对于居家的糖尿病患者来说,将CGM屏幕显示的血糖曲线拍照发送给远程管理血糖的医生是目前常用远程医疗方式。考虑到医生需要较为准确的数据进行诊断,因此需要考虑CGM血糖图像通过视觉检测进行数据提取。本文针对CGM血糖仪屏幕图像设计了数据提取的视觉检测算法,同时开发了CGM血糖仪图像数据检测系统。本文的主要研究内容如下:由于需要针对不同型号CGM血糖仪设计不同的视觉检测算法,同时获得大量CGM血糖仪屏幕图像比较困难,因此小样本场景下的CGM血糖仪屏幕图像分类任务。由于常用的HOG特征主要考虑到边缘信息,因此提出改进的HOG特征,通过计算图像灰度分布后与HOG特征进行拼接,改进后的特征不仅有边缘信息还有图像灰度分布信息。在数据上进行SVM分类试验后,得到的结果与原始的HOG特征的分类效果又一定提升。在对CGM血糖仪屏幕图像进行数据提取前设计了图像校正环节。校正第一步是通过分割屏幕图像,提出了一种改进Grab Cut算法,通过区域生长算法计算前景预选框,弥补了Grab Cut算法需要人工设置预选框的问题。对于分割好的屏幕,采用投影变换进行进一步校正,通过DP算法进行边框的四边形拟合,通过拟合后的顶点位置计算投影矩阵,得到了校正后的屏幕图像。对于屏幕图像,需要提取的数据包括血糖数据与文字数据。血糖数据检测的第一步是检测血糖曲线的坐标轴关键点,通过坐标轴进行进一步校正,获取方向校准好的曲线图像,校准好的曲线图像进行阈值分割,得到了血糖曲线部分,之后进行图像细化,最得到的图像数据进行插值,计算出时间与血糖值的对应关系。对于文本数据的检测,包括文本区域检测与文本分割两步。文本区域检测通过语义分割实现,设计语义分割网络进行文本区域检测,对网络输出进行后处理得到文本区域。文本识别采用CRNN网络,包括CNN与LSTM两部分,对于输出与实际标签不对齐的问题采用CTC损失函数,文本区域作为输入放入训练好的CRNN网络就可以获得识别出的文字。最后在设计好视觉检测算法后,开发了Web端的CGM血糖仪图像数据检测系统。系统采用Django框架,包括用户模块、检测模块、管理模块三部分,病人或医生可以通过打开网页端上传图像数据,系统就会调用检测模块自动进行检测,生成Excel结构,并保存记录。通过该系统可以辅助医生进行远程医疗。