采样区域的确定方法、装置、电子设备和存储介质与流程

1.本技术涉及图像处理技术领域，具体而言，涉及一种采样区域的确定方法、装置、电子设备和存储介质。


背景技术：

2.相关技术中，在采集口腔图像过程中，受环境光照影响，采集到的口腔图像可能过暗，导致确定的口腔内部的采样区域存在误差，造成自动化核酸采集装置无法在进行准确的采样。


技术实现要素：

3.本技术旨在至少解决相关技术中存在的技术问题之一。
4.为此，本技术的第一个方面在于提出一种采样区域的确定方法。
5.本技术的第二个方面在于提出一种采样区域的确定装置。
6.本技术的第三个方面在于提出一种电子设备。
7.本技术的第四个方面在于提出一种可读存储介质。
8.本技术的第五个方面在于提出一种计算机程序产品。
9.有鉴于此，根据本技术的一个方面，提出了一种采样区域的确定方法，该确定方法用于确定口腔内进行核酸采样的采样区域，该确定方法包括：获取第一图像的图像特征；将图像特征输入至第一模型，确定第一图像是否需要光照增强；在确定第一图像需要光照增强的情况下，对第一图像光照增强，并根据光照增强后的第一图像确定采样区域；在确定第一图像不需要光照增强的情况下，根据第一图像确定采样区域，其中，第一模型表示根据重参数化算法构建的模型。
10.需要说明的是，本技术所提出的采样区域的确定方法的执行主体可以是采样区域的确定装置，为了更加清楚的对本技术提出的采样区域的确定方法进行说明，下面技术方案中以采样区域的确定方法的执行主体为采样区域的确定装置进行示例性说明。
11.在该技术方案中，上述第一图像表示自动化核酸采集装置拍摄的口腔内的图像；上述图像特征表示第一图像中的颜色、纹理、形状和空间关系等特征。
12.具体地，确定装置首先获取第一图像的图像特征。具体而言，根据图像特征可以明确第一图像的基本参数，例如图像的色调和偏色值等，根据这些参数可以确定第一图像的光照情况。因此，确定装置需要获取上述图像特征。
13.进一步地，确定装置将获取的图像特征输入到第一模型中，判断上述第一图像需不需要进行光照增强。具体而言，上述第一模型表示通过gumbelsoftmax(重参数化)函数构建的模型，其能够将discrete(离散)方程转换为continuous(连续)方程来进行二值化选择，即能够根据具体的图像特征输出第一图像需不需要进行光照增强。
14.具体而言，由于光照增强算法通常计算量较大，计算速度慢，如果对采集的所有第一图像都进行光照增强会极大的影响采样效率，本技术中通过第一模型预先判断采集到的
第一图像是否需要进行光照增强，有效避免了出现上述情况。
15.进一步地，在判断得出需要对上述第一图像进行图像增强的情况下，确定装置对该第一图像光照增强，并对完成光照增强的第一图像进行分析和识别，确定出上述采样区域。
16.具体而言，如果上述第一模型判断得出需要对上述第一图像进行光照增强，则表明上述第一图像的光照参数不能够满足对第一图像进行识别，确定口腔内核酸采样区域的条件，因此，确定装置需要先对上述第一图像进行光照增强，然后根据完成光照增强的第一图像确定上述采样区域。
17.进一步地，在判断得出不需要对上述第一图像进行光照增强的情况下，确定装置直接对上述第一图像进行分析和识别，确定出上述采样区域。
18.具体而言，如果上述第一模型判断得出不需要对上述第一图像进行光照增强，则表明上述第一图像的光照参数能够满足对第一图像进行识别，确定口腔内核酸采样区域的条件，因此，确定装置无需对上述第一图像进行光照增强，直接根据自动化核酸采集的第一图像即可确定出上述采样区域。
19.在该技术方案中，确定装置可以根据获取的第一图像中的图像特征，通过预先构建好的第一模型判断第一图像是否需要进行光照增强，在确定需要进行光照增强时，可以根据完成光照增强的第一图像确定口腔内的核酸采样区域，这样，保证了确定的采样区域的准确性。在确定不需要进行光照增强时，可以直接根据采集的第一图像的原图确定口腔内核酸采样区域，这样，能够快速确定出采样区域，便于提高自动化核酸采集装置的采样效率。
20.此外，根据本技术的上述技术方案提出的采样区域的确定方法，还可以具有以下附加技术特征：
21.在上述技术方案中，确定第一图像是否需要光照增强的步骤具体包括：在第一模型输出第一目标值的情况下，确定第一图像需要光照增强；或在第一模型输出第二目标值的情况下，确定第一图像不需要光照增强。
