科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对微柱凝胶卡血型分析仪判读准确率较低的检测问题，设计一种基于机器视觉的全自动血型检测系统。该系统通过相关的特征提取算法和图像识别算法来提高系统的判读准确性。在特征提取算法中，采用颜色通道分离合并和熵处理结合的图像处理算法，提取血型图像中的颜色特征和灰度特征，从而提高图像分析的能力。在图像识别算法中，以AlexNet网络模型为基础，设计一种改进的分类神经网络模型进行训练预测，在网络结构中加入一个通道注意力机制，赋予权重，扩大特征对结果的影响，在训练参数中采用Adam优化器，并优化多分类交叉熵损失函数，调整学习率固定步长衰减策略的参数，有利于加快模型收敛速度，提高模型的准确率。之后设计判读界面进行系统调试。实验结果表明：使用所设计的全自动血型检测系统，绝大多数的血型图像都可准确检测出结果，相较于原来的93.789%，准确率提高，可达到97.516%；并且结合所做的血型检测试验，可以有效地判读出凝胶卡的最终试验结果。所采用的血型判读技术对微柱凝胶卡检测是行之有效的，可大大提高检测系统的判读准确性。
- 单位
