本发明属于检验器具消毒，更具体地说，是涉及一种用于检验科检验器具的消毒方法及装置。
背景技术：
1、在医疗健康领域，检验科作为疾病诊断的重要环节，其使用的检验器具如采血针、培养皿、试管、显微镜载玻片等，直接接触生物样本，如血液、体液等，因此，确保这些器具的无菌状态是防止交叉感染、保证检验结果准确性的关键。传统的消毒方法包括高温高压灭菌、化学消毒剂浸泡、紫外线照射等，然而这些方法需要医护人员实时进行监控。因此，迫切需要一种高效、安全、自动化的消毒方法，以提高医疗设施的卫生水平，保障医护人员的健康安全。
技术实现思路
1、为解决上述问题，本发明的目的在于提供一种用于检验科检验器具的消毒方法与装置。
2、一种用于检验科检验器具的消毒方法，包括：
3、步骤1：获取检验器具的视频图像；
4、步骤2：对所述视频图像进行预处理得到预处理后的视频图像；
5、步骤3：对所述预处理后的视频图像进行特征增强处理得到特征增强后的视频图像；
6、步骤4：对特征增强后的视频图像进行标定形成训练数据集；
7、步骤5：使用所述训练数据集对深度学习模型进行训练得到检验器具类型识别模型；
8、步骤6：将目标检验器具的视频图像输入检验器具类型识别模型中，判断检验器具的类型；
9、步骤7：根据检验器具的类型控制蒸汽灭菌柜的消毒时间和温度。
10、优选的，所述步骤2：对所述视频图像进行预处理得到预处理后的视频图像，包括：
11、步骤2.1：使用正方形窗口将所述视频图像分割成多个区块；
12、步骤2.2：计算区块中心的像素点在相应区块中的梯度值；
13、步骤2.3：根据所述梯度值构建平滑检测模型；
14、步骤2.4：利用所述平滑检测模型对所述视频图像进行预处理得到预处理后的视频图像。
15、优选的，所述步骤2.3：根据所述梯度值构建平滑检测模型，包括：
16、采用公式：
17、
18、构建平滑去噪模型；其中，表示区块中心的像素点x在相应区块中的梯度值，为区块的像素均值，u(x)表示像素点x的像素值，umedian(x)表示区块中心的像素点x在相应区块中的像素中值。
19、优选的，所述步骤2.4：利用所述平滑检测模型对所述视频图像进行预处理得到预处理后的视频图像，包括：
20、步骤2.4.1：利用所述平滑检测模型计算区块中心像素点的平滑值；
21、步骤2.4.2：筛选出所有平滑值大于去噪阈值的像素点作为异常像素点；
22、步骤2.4.3：获取异常像素点所在视频图像的相邻帧；
23、步骤2.4.4：基于相邻帧处的像素值对异常像素点所在的区块进行预处理得到预处理后的视频图像。
24、优选的，在所述步骤2.4.3中，采用公式：
25、
26、对异常像素点所在的区块进行预处理得到预处理后的视频图像；其中，i(xj,yj)表示第j个相邻帧的视频图像在(xj,yj)位置处的像素值，σ表示标准差，n表示相邻帧的个数，px,y(t)表示异常像素点所在区块的像素值。
27、优选的，所述步骤3：对所述预处理后的视频图像进行特征增强处理得到特征增强后的视频图像，包括：
28、步骤3.1：将预处理后的视频图像转换到hsi颜色空间形成hsi图像；
29、步骤3.2：基于预处理后的视频图像在rgb颜色通道的值对hsi图像进行增强处理得到增强后的hsi图像；其中，增强处理公式为：
30、
31、其中，s″表示增强后hsi图像的饱和度，s表示原始hsi图像的饱和度，i表示原始hsi图像的亮度，min(r,g,b)表示预处理后的视频图像在红、绿和蓝颜色通道的最小值，max(r,g,b)表示预处理后的视频图像在红、绿和蓝颜色通道的最大值。
32、优选的，所述步骤5：使用所述训练数据集对深度学习模型进行训练得到检验器具类型识别模型，包括：
33、步骤5.1：将所述训练数据集输入到卷积神经网络，并通过损失函数对所述卷积神经网络进行训练；其中，所述损失函数为：