22.在该技术方案中，确定装置通过判断第一模型输出的数值为第一目标值还是第二目标值，即可确认需不需要对上述第一图像进行光照增强，这样，提高了是否需要对上述第一图像进行光照增强的判断效率和判断准确性，进而提高了上述自动换核酸采集装置的采样效率。
23.在上述技术方案中，对第一图像光照增强的步骤具体包括：根据图像特征确定光照增强方案；根据光照增强方案对第一图像光照增强。
24.在该技术方案中，确定装置能够根据上述图像特征，确定出对于上述第一图像的具体光照增强方案，并能够根据该光照增强方案对第一图像进行光照增强。这样，保证了后续步骤中，根据完成光照增强的第一图像确定出的口腔内的核酸采样区域的准确性。
25.在上述技术方案中，根据图像特征确定光照增强方案的步骤具体包括：将图像特征输入至第二模型中，以使第二模型输出光照增强方案，其中，第二模型表示预先训练的神经网络模型。
26.在该技术方案中，确定装置通过将上述图片特征输入到第二模型中，即可确定出具体地光照增强方案，这样，提高了确定采样区域的效率和准确性，进而提高了自动化核酸
采集装置的采样效率。
27.在上述技术方案中，在确定采样区域之后，确定方法还包括：确定采样区域与预设采样区域的差异值；根据差异值，采用预设优化器优化第一模型和/或第二模型。在该技术方案中，确定装置根据采样区域的确定结果，可以明确确定出的采样区域与标准的采样区域之间的差异值，根据该差异值对第一模型进行优化，有利于提高第一模型对于上述第一图像是否需要光照增强的判断结果的准确性；根据该差异值对第二模型进行优化，有利于提高第二模型输出的光照增强方案的准确性。
28.在上述技术方案中，确定采样区域的步骤具体包括：采用区域分割算法对光照增强后的第一图像或第一图像进行区域划分，确定采样区域。
29.在上述技术方案中，获取第一图像的图像特征的步骤具体包括：获取第一图像；将第一图像输入至第三模型，以使第三模型输出图像特征，其中，第三模型表示预先训练卷积神经网络模型确定的用于特征提取的轻量化模型。
30.在该技术方案中，确定装置可以通过预先训练好的第三模型提取获取的第一图像中的图像特征，这样，保证了图像特征提取的效率，提高了自动化核酸采集装置的采集效率。
31.在上述技术方案中，在将第一图像输入至第三模型之前，确定方法还包括：生成与第一图像相对应的特征处理图像，特征处理图像的分辨率为预设分辨率；其中，将第一图像输入至第三模型包括：将特征处理图像输入至第三模型。
32.在该技术方案中，确定装置可以通过将第一图像的分辨率调节至预设分辨率确定特征处理图像，将该特征处理图像输入到第三模型进行图像特征提取的方式，提高第三模型的运行效率，提高特征提取的效率。
33.在上述技术方案中，第一图像表示采集的口腔图像。
34.在该技术方案中，上述第一图像表示自动化核酸采集装置采集的口腔图像，但不局限于此。
35.根据本技术的第二个方面，提出了一种采样区域的确定装置，该采样区域的确定装置用于确定口腔内进行核酸采样的采样区域，该采样区域的确定装置包括：获取模块，用于获取第一图像的图像特征；第一处理模块，用于将图像特征输入至第一模型，确定第一图像是否需要光照增强；第二处理模块，用于在确定第一图像需要光照增强的情况下，对第一图像光照增强，并根据光照增强后的第一图像确定采样区域；第二处理模块还用于在确定第一图像不需要光照增强的情况下，根据第一图像确定采样区域，其中，第一模型表示根据重参数化算法构建的模型。
36.在该技术方案中，上述第一图像表示自动化核酸采集装置拍摄的口腔内的图像；上述图像特征表示第一图像中的颜色、纹理、形状和空间关系等特征。
37.具体地，首先通过获取模块获取第一图像的图像特征。具体而言，根据图像特征可以明确第一图像的基本参数，例如图像的色调和偏色值等，根据这些参数可以确定第一图像的光照情况。因此，需要获取模块获取上述图像特征。
38.进一步地，第一处理模块将获取的图像特征输入到第一模型中，判断上述第一图像需不需要进行光照增强。具体而言，上述第一模型表示通过重参数化函数构建的模型，其能够将离散方程转换为连续方程来进行二值化选择，即能够根据具体的图像特征输出第一
图像需不需要进行光照增强。
39.具体而言，由于光照增强算法通常计算量较大，计算速度慢，如果对采集的所有第一图像都进行光照增强会极大的影响采样效率，本技术中通过第一模型预先判断采集到的第一图像是否需要进行光照增强，有效避免了出现上述情况。
