基于机器视觉的医疗采样快速候检方法

1.本发明涉及医疗采样快速候检方法领域，尤其涉及基于机器视觉的医疗采样快速候检方法。


背景技术：

2.根据检疫工作的需要，现已催生出很多关于拭子采样的专利，极大数量的专利思考方向都是对采样器具的发明改进、使用机器人代替医护采样的装置甚至有为方便采样而为患者设计的座椅。
3.而现有的医疗技术中，各地需要频繁的大规模进行核酸检测，给采样检测的工作人员带来较大的工作压力，同时也造成了核酸检测效率难以有效得到进一步的提高，以及根据专利号为：cn113520469a；申请日为：20210715；的中国发明专利其公开了一种基于机器视觉的医疗采样快速候检方法，依托6 自由度侯检椅充分利用机器视觉算法，可以实现对患者的身份信息核验、自动送检、在正式采样前对患者位姿进行调整等功能。当患者进入待采样区域时坐入侯检椅，通过其搭载的微型计算机对患者进行身份核验。核验成功后，侯检椅通过循迹控制模块，延地面既定轨道向采样区运动。在正式采样前候诊椅经过一缓冲区，在缓冲区内，通过另一摄像头捕捉人体姿态信息，利用人体姿态估计算法和6自由度侯检椅对患者位姿进行必要调整，其目的在于方便医生采样，缩短整体采样时长。本方法不拘泥于咽拭子采样，也不针对采样瞬间的自动化，更在于协助减少采样时长、实现侯检无人化引导、保护医患和可灵活部署。但是其为虽然提高了前端采样检测的效率，但是并没有有效的提高在采样样本获取后，对后续样本的进一步高效检测。因此提出基于机器视觉的医疗采样快速候检方法。


技术实现要素：

4.本发明的目的在于提供基于机器视觉的医疗采样快速候检方法，解决了现有的医疗样本的检测中，不能高效快速的对后端获取的医疗采样样本进行侯检测，降低医疗检测的效率，同时增大了医务人员的工作强度的问题。
5.为实现上述目的，本发明提供如下技术方案：基于机器视觉的医疗采样快速候检方法，包括以下方法的：
6.s1：首先进行采样，在采样瓶上粘贴必要的标贴，然后将采样后的采样瓶按顺序进行摆放；
7.s2：通过控制基于机器视觉的机械抓取臂，对各个采样瓶身的标贴进行识别；
8.s3：图像获取：机械抓取壁臂通过对采样瓶身的标识图像信息进行获取识别；
9.s4：预处理：对获取的图像信息进行预处理，减少后续图像处理的工作压力，提前对图像进行去噪、增强、补偿等处理，提供清晰度较高的图像；
10.s5：特征值提取：对图像中的主要特征值进行提取，以提取对图像识别的速率和精度有较大影响；
11.s6：图像匹配：研究判断两幅图像之间的相似程度，而图像之间的相似性随着算法要求的不同而改变，进而可以通过判断所获取的图像中包含的信息，以方便对不同的采样瓶包含的信息进行确定；
12.s7：在对不同的采样瓶的信息进行确定后再通过机械抓取臂对目标采样瓶进行抓取，然后进行检测。
13.优选的，所述s2中基于机器视觉的机械抓取臂上安装有摄像机，摄像机将采集到的图像通过图像采集卡传输到硬件处理部分。
14.优选的，所述s4中根据不同的图像识别算法，在预处理阶段可对不同的特征值、灰度值等参数进行相应处理。
15.优选的，所述图像识别算法为图像分割、图像二值化或者灰度检测等技术。
16.优选的，所述s5中特征提取是使用计算机提取图像信息，决定每个图像的点是否属于一个图像特征，特征提取的作用就是把图像上各个点划分为不同的子集如孤立的点、连续曲线、连续区域等，通常图像的特征为颜色特征、纹理特征、形状特征、局部特征。
17.优选的，所述s6中使用图像的复杂性以及图像获取时的光照、角度、环境的不同，所以图相匹配需要选取合适的特征点来简化图像，增强识别准确性。
18.与相关技术相比较，本发明提供的基于机器视觉的医疗采样快速候检方法具有如下有益效果：
19.1、本发明提供基于机器视觉的医疗采样快速候检方法，通过在采样后，由后端的基于机器视觉的机械抓取臂对采样后的样品瓶进行识别抓取，有效的降低了后续工作人员的检测压力，提高了医疗采样快速侯检的效率，且随着“互联网 ”的兴起，互联网 医疗已经成为医疗领域的发展趋势。在医学检测方面，可以有效地进行医疗器械检测、实验室检测等。在临床医学中也可以结合多项检测技术，对检测结果进行一定的分析和统计，帮助进行理疗诊断，极大的提高了医疗采样检测的效率。
附图说明
20.图1为本发明的基于机器视觉的医疗采样快速候检方法的流程图。
具体实施方式
21.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例；基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
22.实施例一：
23.请参阅图1，本发明提供一种技术方案：基于机器视觉的医疗采样快速候检方法，包括以下方法的：
24.s1：首先进行采样，在采样瓶上粘贴必要的标贴，然后将采样后的采样瓶按顺序进行摆放；
25.s2：通过控制基于机器视觉的机械抓取臂，对各个采样瓶身的标贴进行识别；
26.s3：图像获取：机械抓取壁臂通过对采样瓶身的标识图像信息进行获取识别；
27.s4：预处理：对获取的图像信息进行预处理，减少后续图像处理的工作压力，提前对图像进行去噪、增强、补偿等处理，提供清晰度较高的图像；
28.s5：特征值提取：对图像中的主要特征值进行提取，以提取对图像识别的速率和精度有较大影响；
29.s6：图像匹配：研究判断两幅图像之间的相似程度，而图像之间的相似性随着算法要求的不同而改变，进而可以通过判断所获取的图像中包含的信息，以方便对不同的采样瓶包含的信息进行确定；
30.s7：在对不同的采样瓶的信息进行确定后再通过机械抓取臂对目标采样瓶进行抓取，然后进行检测。
31.s2中基于机器视觉的机械抓取臂上安装有摄像机，摄像机将采集到的图像通过图像采集卡传输到硬件处理部分。
32.s4中根据不同的图像识别算法，在预处理阶段可对不同的特征值、灰度值等参数进行相应处理。
33.图像识别算法为图像分割、图像二值化或者灰度检测等技术。
34.s5中特征提取是使用计算机提取图像信息，决定每个图像的点是否属于一个图像特征，特征提取的作用就是把图像上各个点划分为不同的子集如孤立的点、连续曲线、连续区域等，通常图像的特征为颜色特征、纹理特征、形状特征、局部特征。
35.s6中使用图像的复杂性以及图像获取时的光照、角度、环境的不同，所以图相匹配需要选取合适的特征点来简化图像，增强识别准确性。
36.本实施方案中，通过在采样后，由后端的基于机器视觉的机械抓取臂对采样后的样品瓶进行识别抓取，有效的降低了后续工作人员的检测压力，提高了医疗采样快速侯检的效率，且随着“互联网 ”的兴起，互联网 医疗已经成为医疗领域的发展趋势。在医学检测方面，可以有效地进行医疗器械检测、实验室检测等。在临床医学中也可以结合多项检测技术，对检测结果进行一定的分析和统计，帮助进行理疗诊断，极大的提高了医疗采样检测的效率。