34、
35、其中，i表示训练数据集中图像的个数，yi表示图像的真实标签，表示卷积神经网络预测的结果；
36、步骤5.2：利用阶梯下降模型对所述卷积神经网络中的网络参数进行优化，使损失函数达到最小得到检验器具类型识别模型；其中，所述阶梯下降模型为：
37、
38、其中，δi表示经过第i次迭代的卷积核权值，表示第l层神经网络的偏置值，η表示学习率，表示损失函数与卷积核权值的偏导数。
39、本发明还提供了一种用于检验科检验器具的消毒装置，包括：
40、视频图像获取模块，用于获取检验器具的视频图像；
41、预处理模块，用于对所述视频图像进行预处理得到预处理后的视频图像；
42、特征增强模块，用于对所述预处理后的视频图像进行特征增强处理得到特征增强后的视频图像；
43、图像标定模块，用于对特征增强后的视频图像进行标定形成训练数据集；训练模块，用于使用所述训练数据集对深度学习模型进行训练得到检验器具类型识别模型；
44、判断模块，用于将目标检验器具的视频图像输入检验器具类型识别模型中，判断检验器具的类型；
45、紫外杀菌模块，用于根据检验器具的类型控制蒸汽灭菌柜的消毒时间和温度。
46、本发明还提供了一种电子设备，包括总线、收发器、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述收发器、所述存储器和所述处理器通过所述总线相连，其特征在于，所述计算机程序被所述处理器执行时实现上述的一种用于检验科检验器具的消毒方法中的步骤。
47、本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的一种用于检验科检验器具的消毒方法中的步骤。
48、本发明提供的一种用于检验科检验器具的消毒方法与装置的有益效果在于：与现有技术相比，本发明通过利用特征增强后的视频图像训练深度学习模型得到检验器具类型识别模型，能够基于检验器具的类型控制蒸汽灭菌柜的消毒时间和温度，这样能够实现对检验器具的自动化消毒管理，减少人工干预，提高消毒效率。
1.一种用于检验科检验器具的消毒方法，其特征在于，包括：
2.如权利要求1所述的一种用于检验科检验器具的消毒方法，其特征在于，所述步骤2：对所述视频图像进行预处理得到预处理后的视频图像，包括：
3.如权利要求2所述的一种用于检验科检验器具的消毒方法，其特征在于，所述步骤2.3：根据所述梯度值构建平滑检测模型，包括：
4.如权利要求3所述的一种用于检验科检验器具的消毒方法，其特征在于，所述步骤2.4：利用所述平滑检测模型对所述视频图像进行预处理得到预处理后的视频图像，包括：
5.根据权利要求4所述的一种用于检验科检验器具的消毒方法，其特征在于，在所述步骤2.4.3中，采用公式：
6.根据权利要求5所述的一种用于检验科检验器具的消毒方法，其特征在于，所述步骤3：对所述预处理后的视频图像进行特征增强处理得到特征增强后的视频图像，包括：
7.如权利要求6所述的一种用于检验科检验器具的消毒方法，其特征在于，所述步骤5：使用所述训练数据集对深度学习模型进行训练得到检验器具类型识别模型，包括：
8.一种用于检验科检验器具的消毒装置，其特征在于，包括：
9.一种电子设备，包括总线、收发器、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述收发器、所述存储器和所述处理器通过所述总线相连，其特征在于，所述计算机程序被所述处理器执行时实现如权利要求1-7中所述的一种用于检验科检验器具的消毒方法中的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-7中所述的一种用于检验科检验器具的消毒方法中的步骤。