标识管组件类型的设备和方法
1.相关申请的交叉引用本技术要求2019年10月31日提交的题为“apparatus and methods of identifying tube assembly type”的美国临时专利申请no. 62/929，070的权益，该美国临时专利申请的公开内容出于全部目的通过引用以其整体并入本文。
技术领域
2.本公开的实施例涉及标识管组件的设备和方法。
背景技术：
3.自动化测试系统可以使用一个或多个试剂进行临床化学或化验，以标识生物样本（样本）中的分析物或其他成分，所述生物样本诸如是血清、血浆、尿液、间质液、脑脊液等。出于方便和安全的原因，这些样本几乎总是包含在样本管（例如，血液收集管）中。样本管可以被加顶盖，并且在一些情况下，并且顶盖可以包括颜色和/或形状，该颜色和/或形状提供关于如下内容的信息：要进行的测试的类型、管中包含的添加剂的类型（例如，血清分离器、诸如凝血酶之类的凝血剂、或抗凝血剂以及其特定类型，像edta或柠檬酸钠、或抗糖酵解添加剂）、以及管是否被提供有真空能力等。
4.在某些自动化测试系统中，样本容器和样本被数字成像和处理，诸如利用计算机辅助数字成像系统，使得可以判别顶盖的类型和颜色。在成像期间，可以捕获样本管（包括顶盖）和样本的一个或多个图像。
5.然而，在某些条件下，这样的自动化测试系统可能提供性能上的变化，并且可能不适当地表征管和/或顶盖类型。因此，寻求对样本容器和顶盖进行数字成像和处理的改进方法和设备。
技术实现要素：
6.在第一实施例中，提供了一种标识管类型的方法。该方法包括捕获附着到管的顶盖的一个或多个图像，该捕获生成顶盖的像素化图像，该像素化图像包括多个像素；标识顶盖的像素化图像的一个或多个像素的颜色；标识顶盖的维度的一个或多个梯度；以及至少基于一个或多个像素的颜色和顶盖维度的一个或多个梯度来标识管类型。
7.在第二实施例中，提供了一种标识管类型的方法。该方法包括捕获顶盖的一个或多个图像，该捕获生成顶盖的像素化图像；标识顶盖的颜色；标识顶盖的维度梯度；至少基于顶盖的颜色和维度梯度来标识管类型；以及标识安排的测试和管类型之间的匹配。
8.在第三实施例中，提供了一种诊断设备。该诊断设备包括成像装置，该成像装置被配置为捕获顶盖组件的一个或多个图像，该顶盖组件包括附着到管的顶盖，其中所述一个或多个图像包括顶盖的像素化图像；以及通信地耦合到成像装置的控制器，该控制器包括耦合到存储器的处理器，该存储器存储可执行以进行以下各项的可执行程序指令：确定顶盖的像素化图像的一个或多个像素的颜色；确定顶盖的维度的一个或多个梯度；以及至少
基于以下各项来标识管类型：一个或多个像素的颜色，以及顶盖的维度的一个或多个梯度。
附图说明
9.下面描述的附图是为了说明性目的，并且不一定是按比例绘制的。因此，附图和描述本质上被认为是说明性的，并且不是限制性的。附图不旨在以任何方式限制本公开的范围。贯穿于全文使用相同的数字来标示相同或相似的元件；图1a图示了根据本公开的一个或多个实施例的第一管组件的侧视图，其包括附接到管的顶盖以及指示图2a中所示的掩模图像的位置的框；图1b图示了根据本公开的一个或多个实施例的第二管组件的侧视图，其包括附接到管的顶盖以及指示图2b中所示的掩模图像的位置的框；图2a是根据本公开的一个或多个实施例的第一管组件的第一顶盖的掩模图像的示意图，该第一管组件的第一顶盖包括指示掩模图像与图1a的第一管组件对准的位置的框；图2b是根据本公开的一个或多个实施例的第二管组件的第二顶盖的掩模图像的示意图，该第二管组件的第二顶盖包括指示掩模图像与图1b的第二管组件对准的位置的框；图3a图示了根据本公开的一个或多个实施例的可以被分析以确定多行梯度的第一管组件的部分的侧视图；图3b图示了根据本公开的一个或多个实施例的图3a的第一管组件的上部的宽度曲线；图3c图示了根据本公开的一个或多个实施例的图3b的图的一阶导数；图4a图示了根据本公开的一个或多个实施例的可以被分析以确定多行梯度的第二管组件的部分的侧视图；图4b以图形方式图示了根据本公开的一个或多个实施例的图4a的第二管组件的上部的宽度曲线；图4c以图形方式图示了根据本公开的一个或多个实施例的图4b的图的一阶导数；图5a以图形方式图示了穿过根据本公开的一个或多个实施例的第一管组件的光谱（波长相对于平均强度）的条形图；图5b以图形方式图示了穿过根据本公开的一个或多个实施例的第二管组件的光谱（波长相对于平均强度）的条形图；图5c图示了根据本公开的一个或多个实施例的产生图5a的图的背面照明的第一管组件的一部分的摄影图像；图5d图示了根据本公开的一个或多个实施例的产生图5b的图的背面照明的第二管组件的一部分的摄影图像；图6图示了根据本公开的一个或多个实施例的具有不同顶盖颜色和顶盖形状但用于相同测试的不同管组件的示例的表；图7图示了根据本公开的一个或多个实施例的hsv颜色空间中的lda（线性判别分
析）绘图，其试图纯粹依赖于颜色（对于跨不同制造商的管类型集合）来分离管类型；图8图示了根据本公开的一个或多个实施例的诊断分析仪的示意性侧视图，该诊断分析仪适于对管组件成像并区分顶盖和管类型；图9是根据本公开的一个或多个实施例的标识管类型的方法的流程图；图10是根据本公开的一个或多个实施例的标识管类型的另一种方法的流程图。
具体实施方式
10.诊断实验室可以使用来自不同制造商的血液收集管（例如，管组件）来执行多个测试。管组件可以包括附接有顶盖的管。不同的管组件类型可以具有不同的特性，诸如不同的大小和/或其中的不同化学添加剂。例如，许多管组件类型是化学活性的，意味着管包含一种或多种添加的化学物质，其可以用于改变样本的状态或以其他方式辅助其处理，诸如通过促进分离或保持特性（例如，抗凝血剂、凝胶分离器或无细胞防腐剂）。
11.例如，在一些实施例中，管的内壁可以涂覆有一种或多种添加剂，或者可以在管中的其他地方提供添加剂。例如，包含在管中的添加剂的类型可以是血清分离剂（例如，分离凝胶）、凝血剂（诸如凝血酶等）、抗凝血剂（像肝素钠、锂钠、edta、edta钾、k2edta、k3edta或柠檬酸钠1∶9或1∶4、酸性柠檬酸葡萄糖（acd）、聚乙醇磺酸钠（sps）等）、抗糖酵解添加剂（诸如氟化钠和草酸钠钾等的组合）、或其它添加剂（诸如无细胞防腐剂等），用于改变、抑制或保持样本的特性或有助于其处理。管制造商可以将管组件的顶盖的颜色与管中特定类型的化学添加剂相关联。一些颜色可以指示血清分离凝胶与另一添加剂（诸如抗凝血剂或凝块活化剂）组合存在。
12.此外，不同的制造商可以具有他们自己的标准，所述标准将管组件的特征（诸如顶盖颜色和顶盖形状）与管组件的特定性质相关联，这可能与管的内容物或者可能与管是否被提供有真空能力相关联。在一些实施例中，制造商可以包括指示管的内容物的标签，但是这些标签在一些情况下可能被遮挡。在一些实施例中，诊断设备可以读取标签。
13.例如，制造商可以将具有浅绿色顶盖的所有管组件与包括肝素锂的管相关联，所述肝素锂被配置为测试诸如葡萄糖、诸如钠和钾的电解质、胆固醇以及例如一些酶和标记物。具有薰衣草色的顶盖可以标识包含edta以及衍生物（抗凝血剂）的管，其被配置为检测血液学（例如白细胞、血小板计数和血红蛋白）。诸如黄色、金色、浅蓝色、白色、灰色、橙色、红色和黑色之类的其他顶盖颜色可以被使用并且可以具有各种含义。在一些实施例中，制造商可以为相同的管类型使用不同颜色的顶盖。实验室使用该颜色信息对管进行进一步处理。此外，由于一些管可能包括化学活性剂（通常衬有像凝血剂、抗凝血剂或抗糖酵解化合物的物质），因此关联哪些测试可以在哪些管类型上运行变得重要，因为测试几乎总是内容特定的。混淆管类型可能导致未定义或错误的结果，诸如，用于尿液的管被用于处理（例如，测试）不同的体液，或者例如具有用于需要抗凝血剂的测试的凝血剂的管。
