摘要：目的:针对传统的全自动进样机构中的试管架位信息采集模块存在结构复杂、体积偏大、不易装调与维护等弊端,设计一种基于ARM9的嵌入式试管架位信息采集模块。方法:该模块硬件由ARM9核心板、CMOS摄像头、玻璃面板、相关通信接口以及铝壳体组成,其中ARM9核心板以NXP ***280为主控芯片;软件主要由摄像头驱动模块、串口及网口通信模块、条码识别模块、试管有无识别模块、试管类型识别模块、试管液面高度识别模块、补光灯检测模块、异常报警处理模块组成,设计时需要搭建ARM9嵌入式Linux系统,并采用图像处理、图像特征提取、图像识别技术实现对试管架位信息的采集与识别。将该模块样机安装在全自动进样机构上进行测试,验证该模块的识别效果。结果:该模块能够对试管架条码、试管架位有无试管、试管条码以及试管样本颜色、类型、浊度和液位等信息进行正确识别,且识别准确率均达到99%以上。结论:该模块结构简单、体积小、安装及维护十分方便,且成本较低,基本能够满足医疗检验设备试管架位信息采集的需求。

摘要：目的针对复杂多变的实际应用场景,因基于传统图像处理技术的试管液位检测算法存在识别率不高的缺陷,设计一种基于YOLOv5的试管样本液位检测算法。方法首先采用Labelme对试管液位数据集进行图片标注,对json标注文件进行格式转换,搭建YOLOv5网络模型训练环境,修改预训练模型配置文件,启动模型权重数据迁移训练,并输出最优模型参数以及评估指标迭代变化曲线。结果加载测试数据集对训练最优模型算法进行效果测试,算法对正常及异常样本图片均能识别出样本液位,并通过与基于传统图像处理技术的识别算法老化对比测试,其具有更高的识别正确率与精确率。结论基于YOLOv5的试管样本液位检测算法检测准确性高,鲁棒泛化能力强,可满足医疗设备实际的检测需求,市场应用前景良好。