客户：珀金埃尔默公司

行业：生命科学

解决方案：

1、Advantage视觉相机

2、VisionPro Deep Learning软件

3、In-Sight视觉软件

挑战

1、在空间局限的条件下快速采集试管架上离心分离血样试管的图像

2、将这些图像转换为供用于抽血检测的可量测的高度信息

3、在分离血样后对血浆血层进行识别和分类

效果

1、两台体积小巧的康耐视Advantage相机在珀金埃尔默JANUS G3 Blood iQ机器内部采集图像

2、VisionPro Deep Learning软件对白膜层进行识别和分类

3、传统机器视觉测量工具提取血浆高度信息

珀金埃尔默成立于1937年，总部位于美国马萨诸塞州沃尔瑟姆市（Waltham），是一家全球性医疗技术集团。5年前，该公司收购了Chemagen，其采用JANUS系统，核心是一个多波长彩色视觉系统，该系统能够采集离心分离血液样本的图像。

*JANUS G3 Blood iQ系统

康耐视工程师与珀金埃尔默的医疗仪器专家合作，展示了属于人工智能（AI）范畴的深度学习技术与体积小巧的嵌入式工业相机搭配使用是如何克服自动化血液分离测试过程（RNA和DNA检测和疾病诊断的关键组成部分）末端的挑战之一。该解决方案可以帮助医生快速诊断各种疾病，包括使整个世界陷入混乱的新冠肺炎疫情（COVID-19）。

珀金埃尔默团队面临的一大挑战在于如何快速采集离心分离血液样本试管的图像，并将这些图像可靠地转换为可量测的高度信息。但是，使用传统的确定性机器视觉软件方法无法以可重复的方式可靠地解决该问题。为此，珀金埃尔默团队向康耐视寻求解决方案，以应对检测血液分离样本中白膜层的挑战。

*左图为Advantage视觉相机，右图为VisionPro Deep Learning软件

将传统机器视觉与深度学习技术相结合

JANUS G3 Blood iQ系统工作时，其试管、封盖、标签和流体成分在大小、形状、颜色、位置等方面可能存在变化性。对于这种类型的复杂应用，将传统机器视觉与深度学习技术结合使用在测量试管和样本的内部特征方面更为有效。

康耐视的VisionPro Deep Learning软件平台将商业级的确定性机器视觉算法与可以在嵌入式或传统PC（取决于嵌入式应用类型）上运行的深度学习软件工具结合使用。深度学习软件可对被质量专家标记为“合格”或“不合格”的图像进行分析。通过分析数十个、数百个甚至数千个样本图像，深度学习软件可以像人类小孩一样“学习”什么是合格的以及什么是不合格的，而不是基于程序员设置的规则。

*离心分离血液样本及血浆样本中色颜色变化

小巧嵌入式Advantage帮助节省空间

操作员将一排试管样本装载到JANUS G3 Blood iQ系统中之后，当单排试管在两台康耐视Advantage视觉相机之间移动通过时开始整个分析过程。每台Advantage视觉相机都包含板载AE3视觉引擎模块，使这款超紧凑型视觉系统能够运行康耐视的In-Sight嵌入式图像处理算法，同时连接到嵌入了深度学习软件的PC上以进行高级图像处理分析。

一台Advantage 100相机使用边线检测工具和康耐视专有的IDMax算法读取每个试管的标识码，另一台Advantage 102彩色相机则在两种不同颜色的光源下采集每个试管的两个图像，然后JANUS G3 Blood iQ机器根据白膜层的深度来确保移液器处于正确位置，以进行白膜层的抽吸，用于进行最终分析和诊断。操作简便并节省了大量时间。

*Advantage视觉相机读取标签上的代码并采集样本试管的图像

深度学习解决方案缩短了产品开发周期

不同于其他深度学习解决方案，康耐视使用以下四种基本工具：定位、分析、分类和读取，这使得用户在开发解决方案时更容易对其进行调试。借助VisionPro Deep Learning软件，设计人员可以将复杂的问题分解为较小的任务，这些任务可以单独进行优化，因此更易于理解和维护。因此康耐视集成式软件环境意味着像珀金埃尔默这样的客户只需使用数百个图像而不是数千个甚至上万个图像就可以构建深度学习解决方案，从而缩短了OEM客户的产品上市时间。 

*检测使用蓝光和白光分别采集的图像上的血浆高度