阅读说明：本技术 一种用于检验报告的ai识别抓取系统 (AI recognition and grabbing system for inspection report ) 是由 吕军 于 2019-09-09 设计创作，主要内容包括：本发明公开了一种用于检验报告的AI识别抓取系统,包括图像采集端、AI识别处理平台、数据校正模块以及数据云端,所述图像采集端、AI识别处理平台、数据校正模块以及数据云端依次通过网络连接；所述图像采集端获取目标检验报告图像,再传输给AI识别处理平台,经过AI识别处理平台识别处理后得到预识别结果,再由数据校正模进行校正得到实际识别结果,最终将实际识别结果存储在数据云端。通过对摄像装置的焦距进行调整提高了拍照速度和成像的及时性,进而提高了图像识别的准确度；构建通用字体识别模型对目标检验报告图像进行数字化转换和识别,再经过数据校正模型的校正以达到高准确度的实际识别结果,无需对接HIS、LIS即可收集数据。(The invention discloses an AI (artificial intelligence) recognition and grabbing system for an inspection report, which comprises an image acquisition end, an AI recognition processing platform, a data correction module and a data cloud end, wherein the image acquisition end, the AI recognition processing platform, the data correction module and the data cloud end are sequentially connected through a network; the image acquisition end acquires a target inspection report image, transmits the target inspection report image to the AI recognition processing platform, obtains a pre-recognition result after the target inspection report image is recognized and processed by the AI recognition processing platform, obtains an actual recognition result by correcting the pre-recognition result by the data correction module, and finally stores the actual recognition result in the data cloud. The shooting speed and the imaging timeliness are improved by adjusting the focal length of the camera device, and the accuracy of image recognition is further improved; and constructing a universal font identification model to carry out digital conversion and identification on the target inspection report image, correcting the target inspection report image by using a data correction model to obtain a high-accuracy actual identification result, and collecting data without butting HIS and LIS.)

一种用于检验报告的AI识别抓取系统

技术领域

本发明涉及AI识别技术和医疗信息领域，尤其涉及一种用于检验报告的AI识别抓取系统。

背景技术

图像识别是指利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对象的技术。随着科技地不断进步，图像识别的使用日益广泛，借助手机、平板电脑等移动终端也可以进行图像识别，不再局限于计算机。

图像识别不可缺少的一部分是拍照，随着科技的进步和社会的发展，拍照早已成为人们生活的日常，摄像装置也越来越亲民化，例如已经成为人们生活和工作中必需品的移动终端，随着移动终端的功能越来越强大，携带越来越方便，逐渐替代了相机的大部分用途，例如定时拍摄、全景拍摄等。然而目前，在相机或者移动终端等拍照设备进行拍照的过程中，都需要对目标物体的取景区域进行对焦，然后再拍摄，才能得到清晰的图片，其中，对焦是非常耗时间的，而且对焦位置对成像的图片中特定位置的清晰度有较大影响，而如果目标物体或者拍照设备在移动时，则很难对焦，从而造成拍照速度慢、且影响成像图片的清晰度，从而影响图像识别的准确度。

此外，现有的对于检验报告的图像识别一方面准确度不够，另一方面需要与HIS或LIS连接才能进行较为准确地识别与存储，比较耗时耗力。

发明内容

本发明的目的在于提供一种用于检验报告的AI识别抓取系统，该系统可弥补现有的系统图像拍照对焦耗时、麻烦，导致对于图像识别准确度不够的不足。

为实现上述目的，本发明的目的在于提供一种用于检验报告的AI识别抓取系统，包括图像采集端、AI识别处理平台、数据校正模块以及数据云端，所述图像采集端、AI识别处理平台、数据校正模块以及数据云端依次通过网络连接。

进一步的，所述图像采集端获取目标检验报告图像，通过网络将所述目标检验报告图像传输给AI识别处理平台，经过AI识别处理平台识别处理后得到预识别结果，再由数据校正模块对所述预识别结果进行校正得到实际识别结果，最终将所述实际识别结果存储在数据云端。