14.图6图示了具有不同顶盖颜色和顶盖形状但用于相同测试的不同管组件的示例的表。示出了三个不同管类型和三个不同顶盖标准的顶盖颜色和顶盖形状。如图6中所示，对于所有三个顶盖标准，第一管类型可以具有相同的顶盖形状（例如，第一顶盖形状），但是对于三个顶盖标准具有不同的顶盖颜色。例如，第一顶盖标准可以是带有棕褐色条纹的透明，第二顶盖标准可以是深红色，并且第三顶盖标准可以是灰色。在图6的实施例中，第二管类
型的三个顶盖标准可以使用相同的顶盖形状，第一顶盖形状和相同的颜色，带有褐色条纹的橙色。第三管类型可以对三个顶盖标准使用不同的顶盖形状和颜色。例如，第一顶盖标准可以使用第一形状并且可以是带有红色条纹的绿色，第二顶盖标准可以使用第二顶盖形状并且可以是红色，并且第三顶盖标准可以使用第二顶盖形状并且可以是绿色。
15.图7图示了hsv颜色空间中的lda（线性判别分析）绘图，该绘图试图纯粹依赖于颜色（对于跨不同制造商的管类型集合）来尽可能地区分管类型。图7中的绘图的点图示了不同的顶盖颜色，诸如不同管类型的顶盖颜色和来自不同制造商的顶盖颜色。如所示，在hsv颜色空间中，不是所有的管类型都可以被容易地区分。例如，在图6的第二顶盖标准中，第一管类型具有深红色顶盖，并且第三管类型具有红色顶盖。对于机器来说，使用hsv颜色空间来区分深红色顶盖和红色顶盖以及因此区分第一管类型和第三管类型可能是困难的。在图6的第三顶盖标准中，第一管类型是灰色的，并且第三管类型是绿色的。对于机器来说，使用hsv颜色空间来区分灰色顶盖和绿色顶盖以及因此区分第一管类型和第三管类型可能是困难的。
16.如图7中所示，由于制造商可能使用不同的标准，因此单独检测顶盖的颜色通常不提供足够的信息来准确标识管类型。如本文所公开的，更准确的管类型标识涉及标识除了顶盖的颜色之外的特征。本文所述的实施例使能在不管顶盖颜色的情况下区分管组件类型，以正确标识管的某些性质，诸如真空能力。特别地，即使在不同的管组件类型具有相似的顶盖颜色的情形中，本文描述的实施例也可以标识管组件类型。
17.更特定地，本文公开的实施例可以通过检测各种顶盖特性来区分包括不同管功能和/或添加剂成分的管组件类型，所述顶盖特性可以至少包括顶盖的颜色和顶盖和/或管的几何特征。
18.本文描述的方法和设备可以使得诸如成像设备或质量检查模块的机器能够在各种管组件类型之间正确标识和鲁棒地区分，即使是当顶盖颜色本身可能不为某些标识提供足够的信息时。本文所述的方法和成像设备可以使用人工智能、深度学习技术、统计模型和/或像判别模型的其他技术来基于管组件的顶盖的颜色、形状和/或其他特性对管类型进行分类。
19.在一些实施例中，统计模型和/或判别模型可以包括支持向量机（svm）、决策树、卷积神经网络（cnn）等，其可以包括先前训练的模型。本文描述的过程可以由耦合到存储器的处理器来执行，其中存储器已经在其中存储了可执行程序指令，所述可执行程序指令在合适的处理器上可执行以执行方法。在一些实施例中，svm是具有（一个或多个）相关联学习算法的有监督学习模型，其分析用于分类和回归分析的数据。
20.在第一广义方面，本公开的实施例提供了成像方法和设备，其被配置为并且能够被操作（可操作）以确定顶盖和/或管的物理特征，诸如指示顶盖和/或管的形状和颜色的一个或多个几何特征。在一些实施例中，可以确定和使用顶盖的一个或多个维度的梯度。使用机器学习技术的机器（例如，成像设备或质量检查模块）可以使用顶盖和/或管的这些特性来标识和/或分类不同的管组件。
21.本文公开的方法和设备可以使用顶盖几何形状、顶盖颜色以及顶盖和管的其他特性来在不同的管类型之间进行区分。该方法和设备可以使用管组件的前面和/或背面照明来标识管组件的特性。例如，在一些实施例中，诸如板化光源的光源可以照明管组件的前表
面，并且可以捕获来自前表面的反射光的图像。在其他实施例中，诸如板化光源的一个或多个光源可以对管组件进行背面照明，并且成像装置可以捕获穿过管组件的光的图像，并且可以使能表征顶盖的半透明性。在一些情况下，前面照明可以提供对至少顶盖颜色的改进的判别。
22.捕获管组件的一个或多个图像生成管组件的一个或多个像素化图像，其中每个像素化图像包括形成图像的多个像素。可以对一个或多个图像进行分析，以提取管和/或顶盖的几何特征，所述几何特征可以用于标识其上附接有顶盖的管的类型。例如，管和/或顶盖的特征可以输入到诸如线性支持向量机的判别模型，以标识顶盖。在一些实施例中，可以基于顶盖的标识至少部分地标识管类型。
23.在一些实施例中，对标识为顶盖的区域中的图像的进一步处理可以使用颜色确定算法来提取或标识顶盖的颜色。在一些实施例中，可以标识表示顶盖的每个像素的颜色值。诸如通过使用计算机算法，可以确定所有像素或像素补片的颜色值的均值（均值颜色）。然后可以确定均值颜色的颜色分量。在一些实施例中，均值颜色可以被转换到hsv（色调、饱和度、值）颜色空间，以产生颜色色调、饱和度和值分量。图7中提供了映射在hsv颜色空间中的管组件的示例。这些颜色分量提供了可以输入到判别模型的三个维度或矢量，以帮助清楚地标识管类型。可以使用其他颜色表征方法，诸如通过使用hsl、rgb（红、绿、蓝）、adobergb、yiq、yuv、cielcab、cieluv、prophoto、srgb、lumapluschroma、cmyk等。
24.在一些实施例中，与顶盖几何形状相关的特征可以被输入到判别模型。例如，诸如梯度（例如，行梯度和/或列梯度）的与顶盖的维度相关的几何特征可以被输入到判别模型。如本文使用的梯度是顶盖维度的变化率（一阶导数）。例如，算法可以从上到下或从下到上扫描（例如光栅扫描）顶盖的图像，以确定作为垂直位置（例如，沿着y轴）的函数的顶盖的宽度，其中所确定的宽度是沿着水平轴或x轴计算的。
25.例如，该算法可以从上到下扫描顶盖的图像，分析顶盖的形状，并且存储宽度的绝对值和沿着顶盖图像的y轴的一阶数值导数。一阶数值导数可以通过下面的等式（1）来计算，这是针对单个轴的：等式（1）其中：是u在位置索引i，j处的二维值i是x轴位置索引，j是y轴位置索引，是u在位置i，j相对于y轴的数值导数，以及是垂直维度上的维度改变。
26.等式（1）产生行梯度。可以计算行梯度的最大值，称为rg-max。rg-max的值是顶盖宽度的最剧烈改变的函数，并且与顶盖宽度的最剧烈改变相关，并且可以是至判别模型的向量输入。在其他实施例中，可以分析顶盖的其他几何特征并将其输入到判别模型中。例如，可以分析沿着顶盖顶面的维度或形状轮廓，并将其输入到判别模型中。在其他实施例中，可以分析顶盖高度的梯度并将其输入到判别模型，即，作为宽度的函数的顶盖高度的改
变率。
27.在一些实施例中，可以分析顶盖的材料以获得可以输入到判别模型的另一区别特性。分析顶盖材料可以包括计算顶盖的不透明度或半透明度的度量。例如，算法可以使用顶盖的一个或多个背面照明的图像。在一些实施例中，可以在跨光的多个光谱（波长）上以高曝光时间捕获顶盖的背面照明的图像，并且可以通过算法分析图像。在一些实施例中，可以使用三个可见光谱（rgb）。例如，背面照明的红色通道图像可以曝光大约10309，背面照明的绿色通道图像可以曝光大约20615，并且背面照明的蓝色通道图像可以曝光大约10310。可以计算每个波长通道的统计数据并将其输入到判别模型中。例如，可以计算rgb的每个波长的高曝光图像的均值。利用这三个均值（r-mean、g-mean和b-mean），判别模型可以使用多维判别特征空间来进行顶盖标识。例如，7维区别特征空间（h，s，v，rg-max，r-mean，g-mean，b-mean）可以用于顶盖标识。然而，可以使用颜色特征空间的任何组合。
28.在n维特征空间（在该实施例中n=7）中，可以训练判别模型（例如判别器）来正确标识顶盖并因此标识管类型。判别器的示例是线性支持向量机（svm），该线性支持向量机（svm）在高维特征空间中围绕每个顶盖和/或管类型绘制决策超边界。然后可以标识顶盖和/或管类型。在一些实施例中，诸如顶盖高度、顶盖直径、管直径和/或管高度之类的更多特征或者其他基于视觉的特征可以作为附加的维度或形状输入被包括到判别模型中。也可以利用顶盖重量，诸如在成像阶段之后的去盖站处。在其他实施例中，可以使用其他背面照明的光或非可见光（例如，ir或近ir）来添加更强大的判别模型，以充分利用颜色空间的维度复杂性。
