System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种基于U-Net和创面深度信息的创面分析方法技术_技高网

一种基于U-Net和创面深度信息的创面分析方法技术

技术编号:41129566 阅读:3 留言:0更新日期:2024-04-30 17:58
本发明专利技术公开了一种基于U‑Net和创面深度信息的创面分析方法,包括:通过深度摄像头对创面进行采集,得到第一图像;将第一图像输入经过预训练的U‑Net模型,模型输出得到第二图像,第二图像包括标注出的创面区域;根据第一图像和第二图像得到第一信息,第一信息包括创面区域的色彩信息、深度信息和平面面积信息;根据第一信息和第二图像,对创面进行评估,实现创面的分析。本方法能够在明确标注创面区域的基础上对创面的立体信息采集和分析,有助于提高创面分析的精准度和全面性。

【技术实现步骤摘要】

本专利技术涉及图像识别辅助应用领域,尤其涉及一种基于u-net和创面深度信息的创面分析方法。


技术介绍

1、随着图像识别技术的发展,许多行业中都开始利用图像识别技术来辅助工作,其中医疗领域也不例外。在医疗领域中,常常需要对创面进行识别,传统的创面识别分析方法往往是通过人工目测,极其依赖医疗人员的经验和个人能力,而随着图像识别技术的发展,基于u-net的语义分割模型对创面的识别分析起到了十分有利的作用,大大提升了创面分析的效率。

2、然而,现有的基于u-net的语义分割模型对创面的识别分析往往基于创面的平面图像,而创面通常是在立体维度中出现的。因为现有基于语义分割的创面分析技术通常是基于平面图像数据,缺乏创面立体信息的数据,这使得创面的分析结果精准度不够。


技术实现思路

1、本专利技术提供了一种基于u-net和创面深度信息的创面分析方法,用以解决现有基于语义分割的创面分析技术通常是基于平面图像数据,缺乏创面立体信息的数据,使得创面分析结果精准度不够的技术问题。

2、为实现上述目的,本专利技术提供了一种基于u-net和创面深度信息的创面分析方法,包括:

3、通过深度摄像头对创面进行采集,得到第一图像;

4、将第一图像输入经过预训练的u-net模型,模型输出得到第二图像,第二图像包括标注出的创面区域;

5、根据第一图像和第二图像得到第一信息,第一信息包括创面区域的色彩信息、深度信息和平面面积信息;

6、根据第一信息和第二图像,对创面进行评估,实现创面的分析。

7、优选的,根据第一信息和第二图像,对创面进行评估包括:

8、根据创面的深度信息、平面面积信息和创面区域进行计算分析,得到创面的三维立体信息,三维立体信息包括创面的长度、宽度、纵向曲度、周长和曲面面积信息。

9、优选的,根据第一信息和第二图像,对创面进行评估包括:

10、根据创面的色彩信息和创面区域进行分析,得到创面的种类信息和创面的数量信息。

11、优选的,通过深度摄像头对创面进行采集,得到第一图像包括:

12、通过深度摄像头采集包括创面区域及创面周边区域的彩色图像,并获取彩色图像对应的点云图;根据点云图得到彩色图像中像素点对应的深度信息;根据彩色图像和深度信息得到第一图像。

13、优选的,方法还包括:

14、根据深度摄像头的参数和深度信息,计算得到彩色图像的尺寸;

15、根据彩色图像的尺寸和第二图像,得到创面的平面面积信息。

16、优选的,方法还包括:

17、根据深度摄像头的参数、深度信息和第二图像,得到创面区域每个像素对应真实世界的大小;

18、根据创面区域每个像素对应真实世界的大小、平面面积信息和深度信息,得到创面的三维立体信息。

19、优选的,根据第一图像和第二图像得到第一信息包括:

20、将第二图像与第一图像进行对比,得到第一图像中代表创面区域的部分;

21、根据第一图像中代表创面区域的部分得到第一信息。

22、优选的,预训练包括:

23、使用预设数量的现有创面标注数据集对u-net模型进行训练;

24、当在预设训练批次内u-net模型的精度不再上升时,训练结束。

25、优选的,预训练包括:

26、使用预设数量的现有创面标注数据集对u-net模型进行训练;

27、当使用预设数量的现有创面标注数据集循环训练u-net模型达到预设循环次数后,训练结束。

28、本专利技术具有以下有益效果:

29、本专利技术的基于u-net和创面深度信息的创面分析方法,通过深度摄像头对创面进行了图像采集,这使得本专利技术实现了对创面的立体维度的数据获取;通过将深度摄像头采集到的图像输入经过预训练的u-net模型,使得图像明确了创面区域的位置,实现了创面区域的数据获取;根据模型输出的图像和深度摄像头的图像进行对比,获得了明确的创面区域立体维度的数据;根据创面区域和创面区域立体维度的数据,能够实现对创面立体维度的分析,提高了创面分析结果的精准度和全面性。

30、除了上面所描述的目的、特征和优点之外,本专利技术还有其它的目的、特征和优点。下面将参照附图,对本专利技术作进一步详细的说明。

本文档来自技高网...

【技术保护点】

1.一种基于U-Net和创面深度信息的创面分析方法,其特征在于,包括:

2.根据权利要求1所述的基于U-Net和创面深度信息的创面分析方法,其特征在于,根据所述第一信息和第二图像,对创面进行评估包括:

3.根据权利要求2所述的基于U-Net和创面深度信息的创面分析方法,其特征在于,根据所述第一信息和第二图像,对创面进行评估包括:

4.根据权利要求3所述的基于U-Net和创面深度信息的创面分析方法,其特征在于,通过深度摄像头对创面进行采集,得到第一图像包括:

5.根据权利要求4所述的基于U-Net和创面深度信息的创面分析方法,其特征在于,所述方法还包括:

6.根据权利要求5所述的基于U-Net和创面深度信息的创面分析方法,其特征在于,所述方法还包括:

7.根据权利要求6所述的基于U-Net和创面深度信息的创面分析方法,其特征在于,根据所述第一图像和第二图像得到第一信息包括:

8.根据权利要求7所述的基于U-Net和创面深度信息的创面分析方法,其特征在于,所述预训练包括:

9.根据权利要求8所述的基于U-Net和创面深度信息的创面分析方法,其特征在于,所述预训练包括:

...

【技术特征摘要】

1.一种基于u-net和创面深度信息的创面分析方法,其特征在于,包括:

2.根据权利要求1所述的基于u-net和创面深度信息的创面分析方法,其特征在于,根据所述第一信息和第二图像,对创面进行评估包括:

3.根据权利要求2所述的基于u-net和创面深度信息的创面分析方法,其特征在于,根据所述第一信息和第二图像,对创面进行评估包括:

4.根据权利要求3所述的基于u-net和创面深度信息的创面分析方法,其特征在于,通过深度摄像头对创面进行采集,得到第一图像包括:

5.根据权利要求4所述的基于...

【专利技术属性】
技术研发人员:史文杰莫林涛何杰肖丹
申请(专利权)人:长沙海润生物技术有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1