40.进一步地，在判断得出需要对上述第一图像进行图像增强的情况下，第二处理模块对该第一图像光照增强，并对完成光照增强的第一图像进行分析和识别，确定出上述采样区域。
41.具体而言，如果上述第一模型判断得出需要对上述第一图像进行光照增强，则表明上述第一图像的光照参数不能够满足对第一图像进行识别，确定口腔内核酸采样区域的条件，因此，第二处理模块需要先对上述第一图像进行光照增强，然后根据完成光照增强的第一图像确定上述采样区域。
42.进一步地，在判断得出不需要对上述第一图像进行光照增强的情况下，第二处理模块直接对上述第一图像进行分析和识别，确定出上述采样区域。
43.具体而言，如果上述第一模型判断得出不需要对上述第一图像进行光照增强，则表明上述第一图像的光照参数能够满足对第一图像进行识别，确定口腔内核酸采样区域的条件，因此，第二处理模块无需对上述第一图像进行光照增强，直接根据自动化核酸采集的第一图像即可确定出上述采样区域。
44.在该技术方案中，第一处理模块可以根据获取的第一图像中的图像特征，通过预先构建好的第一模型判断第一图像是否需要进行光照增强，在确定需要进行光照增强时，第二处理模块可以根据完成光照增强的第一图像确定口腔内的核酸采样区域，这样，保证了确定的采样区域的准确性。在确定不需要进行光照增强时，第二处理模块可以直接根据采集的第一图像的原图确定口腔内核酸采样区域，这样，能够快速确定出采样区域，便于提高自动化核酸采集装置的采样效率。
45.根据本技术第三个方面，提出了一种电子设备，包括：存储器，存储器中存储有程序或指令；处理器，处理器执行存储在存储器中的程序或指令以实现如本技术上述技术方案提出的采样区域的确定方法的步骤，因而具有本技术上述技术方案提出的采样区域的确定方法的全部有益技术效果，在此不再做过多赘述。
46.根据本技术的第四个方面，提出了一种可读存储介质，其上存储有程序或指令，程序或指令被处理器执行时实现如本技术上述技术方案提出的采样区域的确定方法。因此，该可读存储介质具备本技术上述技术方案提出的采样区域的确定方法的全部有益效果，在此不再赘述。
47.根据本技术的第五个方面，提出了一种计算机程序产品，包括计算机程序，计算机程序被处理器执行时实现如本技术上述技术方案提出的采样区域的确定方法。因此，该计算机程序产品具备本技术上述技术方案提出的采样区域的确定方法的全部有益效果，在此不再赘述。
48.本技术的附加方面和优点将在下面的描述部分中变得明显，或通过本技术的实践了解到。
附图说明
49.本技术的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
50.图1示出了本技术实施例的采样区域的确定方法的流程示意图之一；
51.图2示出了本技术实施例的采样区域的确定方法的流程示意图之二；
52.图3示出了本技术实施例的采样区域的确定方法的流程示意图之三；
53.图4示出了本技术实施例的采样区域的确定方法的流程示意图之四；
54.图5示出了本技术实施例的采样区域的确定方法的流程示意图之五；
55.图6示出了本技术实施例的采样区域的确定装置的示意框图；
56.图7示出了本技术实施例的电子设备的示意框图。
57.图8示出了本技术实施例的对第一图像进行处理的示意图。
具体实施方式
58.为了能够更清楚地理解本技术的上述目的、特征和优点，下面结合附图和具体实施方式对本技术进行进一步的详细描述。需要说明的是，在不冲突的情况下，本技术的实施例及实施例中的特征可以相互组合。
59.在下面的描述中阐述了很多具体细节以便于充分理解本技术，但是，本技术还可以采用其他不同于在此描述的其他方式来实施，因此，本技术的保护范围并不限于下面公开的具体实施例的限制。
60.下面结合图1至图8，通过具体的实施例及其应用场景对本技术实施例提供的一种采样区域的确定方法、装置、电子设备和存储介质进行详细地说明。
61.实施例一：
62.图1示出了本技术实施例的采样区域的确定方法的流程示意图，该确定方法包括：
63.s102，获取第一图像的图像特征；
64.s104，将图像特征输入至第一模型，确定第一图像是否需要光照增强；
65.s106，在确定第一图像需要光照增强的情况下，对第一图像光照增强，并根据光照增强后的第一图像确定采样区域；
66.s108，在确定第一图像不需要光照增强的情况下，根据第一图像确定采样区域。