29.本文描述的模型和算法可以将特定的顶盖类型与其适当的管类型相关联，而不仅仅依赖于顶盖的颜色。模型和算法可以在没有来自操作者的输入的情况下执行这些任务，即，判别可以完全自动化。下面的描述提供了实现上述方法和设备的示例，以基于附接到管的顶盖来区分管类型。在其他实施例中，可以分析管组件的特性，并且模型和算法可以基于分析来确定管类型。
30.本文参考图1a至图8描述了方法和设备的另外细节。
31.现在参考图1a和图1b。图1a图示了第一管组件100a的侧视图，该第一管组件100a包括附接在第一管104a顶上的第一顶盖102a。图1b图示了第二管组件100b的侧视图，该第二管组件100b包括附接在第二管104b顶上的第二顶盖102b。例如，第一管组件100a可以来自第一制造商，并且第二管组件100b可以来自第二制造商，或者可以仅仅是来自同一制造商的不同管类型。第一管组件100a可以包括在执行第一测试中使用的位于第一管104a中的一个或多个化学添加剂（未示出），并且第二管组件100b可以包括在执行第二测试中使用的位于第二管104b中的一个或多个化学添加剂（未示出）。参考第一管组件100a，化学添加剂可以作为喷涂层添加在第一管104a中，作为小球或局部块，或者添加在第一管104a中的其它地方，或者添加在第一顶盖102a的下侧中或下侧上。化学添加剂可以在第二管组件100b中的类似位置。在一些实施例中，第一测试可以与第二测试相同，并且在其他实施例中，第一测试可以不同于第二测试。
32.第一顶盖102a可以具有第一颜色，并且第二顶盖102b可以具有第二颜色。一些顶盖可以具有多于一个颜色，诸如顶盖的一部分上有一个颜色，并且顶盖的另一部分上有第二颜色。在一些实施例中，第一颜色可能与第二颜色如此相似，使得仅有颜色的计算机算法
可能无法区分第一颜色和第二颜色。在其他实施例中，第一颜色可以不同于第二颜色。本文所述的方法和设备可以分析上述维度和/或形状特征和颜色，以区分第一顶盖102a和第二顶盖102b，并且因此区分第一管组件100a的管类型和第二管组件100b的管类型。
33.第一管组件100a和第二管组件100b的一个或多个图像可以由成像装置800捕获（图8）。图像可以是由多行和多列像素组成的像素化图像，其中每个图像包括多个像素。另外参考图2a和图2b，其中图2a图示了从第一管104a的图像移除的第一顶盖102a的掩模图像的示意图，并且图2b图示了从第二管104b移除的第二顶盖102b的掩模图像的示意图。在一些实施例中，在计算机上执行的算法可以将图像中的像素分类为顶盖，并且该分类可以用于隔离被分类为顶盖的那些像素，以用于附加处理，如图2a和图2b中所示的那样。图2a和图2b周围的框指示掩模图像与图1a的第一管组件100a和图2b（包括同样的框）的第二管组件100b对准的位置。框的大小（宽度和高度）以及框的位置可以由捕获提供在任何大小的管上的任何期望的顶盖类型所需的大小和位置来组成。
34.图2a的图像中的像素位置（阴影线所示）可以用于分析原始彩色图像，以确定第一顶盖102a的颜色。确定第一顶盖102a的颜色可以通过计算像素的均值颜色、像素的中间颜色、像素的众数值或像素的其他颜色值来执行。诸如k均值聚类的更高级的无监督机器学习方法也可以用于创建颜色聚类。可以在hsv颜色空间中计算均值颜色，以生成hsv颜色模型的三个颜色特征维度（h-色调、s-饱和度和v-值（亮度）），用于输入到第一管组件100a的判别模型。相同的过程可以应用于图2b中的像素（阴影线所示），以生成第二顶盖102b的三个颜色特征维度，用于输入到第二管组件100b的判别模型。
35.通过分析包括第一顶盖102a和/或第一管104a的第一管组件100a和包括第二顶盖102b和/或第二管104b的第二管组件100b的几何特征，可以获得输入到判别模型的附加维度。在计算机上执行的算法可以标识陡峭的颜色强度过渡以标识边缘，并且然后分析维度梯度、诸如第一顶盖102a的行梯度，并且可以包括第一管104a的部分。同样，算法可以分析维度梯度、诸如第二顶盖102b的行梯度，并且可以包括第二管104b的部分。
36.对图3a进行参考，图3a图示了第一管组件100a的部分，该部分可以被分析以确定几何梯度、诸如行梯度。还对图4a进行参考，图4a图示了第二管组件100b的部分，该部分可以被分析以确定几何梯度，诸如行梯度。参考图3a，该算法可以从顶部到底部（或从底部到顶部）扫描第一管104a的一部分和第一顶盖102a，以确定指示第一管104a的一部分和第一顶盖102a的形状的数值。在图3a的实施例中，数值是第一管104a的顶部部分和第一顶盖102a的各种宽度。这些数值可以基于标识第一顶盖102a和第一管104a的边缘的图像颜色强度改变。可选地，分割例程可以用于在像素空间中标识顶盖的边界。
37.另外参考图3b，图3b以图形方式图示了沿着图3a中所示的第一管组件100a作为垂直维度（y维度）的函数的各种宽度维度（x维度）。如图3a和图3b中所示，第一管组件100a在垂直位置v31处具有宽度w31，并且在垂直位置v32处具有宽度w32。第一管组件100a在垂直位置v33处具有宽度w33，这是第一管104a的宽度。这些宽度可以表示第一管组件100a在作为垂直位置的函数的宽度方面的独特几何特性。
38.另外参考图3c，图3c图示了第一管组件100a的图3b的维度绘图（宽度维度相对于垂直维度）的一阶导数。等式（1）可以应用于图3b的图，以产生图3c的图。注意，在处理期间可以忽略第一顶盖102a的最上面的行，因此当等式（1）应用于最上面的行时，一阶导数不接
近无穷大。图3c的图的y轴被称为宽度。被称为rg-max1的宽度的最大值在图3c的图上示出，并且可以作为除了颜色之外的另一模型输入而输入到第一管组件100a的判别模型中。
39.另外参照图4b，图4b以图形方式图示了作为垂直维度（y维度）的函数的图4a中所示的第二管组件100b的各种宽度（x维度）。如图4a和图4b中所示，第二管组件100b在垂直位置v41处具有宽度w41，并且在垂直位置v42处具有宽度w42。第二管组件100b在垂直位置v43处具有宽度w43，这是第二管104b的宽度。这些宽度表示第二管组件100b的独特几何特性。
40.另外参考图4c，图4c图示了如图4b的图上绘制的第二管组件100b的一阶导数。等式（1）可以应用于图4b的图，以产生图4c的图。注意，在处理期间可以忽略第二顶盖102b的最上面的行，因此当计算第一行的导数时，一阶导数不接近无穷大。图4c的图的y轴被称为宽度。宽度的最大峰值（称为rg-max2）在图4c的图上示出，并且可以作为另一模型输入而输入到第二管组件100b的判别模型中。在一些实施例中，宽度的一个或多个最小值可以连同颜色一起用作模型输入。
41.基于前述内容，第一管组件100a和第二管组件100b的梯度可以用于在不考虑第一顶盖102a和第二顶盖102b的颜色的情况下标识和/或区分管组件的至少一些特征。例如，它可以能够通过判别顶盖梯度来区分真空能力。在一些实施例中，第一顶盖102a和第二顶盖102b的顶盖宽度的梯度可以用于分别区分第一管组件100a和第二管组件100b的至少一些特征。
42.第一管组件100a和第二管组件100b的另一区别特性可以是顶盖材料和/或管材料，这可以通过计算不透明度或半透明度的度量来确定。为了测量该特性，可以对包括顶盖的管组件的部分进行背面照明，并且可以诸如在高曝光时间捕获管组件的图像，并且也可以使用多个光谱的照明来捕获。在一些实施例中，三个可见光谱（红色（r）、绿色（g）和蓝色（b））可以对第一管组件100a和第二管组件100b进行背面照明。然而，可以使用其他颜色，并且甚至可以使用包括uv和ir背光的颜色。例如，可以使用不可见光来照明第一管组件100a和第二管组件100b。
