使用实例

适用于高通量的自动化显微镜检查：通过CNN进行血细胞分析

什么是高通量显微镜？

实验室技术人员在显微镜下的样本中可以观察到哪些类型的血细胞？每种细胞的数量有多少，它们的大小和形状如何？这些问题的答案有助于医生诊断疟疾、结核病或血液肿瘤等疾病。然而，通过显微镜观察耗时且容易出错，因此成本高昂。基于CNN（卷积神经网络）技术的计算机视觉系统可以让该过程实现自动化。

人工血细胞分析应用存在哪些挑战？

血液涂片的实验室分析技术应该可靠、快速且价格亲民。在基于CNN的计算机视觉系统的帮助下，通过实现分析过程的自动化就能满足上述所有要求。但是，高分辨率和高速运作就意味着系统必须具备快速传输和处理大量数据的能力。

适用于高通量显微镜应用的解决方案：通过CNN技术进行血细胞分析

在演示中，我们使用CNN技术来识别血液涂片中可导致疟疾传染病的疟原虫。CNN将疟原虫分为七个预先定义的类别，并对其进行计数，这样就能可靠地确定疟疾的形式。为了解决此类问题，我们会为您选择合适的硬件和软件组件，并将它们配置成一个可完美匹配的计算机视觉系统。

此演示中的系统硬件包括一个双通道boost彩色相机，分辨率为2000万像素，像圈尺寸为1.1英寸，配备CXP-12接口。该相机能以高分辨率采集快速循环的图像——这是实现高速扫描或样本高通量的技术基础。对高数据量进行（预）处理和分析需要借助额外的适配组件。在这个应用场景中，可编程的imaWorx CXP-12 Quad图像采集卡不仅可以进行图像处理和分析工作，还可以借助基于FPGA的实时数据预分析功能来支持自动对焦等功能。系统硬件还包括一个C-mount镜头和两根CXP-12数据线作为补充。

Basler VisualApplets软件可用于对图像采集卡FPGA进行编程。数据预分析的配置与编程、在图像采集卡FPGA上实施CNN技术——这些工作均在软件中的图形化用户界面上进行。这个CNN事先已在主机端接受了训练。但是，图像采集卡FPGA可以为CNN实施提供足够的容量，并实现较高的推理性能。根据客户的要求，可以先对CNN进行一次培训，然后将它部署在图像采集卡的FPGA上，也可以让客户选择稍后再调整CNN。