67.其中，第一模型表示根据重参数化算法构建的模型。
68.需要说明的是，本技术所提出的采样区域的确定方法的执行主体可以是采样区域的确定装置，为了更加清楚的对本技术的技术方案进行说明，下面实施例中以执行主体为采样区域的确定装置进行示例性说明。
69.在该实施例中，上述第一图像表示自动化核酸采集装置拍摄的口腔内的图像；上述图像特征表示第一图像中的颜色、纹理、形状和空间关系等特征。
70.具体地，确定装置首先获取上述第一图像中的图像特征。具体而言，根据图像特征可以明确第一图像的基本参数，例如图像的色调和偏色值等，根据这些参数可以确定第一图像的光照情况。因此，确定装置需要获取上述图像特征。
71.示例性地，在自动化核酸采集装置上设置有图像采集装置，用于采集上述第一图像，在采集完成后，确定装置回提取第一图像中的图像特征，提取完成后，会将其保存至预
设存储区域中，因此，确定装置可以通过从该预设存储区域调取数据的方式获取上述图像特征。
72.进一步地，确定装置将获取的图像特征输入到第一模型中，判断上述第一图像需不需要进行光照增强。具体而言，上述第一模型表示通过gumbelsoftmax(重参数化)函数构建的模型，其能够将discrete(离散)方程转换为continuous(连续)方程来进行二值化选择，即能够根据具体的图像特征输出第一图像需不需要进行光照增强。
73.具体而言，由于光照增强算法通常计算量较大，计算速度慢，如果对采集的所有第一图像都进行光照增强会极大的影响采样效率，本技术中通过第一模型预先判断采集到的第一图像是否需要进行光照增强，有效避免了出现上述情况。
74.进一步地，在判断得出需要对上述第一图像进行图像增强的情况下，确定装置对该第一图像光照增强，并对完成光照增强的第一图像进行分析和识别，确定出上述采样区域。
75.具体而言，如果上述第一模型判断得出需要对上述第一图像进行光照增强，则表明上述第一图像的光照参数不能够满足对第一图像进行识别，确定口腔内核酸采样区域的条件，因此，确定装置需要先对上述第一图像进行光照增强，然后根据完成光照增强的第一图像确定上述采样区域。
76.进一步地，在判断得出不需要对上述第一图像进行光照增强的情况下，确定装置直接对上述第一图像进行分析和识别，确定出上述采样区域。
77.具体而言，如果上述第一模型判断得出不需要对上述第一图像进行光照增强，则表明上述第一图像的光照参数能够满足对第一图像进行识别，确定口腔内核酸采样区域的条件，因此，确定装置无需对上述第一图像进行光照增强，直接根据自动化核酸采集的第一图像即可确定出上述采样区域。
78.示例性地，可以采用采用区域分割算法对完成光照增强的第一图像或者上述第一图像进行区域划分，确定上述采样区域。
79.具体而言，上述区域分割算法表示一种将图像中具有相似性质的像索连通，构成分割区域的算法。
80.具体地，采用区域分割算法对完成光照增强的第一图像或者第一图像的原图进行识别和处理，可以有效的提高确定出的口腔内的核酸采样区域。
81.示例性地，确定装置还可以采用其他的算法综合上述区域分割算法对完成光照增强的第一图像或者第一图像的原图进行识别和处理进行分割，这样，有利于提高确定出采样区域的准确性。
82.在该实施例中，确定装置可以根据获取的第一图像中的图像特征，通过预先构建好的第一模型判断第一图像是否需要进行光照增强，在确定需要进行光照增强时，可以根据完成光照增强的第一图像确定口腔内的核酸采样区域，这样，保证了确定的采样区域的准确性。在确定不需要进行光照增强时，可以直接根据采集的第一图像的原图确定口腔内核酸采样区域，这样，能够快速确定出采样区域，便于提高自动化核酸采集装置的采样效率。
83.图2示出了本技术实施例的采样区域的确定方法的流程示意图，该确定方法包括：
84.s202，获取第一图像的图像特征；
85.s204，将图像特征输入至第一模型，确定第一图像是否需要光照增强；
86.s206，在第一模型输出第一目标值的情况下，确定第一图像需要光照增强；
87.s208，在确定第一图像需要光照增强的情况下，对第一图像光照增强，并根据光照增强后的第一图像确定采样区域；
88.s210，在第一模型输出第二目标值的情况下，确定第一图像不需要光照增强；
89.s212，在确定第一图像不需要光照增强的情况下，根据第一图像确定采样区域。
90.在该实施例中，由于上述第一模型为根据重参数化函数构建的模型，所以该模型的输出仅包含两个数值，即上述第一目标值和上述第二目标值，具体而言，该第一目标值为1，该第二目标值为0。