43.参考图5a，图5a图示了穿过第一管组件100a的第一顶盖102a并由成像装置（例如，图8的107a）捕获的示例光谱的图。还参考图5b，图5b图示了穿过第二管组件100b的第二顶盖102b并由成像装置捕获的示例光谱的图。图5a和图5b的图是在从0到255的强度标度（例如，均值强度）上绘制的，其中0是没有接收到光，并且255表示没有光被管组件阻挡。在一些实施例中，背面照明的红色通道图像可以曝光大约10309，背面照明的绿色通道图像可以曝光大约20615，并且背面照明的蓝色通道图像可以曝光大约10310。可以使用其他曝光。
44.另外参考图5c，图5c图示了第一管组件100a的一部分的一个在另一个之上的摄影图像。顶部摄影图像（标注为1）是利用具有全rgb色谱的前景照明捕获的第一管组件100a的一部分。第二至第四单色摄影图像图示了管部分对不同波长（例如，颜色）的光的透明度。例如，第二单色摄影图像（标注为2）是利用红色背景照明捕获的第一管组件100a的一部分。第三单色摄影图像（标注为3）是利用绿色背景照明捕获的第一管组件100a的一部分。第四单色摄影图像（标注为4）是利用蓝色背景照明捕获的第一管组件100a的一部分。
45.还参考图5d，图5d图示了第二管组件100b的一部分的一个在另一个之上的摄影图像。顶部摄影图像是利用全rgb色谱（标注为1）中的前景照明捕获的第二管组件100b的一部
分。第二单色摄影图像（标注为2）是利用红色背景照明捕获的第二管组件100b的一部分。第三单色摄影图像（标注为3）是利用绿色背景照明捕获的第二管组件100b的一部分。第四单色摄影图像（标注为4）是利用蓝色背景照明捕获的第二管组件100b的一部分。
46.从图5a和图5b的图中，示出了第一管组件100a的标注为1的部分在所有波长（r、g、b）中几乎完全透明，并且第二管组件100b的标注为1的部分阻挡了所有三个波长的大量光。在一些实施例中，计算高曝光图像的每个波长的均值，并分别称为r-mean、g-mean、b-mean。在一些实施例中，计算高曝光图像的每个波长的中值。
47.当计算所有上述特征值时，对于每个管组件，可以存在7维判别特征空间（h，s，v，rg-max，r-mean，g-mean，b-mean）。在n维特征空间中（在该实施例中n=7），可以训练判别模型以正确标识各种管类型。判别器的示例是线性svm，其在该高维特征空间中围绕每个管类型绘制决策超边界。基于前述模型，即使第一顶盖102a和第二顶盖102b具有完全相同或相似的颜色，也可以区分第一管组件100a和第二管组件100b。利用更多的光学特征——诸如顶盖不透明度或半透明度、顶盖重量、顶盖垂直高度、直径、（一个或多个）顶盖梯度或其他基于视觉的几何特征，或者附加的图像类型——诸如不同的背面照明或使用不可见光（例如，ir或近ir）的照明，可以使用甚至更强大的判别模型来充分利用空间的维度复杂性。颜色空间特征和几何特征的任何组合都可以用于顶盖类型判别。
48.本文描述的设备和方法使得诊断实验室能够区分可能通过实验室的许多不同的管类型。由于不同的制造商和/或特定地区的标准，仅仅依赖于顶盖的颜色可能导致不可靠的结果。基于前述内容，当顶盖颜色本身不足以在各种管类型之间区分时，本文公开的设备和方法改进了对各种管类型的判别，并有助于在各种管类型之间区分。这是有利的，因为它使得诊断装置或机器能够确定诊断装置或设备内的管类型（以及因此对应的特征），而不需要来自操作者的任何手动输入，即，它可以是完全自动化的。
49.在一些实施例中，一些对应的特征可以由操作者手动输入或者经由另一个传感器获得。对本文所述的设备和方法的优点有贡献的技术特征可以包括使用从一个或多个机载图像捕获装置或传感器收集的数据的每个管类型的高维特征向量，以及高维空间中的判别模型，以正确确定管类型。使用这样的高维判别模型可以加速样本处理工作流程，并且可以正确标识所订购的测试和所使用的管类型之间的不匹配。因此，可以进行检查，以确保基于如顶盖标识的其化学添加剂或几何特性来使用正确的管类型。
50.图8图示了成像装置800，其被配置为捕获由第一顶盖102a和第一管104a构成的第一管组件100a的一个或多个图像，其中所述一个或多个图像可以是由像素构成的像素化图像，其中每个图像包括多个像素。成像装置800也可以被称为诊断设备。成像装置800包括诸如光源805a的前光源，其可以是光板。在一些实施例中，可以使用多于一个光源，诸如定位在成像装置807的任一横向前侧的光板。可以在成像装置807的另一个横向前侧（如所示在纸外）在与光源805a相同的纵向位置提供另一个前光源，诸如光板。在一些实施例中，可以提供一个或多个背光源，诸如光源805b。例如，光源805b可以是一个或多个光板，其提供用于确定不透明度的光。其他布置也是可能的。
51.成像装置800可以进一步包括控制器809，控制器809通信地耦合到成像装置807和光源805a、805b。控制器809可以是任何合适的计算机，包括合适于诸如以判别模型的形式存储和执行可执行程序指令的存储器812和处理器810。控制器809可以在适当的时间向光
源805a、805b发送信号，以取决于被捕获的图像的类型（背光照或前光照）提供前光照和/或背光照。控制器809可以通过任何合适的分割程序（诸如cnn或其他训练模型）来标识第一顶盖102a和第一管104a。
52.一旦第一顶盖102a及其代表性区域被标识，其颜色可以由任何合适的颜色空间中的颜色模型、诸如hsv颜色模型来确定。可以使用其他合适的多元素色彩空间或模型，诸如hsl、rgb（红、绿、蓝）、adobe rgb、yiq、yuv、cielcab、cieluv、prophoto、srgb、luma plus chroma、cmyk或其他合适的色彩空间模型。同样，一旦第一顶盖102a和第一管104a被标识，维度确定程序或例程就可以确定第一管104a的宽度和/或高度和/或该维度的梯度（例如，作为顶盖高度的函数的宽度和/或作为宽度的函数的高度）。这些值可以输入到任何合适的标识模型（例如，判别模型）中，以确定第一管组件100a的类型。
53.现在参考图9，图9是标识管类型的方法900的流程图。方法900在902中包括捕获附着到管（例如，第一管104a）的顶盖（例如，第一顶盖102a）的一个或多个图像，该捕获生成顶盖的像素化图像，该像素化图像包括多个像素。方法900在904中包括标识顶盖的像素化图像的一个或多个像素的颜色。方法900在906中包括标识顶盖的维度的一个或多个梯度。方法900在908中包括至少基于一个或多个像素的颜色和顶盖的维度的一个或多个梯度来标识管类型。
54.现在参考图10，图10是标识管类型的方法1000的流程图。方法1000在1002中包括捕获顶盖（例如，第一顶盖102a）的一个或多个图像，该捕获生成顶盖的像素化图像。方法1000包括，在1004中，标识顶盖的颜色。该方法包括，在1006中，标识顶盖的维度梯度。方法1000包括，在1008中，至少基于顶盖的颜色和维度梯度来标识管类型。该方法包括，在1008中，标识安排的测试和管类型之间的匹配。如果管类型适合于安排的测试，则控制器809可以在显示器上指示“使用了正确的管类型”，或者报告所使用的管类型没有错误。如果指示不匹配，则系统可以报告错误，诸如通过在显示器上指示或以其他方式指示使用了“错误的管类型”。
55.虽然本公开容易受到各种修改和替代形式影响，但是其具体实施例及其方法已经通过附图中的示例示出并且在本文详细描述。然而，应该理解的是，这不旨在将本公开限制于所公开的特定系统或方法，而是相反，本发明旨在覆盖落入权利要求范围内的所有修改、等同物和替代物。
