基于玻璃珠凝集法的血型检测卡的生产过程包括灌液(抗原试剂)、灌粉(玻璃微珠)和封膜三个工序,要获得准确的血型检测结果,首先要保证灌装后血型卡的质量符合标准。对血型卡灌装质量的检测主要包括两个方面:一是要检测灌装量是否符合要求,二是要检测灌装后的血型卡中是否存在气泡。目前国内主要采用人工的方式进行血型卡灌装质量的检测,为此,本文提出了基于图像的血型卡灌装质量检测方法,主要研究内容与成果如下:(1)利用摄像机捕获血型卡图像,首先拟合出血型卡顶部边缘直线判断其是否倾斜并计算其倾斜角度,对倾斜图像进行旋转矫正,然后使用灰度积分投影的方法进行水平裁剪和垂直分割以去掉无用信息,每张血型卡分别得到六个独立的微柱管图像。每个微柱管图像经过图像增强后,利用Sobel边缘检测方法先后提取出液相和固液混合相的水平边缘位置,根据图像中的像素长度与实际长度的对应关系计算出相应的高度。将本文算法得到的测量结果和手工测量结果进行对比,将所有误差数据统计直方图进行分析,根据3σ原则,液相高度误差在(-0.525,0.357)区间内,固液混合相高度误差在(-0.273,0.225)区间内。(2)针对血型卡图像中是否存在气泡的问题,使用支持向量机的方法来进行图像分类。对单个微柱管图像分别提取其HOG、Haar、LBP特征,选择多项式核函数、RBF核函数、Sigmoid核函数来分别训练SVM分类模型,同时通过交叉验证方法获得各个模型最佳参数。实验结果表明,该方法在用HOG提取特征和选择RBF核函数进行映射时取得最好的分类效果,准确率达到90%以上,同时高度测量和气泡检测总时间小于1.5s,可以满足实时检测的需求。(3)为了确定气泡所在位置,使用卷积神经网络的方法来进行图像分类。选择残差网络作为基础模型,并根据单个微柱管图像特点,对残差网络作出改进。将单个微柱管图像分为液相和固液混合相两个区域,每个区域选择3×3、5×5、7×7三个不同尺寸的卷积核分别提取不同感受野下的特征。采用通道串接的方式进行特征整合,网络选用两个残差组,每组四个残差单元。实验结果表明,该方法对血型卡气泡图像的分类准确率高达98.63%,可以对血型卡中是否存在气泡进行有效检测。