买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉深圳市银河光生物科技有限公司申请的专利一种适用于胶体金检测卡检测的数字化识别方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119295440B 。

龙图腾网通过国家知识产权局官网在2025-10-24发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411804084.4，技术领域涉及：G06T7/00；该发明授权一种适用于胶体金检测卡检测的数字化识别方法是由李智;谢海洋;尹志亮;张文标;陈天裕设计研发完成，并于2024-12-10向国家知识产权局提交的专利申请。

本一种适用于胶体金检测卡检测的数字化识别方法在说明书摘要公布了：本发明属于胶体金检测领域，具体公开了一种适用于胶体金检测卡检测的数字化识别方法，具体步骤如下：S1、图像采集；S2、图像预处理；S3、区域检测；S4、特征提取；S5、数据对比与分析；S6、系统集成；本发明通过集成一个完整的应用程序，利用手机或iPad拍摄胶体金检测卡后，将图像上传至云服务器进行处理，识别出一个或多个包含胶体金检测卡C、T线的区域，读取计算C、T线的长度、宽度和颜色值，再将提取的C、T线值与标准字典进行比对，判断样品中目标物的含量，并将数据上传至食品安全大数据平台，无需依赖专业的检测仪器，操作简单，方便食品企业、农贸市场、食品小作坊、家庭对食品做自检筛查，保护食品安全。

本发明授权一种适用于胶体金检测卡检测的数字化识别方法在权利要求书中公布了：1.一种适用于胶体金检测卡检测的数字化识别方法，其特征在于：具体步骤如下： S1、图像采集：利用手机或iPad拍摄胶体金检测卡，确保图像清晰且光线均匀后，将图像上传至云服务器进行处理； S2、图像预处理：利用图像处理技术对图像进行处理； 所述S2步骤中图像预处理的具体步骤如下： S2.1、去噪声：使用高斯滤波器对图像进行平滑，以减少噪声； 使用高斯滤波器对图像进行平滑，以减少噪声，公式如下： 其中Gx，y是高斯函数，σ是标准差，x，y是像素坐标； S2.2、灰度化：将彩色图像转为灰度图像； S3、区域检测：利用边缘检测算法识别图像中的C、T线区域，然后利用轮廓检测算法提取C、T线的轮廓； 所述S3步骤中区域检测的具体步骤如下： Sa3.1、计算梯度：使用Sobel算子计算图像的梯度幅值和方向； 梯度幅值的公式如下： 其中G是梯度幅值，表示图像在某一点的强度变化程度，Gx是图像在水平方向的梯度，通过对图像进行水平边缘检测得到，Gy是图像在垂直方向的梯度，通过图像进行垂直边缘检测得到； 梯度方向的公式如下： 其中Θ是梯度方向，表示图像在某一点的边缘方向，tan-1是反正切函数，用于计算给定Gy和Gx的比值所对应的角度； Sa3.2、非极大值抑制：对梯度幅值进行非极大值抑制，保留局部最大值，抑制非边缘像素； 所述Sa3.2步骤中通过比较当前像素与其梯度方向上的相邻像素，决定是否保留该像素； Sa3.3、双阈值处理：设定高阈值和低阈值，将边缘分为强边缘、弱边缘和非边缘； 所述Sa3.3步骤中强边缘为大于高阈值的像素，弱边缘为介于高阈值和低阈值之间的像素，非边缘为小于低阈值的像素； Sa3.4、边缘连接：通过连接强边缘和弱边缘，形成完整的边缘； 所述Sa3.4步骤中如果弱边缘与强边缘相连，则保留该弱边缘，否则抑制该弱边缘； Sa3.5、提取轮廓：使用OpenCV的findContours函数提取边缘图像中的轮廓； Sa3.6、绘制轮廓：使用drawContours函数在原图上绘制提取的轮廓； 所述S3步骤中在识别C、T线的区域与提取C、T线的轮廓前，利用OTSU阈值分割算法对图像进行分割处理，具体步骤如下： Sb3.1、计算图像直方图：统计图像中每个灰度级的像素数量，生成灰度直方图； Sb3.2、计算图像的总像素数：计算图像中所有像素的总数； Sb3.3、计算每个灰度级的概率：对于每个灰度级计算其概率； 对于每个灰度级计算其概率，公式如下： 其中ni是灰度级i的像素数量，N是图像的总像素数，Pi是灰度级i的概率； Sb3.4、计算前景和背景的均值：对于每个可能的阈值计算前景和背景的均值；Sb3.5、计算类间方差：对于每个阈值计算类间方差； 对于每个阈值计算类间方差，公式如下： σ2t＝P1t·P2t·μ1t-μ2t2，其中σ2t是类间方差，表示不同类之间的分离程度，t是当前考虑的阈值，P1t是阈值t以下的像素概率，P2t是阈值t以上的像素概率，μ1t是阈值t以下的平均灰度值，μ2t是阈值t以上的平均灰度值； Sb3.6、寻找最佳阈值：通过遍历所有可能的阈值，找到使类间方差最大的阈值； Sb3.7、生成二值图像：使用最佳阈值将图像分割为二值图像； 通过在识别图像中的C、T线区域与提取C、T线的轮廓前，利用OTSU阈值分割算法对图像进行分割处理，得到最佳阈值，然后将灰度图像中的每个像素与最佳阈值进行比较，如果像素值大于或等于阈值，则将其设置为白色，如果像素值小于阈值，则将其设置为黑色，从而将图像分割为前景与背景，随后再利用边缘检测算法识别图像中的C、T线区域，然后利用轮廓检测算法提取C、T线的轮廓； S4、特征提取：计算C、T线的长度、宽度和颜色值，根据标准字典设定CT线的阈值范围； 所述S4步骤中建立提取模型对图像特征进行提取，具体步骤如下： S4.1、收集数据：收集包含C、T线的图像数据集，并对图像中的C、T线进行标注，生成训练和测试集； S4.2、归一化处理：将图像像素值归一化到0-1的范围； S4.3、构建卷积神经网络：设计一个适合的CNN架构，并使用标注数据训练CNN，优化损失函数以提高特征提取的准确性； S4.4、提取C、T线特征：使用训练好的CNN提取C、T线的特征； S4.5、KNN训练：对CNN提取的特征进行标准化处理，并使用处理后的特征和对应的标签训练KNN模型，选择合适的K值提高分类准确性； S4.6、阈值设定：根据标准建立C、T线的标准字典，并根据标准字典调整阈值范围； S4.7、评估优化：使用交叉验证方法评估模型的性能，确保阈值设定的合理性，并定期监控模型的性能，收集反馈并进行调整；S5、数据对比与分析：将提取的C、T线值与标准字典进行比对，判断样品中目标物的含量，记录检测结果，并将数据上传至食品安全大数据平台； 所述S5步骤中使用Matplotlib或Plotly生成检测结果的图表，展示检测结果，检测图表包括检测时间、样品信息与检测结果； S6、系统集成：将S2-S5步骤集成到一个完整的应用程序中，提供用户友好的界面，供用户上传图像并查看检测结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人深圳市银河光生物科技有限公司，其通讯地址为：518100 广东省深圳市光明区光明街道碧眼社区华强创意产业园4栋B座1303；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。