91.具体地，确定装置判断需不需要对上述第一图像进行光照增强的过程为：确定装置判断第一模型输出的数值是第一目标值还是第二目标值，即判断第一模型输出的数值是1还是0。
92.具体地。在确定装置确定第一模型输出的数值为第一目标值，即输出的数值为1的情况下，确定装置确定需要对上述第一图像进行光照增强。
93.具体而言，如果上述第一模型输出的数值为第一目标值，则表明第一模型通过上述图像特征判断出根据目前的第一图像无法准确的确定口腔内的核酸采样区域，因此，确定装置可以确定需要对该第一图像进行光照增强。
94.具体地，在确定装置确定第一模型输出的数值为第二目标值，即输出的数值为0的情况下，确定装置确定不需要对上述第一图像进行光照增强。
95.具体而言，如果上述第一模型输出的数值为第二目标值，则表明第一模型通过上述图像特征判断出根据目前的第一图像能够准确的确定口腔内的核酸采样区域，因此，确定装置可以确定不需要对该第一图像进行光照增强。
96.在该实施例中，确定装置通过判断第一模型输出的数值为第一目标值还是第二目标值，即可确认需不需要对上述第一图像进行光照增强，这样，提高了是否需要对上述第一图像进行光照增强的判断效率和判断准确性，进而提高了上述自动换核酸采集装置的采样效率。
97.图3示出了本技术实施例的采样区域的确定方法的流程示意图，该确定方法包括：
98.s302，获取第一图像的图像特征；
99.s304，将图像特征输入至第一模型，确定第一图像是否需要光照增强；
100.s306，在确定第一图像需要光照增强的情况下，根据图像特征确定光照增强方案；
101.s308，根据光照增强方案对第一图像光照增强，并根据光照增强后的第一图像确定采样区域；
102.s310，在确定第一图像不需要光照增强的情况下，根据第一图像确定采样区域。
103.在该实施例中，确定装置在对上述第一图像进行光照增强之前，确定装置还需要根据上述图像特征确定具体的光照增强方案。
104.具体而言，根据上述图像特征，可以明确第一图像的基本参数，根据基本参数可以明确需要调节哪些参数以及需要将这些参数调节至何值，上述第一图像才能够满足准确确定采样区域的要求，因此，确定装置能够根据上述图像特征确定出对于第一图像的光照增强方案。
105.进一步地，确定装置根据确定出的光照增强方案对上述第一图像进行光照增强，转换出能够用于准确确定采样区域的图像。
106.示例性地，确定装置还可以通过直接将第一图像的图像亮度至预设范围或者直接对上述第一图像进行去雾处理方式对上述第一图像进行光照增强，这样，可以简化光照增强流程，进而可以提高自动化核酸采集装置的采样效率。
107.在该实施例中，确定装置能够根据上述图像特征，确定出对于上述第一图像的具体光照增强方案，并能够根据该光照增强方案对第一图像进行光照增强。这样，保证了后续步骤中，根据完成光照增强的第一图像确定出的口腔内的核酸采样区域的准确性。
108.图4示出了本技术实施例的采样区域的确定方法的流程示意图，该确定方法包括：
109.s402，获取第一图像的图像特征；
110.s404，将图像特征输入至第一模型，确定第一图像是否需要光照增强；
111.s406，在确定第一图像需要光照增强的情况下，将图像特征输入至第二模型中，以使第二模型输出光照增强方案；
112.s408，根据光照增强方案对第一图像光照增强,并根据光照增强后的第一图像确定采样区域；
113.s410，在确定第一图像不需要光照增强的情况下，根据第一图像确定采样区域。
114.其中，第二模型表示预先训练的神经网络模型。
115.在该实施例中，上述第二模型表示预先训练的enlightengan(高效无监督的生成对抗网络)模型或者神经网络模型，但不局限于此。
116.具体地，确定装置确定上述对于第一图像的具体光照增强方案的过程为：确定装置将上述图像特征输入到上述第二模型，第二模型根据输入的图像特征即可确定出具体的光照增强方案。
117.具体而言，第二模型可以根据上述图像特征确定第一图像的与光照有关的基本参数与标准参数值之间的差异值，并能够根据这些差异值计算出需调整哪些参数以及这些参数应该调节至何值。
118.在该实施例中，确定装置通过将上述图片特征输入到第二模型中，即可确定出具体地光照增强方案，这样，提高了确定采样区域的效率和准确性，进而提高了自动化核酸采集装置的采样效率。