进一步的，所述图像采集端包括摄像装置、距离传感器、红外模块、检测模块、第一确定模块、初识别模块、焦距调整模块、第二确定模块以及第一传输模块，所述距离传感器和红外模块均设置于摄像装置内，所述红外模块可发出红外光线，所述摄像装置、检测模块、第一确定模块、初识别模块、焦距调整模块、第二确定模块、第一传输模块依次电连接；其中，

所述检测模块用于通过距离传感器检测摄像装置与目标检验报告之间的拍摄距离；

所述第一确定模块用于根据检测到的所述拍摄距离确定摄像装置对目标检验报告的拍摄区域；

所述初识别模块用于通过所述摄像装置对拍摄区域中红外模块发出的红外线进行识别，获得所述红外线在拍摄区域中的相对坐标；

所述焦距调整模块用于根据所述相对坐标对所述摄像装置的焦距进行调整，以完成对所述拍摄区域的对焦；

所述第二确定模块用于根据调整后的所述焦距，通过所述摄像装置生成所述拍摄区域对应的区域图像；

所述第一传输模块将第二确定模块生成的区域图像传输至AI识别处理平台。

进一步的，所述AI识别处理平台包括第一构建模块、第二构建模块、图像获取模块、转换存储模块、输入识别模块以及第二传输模块，所述图像获取模块与第一传输模块通过网络连接；其中，

所述第一构建模块用于根据通用字体数据集构建通用字体识别模型；

所述第二构建模块用于构建字体识别验证数据集；

所述图像获取模块用于获取第一传输模块传输的区域图像；

所述转换存储模块用于将所述区域图像转换为通用字体识别模型可以识别的规范数据，并将转换后的规范数据发送至字体识别验证数据集存储；

所述输入识别模块用于将从字体识别验证数据集提取的数据输入通用字体识别模型，所述通用字体识别模型的输出作为预识别结果；

第二传输模块将所述预识别结果传输至数据校正模块。

进一步的，所述数据校正模块获取预识别结果后，对所述预识别结果进行校正得到实际识别结果，并将所述实际识别结果传输给数据云端存储。

进一步的，所述摄像装置还包括光线检测模块和补光模块，其中，

所述光线检测模块用于对目标检验报告所处的环境光线进行检测；

所述补光模块包括闪光灯，所述补光模块用于当检测到所述环境光线低于预设的光线阈值时，开启所述闪光灯对目标检验报告进行补光。

进一步的，所述AI识别处理平台还包括判断模块，所述判断模块被配置为对通用字体识别模型的准确率进行计算判断。

进一步的，所述判断模块对通用字体识别模型的准确率进行计算判断的步骤包括：

计算通用字体识别模型的准确率；

判断通用字体识别模型的准确率是否低于用户设定的阈值；

若是，则继续采集样本字体图像构建新的通用字体数据集，再根据所述新的通用字体数据集构建新的通用字体识别模型；

若否，则将当前通用字体识别模型作为可用的字体识别模型，通过输入从字体识别验证数据集提取的数据输出预识别结果。

进一步的，所述通用字体识别模型通过将采集的大量所述样本字体图像经过训练和深度学习构建。

与现有技术相比，本发明的有益效果是：

第一，本发明通过检测摄像装置与目标检验报告之间的拍摄距离，根据检测到的拍摄距离确定摄像装置对目标检验报告的拍摄区域，通过摄像装置对拍摄区域中红外线进行识别，获得红外线在拍摄区域中的相对坐标，根据相对坐标对摄像装置的焦距进行调整，以完成对拍摄区域对焦，根据调整后的焦距，通过摄像装置生成并存储拍摄区域对应的区域图像，从而提高了拍照速度和成像的及时性，且提高了拍摄照片的清晰度以及保证照片清晰的稳定性，进而提高了图像识别的准确度。

