒图中的字母“T”到“C”的方向。
[0012]在一些实施例中，所述特定关系包括：对于不同的训练数据图片中的所述标注框，由所述第一点A和所述第二点B在所述第一参考系构成的向量为特定象限的向量。
[0013]在一些实施例中，所述特定象限包括第四象限。
[0014]在一些实施例中，步骤S40中包括：
[0015]S41：获取所述训练数据图片的宽度width和高度height；
[0016]S41：根据所述训练数据图片的宽度和高度对所述第一点A的绝对坐标数据(Xa,Ya)以及所述第二点B的绝对坐标数据(Xb,Yb)进行归一化处理。
[0017]在一些实施例中，所述归一化处理包括通过以下公式计算出浮点数Xa2、Ya2、Xb2以及Yb2，将所述浮点数列(Xa2、Ya2、Xb2、Yb2)存储入对应的训练数据图片的信息中；其中，
[0018]Xa2＝Xa/width；
[0019]Ya2＝Ya/height；
[0020]Xb2＝Xb/width；
[0021]Yb2＝Yb/height。
[0022]在一些实施例中，所述训练数据图片包括通过对不同厂商的试剂盒拍摄获得或者合成获得的。
[0023]本专利技术还提供一种试剂盒标线区域数据集标注装置，包括：
[0024]图片获取模块，用于获取训练数据图片，所述训练数据图片中包含显示标线区域的试剂盒图片；
[0025]标注框设定模块，用于设定矩形标注框，使得所述标线区域位于所述矩形标注框内，所述矩形标注框相对所述；
[0026]特征点锚定模块，用于获取所述矩形标注框上的第一点和第二点的绝对坐标数据，所述第一点和所述第二点在所述矩形标注框上为相互对角位置关系，且所述第一点和所述第二点相对所述试剂盒图片的第一参考系具有特定关系；
[0027]存储模块，用于将所述第一点和所述第二点各自的绝对坐标数据按顺序存储。
[0028]本专利技术还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机被处理器执行时实现如上任一项所述的一种试剂盒标线区域数据集标注方法。
[0029]本专利技术还提供一种计算机设备，包括至少一个处理器、及与所述处理器通信连接的存储器，其中所述存储器存储可被至少一个处理器执行的指令，所述指令被至少一个处理器执行，以使所述处理器执行如上任一项所述的一种试剂盒标线区域数据集标注方法。
[0030]基于上述，与现有技术相比，本专利技术提供的一种试剂盒标线区域数据集标注方法，通过设定矩形标注框，使得所述标线区域位于所述矩形标注框内，获取所述矩形标注框上的第一点和第二点的绝对坐标数据，所述第一点和所述第二点在所述矩形标注框上为相互对角位置关系，且所述第一点和所述第二点相对所述试剂盒图片的第一参考系具有特定关
系；然后将第一点和第二点的绝对坐标数据按顺序存储为标注信息，所述使得标线区域的旋转角度信息隐藏于标注信息之中，对标注信息的进行了简化。
[0031]本专利技术的其它特征和有益效果将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本专利技术而了解。本专利技术的目的和其他有益效果可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
[0032]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，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；在下面描述中附图所述的位置关系，若无特别指明，皆是图示中组件绘示的方向为基准。
[0033]图1为本专利技术提供的试剂盒标线区域数据集标注方法流程示意图；
[0034]图2为实施例标注框示意图；
[0035]图3为实施例第一点和第二点选取示意图；
[0036]图4为本专利技术实施例试本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种试剂盒标线区域数据集标注方法，其特征在于，包括以下步骤：S10：获取训练数据图片，所述训练数据图片中包含显示标线区域的试剂盒图片；S20：设定矩形标注框，使得所述标线区域位于所述矩形标注框内，所述矩形标注框相对所述；S30：获取所述矩形标注框上的第一点和第二点的绝对坐标数据，所述第一点和所述第二点在所述矩形标注框上为相互对角位置关系，且所述第一点和所述第二点相对所述试剂盒图片的第一参考系具有特定关系；S40：将所述第一点和所述第二点各自的绝对坐标数据按顺序存储为所述训练数据图片的标注信息。2.根据权利要求1所述的试剂盒标线区域数据集标注方法，其特征在于：所述第一参考系相对所述试剂盒图片的摆放方向固定，所述第一参考系的纵轴指向所述试剂盒图中的字母“T”到“C”的方向。3.根据权利要求2所述的试剂盒标线区域数据集标注方法，其特征在于：所述特定关系包括：对于不同的训练数据图片中的所述标注框，由所述第一点A和所述第二点B在所述第一参考系构成的向量为特定象限的向量。4.根据权利要求3所述的试剂盒标线区域数据集标注方法，其特征在于：所述特定象限包括第四象限。5.根据权利要求3所述的试剂盒标线区域数据集标注方法，其特征在于：步骤S40中包括：S41：获取所述训练数据图片的宽度width和高度height；S41：根据所述训练数据图片的宽度和高度对所述第一点A的绝对坐标数据(Xa,Ya)以及所述第二点B的绝对坐标数据(Xb,Yb)进行归一化处理。6.根据权利要求5所述的试剂盒标线区域数据集标注方法，其特征在于：所述归一化处理包括通过以下公式计算出浮点数...

【专利技术属性】
技术研发人员：施建安，关涛，赵友平，孙志伟，林静，
申请(专利权)人：易联众信息技术股份有限公司，
类型：发明
国别省市：