119.在上述实施例中，在确定采样区域之后，确定方法还包括：确定采样区域与预设采样区域的差异值；根据差异值，采用预设优化器优化第一模型和/或第二模型。在该实施例中，在确定出口腔内的核酸的采样区域后，确定装置还能够根据采样区域的确定结果，对上述第一模型和/或第二模型进行优化。
120.具体而言，根据采样区域的确定结果，可以明确确定出的采样区域与标准的采样区域之间的差异值，根据该差异值对第一模型进行优化，有利于提高第一模型对于上述第一图像是否需要光照增强的判断结果的准确性；根据该差异值对第二模型进行优化，有利于提高第二模型输出的光照增强方案的准确性。
121.示例性地，可以使用adam(adaptive moment estimation，适应性矩估计)优化器，将其initiallearningrate(初生值)设置为3e-4，weight-decay(重量衰减值)设置为1e-4，根据上述差异值对上述第一模型和/或上述第二模型进行优化操作。
122.图5示出了本技术实施例的采样区域的确定方法的流程示意图，该确定方法包括：
123.s502，获取第一图像；
124.s504，将第一图像输入至第三模型，以使第三模型输出图像特征；
125.s506，将图像特征输入至第一模型，确定第一图像是否需要光照增强；
126.s508，在确定第一图像需要光照增强的情况下，对第一图像光照增强，并根据光照增强后的第一图像确定采样区域；
127.s510，在确定第一图像不需要光照增强的情况下，根据第一图像确定采样区域。
128.其中，第三模型表示预先训练卷积神经网络模型确定的用于特征提取的轻量化模型。
129.在该实施例中，上述第三模型表示预先训练的能够提取图像中的图像特征的卷积神经网络模型。
130.具体地，获取上述图像特征的过程为，确定装置首先获取上述第一图像，并将该第一图像输入到第三模型中，进行图像特征提取，以确定上述图像特征。
131.示例性地，在自动化核酸采集装置上设置有图像采集装置，用于采集口腔内的图像，确定装置可以通过该图像采集装置获取上述第一图像。
132.在该实施例中，确定装置可以通过预先训练好的第三模型提取获取的第一图像中的图像特征，这样，保证了图像特征提取的效率，提高了自动化核酸采集装置的采集效率。
133.在上述实施例中，在将第一图像输入至第三模型之前，确定方法还包括：生成与第一图像相对应的特征处理图像，特征处理图像的分辨率为预设分辨率；其中，将第一图像输入至第三模型包括：将特征处理图像输入至第三模型。
134.在该实施例中，上述特征处理图像表示分辨率为预设分辨率的第一图像。
135.具体地，在将获取的第一图像输入到上述第三模型之前，确定装置还需要把该第一图像的分辨率调节到预设分辨率确定出特征处理图像。具体地，预设分辨率为第三模型运行的最佳分辨率。
136.进一步地，在确定上述图像的过程中，确定装置是将该特征处理图像输入到第三模型进行特征提取，这样，能够提升模型运行速度，实现对每张图像增强方案的定制化增强，如果不进行分辨率的转换，可能会导致耗费资源过大，不利于实现上述定制化增强的方案。
137.示例性地，上述预设分辨率根据上述第三模型的性能设定。
138.在该实施例中，确定装置可以通过将第一图像的分辨率调节至预设分辨率确定特征处理图像，将该特征处理图像输入到第三模型进行图像特征提取的方式，提高第三模型的运行效率，提高特征提取的效率。
139.在上述实施例中，上述第一图像表示自动化核酸采集装置采集的口腔图像，但不局限于此。
140.示例性地，上述第一图像还可以表示采集的胃镜图像，通过确定胃镜图像中的采样区域，可以准确的获取患者胃内的化验示样。
141.实施例二：
142.图6示出了本技术实施例的采样区域的确定装置的示意框图，该采样区域的确定装置600用于确定口腔内进行核酸采样的采样区域，该采样区域的确定装置600包括：获取
模块602，用于获取第一图像的图像特征；第一处理模块604，用于将图像特征输入至第一模型，确定第一图像是否需要光照增强；第二处理模块606，用于在确定第一图像需要光照增强的情况下，对第一图像光照增强，并根据光照增强后的第一图像确定采样区域；第二处理模块606还用于在确定第一图像不需要光照增强的情况下，根据第一图像确定采样区域，其中，第一模型表示根据重参数化算法构建的模型。