1.相关申请的交叉引用本技术要求2019年10月31日提交的题为“apparatus and methods of identifying tube assembly type”的美国临时专利申请no. 62/929，070的权益，该美国临时专利申请的公开内容出于全部目的通过引用以其整体并入本文。
技术领域
2.本公开的实施例涉及标识管组件的设备和方法。
背景技术：
3.自动化测试系统可以使用一个或多个试剂进行临床化学或化验，以标识生物样本（样本）中的分析物或其他成分，所述生物样本诸如是血清、血浆、尿液、间质液、脑脊液等。出于方便和安全的原因，这些样本几乎总是包含在样本管（例如，血液收集管）中。样本管可以被加顶盖，并且在一些情况下，并且顶盖可以包括颜色和/或形状，该颜色和/或形状提供关于如下内容的信息：要进行的测试的类型、管中包含的添加剂的类型（例如，血清分离器、诸如凝血酶之类的凝血剂、或抗凝血剂以及其特定类型，像edta或柠檬酸钠、或抗糖酵解添加剂）、以及管是否被提供有真空能力等。
4.在某些自动化测试系统中，样本容器和样本被数字成像和处理，诸如利用计算机辅助数字成像系统，使得可以判别顶盖的类型和颜色。在成像期间，可以捕获样本管（包括顶盖）和样本的一个或多个图像。
5.然而，在某些条件下，这样的自动化测试系统可能提供性能上的变化，并且可能不适当地表征管和/或顶盖类型。因此，寻求对样本容器和顶盖进行数字成像和处理的改进方法和设备。
技术实现要素：
6.在第一实施例中，提供了一种标识管类型的方法。该方法包括捕获附着到管的顶盖的一个或多个图像，该捕获生成顶盖的像素化图像，该像素化图像包括多个像素；标识顶盖的像素化图像的一个或多个像素的颜色；标识顶盖的维度的一个或多个梯度；以及至少基于一个或多个像素的颜色和顶盖维度的一个或多个梯度来标识管类型。
7.在第二实施例中，提供了一种标识管类型的方法。该方法包括捕获顶盖的一个或多个图像，该捕获生成顶盖的像素化图像；标识顶盖的颜色；标识顶盖的维度梯度；至少基于顶盖的颜色和维度梯度来标识管类型；以及标识安排的测试和管类型之间的匹配。
8.在第三实施例中，提供了一种诊断设备。该诊断设备包括成像装置，该成像装置被配置为捕获顶盖组件的一个或多个图像，该顶盖组件包括附着到管的顶盖，其中所述一个或多个图像包括顶盖的像素化图像；以及通信地耦合到成像装置的控制器，该控制器包括耦合到存储器的处理器，该存储器存储可执行以进行以下各项的可执行程序指令：确定顶盖的像素化图像的一个或多个像素的颜色；确定顶盖的维度的一个或多个梯度；以及至少
基于以下各项来标识管类型：一个或多个像素的颜色，以及顶盖的维度的一个或多个梯度。
附图说明
9.下面描述的附图是为了说明性目的，并且不一定是按比例绘制的。因此，附图和描述本质上被认为是说明性的，并且不是限制性的。附图不旨在以任何方式限制本公开的范围。贯穿于全文使用相同的数字来标示相同或相似的元件；图1a图示了根据本公开的一个或多个实施例的第一管组件的侧视图，其包括附接到管的顶盖以及指示图2a中所示的掩模图像的位置的框；图1b图示了根据本公开的一个或多个实施例的第二管组件的侧视图，其包括附接到管的顶盖以及指示图2b中所示的掩模图像的位置的框；图2a是根据本公开的一个或多个实施例的第一管组件的第一顶盖的掩模图像的示意图，该第一管组件的第一顶盖包括指示掩模图像与图1a的第一管组件对准的位置的框；图2b是根据本公开的一个或多个实施例的第二管组件的第二顶盖的掩模图像的示意图，该第二管组件的第二顶盖包括指示掩模图像与图1b的第二管组件对准的位置的框；图3a图示了根据本公开的一个或多个实施例的可以被分析以确定多行梯度的第一管组件的部分的侧视图；图3b图示了根据本公开的一个或多个实施例的图3a的第一管组件的上部的宽度曲线；图3c图示了根据本公开的一个或多个实施例的图3b的图的一阶导数；图4a图示了根据本公开的一个或多个实施例的可以被分析以确定多行梯度的第二管组件的部分的侧视图；图4b以图形方式图示了根据本公开的一个或多个实施例的图4a的第二管组件的上部的宽度曲线；图4c以图形方式图示了根据本公开的一个或多个实施例的图4b的图的一阶导数；图5a以图形方式图示了穿过根据本公开的一个或多个实施例的第一管组件的光谱（波长相对于平均强度）的条形图；图5b以图形方式图示了穿过根据本公开的一个或多个实施例的第二管组件的光谱（波长相对于平均强度）的条形图；图5c图示了根据本公开的一个或多个实施例的产生图5a的图的背面照明的第一管组件的一部分的摄影图像；图5d图示了根据本公开的一个或多个实施例的产生图5b的图的背面照明的第二管组件的一部分的摄影图像；图6图示了根据本公开的一个或多个实施例的具有不同顶盖颜色和顶盖形状但用于相同测试的不同管组件的示例的表；图7图示了根据本公开的一个或多个实施例的hsv颜色空间中的lda（线性判别分
析）绘图，其试图纯粹依赖于颜色（对于跨不同制造商的管类型集合）来分离管类型；图8图示了根据本公开的一个或多个实施例的诊断分析仪的示意性侧视图，该诊断分析仪适于对管组件成像并区分顶盖和管类型；图9是根据本公开的一个或多个实施例的标识管类型的方法的流程图；图10是根据本公开的一个或多个实施例的标识管类型的另一种方法的流程图。
具体实施方式
10.诊断实验室可以使用来自不同制造商的血液收集管（例如，管组件）来执行多个测试。管组件可以包括附接有顶盖的管。不同的管组件类型可以具有不同的特性，诸如不同的大小和/或其中的不同化学添加剂。例如，许多管组件类型是化学活性的，意味着管包含一种或多种添加的化学物质，其可以用于改变样本的状态或以其他方式辅助其处理，诸如通过促进分离或保持特性（例如，抗凝血剂、凝胶分离器或无细胞防腐剂）。
11.例如，在一些实施例中，管的内壁可以涂覆有一种或多种添加剂，或者可以在管中的其他地方提供添加剂。例如，包含在管中的添加剂的类型可以是血清分离剂（例如，分离凝胶）、凝血剂（诸如凝血酶等）、抗凝血剂（像肝素钠、锂钠、edta、edta钾、k2edta、k3edta或柠檬酸钠1∶9或1∶4、酸性柠檬酸葡萄糖（acd）、聚乙醇磺酸钠（sps）等）、抗糖酵解添加剂（诸如氟化钠和草酸钠钾等的组合）、或其它添加剂（诸如无细胞防腐剂等），用于改变、抑制或保持样本的特性或有助于其处理。管制造商可以将管组件的顶盖的颜色与管中特定类型的化学添加剂相关联。一些颜色可以指示血清分离凝胶与另一添加剂（诸如抗凝血剂或凝块活化剂）组合存在。
12.此外，不同的制造商可以具有他们自己的标准，所述标准将管组件的特征（诸如顶盖颜色和顶盖形状）与管组件的特定性质相关联，这可能与管的内容物或者可能与管是否被提供有真空能力相关联。在一些实施例中，制造商可以包括指示管的内容物的标签，但是这些标签在一些情况下可能被遮挡。在一些实施例中，诊断设备可以读取标签。
13.例如，制造商可以将具有浅绿色顶盖的所有管组件与包括肝素锂的管相关联，所述肝素锂被配置为测试诸如葡萄糖、诸如钠和钾的电解质、胆固醇以及例如一些酶和标记物。具有薰衣草色的顶盖可以标识包含edta以及衍生物（抗凝血剂）的管，其被配置为检测血液学（例如白细胞、血小板计数和血红蛋白）。诸如黄色、金色、浅蓝色、白色、灰色、橙色、红色和黑色之类的其他顶盖颜色可以被使用并且可以具有各种含义。在一些实施例中，制造商可以为相同的管类型使用不同颜色的顶盖。实验室使用该颜色信息对管进行进一步处理。此外，由于一些管可能包括化学活性剂（通常衬有像凝血剂、抗凝血剂或抗糖酵解化合物的物质），因此关联哪些测试可以在哪些管类型上运行变得重要，因为测试几乎总是内容特定的。混淆管类型可能导致未定义或错误的结果，诸如，用于尿液的管被用于处理（例如，测试）不同的体液，或者例如具有用于需要抗凝血剂的测试的凝血剂的管。
