(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111680320.2 (22)申请日 2021.12.3 0 (71)申请人 中元汇吉生物技 术股份有限公司 地址 400000 重庆市大渡口区建桥工业园C 区太康路6号3 0栋第1-4层 (72)发明人 张洁　龚文冲　 (74)专利代理 机构 深圳市世纪恒程知识产权代 理事务所 4 4287 代理人 李幸芳 (51)Int.Cl. G06T 7/00(2017.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 基于神经网络的血清质量识别方法、 装置、 设备及介质 (57)摘要 本发明公开了一种基于神经网络的血清质 量识别方法、 装置、 终端设备及计算机可读存储 介质， 通过对盛装血清样本的试管进行图像采集 得到试管图像； 将所述试管图像输入 预设的神经 网络模型中， 以供所述神经网络模 型输出针对所 述血清样本的血清质量识别结果， 其中， 所述神 经网络模型通过试管图像进行卷积神经网络模 型训练得到。 本发明能够提高进行血清质量识别 的效率， 和有效地减小试管上标签的影响， 从而 确保模型识别血清质量的准确率。 权利要求书2页 说明书20页 附图12页 CN 114332058 A 2022.04.12 CN 114332058 A 1.一种基于神经网络的血清质量识别方法， 其特征在于， 所述基于神经网络的血清质 量识别方法包括： 对盛装血清样本的试 管进行图像采集得到试 管图像； 将所述试管图像输入预设的神经网络模型中， 以供所述神经网络模型输出针对所述血 清样本的血清质量识别结果， 其中， 所述神经网络模型通过试管图像进行卷积神经网络模 型训练得到 。 2.如权利要求1所述的基于神经网络的血清质量识别方法， 其特征在于， 所述方法通过 多曝光的试 管图像进行 卷积神经网络模型训练； 所述基于神经网络的血清质量识别方法还 包括： 获取多曝光的试管图像， 从所述多曝光的试管图像中提取属于所述试管非标签区域的 矩阵区域； 将所述矩阵区域输入预设的第 一卷积模块进行第 一卷积神经网络模型训练， 并获取所 述第一卷积模块针对所述矩阵区域进行第一卷积神经网络模型训练后输出的特 征图； 将所述特征图进行堆叠后输入预设的第 二卷积模块进行第 二卷积神经网络模型训练， 以得到用于针对血清样本进行 血清质量识别的神经网络模型。 3.如权利要求2所述的基于神经网络的血清质量识别方法， 其特征在于， 所述第 一卷积 模块和所述第二卷积模块包括： 卷积层和池化层， 所述第一卷积模块和所述第二卷积模块 除末尾的两个卷积层之外， 每两个卷积层之后连接一个池化层； 所述第一卷积模块中的卷积层包括多个步长为1的第一卷积层和多个步长为2 的第二 卷积层， 每两个第一卷积层中， 输出端未连接所述池化层的第一卷积层与一个所述第二卷 积层相连接； 所述第一卷积模块末尾的两个第一卷积层的卷积核数量小于其它第一卷积层和所述 第二卷积层的卷积核数量。 4.如权利要求2或者3任一项所述的基于神经网络的血清质量识别方法， 其特征在于， 所述第二卷积模块的末尾连接全连接层和逻辑回归层， 所述将所述特征图进 行堆叠后输入 预设的第二卷积模块进行第二卷积神经网络模型训练的步骤， 包括： 将所述特征图进行堆叠后输入预设的第 二卷积模块， 并获取所述第 二卷积模块基于多 个所述卷积层和所述池化层对所述特 征图进行处 理后输出的新的特 征图； 将所述新的特征图输入所述全连接层进行特征分类得到血清的质量类别， 其中， 所述 质量类别包括： 正常、 溶 血、 脂血和黄疸； 将所述新的特征图输入所述逻辑 回归层计算各所述质量类别的概率值， 以用于确定所 述质量类别为所述溶 血、 所述脂血和所述黄疸时对应的质量 等级。 5.如权利要求2或者3任一项所述的基于神经网络的血清质量识别方法， 其特征在于， 所述基于神经网络的血清质量识别方法还 包括： 为所述特征图分配权重， 并将所述特征图与分配得到的权重相乘之后， 执行所述将所 述特征图进行堆叠后输入预设的第二卷积模块的步骤。 6.如权利要求2所述的基于神经网络的血清质量识别方法， 其特征在于， 所述从所述多 曝光的试 管图像中提取属于所述试 管非标签区域的矩阵区域的步骤， 包括： 对所述多曝光的试管图像进行血清样本分析， 以计算所述多曝光的试管图像中， 所述权　利　要　求　书 1/2 页 2 CN 114332058 A 2试管盛装的血清样本的血清液面 最高位位置和血清液面 最低位位置； 根据所述血清液面最高位位置和所述血清液面最低 位位置， 从所述试管非标签区域提 取预设尺寸的矩阵区域。 7.如权利要求6所述的基于神经网络的血清质量识别方法， 其特征在于， 所述根据 所述 血清液面最高位位置和所述血清液面最低位位置， 从所述试管非标签区域提取预设尺寸的 矩阵区域的步骤， 包括： 根据所述血清液面最高位位置和所述血清液面最低 位位置， 从所述试管非标签区域中 确定血清图像区域； 按照所述预设尺寸从所述血清图像区域中截取所述矩阵区域， 其中， 所述预设尺寸小 于所述血清图像区域的尺寸。 8.一种基于神经网络的血清质量识别装置， 其特征在于， 所述基于神经网络的血清质 量识别装置包括： 试管图像采集模块， 用于对盛装血清样本的试 管进行图像采集得到试 管图像； 血清质量识别模块， 用于将所述试管图像输入预设的神经网络模型中， 以供所述神经 网络模型输出针对所述血清样本的血清质量识别结果， 其中， 所述神经网络模型通过试管 图像进行 卷积神经网络模型训练得到 。 9.一种终端设备， 其特征在于， 所述终端设备包括： 存储器、 处理器及存储在所述存储 器上并可在所述处理器上运行的基于神经网络的血清质量识别程序， 所述基于神经网络的 血清质量识别程序被所述处理器执行时实现如权利要求1至7中任一项所述的基于神经网 络的血清质量识别方法的步骤。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质上存储有基于神 经网络的血清质量识别程序， 所述基于神经网络的血清质量识别程序被处理器执行时实现 如权利要求1至7中任一项所述的基于神经网络的血清质量识别方法的步骤。权　利　要　求　书 2/2 页 3 CN 114332058 A 3