143.在该实施例中，上述第一图像表示自动化核酸采集装置拍摄的口腔内的图像；上述图像特征表示第一图像中的颜色、纹理、形状和空间关系等特征。
144.具体地，首先通过获取模块602获取第一图像的图像特征。具体而言，根据图像特征可以明确第一图像的基本参数，例如图像的色调和偏色值等，根据这些参数可以确定第一图像的光照情况。因此，需要获取模块602获取上述图像特征。
145.进一步地，第一处理模块604将获取的图像特征输入到第一模型中，判断上述第一图像需不需要进行光照增强。具体而言，上述第一模型表示通过重参数化函数构建的模型，其能够将离散方程转换为连续方程来进行二值化选择，即能够根据具体的图像特征输出第一图像需不需要进行光照增强。
146.具体而言，由于光照增强算法通常计算量较大，计算速度慢，如果对采集的所有第一图像都进行光照增强会极大的影响采样效率，本技术中通过第一模型预先判断采集到的第一图像是否需要进行光照增强，有效避免了出现上述情况。
147.进一步地，在判断得出需要对上述第一图像进行图像增强的情况下，第二处理模块606对该第一图像光照增强，并对完成光照增强的第一图像进行分析和识别，确定出上述采样区域。
148.具体而言，如果上述第一模型判断得出需要对上述第一图像进行光照增强，则表明上述第一图像的光照参数不能够满足对第一图像进行识别，确定口腔内核酸采样区域的条件，因此，第二处理模块606需要先对上述第一图像进行光照增强，然后根据完成光照增强的第一图像确定上述采样区域。
149.进一步地，在判断得出不需要对上述第一图像进行光照增强的情况下，第二处理模块606直接对上述第一图像进行分析和识别，确定出上述采样区域。
150.具体而言，如果上述第一模型判断得出不需要对上述第一图像进行光照增强，则表明上述第一图像的光照参数能够满足对第一图像进行识别，确定口腔内核酸采样区域的条件，因此，第二处理模块606无需对上述第一图像进行光照增强，直接根据自动化核酸采集的第一图像即可确定出上述采样区域。
151.在该实施例中，第一处理模块604可以根据获取的第一图像中的图像特征，通过预先构建好的第一模型判断第一图像是否需要进行光照增强，在确定需要进行光照增强时，第二处理模块606可以根据完成光照增强的第一图像确定口腔内的核酸采样区域，这样，保证了确定的采样区域的准确性。在确定不需要进行光照增强时，第二处理模块606可以直接根据采集的第一图像的原图确定口腔内核酸采样区域，这样，能够快速确定出采样区域，便于提高自动化核酸采集装置的采样效率。
152.在上述实施例中，第一处理模块604具体用于在第一模型输出第一目标值的情况下，确定第一图像需要光照增强；第一处理模块604具体用于在第一模型输出第二目标值的情况下，确定第一图像不需要光照增强。
153.在该实施例中，第一处理模块604通过判断第一模型输出的数值为第一目标值还是第二目标值，即可确认需不需要对上述第一图像进行光照增强，这样，提高了是否需要对上述第一图像进行光照增强的判断效率和判断准确性，进而提高了上述自动换核酸采集装置的采样效率。
154.在上述实施例中，第二处理模块606具体用于根据图像特征确定光照增强方案；第二处理模块606具体用于根据光照增强方案对第一图像光照增强。
155.在该实施例中，第二处理模块606能够根据上述图像特征，确定出对于上述第一图像的具体光照增强方案，并能够根据该光照增强方案对第一图像进行光照增强。这样，保证了后续步骤中，根据完成光照增强的第一图像确定出的口腔内的核酸采样区域的准确性。
156.在上述实施例中，第二处理模块606具体用于将图像特征输入至第二模型中，以使第二模型输出光照增强方案，其中，第二模型表示预先训练的神经网络模型。
157.在该实施例中，第二处理模块606通过将上述图片特征输入到第二模型中，即可确定出具体地光照增强方案，这样，提高了确定采样区域的效率和准确性，进而提高了自动化核酸采集装置的采样效率。
158.在上述实施例中，第二处理模块606还用于确定采样区域与预设采样区域的差异值；根据差异值，采用预设优化器优化第一模型和/或第二模型。在该实施例中，第二处理模块606可以根据采样区域的确定结果，明确确定出的采样区域与标准的采样区域之间的差异值，根据该差异值对第一模型进行优化，有利于提高第一模型对于上述第一图像是否需要光照增强的判断结果的准确性；根据该差异值对第二模型进行优化，有利于提高第二模型输出的光照增强方案的准确性。
