qPCR孔板的质量检测方法及相关设备技术

本发明专利技术提供一种qPCR孔板的质量检测方法，包括：获取qPCR孔板的待检测图像；通过预设的分割策略对待检测图像进行图像分割，得到待检测图像的多组局部分割图像；将待检测图像和多组局部分割图像输入到预设的质量检测模型中进行质量检测，得到qPCR孔板的质量检测结果。本发明专利技术将待检测图像和多组局部分割图像输入到质量检测模型中进行质量检测，其中，待检测图像包括qPCR孔板的全局信息，多组局部分割图像包括qPCR孔板的多个局部信息，充分考虑了qPCR孔板的全局信息和局部信息，使得qPCR孔板的质量检测更准确，可以自动化对qPCR孔板进行质量检测，从而提高qPCR孔板的质量检测效率。从而提高qPCR孔板的质量检测效率。从而提高qPCR孔板的质量检测效率。

【技术实现步骤摘要】
qPCR孔板的质量检测方法及相关设备


[0001]本专利技术涉及生物检测
，尤其涉及一种qPCR孔板的质量检测方法及相关设备。

技术介绍

[0002]qPCR的英文全名是Real
‑
timeQuantitativePCRDetectingSystem，即实时荧光定量核酸扩增检测系统，也叫实时定量基因扩增荧光检测系统。是在qPCR反应板中加入相应的荧光染料或荧光标记探针，在反应过程中通过荧光信号变化，对整个进程进行实时检测，以荧光化学物质监测每次循环后的产物的总量变化对待测样品中特定的DNA序列进行定量分析。qPCR反应板一般为96孔或384孔，在qPCR检测过程中利用光学技术对荧光信号变化进行采集以及利用视觉图像技术对荧光信号变化进行分析，这也就需要要求qPCR反应板的外观精确程度要高，而在qPCR反应板的生产过程中，qPCR孔板的质量决定了qPCR反应板良率。一般来说，由于加工设备的标准化和qPCR孔板的数量较多，qPCR孔板的质量是通过人工进行抽检来实现的，因此对qPCR孔板的质量检测效率较低。

