一种免疫层析图像分析方法和存储介质技术

本发明专利技术涉及胶体金免疫层析技术领域

【技术实现步骤摘要】
一种免疫层析图像分析方法和存储介质


[0001]本专利技术涉及胶体金免疫层析
，尤其是指一种免疫层析图像分析方法和存储介质
。

技术介绍

[0002]免疫层析方法通过将抗原抗体结合的免疫学反应和色谱层析技术相结合来实现对目标物浓度的快捷检测
。
目前，其因准确度高
、
检测速度快
、
检测简单便捷以及可即时现场检测等优点而被广泛运用于对食品
、
核酸等的筛查和检测
。
然而该方法需要使用生物检测仪器才能定量分析出浓度结果
。
而生物检测仪器的昂贵，笨重，操作复杂等缺点使得荧光免疫层析方法无法被广泛应用于浓度检测
。
而现有的免疫层析图像分析方法主要对提供的整幅图像进行
RGB
对比，没有考虑图像噪声的影响，导致提取结果可能出现不准确的情况，并且图像大的同时计算量也大，使得检测的成本提高
。

技术实现思路

[0003]为此，本专利技术所要解决的技术问题在于克服现有技术中生物检测仪器的昂贵，笨重，操作复杂等缺点，无法被广泛应用于浓度检测，以及由于图像的大小问题导致计算量大，成本高的问题
。
[0004]为解决上述技术问题，本专利技术提供了一种免疫层析图像分析方法，包括：
[0005]S1
：获取待检测的免疫层析纸条图像；
[0006]S2
：利用构建的经过训练的目标检测模块对待检测的免疫层析纸条图像进行检测，在免疫层析纸条图像中定位免疫层析纸条图像
T
线所在的局部区域；
[0007]S3
：利用构建的裁剪模块将待检测的免疫层析纸条图像中经过定位的免疫层析纸条图像
T
线所在的局部区域进行裁剪得到长宽比为
w
×
h
的裁剪图像，其中
w>h
，将得到的裁剪图像按照长宽比为
w
×
h
将裁剪图像的宽缩放为
y
个像素
,
其中
y≥300
，此时裁剪图像的长为
y/h
×
w
，将宽高经过缩放的裁剪图像进行中心裁剪，保留图片中心像素大小为
a
×
a
的区域，其中
a<y
，将得到的像素大小为
a
×
a
的区域缩小为像素大小
b
×
b
的区域
,
其中
b<a
，得到裁剪后的纸条图像；
[0008]S4
：利用构建的输出模块对裁剪后的纸条图像进行特征提取，并将提取的特征进行编码并且译码为浓度的
one
‑
hot
编码，对输出的
one
‑
hot
编码进行计算得到免疫层析纸条中
T
线代表的浓度
。
[0009]进一步地，所述目标检测模块中包括目标检测算法，所述目标检测算法为
YOLOv5
目标检测算法网络
。
[0010]进一步地，所述
YOLOv5
目标检测算法网络在训练时的训练集为经过人工标识的免疫层析纸条图像，并且采用数据增强机制对免疫层析纸条图像进行处理
。
[0011]进一步地，所述数据增强机制包括：随机旋转
、
随机裁剪以及上下或左右翻转，随机旋转的旋转角度范围设置为
‑
20
°
～
20
°
，随机裁剪的裁剪比例应当裁剪模块相同，即先将
裁剪图像的宽缩放为
y
个像素
,
其中
y≥300
，此时裁剪图像的长为
y/h
×
w
，将宽高经过缩放的裁剪图像进行中心裁剪，保留图片中心像素大小为
a
×
a
的区域，其中
a<y
，将得到的像素大小为
a
×
a
的区域缩小为像素大小
b
×
b
的区域
,
其中
b<a。
[0012]进一步地，所述对输出的
one
‑
hot
编码进行计算得到免疫层析纸条中
T
线代表的浓度具体为：
[0013][0014]其中
C
i
代表
one
‑
hot
编码第
i
位对应表示的浓度值，
P
i
代表待检测物浓度是
C
i
的概率
。
[0015]进一步地，所述输出模块包括：
