IDNEO工程师开发了图像处理、计算机视觉和机器学习算法在MATLAB生成的代码生产Android MDmulticard读者使用嵌入式编码的实现®。
核心图像分析算法,开发了与MATLAB的图像处理工具箱™,执行颜色均衡和白平衡,将图像转换为CIELUV颜色空间,计算颜色差异,然后定位基准标记在卡片上注明乐队在图像模式。IDNEO团队添加带分析核心算法,创建一个二进制版本的图像,然后运用形态学操作得到骨架图像为每个乐队在卡片上。
接下来,他们实现了一个线性回归分类器训练从骨骼中提取图像特征。分类器检测固体乐队(分为积极的),没有乐队(归类为负),和mixed-field乐队(列为怀疑),它可以发生在一个病人有一个以前的输血。
测试后提供的算法在图像Grifols,工程师们设计了一个用户界面与MATLAB软件设计师。他们用MATLAB编译器™产生一个独立的MATLAB程序,Grifols工程师和选定的医院工作人员可以使用没有安装MATLAB。
IDNEO团队生产生成C代码从核心图像分析算法和嵌入式编码。他们测试了C代码通过比较结果产生的结果由原来的MATLAB算法,利用MATLAB分析器测量代码覆盖率。
团队生成的代码集成到一个Android应用程序,提供了一个触摸屏界面Grifols MDmulticard读者。
遵守客户的行程紧凑,IDNEO团队使用Scrum过程框架在开发和持续集成。MATLAB支金宝app持这个工作流,詹金斯工作测试生成的代码嵌入编码器对卡图像数据库。
完全验证、试制样机的读卡器进行可用性测试在不同的医院在西班牙。同时,IDNEO工程师继续改进其算法的准确性,使用统计和机器学习的分类学习者应用工具箱™评估支持向量机和其他机器学习模型。金宝app