一种抗原试剂盒图像处理方法、装置、设备及存储介质与流程

本发明涉及计算机图像处理技术，尤其涉及一种抗原试剂盒图像处理方法、装置、设备及存储介质。

背景技术：

1、抗原检测是通过检测样本中的特定蛋白质(即抗原)来诊断感染。抗原检测使用一种叫做免疫层析法的技术。在这个过程中，样本被加入到一个检测试剂盒中，这个盒子中含有能够识别病毒蛋白质的抗体。如果样本中存在病毒蛋白质，则这些抗体会与该蛋白质结合。这种结合会产生一个可见的指示条，这表明样本中存在病毒。

2、在一些情况下，需要将试剂盒图像上传到服务器，由服务器识别检测结果，从而对大众的病毒感染情况有全局的了解。但是，试剂盒图像由用户拍摄，由于用户使用的拍摄设备、拍摄时所处的环境和拍摄角度等影响，可能导致试剂盒图像的质量较差，从而造成识别的检测结果不准确。

技术实现思路

1、本发明提供一种抗原试剂盒图像处理方法、装置、设备及存储介质，以提高抗原检测结果的识别准确度，简化推理模型，提高判断效率。

2、第一方面，本发明提供了一种抗原试剂盒图像处理方法，包括：

3、获取用户上传的抗原试剂盒图像；

4、将所述抗原试剂盒图像输入轻量化高效模型中进行清晰度判断；

5、在判断结果为不清晰时，对所述抗原试剂盒图像进行图像增强；

6、将图像增强后的图像输入到识别模型中进行识别，得到抗原检测结果；

7、在判断结果为清晰时，将所述抗原试剂盒图像输入到识别模型中进行识别，得到抗原检测结果。

8、可选的，所述轻量化高效模型包括茎模块、多个反向残差移动模块和分类器，将所述抗原试剂盒图像输入轻量化高效模型中进行清晰度判断，包括：

9、在所述茎模块对所述抗原试剂盒图像进行特征提取，得到所述抗原试剂盒图像的全局特征；

10、将所述全局特征输入依次连接的多个反向残差移动模块中的处理，得到特征向量，其中，所述反向残差移动模块基于自注意力机制对输入的特征进行残差连接；

11、将所述特征向量输入所述分类器进行分类，得到所述抗原试剂盒图像是否清晰的分类结果。

12、可选的，所述茎模块包括卷积层和池化层，在所述茎模块对所述抗原试剂盒图像进行特征提取，得到所述抗原试剂盒图像的全局特征，包括：

13、在所述卷积层中对所述抗原试剂盒图像进行卷积处理，得到特征图像；

14、在所述池化层中对所述特征图像进行最大池化处理，得到所述抗原试剂盒图像的全局特征。

15、可选的，反向残差移动模块包括第一卷积层、多头注意力层、深度可分离卷积层和第二卷积层，所述反向残差移动模块基于自注意力机制对输入的特征进行残差连接，包括：

16、所述第一卷积层对所述反向残差移动模块的输入特征进行卷积处理，得到第一特征；

17、所述多头注意力层以所述反向残差移动模块的输入特征为键向量和查询向量，以所述第一特征为值向量进行计算，得到注意力特征；

18、所述深度可分离卷积层对所述注意力特征按照通道数逐层进行卷积，并将各通道对应的卷积特征进行拼接，得到第二特征；

19、将所述注意力特征与所述第二特征进行拼接，得到拼接特征；

20、在所述第二卷积层中对所述拼接特征进行卷积处理，得到第三特征；

21、将所述反向残差移动模块的输入特征与所述第三特征进行拼接，得到所述反向残差移动模块的输出特征。

22、可选的，在判断结果为不清晰时，对所述抗原试剂盒图像进行图像增强，包括：

23、在判断结果为不清晰时，去除所述抗原试剂盒图像中的阴影，得到去阴影图像；

24、对所述去阴影图像进行直方图均衡化处理，得到均衡化图像；

25、对所述均衡化图像进行锐化处理，得到图像增强后的图像。

26、可选的，去除所述抗原试剂盒图像中的阴影，得到去阴影图像，包括：

27、将所述抗原试剂盒图像从rgb颜色空间转换为hsv颜色空间，得到hsv图像；

28、从所述hsv图像中分割出阴影区域和非阴影区域；

29、对所述阴影区域进行亮度调整，以校正所述阴影区域；

30、融合校正后的所述阴影区域和所述非阴影区域，得到去阴影图像。

31、可选的，在将所述抗原试剂盒图像输入轻量化高效模型中进行清晰度判断之前，还包括：

32、从所述抗原试剂盒图像中截取包括抗原试剂盒的感兴趣区域；

33、将所述感兴趣区域转换为灰度图像；

34、对所述灰度图像的像素值进行归一化处理，得到归一化图像。

