基于霍夫变换及卷积网络的试管数目识别

文/徐天宇

（重庆邮电大学软件工程学院 重庆市 400065）

随着人工智能技术的不断发展以及各种智能设备的普及，人工智能技术正影响着整个世界，人工智能的概念最早问世于1956年的达特茅斯会议上，数学、计算机科学等科学家们提出了人工智能(Artificial Intelligence,AI)的概念，标志着计算机科学这一门交叉学科的又一次重要突破。人工智能这一交叉学科涵盖统计学、脑神经科学、社会科学等多门学科，涉及并应用于诸如工业、教育、医疗等领域。在医疗以及科研时经常用到试管这一重要工具，但是人们往往要涉及到试管的数量确认，而试管数目检测就可以减少不必要的人工涉入，自动化的完成预期目标。

1 试管数目识别方法研究

本文提出的基于卷积神经网络的试管数目识别算法从图片形式，特征考虑，主要过程可以大致分为三个步骤,如图1所示：

（1）采用Canny算子对试管图像进行边缘检测。

（2）利用霍夫变换识别图像中的试管，并进行标注。

（3）利用卷积神经网络判断所识别图像是否为试管。

1.1 Canny算子边缘检测

边缘检测是传统图像处理中提取图像边缘信息的基本操作之一，能够大幅度减少图像中包含的信息量，提取关键的边缘信息。目前在图像处理领域有多种边缘检测方法，包括一阶导数的微分算子，如Sobel算子、Robert算子、普通一阶差分、Prewitt算子、Canny算子等；此外，以及通过计算二阶导数的拉普拉斯算子、LoG算子等。考虑到Canny采用高斯滤波，对灰度渐变低噪声的数据有着较好的检测效果，因此本算法采用Canny算子进行图像的边缘检测。……