[0016]特征提取器，用于提取图像特征；
[0017]编码器，将特征编码为单值；
[0018]译码器，将编码器输出的单值译码为浓度的
one
‑
hot
编码
。
[0019]进一步地，所述输出模块中的编码器采用全连接设计方法，所述全连接设计方法是将卷积核提取的特征向量先映射为单值再映射为
one
‑
hot
编码
。
[0020]进一步地，所述输出模块的损失函数采用
CCE
损失函数
。
[0021]进一步地，所述目标检测模块和输出模块均使用
Adam
优化器
。
[0022]一种存储介质，其特征在于：所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述的一种免疫层析图像分析方法的步骤
。
本专利技术的上述技术方案相比现有技术具有以下优点：
[0023]本专利技术所述的一种免疫层析图像分析方法和存储介质基于卷积神经网络的图像检测方法围绕免疫层析试纸条图像
T
线
RGB
值和待测物浓度存在关系的特点进行设计，先通过目标检测模块提取出
T
线所在区域，再使用裁剪模块处理提取图片，将图像边界的噪声进行消除，减少了与检测无关部分的图像，减少了无用信息对网络训练和运算的影响，最后使用卷积网络输出浓度信息
。
该方法减少了图片无用信息对网络训练和运算的影响，使得网络在数据较少的情况下也能具有较高性能，并且不需要使用生物检测仪器，本专利技术所使用的图像获取装置以及分析装置成本低，操作简单，实现了便捷高效地分析免疫试纸条内待测物的浓度
。
附图说明
[0024]为了使本专利技术的内容更容易被清楚的理解，下面根据本专利技术的具体实施例并结合附图，对本专利技术作进一步本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种免疫层析图像分析方法，其特征在于，包括：
S1
：获取待检测的免疫层析纸条图像；
S2
：利用构建的经过训练的目标检测模块对待检测的免疫层析纸条图像进行检测，在免疫层析纸条图像中定位免疫层析纸条图像
T
线所在的局部区域；
S3
：利用构建的裁剪模块将待检测的免疫层析纸条图像中经过定位的免疫层析纸条图像
T
线所在的局部区域进行裁剪得到长宽比为
w
×
h
的裁剪图像，其中
w>h
，将得到的裁剪图像按照长宽比为
w
×
h
将裁剪图像的宽缩放为
y
个像素
,
其中
y≥300
，此时裁剪图像的长为
y/h
×
w
，将宽高经过缩放的裁剪图像进行中心裁剪，保留图片中心像素大小为
a
×
a
的区域，其中
a<y
，将得到的像素大小为
a
×
a
的区域缩小为像素大小
b
×
b
的区域
,
其中
b<a
，得到裁剪后的纸条图像；
S4
：利用构建的输出模块对裁剪后的纸条图像进行特征提取，并将提取的特征进行编码并且译码为浓度的
one
‑
hot
编码，对输出的
one
‑
hot
编码进行计算得到免疫层析纸条中
T
线代表的浓度
。2.
根据权利要求1所述的一种免疫层析图像分析方法，其特征在于：所述目标检测模块中包括目标检测算法，所述目标检测算法为
YOLOv5
目标检测算法网络
。3.
根据权利要求2所述的一种免疫层析图像分析方法，其特征在于：所述
YOLOv5
目标检测算法网络在训练时的训练集为经过人工标识的免疫层析纸条图像，并且采用数据增强机制对免疫层析纸条图像进行处理
。4.
根据权利要求3所述的一种免疫层析图像分析方法，其特征在于：所述数据增强机制包括：随机旋转
、
随机裁剪以及上下或左右翻转，随机旋转的旋转角度范围设置为
‑<...

【专利技术属性】
技术研发人员：郭瑜，罗帆，鲍琦，孙秀兰，
申请(专利权)人：江南大学，
类型：发明
国别省市：