第二，本发明基于通用字体数据集构建通用字体识别模型，随后利用采集并处理的字体图像训练通用手写字体识别模型，直至使用通用字体识别模型的验证准确率不低于设定的阈值时，即完成了可用的字体识别模型的训练，利用该模型，即可对目标检验报告图像进行数字化转换和识别，再经过数据校正模型的校正以达到准确度较高的实际识别结果，无需对接HIS、LIS即可收集数据。

附图说明

下面结合附图对本发明进一步说明。

图1为本发明一种用于检验报告的AI识别抓取系统的结构示意图；

图2为本发明一种用于检验报告的AI识别抓取系统中图像采集端的结构示意图；

图3为本发明一种用于检验报告的AI识别抓取系统中AI识别处理平台的结构示意图一；

图4为本发明一种用于检验报告的AI识别抓取系统中摄像装置的结构示意图；

图5为本发明一种用于检验报告的AI识别抓取系统中AI识别处理平台的结构示意图二；

图6为本发明一种用于检验报告的AI识别抓取系统中判断模块的工作流程示意图。

图中：1-图像采集端、2-AI识别处理平台、3-数据校正模块、4-数据云端、11-摄像装置、12-距离传感器、13-红外模块、14-检测模块、15-第一确定模块、16-初识别模块、17-焦距调整模块、18-第二确定模块、19-第一传输模块、21-第一构建模块、22-第二构建模块、23-图像获取模块、24-转换存储模块、25-输入识别模块、26-第二传输模块、27-判断模块、111-光线检测模块、112-补光模块。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1，本发明的目的在于提供一种用于检验报告的AI识别抓取系统，包括图像采集端1、AI识别处理平台2、数据校正模块3以及数据云端4，所述图像采集端1、AI识别处理平台2、数据校正模块3以及数据云端4依次通过网络连接。

所述图像采集端1获取目标检验报告图像，通过网络将所述目标检验报告图像传输给AI识别处理平台2，经过AI识别处理平台2识别处理后得到预识别结果，再由数据校正模块3对所述预识别结果进行校正得到实际识别结果，最终将所述实际识别结果存储在数据云端4。

请参阅图2，所述图像采集端1包括摄像装置11、距离传感器12、红外模块13、检测模块14、第一确定模块15、初识别模块16、焦距调整模块17、第二确定模块18以及第一传输模块19，所述距离传感器12和红外模块13均设置于摄像装置11内，所述红外模块13可发出红外光线，所述摄像装置11、检测模块14、第一确定模块15、初识别模块16、焦距调整模块17、第二确定模块18、第一传输模块19依次电连接；其中，

所述检测模块14用于通过距离传感器12检测摄像装置11与目标检验报告之间的拍摄距离；

所述第一确定模块15用于根据检测到的所述拍摄距离确定摄像装置11对目标检验报告的拍摄区域；

所述初识别模块16用于通过所述摄像装置11对拍摄区域中红外模块13发出的红外线进行识别，获得所述红外线在拍摄区域中的相对坐标；

所述焦距调整模块17用于根据所述相对坐标对所述摄像装置11的焦距进行调整，以完成对所述拍摄区域的对焦；

所述第二确定模块18用于根据调整后的所述焦距，通过所述摄像装置11生成所述拍摄区域对应的区域图像；

所述第一传输模块19将第二确定模块18生成的区域图像传输至AI识别处理平台2。

在一实施例中，在根据检测到的拍摄距离确定摄像装置对目标物体拍摄的拍摄区域时，当检测到的拍摄距离低于预设的距离阈值，例如20厘米时，根据拍摄距离确定摄像装置对目标物体拍摄的拍摄区域，从而避免拍摄距离超过距离阈值时导致拍摄的照片成像不清晰、效果差。

