(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211164434.6 (22)申请日 2022.09.23 (71)申请人 南京晶捷生物科技有限公司 地址 210044 江苏省南京市江北新区探 秘 路73号树屋十六栋B2-2 (72)发明人 翟敏　杨语　李琛　秦玉　 (74)专利代理 机构 北京精金石知识产权代理有 限公司 1 1470 专利代理师 王皓 (51)Int.Cl. G06V 40/10(2022.01) G06V 10/22(2022.01) G06V 10/24(2022.01) G06V 10/774(2022.01) G06V 10/82(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种侧向免疫层析检测方法、 装置及应用 (57)摘要 本发明提供了一种侧向免疫层析检测方法、 装置及应用， 属于免疫层析技术领域。 本发明采 用深度学习网络对免疫层析条RGB图像中的目标 视窗进行识别训练， 目标视窗为样本跑样区域； 采用训练好的深度学习网络对滴加样本后的免 疫层析条RGB图像中的目标视窗进行识别， 再识 别目标视窗中的控制线和测试线的特征峰； 在灰 度图像中消除基线信号后， 再对控制线和测试线 的特征峰进行特征值提取， 再计算C线和T线的强 度。 本发明采用深度学习技术， 将T线和C线的识 别转化为梯度图像Y方向特征峰的识别， 并消除 了基线信号的影响， 检测速度快， 检测结果 准确。 权利要求书2页 说明书16页 附图5页 CN 115273152 A 2022.11.01 CN 115273152 A 1.一种侧向免疫层析检测方法， 其特 征在于， 包括如下步骤： S1.采集不同环境下免疫层析条RGB图像， 构成图像集， 通过深度学习网络对免疫层析 条图像中的目标视窗识别进行训练， 目标视窗为样本跑样区域； S2.采集滴加样本后的免疫层析条RGB图像， 采用训练好的深度学习网络对滴加 样本后 的免疫层析 条RGB图像中的目标视窗进行定位识别； S3.识别目标视窗中的控制线和 测试线的特 征峰； S4.在目标视窗的灰度图像上消除基线信号； S5.在消除基线信号后的目标视窗的灰度图像上， 对控制线和测试线的特征峰进行特 征值提取； S6.计算控制线和 测试线的强度。 2.根据权利要求1所述侧向免疫层析检测方法， 其特征在于， 步骤S4具体包括如下步 骤： 基线拟合损失函数 为： 其中： 为原始采集的第i个信号 点的值； 为信号的长度； 为第t次迭代中第i个信号 点的权重系数， 各个信号 点的初始化权 重系数均为1； 为曲线准确度和光滑度之间的平衡系数； 为第t次迭代后第i个信号 点的估计值； 若t‑1次迭代后第i个信号点的估计值 小于等于原始采集的第i个信号点的值 ， 则 当前信号 点i处于峰的位置， 则在t次的迭代中， 将第i个信号 点的权重系数设为0； 若t‑1次迭代后第i个信号点的估计值 大于原始采集的第i个信号点的值 ， 则当前 信号点i不处于峰的位置， 则在t次迭代中第i个信号 点的权重系数按如下公式设置： 其中： 为第t次迭代中， 原始采集的所有信号点的值与第t ‑1次迭代后所有信号点的 估计值的差值中为负的所有元 素组成的序列。 3.根据权利要求2所述侧向免疫层析检测方法， 其特征在于， 所述迭代过程满足如下终 止条件时终止迭代： 迭代次数 大于等于设定的阈值； 或达 到如下收敛 条件： 其中， x为原 始采集的所有信号 点的值组成的序列。 4.根据权利要求1所述侧向免疫层析检测方法， 其特征在于， 步骤S3具体包括以下步权　利　要　求　书 1/2 页 2 CN 115273152 A 2骤： 将识别出的滴加样本后的免疫层析 条图像中的目标视窗图像转换为灰度图像； 将识别出的目标视窗的灰度图像转换为梯度图像； 在目标视窗的梯度图像中获取Y方向梯度； 对Y方向梯度进行 行加和； 识别Y方向梯度控制线和 测试线特 征峰。 5.根据权利要求4所述侧向免疫层析检测方法， 其特征在于， 步骤S3具体包括以下步 骤： 将识别出的滴加样本后的免疫层析 条图像中的目标视窗图像转换为灰度图像； 将识别出的目标视窗的灰度图像转换为梯度图像； 对目标视窗的梯度图像进行角度旋转校正； 在角度旋转校正后的目标视窗的梯度图像中获取Y方向梯度； 对Y方向梯度进行 行加和； 对Y方向梯度进行平 滑； 识别Y方向梯度控制线和 测试线特 征峰。 6.根据权利要求5所述的侧向免疫层析检测方法， 其特征在于， 步骤S3通过对峰的极大 值和控制线和测试线内部的肩峰间隔进行约束， 具体为： 峰的极大值必须满足预设的半峰 宽度且满足预设的Y轴分布， 控制线和 测试线内部的肩峰间隔需满足预设的间隔宽度。 7.根据权利要求6所述的侧向免疫层析检测方法， 其特征在于， 识别出的测试线和控制 线宽度必须大于等于预设的宽度， 测试线和控制线对应的梯度值必须大于等于预设梯度阈 值。 8.根据权利要求1所述的侧向免疫层析检测方法， 其特征在于， 在步骤S3和步骤S4之间 还包括如下步骤： 对目标视窗的灰度图像信号进行 行加和； 对目标视窗的灰度图像信号进行平 滑。 9.根据权利要求8所述的侧向免疫层析检测方法， 其特征在于， 采用Y方向梯度特征峰 的灰度信号强度作为控制线和 测试线信号强度的表征。 10.根据权利要求9所述的侧向免疫层析检测方法， 其特征在于， 截取目标视窗的灰度 图像的灰度信号强度在控制线和测试线构成的坐标系内的积分或者平均值作为控制线和 测试线强度。 11.一种侧向免疫层析检测装置， 其特征在于， 使用权利要求1 ‑10任一项所述的侧向免 疫层析检测方法， 包括如下模块： 目标视窗定位模块， 通过深度学习对免疫层析条RGB图像 中的目标视窗识别进行训练， 目标视窗为样本跑样区域， 采用训练好的深度学习网络对滴加样本的免疫层析条RGB图像 中的目标视窗进行定位； 控制线和 测试线识别模块， 识别目标视窗中的控制线和 测试线的特 征峰； 控制线和测试线的强度计算模块， 在目标视窗的灰度图像上消除基线信号， 对控制线 和测试线的特 征峰进行 特征值提取， 计算控制线和 测试线的强度。 12.一种如权利要求1 ‑10任一项所述的检测方法在侧向免疫层析中的应用。权　利　要　求　书 2/2 页 3 CN 115273152 A 3