技术实现思路

[0003]本专利技术实施例提供一种qPCR孔板的质量检测方法，旨在解决现有qPCR孔板的质量是通过人工进行抽检来实现的，因此对qPCR孔板的质量检测效率较低的问题。通过对qPCR孔板的待检测图像进行图像分割，得到多组局部分割图像，将待检测图像和多组局部分割图像输入到质量检测模型中进行质量检测，其中，待检测图像包括qPCR孔板的全局信息，多组局部分割图像包括qPCR孔板的多个局部信息，充分考虑了qPCR孔板的全局信息和局部信息，使得qPCR孔板的质量检测更准确，可以自动化对qPCR孔板进行质量检测，从而提高qPCR孔板的质量检测效率。
[0004]第一方面，本专利技术实施例提供一种qPCR孔板的质量检测方法，所述方法包括以下步骤：
[0005]获取qPCR孔板的待检测图像；
[0006]通过预设的分割策略对所述待检测图像进行图像分割，得到所述待检测图像的多组局部分割图像；
[0007]将所述待检测图像和多组所述局部分割图像输入到预设的质量检测模型中进行质量检测，得到所述qPCR孔板的质量检测结果。
[0008]可选的，所述通过预设的分割策略对所述待检测图像进行图像分割，得到所述待检测图像的多组局部分割图像，包括：
[0009]对所述待检测图像中的qPCR孔进行识别，得到所述qPCR孔的中心位置以及半径大小；
[0010]根据所述qPCR孔的中心位置以及半径大小，确定多个分割组件，每个分割组件具有不同的分割参数；
[0011]通过不同的分割组件分别对所述待检测图像进行图像分割，得到多组局部分割图像，每组所述局部分割图像对应一个所述分割组件的图像分割结果。
[0012]可选的，所述质量检测模型包括全局特征提取网络、多个局部特征提取网络、特征融合网络以及线性回归网络，所述全局特征提取网络以及多个所述局部特征提取网络的输出分别与特征融合网络的输入连接，所述特征融合网络的输出与所述线性回归网络的输入连接，所述将所述待检测图像和多组所述局部分割图像输入到预设的质量检测模型中进行质量检测，得到所述qPCR孔板的质量检测结果，包括：
[0013]将所述待检测图像输入到所述全局特征提取网络进行特征提取，得到全局分布特征；
[0014]将多级所述局部分割图像输入到对应的所述局部特征提取网络进行特征提取，分别得到多个局部分布特征；
[0015]将所述全局分布特征与多个所述局部分布特征输入到所述特征融合网络中进行特征融合，得到融合特征；
[0016]将所述融合特征输入到线性回归网络进行线性回归，得到所述qPCR孔板的质量检测结果。
[0017]可选的，在所述将所述待检测图像和多组所述局部分割图像输入到预设的质量检测模型中进行质量检测，得到所述qPCR孔板的质量检测结果之前，还包括：
[0018]获取样本数据集，所述样本数据集中包括样本图像、与所述样本图像对应的多组样本局部分割图像以及与所述样本图像对应的标签数据；
[0019]获取待训练质量检测模型，所述待训练质量检测模型包括待训练的全局特征提取网络、待训练的多个局部特征提取网络、待训练的特征融合网络以及待训练的线性回归网络；
[0020]通过所述样本数据集对所述待训练质量检测模型进行训练，得到训练好的质量检测模型。
[0021]可选的，所述通过所述样本数据集对所述待训练质量检测模型进行训练，得到训练好的质量检测模型，包括：
[0022]对多组所述样本局部分割图像进行第一随机掩码，得到掩码后的多组所述样本局部分割图像；
[0023]对所述样本图像进行第二随机掩码，得到掩码后的所述样本图像；
[0024]根据掩码后的多组所述样本局部分割图像以及掩码后的所述样本图像对所述待训练质量检测模型进行训练，得到训练好的质量检测模型。
[0025]可选的，所述对多组所述样本局部分割图像进行第一随机掩码，得到掩码后的多组所述样本局部分割图像，包括：
[0026]在多组所述样本局部分割图像中，确定出尺寸最小的一组所述样本局部分割图像；
[0027]基于尺寸最小的一组所述样本局部分割图像，对多组所述样本局部分割图像进行第一随机掩码，得到掩码后的多组所述样本局部分割图像。
[0028]可选的，所述通过所述第一掩码策略对多组所述样本局部分割图像进行第一随机掩码，得到掩码后的多组所述样本局部分割图像，包括：
[0029]在尺寸最小的一组所述样本局部分割图像中随机提取n个qPCR孔图案作为候选掩码图案；
[0030]从n个所述候选掩码图案中随机选取出m个所述候选掩码图案，并通过所述m个所述候选掩码图案在多组所述样本局部分割图像中随机匹配到的m个qPCR孔进行对齐掩码，得到掩码后的多组所述样本局部分割图像。
[0031]第二方面，本专利技术实施例提供一种qPCR孔板的质量检测装置，所述装置包括：
[0032]第一获取模块，用于获取qPCR孔板的待检测图像；
[0033]图像分割模块，用于通过预设的分割策略对所述待检测图像进行图像分割，得到所述待检测图像的多组局部分割图像；
[0034]质量检测模块，用于将所述待检测图像和多组所述局部分割图像输入到预设的质量检测模型中进行质量检测，得到所述qPCR孔板的质量检测结果。
[0035]第三方面，本专利技术实施例提供一种电子设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现本专利技术实施例提供的qPCR孔板的质量检测方法中的步骤。
[0036]第四方面，本专利技术实施例提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现专利技术实施例提供的qPCR孔板的质量检测方法中的步骤。
[0037]本专利技术实施例中，获取qPCR孔板的待检测图像；通本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种qPCR孔板的质量检测方法，其特征在于，所述方法包括以下步骤：获取qPCR孔板的待检测图像；通过预设的分割策略对所述待检测图像进行图像分割，得到所述待检测图像的多组局部分割图像；将所述待检测图像和多组所述局部分割图像输入到预设的质量检测模型中进行质量检测，得到所述qPCR孔板的质量检测结果。2.如权利要求1所述的方法，其特征在于，所述通过预设的分割策略对所述待检测图像进行图像分割，得到所述待检测图像的多组局部分割图像，包括：对所述待检测图像中的qPCR孔进行识别，得到所述qPCR孔的中心位置以及半径大小；根据所述qPCR孔的中心位置以及半径大小，确定多个分割组件，每个分割组件具有不同的分割参数；通过不同的分割组件分别对所述待检测图像进行图像分割，得到多组局部分割图像，每组所述局部分割图像对应一个所述分割组件的图像分割结果。3.如权利要求2所述的方法，其特征在于，所述质量检测模型包括全局特征提取网络、多个局部特征提取网络、特征融合网络以及线性回归网络，所述全局特征提取网络以及多个所述局部特征提取网络的输出分别与特征融合网络的输入连接，所述特征融合网络的输出与所述线性回归网络的输入连接，所述将所述待检测图像和多组所述局部分割图像输入到预设的质量检测模型中进行质量检测，得到所述qPCR孔板的质量检测结果，包括：将所述待检测图像输入到所述全局特征提取网络进行特征提取，得到全局分布特征；将多级所述局部分割图像输入到对应的所述局部特征提取网络进行特征提取，分别得到多个局部分布特征；将所述全局分布特征与多个所述局部分布特征输入到所述特征融合网络中进行特征融合，得到融合特征；将所述融合特征输入到线性回归网络进行线性回归，得到所述qPCR孔板的质量检测结果。4.如权利要求3所述的方法，其特征在于，在所述将所述待检测图像和多组所述局部分割图像输入到预设的质量检测模型中进行质量检测，得到所述qPCR孔板的质量检测结果之前，还包括：获取样本数据集，所述样本数据集中包括样本图像、与所述样本图像对应的多组样本局部分割图像以及与所述样本图像对应的标签数据；获取待训练质量检测模型，所述待训练质量检测模型包括待训练的全局特征提取网络、待训练的多个局部特征提取网络、待训练的特征融合网络以及待训练的线性回归网络；通过所述样本数据集对所述待训练质...

【专利技术属性】
技术研发人员：张大平，刘宏伟，
申请(专利权)人：湖南艾科瑞生物工程有限公司，
类型：发明
国别省市：