14.图6图示了具有不同顶盖颜色和顶盖形状但用于相同测试的不同管组件的示例的表。示出了三个不同管类型和三个不同顶盖标准的顶盖颜色和顶盖形状。如图6中所示，对于所有三个顶盖标准，第一管类型可以具有相同的顶盖形状（例如，第一顶盖形状），但是对于三个顶盖标准具有不同的顶盖颜色。例如，第一顶盖标准可以是带有棕褐色条纹的透明，第二顶盖标准可以是深红色，并且第三顶盖标准可以是灰色。在图6的实施例中，第二管类
型的三个顶盖标准可以使用相同的顶盖形状，第一顶盖形状和相同的颜色，带有褐色条纹的橙色。第三管类型可以对三个顶盖标准使用不同的顶盖形状和颜色。例如，第一顶盖标准可以使用第一形状并且可以是带有红色条纹的绿色，第二顶盖标准可以使用第二顶盖形状并且可以是红色，并且第三顶盖标准可以使用第二顶盖形状并且可以是绿色。
15.图7图示了hsv颜色空间中的lda（线性判别分析）绘图，该绘图试图纯粹依赖于颜色（对于跨不同制造商的管类型集合）来尽可能地区分管类型。图7中的绘图的点图示了不同的顶盖颜色，诸如不同管类型的顶盖颜色和来自不同制造商的顶盖颜色。如所示，在hsv颜色空间中，不是所有的管类型都可以被容易地区分。例如，在图6的第二顶盖标准中，第一管类型具有深红色顶盖，并且第三管类型具有红色顶盖。对于机器来说，使用hsv颜色空间来区分深红色顶盖和红色顶盖以及因此区分第一管类型和第三管类型可能是困难的。在图6的第三顶盖标准中，第一管类型是灰色的，并且第三管类型是绿色的。对于机器来说，使用hsv颜色空间来区分灰色顶盖和绿色顶盖以及因此区分第一管类型和第三管类型可能是困难的。
16.如图7中所示，由于制造商可能使用不同的标准，因此单独检测顶盖的颜色通常不提供足够的信息来准确标识管类型。如本文所公开的，更准确的管类型标识涉及标识除了顶盖的颜色之外的特征。本文所述的实施例使能在不管顶盖颜色的情况下区分管组件类型，以正确标识管的某些性质，诸如真空能力。特别地，即使在不同的管组件类型具有相似的顶盖颜色的情形中，本文描述的实施例也可以标识管组件类型。
17.更特定地，本文公开的实施例可以通过检测各种顶盖特性来区分包括不同管功能和/或添加剂成分的管组件类型，所述顶盖特性可以至少包括顶盖的颜色和顶盖和/或管的几何特征。
18.本文描述的方法和设备可以使得诸如成像设备或质量检查模块的机器能够在各种管组件类型之间正确标识和鲁棒地区分，即使是当顶盖颜色本身可能不为某些标识提供足够的信息时。本文所述的方法和成像设备可以使用人工智能、深度学习技术、统计模型和/或像判别模型的其他技术来基于管组件的顶盖的颜色、形状和/或其他特性对管类型进行分类。
19.在一些实施例中，统计模型和/或判别模型可以包括支持向量机（svm）、决策树、卷积神经网络（cnn）等，其可以包括先前训练的模型。本文描述的过程可以由耦合到存储器的处理器来执行，其中存储器已经在其中存储了可执行程序指令，所述可执行程序指令在合适的处理器上可执行以执行方法。在一些实施例中，svm是具有（一个或多个）相关联学习算法的有监督学习模型，其分析用于分类和回归分析的数据。
20.在第一广义方面，本公开的实施例提供了成像方法和设备，其被配置为并且能够被操作（可操作）以确定顶盖和/或管的物理特征，诸如指示顶盖和/或管的形状和颜色的一个或多个几何特征。在一些实施例中，可以确定和使用顶盖的一个或多个维度的梯度。使用机器学习技术的机器（例如，成像设备或质量检查模块）可以使用顶盖和/或管的这些特性来标识和/或分类不同的管组件。
21.本文公开的方法和设备可以使用顶盖几何形状、顶盖颜色以及顶盖和管的其他特性来在不同的管类型之间进行区分。该方法和设备可以使用管组件的前面和/或背面照明来标识管组件的特性。例如，在一些实施例中，诸如板化光源的光源可以照明管组件的前表
面，并且可以捕获来自前表面的反射光的图像。在其他实施例中，诸如板化光源的一个或多个光源可以对管组件进行背面照明，并且成像装置可以捕获穿过管组件的光的图像，并且可以使能表征顶盖的半透明性。在一些情况下，前面照明可以提供对至少顶盖颜色的改进的判别。
22.捕获管组件的一个或多个图像生成管组件的一个或多个像素化图像，其中每个像素化图像包括形成图像的多个像素。可以对一个或多个图像进行分析，以提取管和/或顶盖的几何特征，所述几何特征可以用于标识其上附接有顶盖的管的类型。例如，管和/或顶盖的特征可以输入到诸如线性支持向量机的判别模型，以标识顶盖。在一些实施例中，可以基于顶盖的标识至少部分地标识管类型。
23.在一些实施例中，对标识为顶盖的区域中的图像的进一步处理可以使用颜色确定算法来提取或标识顶盖的颜色。在一些实施例中，可以标识表示顶盖的每个像素的颜色值。诸如通过使用计算机算法，可以确定所有像素或像素补片的颜色值的均值（均值颜色）。然后可以确定均值颜色的颜色分量。在一些实施例中，均值颜色可以被转换到hsv（色调、饱和度、值）颜色空间，以产生颜色色调、饱和度和值分量。图7中提供了映射在hsv颜色空间中的管组件的示例。这些颜色分量提供了可以输入到判别模型的三个维度或矢量，以帮助清楚地标识管类型。可以使用其他颜色表征方法，诸如通过使用hsl、rgb（红、绿、蓝）、adobergb、yiq、yuv、cielcab、cieluv、prophoto、srgb、lumapluschroma、cmyk等。
24.在一些实施例中，与顶盖几何形状相关的特征可以被输入到判别模型。例如，诸如梯度（例如，行梯度和/或列梯度）的与顶盖的维度相关的几何特征可以被输入到判别模型。如本文使用的梯度是顶盖维度的变化率（一阶导数）。例如，算法可以从上到下或从下到上扫描（例如光栅扫描）顶盖的图像，以确定作为垂直位置（例如，沿着y轴）的函数的顶盖的宽度，其中所确定的宽度是沿着水平轴或x轴计算的。
25.例如，该算法可以从上到下扫描顶盖的图像，分析顶盖的形状，并且存储宽度的绝对值和沿着顶盖图像的y轴的一阶数值导数。一阶数值导数可以通过下面的等式（1）来计算，这是针对单个轴的：等式（1）其中：是u在位置索引i，j处的二维值i是x轴位置索引，j是y轴位置索引，是u在位置i，j相对于y轴的数值导数，以及是垂直维度上的维度改变。
26.等式（1）产生行梯度。可以计算行梯度的最大值，称为rg-max。rg-max的值是顶盖宽度的最剧烈改变的函数，并且与顶盖宽度的最剧烈改变相关，并且可以是至判别模型的向量输入。在其他实施例中，可以分析顶盖的其他几何特征并将其输入到判别模型中。例如，可以分析沿着顶盖顶面的维度或形状轮廓，并将其输入到判别模型中。在其他实施例中，可以分析顶盖高度的梯度并将其输入到判别模型，即，作为宽度的函数的顶盖高度的改
变率。
27.在一些实施例中，可以分析顶盖的材料以获得可以输入到判别模型的另一区别特性。分析顶盖材料可以包括计算顶盖的不透明度或半透明度的度量。例如，算法可以使用顶盖的一个或多个背面照明的图像。在一些实施例中，可以在跨光的多个光谱（波长）上以高曝光时间捕获顶盖的背面照明的图像，并且可以通过算法分析图像。在一些实施例中，可以使用三个可见光谱（rgb）。例如，背面照明的红色通道图像可以曝光大约10309，背面照明的绿色通道图像可以曝光大约20615，并且背面照明的蓝色通道图像可以曝光大约10310。可以计算每个波长通道的统计数据并将其输入到判别模型中。例如，可以计算rgb的每个波长的高曝光图像的均值。利用这三个均值（r-mean、g-mean和b-mean），判别模型可以使用多维判别特征空间来进行顶盖标识。例如，7维区别特征空间（h，s，v，rg-max，r-mean，g-mean，b-mean）可以用于顶盖标识。然而，可以使用颜色特征空间的任何组合。
28.在n维特征空间（在该实施例中n=7）中，可以训练判别模型（例如判别器）来正确标识顶盖并因此标识管类型。判别器的示例是线性支持向量机（svm），该线性支持向量机（svm）在高维特征空间中围绕每个顶盖和/或管类型绘制决策超边界。然后可以标识顶盖和/或管类型。在一些实施例中，诸如顶盖高度、顶盖直径、管直径和/或管高度之类的更多特征或者其他基于视觉的特征可以作为附加的维度或形状输入被包括到判别模型中。也可以利用顶盖重量，诸如在成像阶段之后的去盖站处。在其他实施例中，可以使用其他背面照明的光或非可见光（例如，ir或近ir）来添加更强大的判别模型，以充分利用颜色空间的维度复杂性。