35、第二方面，本发明还提供了一种抗原试剂盒图像处理装置，包括：

36、图像获取模块，用于获取用户上传的抗原试剂盒图像；

37、清晰度判断模块，用于将所述抗原试剂盒图像输入轻量化高效模型中进行清晰度判断；

38、图像增强模块，用于在判断结果为不清晰时，对所述抗原试剂盒图像进行图像增强；

39、检测模块，用于将图像增强后的图像输入到识别模型中进行识别，得到抗原检测结果；以及，在判断结果为清晰时，将所述抗原试剂盒图像输入到识别模型中进行识别，得到抗原检测结果。

40、第三方面，本发明还提供了一种电子设备，包括：

41、一个或多个处理器；

42、存储装置，用于存储一个或多个程序；

43、当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本发明第一方面提供的抗原试剂盒图像处理方法。

44、第四方面，本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明第一方面提供的抗原试剂盒图像处理方法。

45、本发明提供的抗原试剂盒图像处理方法，获取用户上传的抗原试剂盒图像，将抗原试剂盒图像输入轻量化高效模型中进行清晰度判断，在判断结果为不清晰时，对抗原试剂盒图像进行图像增强，将图像增强后的图像输入到识别模型中进行识别，得到抗原检测结果，在判断结果为清晰时，将抗原试剂盒图像输入到识别模型中进行识别，得到抗原检测结果。在进行抗原检测结果识别之前，对抗原试剂盒图像进行清晰度判断，在判断结果为不清晰时，对抗原试剂盒图像进行图像增强，提高了抗原检测结果的识别准确度，此外，采用轻量化高效模型进行清晰度判断，在保证清晰度判断结果准确的同时，简化推理模型，提高判断效率。

46、应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。

技术特征：

1.一种抗原试剂盒图像处理方法，其特征在于，包括：

2.根据权利要求1所述的抗原试剂盒图像处理方法，其特征在于，所述轻量化高效模型包括茎模块、多个反向残差移动模块和分类器，将所述抗原试剂盒图像输入轻量化高效模型中进行清晰度判断，包括：

3.根据权利要求2所述的抗原试剂盒图像处理方法，其特征在于，所述茎模块包括卷积层和池化层，在所述茎模块对所述抗原试剂盒图像进行特征提取，得到所述抗原试剂盒图像的全局特征，包括：

4.根据权利要求2所述的抗原试剂盒图像处理方法，其特征在于，反向残差移动模块包括第一卷积层、多头注意力层、深度可分离卷积层和第二卷积层，所述反向残差移动模块基于自注意力机制对输入的特征进行残差连接，包括：

5.根据权利要求1-4任一所述的抗原试剂盒图像处理方法，其特征在于，在判断结果为不清晰时，对所述抗原试剂盒图像进行图像增强，包括：

6.根据权利要求5所述的抗原试剂盒图像处理方法，其特征在于，去除所述抗原试剂盒图像中的阴影，得到去阴影图像，包括：

7.根据权利要求1-4任一所述的抗原试剂盒图像处理方法，其特征在于，在将所述抗原试剂盒图像输入轻量化高效模型中进行清晰度判断之前，还包括：

8.一种抗原试剂盒图像处理装置，其特征在于，包括：

9.一种电子设备，其特征在于，包括：

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7任一所述的抗原试剂盒图像处理方法。

技术总结
本发明公开了一种抗原试剂盒图像处理方法、装置、设备及存储介质，获取用户上传的抗原试剂盒图像，将抗原试剂盒图像输入轻量化高效模型中进行清晰度判断，在判断结果为不清晰时，对抗原试剂盒图像进行图像增强，将图像增强后的图像输入到识别模型中进行识别，得到抗原检测结果，在判断结果为清晰时，将抗原试剂盒图像输入到识别模型中进行识别，得到抗原检测结果。在进行抗原检测结果识别之前，对抗原试剂盒图像进行清晰度判断，在判断结果为不清晰时，对抗原试剂盒图像进行图像增强，提高了抗原检测结果的识别准确度，此外，采用轻量化高效模型进行清晰度判断，在保证清晰度判断结果准确的同时，简化推理模型，提高判断效率。

技术研发人员：谢方敏,周峰,郭陟,利锦轩
受保护的技术使用者：广州方舟信息科技有限公司
技术研发日：
技术公布日：2024/2/19