IDNEO工程师在MATLAB中开发了图像处理、计算机视觉和机器学习算法,然后生成代码,用于生产带有嵌入式编码器的MDmulticard阅读器的Android实现®.
核心图像分析算法,由MATLAB和图像处理工具箱™开发,执行颜色均衡和白平衡,将图像转换到CIELUV颜色空间,计算色差,然后在指示图像波段模式的卡片上定位基准标记。IDNEO团队将频带分析添加到核心算法中,创建图像的二值版本,然后应用形态学操作获取卡上每个频带的骨架图像。
接下来,他们利用从骨架图像中提取的特征来实现线性回归分类器。分类器可检测实带(阳性)、无带(阴性)和混合野带(可疑),这可能发生在患者之前有过输血。
在对Grifols提供的图像进行算法测试后,工程师使用MATLAB App Designer设计了一个用户界面。他们使用MATLAB Compiler™开发了一个独立的MATLAB应用程序,Grifols的工程师和选定的医院员工无需安装MATLAB就可以使用该应用程序。
IDNEO团队使用Embedded Coder从核心图像分析算法中生成产品C代码。他们通过比较C代码产生的结果和最初的MATLAB算法产生的结果来测试C代码,使用MATLAB Profiler来测量代码覆盖率。
该团队将生成的代码集成到一个Android应用程序中,为Grifols MDmulticard阅读器提供了一个触摸屏界面。
为了符合客户的紧凑时间表,IDNEO团队在整个开发过程中使用了Scrum过程框架和持续集成。MATLAB支金宝app持这个工作流,Jenkins工作测试的代码与嵌入式编码器生成的卡图像数据库。
一个经过充分验证的读卡器预生产原型正在西班牙的多家医院进行可用性测试。同时,IDNEO工程师继续提高他们算法的准确性,使用统计学和机器学习工具箱™中的Classification Learner应用程序来评估支持向量机和其他机器学习模型。金宝app