[發明專利]基于智能移動終端的尿液檢測方法在審
| 申請號： | 201810206431.1 | 申請日： | 2018-03-13 |
| 公開（公告）號： | CN108593643A | 公開（公告）日： | 2018-09-28 |
| 發明（設計）人： | 陳里里;王帥杰;司吉兵 | 申請（專利權）人： | 重慶交通大學 |
| 主分類號： | G01N21/84 | 分類號： | G01N21/84;G01N21/78 |
| 代理公司： | 北京海虹嘉誠知識產權代理有限公司 11129 | 代理人： | 呂小琴 |
| 地址： | 402247 重*** | 國省代碼： | 重慶;50 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 顏色特征 尿液 智能移動終端 尿液檢測 神經網絡 映射關系模型 樣本圖像 標準結果 待測圖像 圖像信息 試紙條 檢測結果 準確檢測 便捷性 繁瑣性 試紙 寫入 采集 圖像 排隊 輸出 檢測 | ||
1.一種基于智能移動終端的尿液檢測方法，其特征在于：包括如下步驟：
S1.獲取試紙與尿液反應后試紙條上各色塊的圖像作為樣本圖像信息；
S2.提取出樣本圖像信息的顏色特征；
S3.將樣本圖像信息的顏色特征輸入到神經網絡中進行訓練得出尿液標準結果；
S4.建立顏色特征與檢測結果之間的映射關系模型；
S5.將神經網絡和映射關系模型寫入到智能移動終端中，用戶通過智能移動終端采集自己尿液與試紙條反應后的圖像信息作為待測圖像信息；
S6.提取出待測圖像信息的顏色特征并輸入到神經網絡中，神經網絡中對待測圖像信息的顏色特征按照映射關系模型進行訓練對比，并輸出當前用戶的尿液檢測結果。
2.根據權利要求1所述基于智能移動終端的尿液檢測方法，其特征在于：步驟S2和步驟S6中，樣本圖像信息和待測圖像信息的顏色特征如下：
提取出試紙條每個色塊的RGB空間中的特征值，其中，RGB三條通道分別以三個特征值表示：表征顏色分量平均強度的一階矩、表征顏色方差的二階矩以及表征顏色分量偏斜度的三階矩，其中：
一階矩為：
二階矩為：
三階矩為：Pij是第j個像素在第i個像素的顏色分量；N為樣本圖像的像素量。
3.根據權利要求1所述基于智能移動終端的尿液檢測方法，其特征在于：步驟S4中，神經網絡的映射關系模型如下：
其中，p是輸入層向量個數、n為輸入單元數，aj為輸入的樣本參數，ωij為輸入層與隱含層的連接權值，θj為輸入層與隱含層之間的閾值，νjt為隱含層和輸出層之間的權值，rt為隱含層與輸入層之間的閾值，Ct為輸出層的輸出結果；f()表示非線性作用傳遞函數。
4.根據權利要求3所述基于智能移動終端的尿液檢測方法，其特征在于：根據如下方法對為輸入層與隱含層的連接權值ωij進行修正：
其中，為隱含層的一般誤差，β中間層和輸入層之間的誤差修正系數，N是誤差修正次數、i表示輸入層的單元數、j表示中間層的單元數，t表示輸出層的單元數，k表示該值的維數，ωij(N)表示第N次輸入層至中間層修正后的連接權值，ωij(N+1)表示第(N+1)次輸入層至中間層修正后的連接權值。
5.根據權利要求4所述基于智能移動終端的尿液檢測方法，其特征在于：通過如下公式計算隱含層的一般誤差
其中，dt為輸出層的一般誤差；bj為隱含層的輸出值。
6.根據權利要求3所述基于智能移動終端的尿液檢測方法，其特征在于：根據如下公式對輸入層與隱含層之間的閾值θj進行修正：
其中，β是中間層和輸入層之間的誤差修正系數，為隱含層的一般誤差。θj(N)表示第N次中間層各單元的修正后的輸出閾值，θj(N+1)表示第(N+1)次中間層各單元的修正后的輸出閾值。
7.根據權利要求3所述基于智能移動終端的尿液檢測方法，其特征在于：通過如下公式計算隱含層和輸出層之間的權值νjt：
其中，bj為神經網絡的隱含層輸出值，是輸出層的一般誤差，表示輸出層的各單元的一般化誤差，dt表示輸出層的一般化誤差，α是輸出層和中間層之間的誤差修正系數)。vjt(N)表示第N次中間層至輸出層修正后的連接權值，vjt(N+1)表示第(N+1)次中間層至輸出層修正后的連接權值。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于重慶交通大學，未經重慶交通大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201810206431.1/1.html，轉載請聲明來源鉆瓜專利網。