29.本文描述的模型和算法可以将特定的顶盖类型与其适当的管类型相关联，而不仅仅依赖于顶盖的颜色。模型和算法可以在没有来自操作者的输入的情况下执行这些任务，即，判别可以完全自动化。下面的描述提供了实现上述方法和设备的示例，以基于附接到管的顶盖来区分管类型。在其他实施例中，可以分析管组件的特性，并且模型和算法可以基于分析来确定管类型。
30.本文参考图1a至图8描述了方法和设备的另外细节。
31.现在参考图1a和图1b。图1a图示了第一管组件100a的侧视图，该第一管组件100a包括附接在第一管104a顶上的第一顶盖102a。图1b图示了第二管组件100b的侧视图，该第二管组件100b包括附接在第二管104b顶上的第二顶盖102b。例如，第一管组件100a可以来自第一制造商，并且第二管组件100b可以来自第二制造商，或者可以仅仅是来自同一制造商的不同管类型。第一管组件100a可以包括在执行第一测试中使用的位于第一管104a中的一个或多个化学添加剂（未示出），并且第二管组件100b可以包括在执行第二测试中使用的位于第二管104b中的一个或多个化学添加剂（未示出）。参考第一管组件100a，化学添加剂可以作为喷涂层添加在第一管104a中，作为小球或局部块，或者添加在第一管104a中的其它地方，或者添加在第一顶盖102a的下侧中或下侧上。化学添加剂可以在第二管组件100b中的类似位置。在一些实施例中，第一测试可以与第二测试相同，并且在其他实施例中，第一测试可以不同于第二测试。
32.第一顶盖102a可以具有第一颜色，并且第二顶盖102b可以具有第二颜色。一些顶盖可以具有多于一个颜色，诸如顶盖的一部分上有一个颜色，并且顶盖的另一部分上有第二颜色。在一些实施例中，第一颜色可能与第二颜色如此相似，使得仅有颜色的计算机算法
可能无法区分第一颜色和第二颜色。在其他实施例中，第一颜色可以不同于第二颜色。本文所述的方法和设备可以分析上述维度和/或形状特征和颜色，以区分第一顶盖102a和第二顶盖102b，并且因此区分第一管组件100a的管类型和第二管组件100b的管类型。
33.第一管组件100a和第二管组件100b的一个或多个图像可以由成像装置800捕获（图8）。图像可以是由多行和多列像素组成的像素化图像，其中每个图像包括多个像素。另外参考图2a和图2b，其中图2a图示了从第一管104a的图像移除的第一顶盖102a的掩模图像的示意图，并且图2b图示了从第二管104b移除的第二顶盖102b的掩模图像的示意图。在一些实施例中，在计算机上执行的算法可以将图像中的像素分类为顶盖，并且该分类可以用于隔离被分类为顶盖的那些像素，以用于附加处理，如图2a和图2b中所示的那样。图2a和图2b周围的框指示掩模图像与图1a的第一管组件100a和图2b（包括同样的框）的第二管组件100b对准的位置。框的大小（宽度和高度）以及框的位置可以由捕获提供在任何大小的管上的任何期望的顶盖类型所需的大小和位置来组成。
34.图2a的图像中的像素位置（阴影线所示）可以用于分析原始彩色图像，以确定第一顶盖102a的颜色。确定第一顶盖102a的颜色可以通过计算像素的均值颜色、像素的中间颜色、像素的众数值或像素的其他颜色值来执行。诸如k均值聚类的更高级的无监督机器学习方法也可以用于创建颜色聚类。可以在hsv颜色空间中计算均值颜色，以生成hsv颜色模型的三个颜色特征维度（h-色调、s-饱和度和v-值（亮度）），用于输入到第一管组件100a的判别模型。相同的过程可以应用于图2b中的像素（阴影线所示），以生成第二顶盖102b的三个颜色特征维度，用于输入到第二管组件100b的判别模型。
35.通过分析包括第一顶盖102a和/或第一管104a的第一管组件100a和包括第二顶盖102b和/或第二管104b的第二管组件100b的几何特征，可以获得输入到判别模型的附加维度。在计算机上执行的算法可以标识陡峭的颜色强度过渡以标识边缘，并且然后分析维度梯度、诸如第一顶盖102a的行梯度，并且可以包括第一管104a的部分。同样，算法可以分析维度梯度、诸如第二顶盖102b的行梯度，并且可以包括第二管104b的部分。
36.对图3a进行参考，图3a图示了第一管组件100a的部分，该部分可以被分析以确定几何梯度、诸如行梯度。还对图4a进行参考，图4a图示了第二管组件100b的部分，该部分可以被分析以确定几何梯度，诸如行梯度。参考图3a，该算法可以从顶部到底部（或从底部到顶部）扫描第一管104a的一部分和第一顶盖102a，以确定指示第一管104a的一部分和第一顶盖102a的形状的数值。在图3a的实施例中，数值是第一管104a的顶部部分和第一顶盖102a的各种宽度。这些数值可以基于标识第一顶盖102a和第一管104a的边缘的图像颜色强度改变。可选地，分割例程可以用于在像素空间中标识顶盖的边界。
37.另外参考图3b，图3b以图形方式图示了沿着图3a中所示的第一管组件100a作为垂直维度（y维度）的函数的各种宽度维度（x维度）。如图3a和图3b中所示，第一管组件100a在垂直位置v31处具有宽度w31，并且在垂直位置v32处具有宽度w32。第一管组件100a在垂直位置v33处具有宽度w33，这是第一管104a的宽度。这些宽度可以表示第一管组件100a在作为垂直位置的函数的宽度方面的独特几何特性。
38.另外参考图3c，图3c图示了第一管组件100a的图3b的维度绘图（宽度维度相对于垂直维度）的一阶导数。等式（1）可以应用于图3b的图，以产生图3c的图。注意，在处理期间可以忽略第一顶盖102a的最上面的行，因此当等式（1）应用于最上面的行时，一阶导数不接
近无穷大。图3c的图的y轴被称为宽度。被称为rg-max1的宽度的最大值在图3c的图上示出，并且可以作为除了颜色之外的另一模型输入而输入到第一管组件100a的判别模型中。
39.另外参照图4b，图4b以图形方式图示了作为垂直维度（y维度）的函数的图4a中所示的第二管组件100b的各种宽度（x维度）。如图4a和图4b中所示，第二管组件100b在垂直位置v41处具有宽度w41，并且在垂直位置v42处具有宽度w42。第二管组件100b在垂直位置v43处具有宽度w43，这是第二管104b的宽度。这些宽度表示第二管组件100b的独特几何特性。
40.另外参考图4c，图4c图示了如图4b的图上绘制的第二管组件100b的一阶导数。等式（1）可以应用于图4b的图，以产生图4c的图。注意，在处理期间可以忽略第二顶盖102b的最上面的行，因此当计算第一行的导数时，一阶导数不接近无穷大。图4c的图的y轴被称为宽度。宽度的最大峰值（称为rg-max2）在图4c的图上示出，并且可以作为另一模型输入而输入到第二管组件100b的判别模型中。在一些实施例中，宽度的一个或多个最小值可以连同颜色一起用作模型输入。
41.基于前述内容，第一管组件100a和第二管组件100b的梯度可以用于在不考虑第一顶盖102a和第二顶盖102b的颜色的情况下标识和/或区分管组件的至少一些特征。例如，它可以能够通过判别顶盖梯度来区分真空能力。在一些实施例中，第一顶盖102a和第二顶盖102b的顶盖宽度的梯度可以用于分别区分第一管组件100a和第二管组件100b的至少一些特征。
42.第一管组件100a和第二管组件100b的另一区别特性可以是顶盖材料和/或管材料，这可以通过计算不透明度或半透明度的度量来确定。为了测量该特性，可以对包括顶盖的管组件的部分进行背面照明，并且可以诸如在高曝光时间捕获管组件的图像，并且也可以使用多个光谱的照明来捕获。在一些实施例中，三个可见光谱（红色（r）、绿色（g）和蓝色（b））可以对第一管组件100a和第二管组件100b进行背面照明。然而，可以使用其他颜色，并且甚至可以使用包括uv和ir背光的颜色。例如，可以使用不可见光来照明第一管组件100a和第二管组件100b。
