公开(公告)号：CN111523535B

公开(公告)日：2022-03-15

申请号：CN202010252859.7

申请日：2020-04-01

Applicant: 南通大学

Inventor： 张堃 ,  吴建国 ,  张培建 ,  姜朋朋 ,  李子杰

IPC: G06V10/25 ,  G06V10/26 ,  G06V10/28 ,  G06V10/44 ,  G06V10/56 ,  G06V10/774 ,  G06K9/62 ,  G06T7/00 ,  G06T7/66 ,  G06T7/13 ,  G06T7/11 ,  G06T3/40

Abstract: 本发明公开了基于机器视觉与深度学习的类圆对象识别计数检测算法，包括采用工业相机对所要统计的滤棒对象的垂直截面图像进行采集；从获得的图像中利用自适应阈值二值化和FindContours()函数获得滤棒对象的感兴趣区域；将获得的感兴趣区域切成a个A*A像素子图；将获得的a个A*A像素子图放入改进的SAA‑unet模型中进行训练；将训练完的a个A*A像素子图进行复原，重新获得感兴趣区域；再将重新获得的感兴趣区域进行滤棒对象的统计计数，本发明加入了SAA‑unet数学理论、结构构造原理来提高检测的效率的计数检测方法，更为高效与智能，解决了人工计数高强度作业，工作效率低，误差大等容易出错的问题，算法准确率高达98.7%。

公开(公告)号：CN111523535A

公开(公告)日：2020-08-11

申请号：CN202010252859.7

申请日：2020-04-01

Applicant: 南通大学

Inventor： 张堃 ,  吴建国 ,  张培建 ,  姜朋朋 ,  李子杰

IPC: G06K9/32 ,  G06K9/34 ,  G06K9/38 ,  G06K9/46 ,  G06K9/62 ,  G06T7/00 ,  G06T7/66 ,  G06T7/13 ,  G06T7/11 ,  G06T3/40

Abstract: 本发明公开了基于机器视觉与深度学习的类圆对象识别计数检测算法，包括采用工业相机对所要统计的滤棒对象的垂直截面图像进行采集；从获得的图像中利用自适应阈值二值化和FindContours()函数获得滤棒对象的感兴趣区域；将获得的感兴趣区域切成a个A*A像素子图；将获得的a个A*A像素子图放入改进的SAA‑unet模型中进行训练；将训练完的a个A*A像素子图进行复原，重新获得感兴趣区域；再将重新获得的感兴趣区域进行滤棒对象的统计计数，本发明加入了SAA‑unet数学理论、结构构造原理来提高检测的效率的计数检测方法，更为高效与智能，解决了人工计数高强度作业，工作效率低，误差大等容易出错的问题，算法准确率高达98.7%。

公开(公告)号：CN110110634A

公开(公告)日：2019-08-09

申请号：CN201910347578.7

申请日：2019-04-28

Applicant: 南通大学

Inventor： 张堃 ,  付君红 ,  李子杰 ,  姜朋朋 ,  吴建国 ,  张培建 ,  陆平

IPC: G06K9/00 ,  G06K9/46

Abstract: 本发明公开了一种基于深度学习的病理图像多染色分离方法，包括以下步骤：(1)对病理染色图像进行光密度变换，得到原始病理染色图像的光密度矩阵；(2)将步骤(1)得到的光密度矩阵构建ResU-Net模型；(3)对步骤(2)得到的ResU-Net模型进行训练；(4)通过经步骤(3)训练后的ResU-Net模型进行图像染色分离。该方法能够对原图像进行像素级分析，更好的分离图像中同一类组织，从而提高染色分离性能。