159.在上述实施例中，第二处理模块606具体用于采用区域分割算法对光照增强后的第一图像或第一图像进行区域划分，确定采样区域。
160.在上述实施例中，获取模块602具体用于获取第一图像；第一处理模块604还用于将第一图像输入至第三模型，以使第三模型输出图像特征，其中，第三模型表示预先训练卷积神经网络模型确定的用于特征提取的轻量化模型。
161.在该实施例中，第一处理模块604可以通过预先训练好的第三模型提取获取的第一图像中的图像特征，这样，保证了图像特征提取的效率，提高了自动化核酸采集装置的采集效率。
162.在上述实施例中，第一处理模块604还用于生成与第一图像相对应的特征处理图像，特征处理图像的分辨率为预设分辨率；第一处理模块604具体用于将特征处理图像输入至第三模型。
163.在该实施例中，第一处理模块604可以通过将第一图像的分辨率调节至预设分辨率确定特征处理图像，将该特征处理图像输入到第三模型进行图像特征提取的方式，提高第三模型的运行效率，提高特征提取的效率。在上述实施例中，获取模块602获取的第一图像表示采集的口腔图像。
164.在该实施例中，上述第一图像表示自动化核酸采集装置采集的口腔图像，但不局限于此。
165.实施例三：
166.图7示出了本技术实施例的电子设备的示意框图，其中，该电子设备700包括：存储
器702，存储器702中存储有程序或指令；处理器704，处理器704执行存储在存储器702中的程序或指令以实现如本技术上述实施例提出的对话系统的评测方法的步骤，因而具有本技术上述实施例提出的对话系统的评测方法的全部有益技术效果，在此不再做过多赘述。
167.实施例四：
168.根据本技术的第四个实施例，提出了一种可读存储介质，其上存储有程序或指令，程序或指令被处理器执行时实现如本技术上述实施例提出的采样区域的确定方法。因此，该可读存储介质具备本技术上述实施例提出的采样区域的确定方法的全部有益效果，在此不再赘述。
169.实施例五：
170.根据本技术的第五个实施例，提出了一种计算机程序产品，包括计算机程序，计算机程序被处理器执行时实现如本技术上述实施例提出的采样区域的确定方法。因此，该计算机程序产品具备本技术上述实施例提出的采样区域的确定方法的全部有益效果，在此不再赘述。
171.实施例六：
172.图8示出本技术对第一图像进行处理的示意图，如图8所示，确定装置首先将采集的第一图像转换成预设分辨率的图像，然后采用上述第三模型提取调节分辨率后的第一图像中的图像特征。
173.进一步地，确定装置将图像特征输入到上述第一模型中确定第一图像是否需要进行增强，在确定不需要增强的情况下，直接根据第一图像确定核算的采样区域；在确定需要增强的情况下，将图像特征输入到上述第二模型中确定光照增强方案，根据光照增强方案对第一图像进行增强，然后根据光照增强后的第一图像确定核酸采样区域。
174.在本说明书的描述中，术语“第一”、“第二”仅用于描述的目的，而不能理解为指示或暗示相对重要性，除非另有明确的规定和限定；术语“连接”、“安装”、“固定”等均应做广义理解，例如，“连接”可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是直接相连，也可以通过中间媒介间接相连。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本技术中的具体含义。
175.在本说明书的描述中，术语“一个实施例”、“一些实施例”、“具体实施例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或特点包含于本技术的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或实例。而且，描述的具体特征、结构、材料或特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
176.另外，本技术各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本技术要求的保护范围之内。
177.以上仅为本技术的优选实施例而已，并不用于限制本技术，对于本领域的技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本技术的保护范围之内。