请参阅图3，所述AI识别处理平台2包括第一构建模块21、第二构建模块22、图像获取模块23、转换存储模块24、输入识别模块25以及第二传输模块26，所述图像获取模块23与第一传输模块19通过网络连接；其中，

所述第一构建模块21用于根据通用字体数据集构建通用字体识别模型；

所述第二构建模块22用于构建字体识别验证数据集；

所述图像获取模块23用于获取第一传输模块19传输的区域图像；

所述转换存储模块24用于将所述区域图像转换为通用字体识别模型可以识别的规范数据，并将转换后的规范数据发送至字体识别验证数据集存储；

所述输入识别模块25用于将从字体识别验证数据集提取的数据输入通用字体识别模型，所述通用字体识别模型的输出作为预识别结果；

第二传输模块26将所述预识别结果传输至数据校正模块3。

所述数据校正模块3获取预识别结果后，对所述预识别结果进行校正得到实际识别结果，并将所述实际识别结果传输给数据云端4存储。

请参阅图4，所述摄像装置11还包括光线检测模块111和补光模块112，其中，

所述光线检测模块111用于对目标检验报告所处的环境光线进行检测；

所述补光模块112包括闪光灯，所述补光模块111用于当检测到所述环境光线低于预设的光线阈值时，开启所述闪光灯对目标检验报告进行补光。

请参阅图5～6，所述AI识别处理平台2还包括判断模块27，所述判断模块27被配置为对通用字体识别模型的准确率进行计算判断。

所述判断模块27对通用字体识别模型的准确率进行计算判断的步骤包括：

计算通用字体识别模型的准确率；

判断通用字体识别模型的准确率是否低于用户设定的阈值；

若是，则继续采集样本字体图像构建新的通用字体数据集，再根据所述新的通用字体数据集构建新的通用字体识别模型；

若否，则将当前通用字体识别模型作为可用的字体识别模型，通过输入从字体识别验证数据集提取的数据输出预识别结果。

所述通用字体识别模型通过将采集的大量所述样本字体图像经过训练和深度学习构建。

AI识别也称为智能图像识别技术，图像识别技术是人工智能的一个重要领域。它是指对图像进行对象识别，以识别各种不同模式的目标和对像的技术。图像识别技术可能是以图像的主要特征为基础的。每个图像都有它的特征，如字母A有个尖，P有个圈、而Y的中心有个锐角等。对图像识别时眼睛动作的研究表明，视线总是集中在图像的主要特征上，也就是集中在图像轮廓曲度最大或轮廓方向突然改变的地方，这些地方的信息量最大。而且眼睛的扫描路线也总是依次从一个特征转到另一个特征上。由此可见，在图像识别过程中，知觉机制需排除输入的多余信息，抽出关键的信息。同时，在大脑里必定有一个负责整合信息的机制，它能把分阶段获得的信息整理成一个完整的知觉映象。

本发明的工作原理是：

第一，本发明通过检测摄像装置11与目标检验报告之间的拍摄距离，根据检测到的拍摄距离确定摄像装置11对目标检验报告的拍摄区域，通过摄像装置11对拍摄区域中红外线进行识别，获得红外线在拍摄区域中的相对坐标，根据相对坐标对摄像装置11的焦距进行调整，以完成对拍摄区域对焦，根据调整后的焦距，通过摄像装置11生成并存储拍摄区域对应的区域图像，从而提高了拍照速度和成像的及时性，且提高了拍摄照片的清晰度以及保证照片清晰的稳定性，进而提高了图像识别的准确度。

第二，本发明基于通用字体数据集构建通用字体识别模型，随后利用采集并处理的字体图像训练通用手写字体识别模型，直至使用通用字体识别模型的验证准确率不低于设定的阈值时，即完成了可用的字体识别模型的训练，利用该模型，即可对目标检验报告图像进行数字化转换和识别，再经过数据校正模型的校正以达到准确度较高的实际识别结果，无需对接HIS、LIS即可收集数据。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。