科创中国

新一代信息技术产业,人工智能

抗原检测智能判读模型的核心任务目标是区分抗原试剂图像中的阳性、阴性、无效图像。因此，项目的任务是设计一个模型实现抗原试剂图像分类任务。考虑到抗原试剂图像由用户所拍摄，图像的空间位置信息，纹理信息等无法固定，不同设备存在成像差异，这对精准抗原检测智能判读模型带来了不小的挑战。针对这些挑战，项目拟设计高泛化性、鲁棒性和高精度的智能判读模型，并部署于“华为云”服务器上，利设计服务器接口配合多用户进行调用，从而建立一套有效稳定的智能化视觉抗原检测框架。

抗原检测智能判读模型的检测难点在于对具有不明显反应特征的弱阳性样本进行检出。在模型设计方面，针对弱阳性样本抗原反应特征微弱难辨，普通算法难以在非结构化场景下实现高精度的检测，项目组设计了基于生物反应特征增强的内容自适应框架，在模型训练的过程中，强调对于反应特征变化的区域进行特征增强。在面向多用户的使用方面，项目采用基于神经网络的置信度判别算法，基于多层神经网络特征映射的统计实现模糊、阴影变化过大、拍摄抖动时的样本剔除。所设计的模型在同源数据集上的总体识别准确精度高于98%，其中对于阴性样本、20%、50%的阳性样本识别准确度达到99%，对于人眼难以辨别的弱阳性10%样本检测精度大于90%。所设计的模型接口采用Sanic框架进行云服务器部署，并通过ngix实现多服务器上的负载均衡，并通过Tenserrt框架对于数据及模型的转换加速，可以在通用图像检测显卡NVIDIA Tesla T4的云服务器上，实现最多50并发量情况下，平均用户等待时间在1s内。

张辉：湖南大学机器人学院教授，博士生导师，湖南大学机器人视觉感知与控制技术国家工程研究中心副主任。2022年湖南省科技创新领军人才，湖南省杰出青年基金获得者，首届湖南省“湖湘青年英才”。负责对项目的总体方案规划选型，核心指标设定，项目进度以及实施方案，以及学生管理工作。 刘立柱：博士研究生，主要研究方向为视觉检测、深度学习图像识别。负责对模型设计接口方案的选型设计，模型前后段调用的总体配合，ngix服务器负载均衡的核心代码的编写，以及合同签署制定。 刘嘉轩：硕士研究生，主要研究方向为深度学习图像分类、模型轻量化设计。负责对模型设计的细节设计，模型训练测试代码的编写，实现项目中的精度指标，检测时间指标。 刘嘉轩：硕士研究生，主要研究方向为深度学习图像分类、模型轻量化设计。负责对模型设计的细节设计，模型训练测试代码的编写，实现项目中的精度指标，检测时间指标。 张邹铨：硕士研究生，主要研究方向为深度学习部署。负责对项目云服务器的部署工作，包括多线程设计以及核心代码编写，接口压力测试以及前后端数据的对应。

点击查看