43.参考图5a，图5a图示了穿过第一管组件100a的第一顶盖102a并由成像装置（例如，图8的107a）捕获的示例光谱的图。还参考图5b，图5b图示了穿过第二管组件100b的第二顶盖102b并由成像装置捕获的示例光谱的图。图5a和图5b的图是在从0到255的强度标度（例如，均值强度）上绘制的，其中0是没有接收到光，并且255表示没有光被管组件阻挡。在一些实施例中，背面照明的红色通道图像可以曝光大约10309，背面照明的绿色通道图像可以曝光大约20615，并且背面照明的蓝色通道图像可以曝光大约10310。可以使用其他曝光。
44.另外参考图5c，图5c图示了第一管组件100a的一部分的一个在另一个之上的摄影图像。顶部摄影图像（标注为1）是利用具有全rgb色谱的前景照明捕获的第一管组件100a的一部分。第二至第四单色摄影图像图示了管部分对不同波长（例如，颜色）的光的透明度。例如，第二单色摄影图像（标注为2）是利用红色背景照明捕获的第一管组件100a的一部分。第三单色摄影图像（标注为3）是利用绿色背景照明捕获的第一管组件100a的一部分。第四单色摄影图像（标注为4）是利用蓝色背景照明捕获的第一管组件100a的一部分。
45.还参考图5d，图5d图示了第二管组件100b的一部分的一个在另一个之上的摄影图像。顶部摄影图像是利用全rgb色谱（标注为1）中的前景照明捕获的第二管组件100b的一部
分。第二单色摄影图像（标注为2）是利用红色背景照明捕获的第二管组件100b的一部分。第三单色摄影图像（标注为3）是利用绿色背景照明捕获的第二管组件100b的一部分。第四单色摄影图像（标注为4）是利用蓝色背景照明捕获的第二管组件100b的一部分。
46.从图5a和图5b的图中，示出了第一管组件100a的标注为1的部分在所有波长（r、g、b）中几乎完全透明，并且第二管组件100b的标注为1的部分阻挡了所有三个波长的大量光。在一些实施例中，计算高曝光图像的每个波长的均值，并分别称为r-mean、g-mean、b-mean。在一些实施例中，计算高曝光图像的每个波长的中值。
47.当计算所有上述特征值时，对于每个管组件，可以存在7维判别特征空间（h，s，v，rg-max，r-mean，g-mean，b-mean）。在n维特征空间中（在该实施例中n=7），可以训练判别模型以正确标识各种管类型。判别器的示例是线性svm，其在该高维特征空间中围绕每个管类型绘制决策超边界。基于前述模型，即使第一顶盖102a和第二顶盖102b具有完全相同或相似的颜色，也可以区分第一管组件100a和第二管组件100b。利用更多的光学特征——诸如顶盖不透明度或半透明度、顶盖重量、顶盖垂直高度、直径、（一个或多个）顶盖梯度或其他基于视觉的几何特征，或者附加的图像类型——诸如不同的背面照明或使用不可见光（例如，ir或近ir）的照明，可以使用甚至更强大的判别模型来充分利用空间的维度复杂性。颜色空间特征和几何特征的任何组合都可以用于顶盖类型判别。
48.本文描述的设备和方法使得诊断实验室能够区分可能通过实验室的许多不同的管类型。由于不同的制造商和/或特定地区的标准，仅仅依赖于顶盖的颜色可能导致不可靠的结果。基于前述内容，当顶盖颜色本身不足以在各种管类型之间区分时，本文公开的设备和方法改进了对各种管类型的判别，并有助于在各种管类型之间区分。这是有利的，因为它使得诊断装置或机器能够确定诊断装置或设备内的管类型（以及因此对应的特征），而不需要来自操作者的任何手动输入，即，它可以是完全自动化的。
49.在一些实施例中，一些对应的特征可以由操作者手动输入或者经由另一个传感器获得。对本文所述的设备和方法的优点有贡献的技术特征可以包括使用从一个或多个机载图像捕获装置或传感器收集的数据的每个管类型的高维特征向量，以及高维空间中的判别模型，以正确确定管类型。使用这样的高维判别模型可以加速样本处理工作流程，并且可以正确标识所订购的测试和所使用的管类型之间的不匹配。因此，可以进行检查，以确保基于如顶盖标识的其化学添加剂或几何特性来使用正确的管类型。
50.图8图示了成像装置800，其被配置为捕获由第一顶盖102a和第一管104a构成的第一管组件100a的一个或多个图像，其中所述一个或多个图像可以是由像素构成的像素化图像，其中每个图像包括多个像素。成像装置800也可以被称为诊断设备。成像装置800包括诸如光源805a的前光源，其可以是光板。在一些实施例中，可以使用多于一个光源，诸如定位在成像装置807的任一横向前侧的光板。可以在成像装置807的另一个横向前侧（如所示在纸外）在与光源805a相同的纵向位置提供另一个前光源，诸如光板。在一些实施例中，可以提供一个或多个背光源，诸如光源805b。例如，光源805b可以是一个或多个光板，其提供用于确定不透明度的光。其他布置也是可能的。
51.成像装置800可以进一步包括控制器809，控制器809通信地耦合到成像装置807和光源805a、805b。控制器809可以是任何合适的计算机，包括合适于诸如以判别模型的形式存储和执行可执行程序指令的存储器812和处理器810。控制器809可以在适当的时间向光
源805a、805b发送信号，以取决于被捕获的图像的类型（背光照或前光照）提供前光照和/或背光照。控制器809可以通过任何合适的分割程序（诸如cnn或其他训练模型）来标识第一顶盖102a和第一管104a。
52.一旦第一顶盖102a及其代表性区域被标识，其颜色可以由任何合适的颜色空间中的颜色模型、诸如hsv颜色模型来确定。可以使用其他合适的多元素色彩空间或模型，诸如hsl、rgb（红、绿、蓝）、adobe rgb、yiq、yuv、cielcab、cieluv、prophoto、srgb、luma plus chroma、cmyk或其他合适的色彩空间模型。同样，一旦第一顶盖102a和第一管104a被标识，维度确定程序或例程就可以确定第一管104a的宽度和/或高度和/或该维度的梯度（例如，作为顶盖高度的函数的宽度和/或作为宽度的函数的高度）。这些值可以输入到任何合适的标识模型（例如，判别模型）中，以确定第一管组件100a的类型。
53.现在参考图9，图9是标识管类型的方法900的流程图。方法900在902中包括捕获附着到管（例如，第一管104a）的顶盖（例如，第一顶盖102a）的一个或多个图像，该捕获生成顶盖的像素化图像，该像素化图像包括多个像素。方法900在904中包括标识顶盖的像素化图像的一个或多个像素的颜色。方法900在906中包括标识顶盖的维度的一个或多个梯度。方法900在908中包括至少基于一个或多个像素的颜色和顶盖的维度的一个或多个梯度来标识管类型。
54.现在参考图10，图10是标识管类型的方法1000的流程图。方法1000在1002中包括捕获顶盖（例如，第一顶盖102a）的一个或多个图像，该捕获生成顶盖的像素化图像。方法1000包括，在1004中，标识顶盖的颜色。该方法包括，在1006中，标识顶盖的维度梯度。方法1000包括，在1008中，至少基于顶盖的颜色和维度梯度来标识管类型。该方法包括，在1008中，标识安排的测试和管类型之间的匹配。如果管类型适合于安排的测试，则控制器809可以在显示器上指示“使用了正确的管类型”，或者报告所使用的管类型没有错误。如果指示不匹配，则系统可以报告错误，诸如通过在显示器上指示或以其他方式指示使用了“错误的管类型”。
55.虽然本公开容易受到各种修改和替代形式影响，但是其具体实施例及其方法已经通过附图中的示例示出并且在本文详细描述。然而，应该理解的是，这不旨在将本公开限制于所公开的特定系统或方法，而是相反，本发明旨在覆盖落入权利要求范围内的所有修改、等同物和替代物。
再多了解一些
本文用于企业家、创业者技术爱好者查询，结果仅供参考。
