科创中国

湖南大学机器人学院开展了面向抗原检测试剂的视觉检测技术——轻量化自适应深度学习关键特征提取技术研究，解决了抗原检测试剂中弱阳性样本检测识别速度慢，识别精度低，深度学习部署难度大，模型部署云端服务后吞吐量低，使用性能差的核心问题。具体核心指标实现了平均检测精度大于98%，10%的弱阳性样本检测精度大于90%，单张图片检测速度小于200ms。云端部署的接口实现50并发量时，平均用户等待时间小于1s。

目前我国抗原检测多采用人工采样检测识别，其检测灵活性低，检测数据量大，检测效率较低，并对于弱阳性样本，人眼几乎难以辨认。项目在抗原检测视觉模型中首次使用基于生物反应特征增强的内容自适应框架，大幅强化模型对生物反应特征以及其位置的提取，实现了高准确率的抗原试剂检测，多项检测指标高于99%。同时对于传统模型部署方案并发量小，用户等待时间长的核心问题，采用较为新颖的sanic框架，实现异步处理，利用pytorch深度学习框架的特性进行模型压缩处理，实现在云端部署时的轻量化检测，其设计模型面向用户，解决了传统深度学习模型实用性难题。

本项目研究的深度学习模型和云端部署方案可以进一步结合大数据技术，实现医院-实验室-云端存储设备高效联动，大幅增加新型药剂、生物蛋白等反应试剂的开发进度。并可以通过云端实现高效实时数据传输，及时上传、获取、管理实验数据，实现大空间范围内的检测数据共享。面向用户可以进一步扩展其在新冠检测试剂的云服务部署工作，实现居民用户疫苗自测，并上传疾控中心，大幅减轻防疫人员工作强度，提高检测效率，以及检测的灵活性，应用前景价值较高。

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。

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。

研发该项成果已投入研究经费4万于元，主要用于云端服务器建设部署工作。项目预期将上载微信小程序APP，在配合企业销售抗原检测试剂的过程中，为用户提供标准检测服务，并提供配套的数据统计与管理服务，预计为企业的提高抗原检测的试剂的年销售量22.5万支，企业效益增加120万元。

希望通过技术入股的方式实现成果转换，并提供一定的资金帮助，希望对成果转换的方向能够瞄准公共服务领域，利用云平台和深度学习技术，解决人民核心需求。