采样区域的确定方法、装置、电子设备和存储介质与流程

1.本技术涉及图像处理技术领域，具体而言，涉及一种采样区域的确定方法、装置、电子设备和存储介质。


背景技术：

2.相关技术中，通过在采集的口腔图像区分出可供采样的口腔区域，如扁桃体等。采用这种方案由于采集的口腔图像会因为采样时间、环境等因素造成光照和色彩差异。如果采集到的图像和算法使用的训练数据图片差异过大，可能会导致确定出的核酸采样区域不准确，造成自动化核酸采集装置无法在进行准确的采样。


技术实现要素：

3.本技术旨在至少解决相关技术中存在的技术问题之一。
4.为此，本技术的第一个方面在于提出一种采样区域的确定方法。
5.本技术的第二个方面在于提出一种采样区域的确定装置。
6.本技术的第三个方面在于提出一种电子设备。
7.本技术的第四个方面在于提出一种可读存储介质。
8.本技术的第五个方面在于提出一种计算机程序产品。
9.有鉴于此，根据本技术的一个方面，提出了一种采样区域的确定方法，该确定方法用于确定口腔内进行核酸采样的采样区域，该确定方法包括：获取第一图像；提取第一图像中的图像特征；根据图像特征，确定对于第一图像的图像增强方案；根据图像增强方案对第一图像图像增强，确定第二图像；根据第二图像确定采样区域。需要说明的是，本技术所提出的采样区域的确定方法的执行主体可以是采样区域的确定装置，为了更加清楚的对本技术提出的采样区域的确定方法进行说明，下面技术方案中以采样区域的确定方法的执行主体为采样区域的确定装置进行示例性说明。
10.在该技术方案中，上述第一图像表示自动化核酸采集装置拍摄的口腔内的图像；上述图像特征表示第一图像中的颜色、纹理、形状和空间关系等特征。
11.具体地，确定装置首先获取第一图像。具体而言，在自动化核酸采集装置上设置有图像采集装置，用于采集口腔图像，确定装置可以通过该图像采集装置获取上述第一图像。
12.进一步地，确定装置对上述第一图像中的特征进行提取，确定出能够表达第一图像不同性质的图像特征。
13.进一步地，确定装置根据提取的图像特征，确定对于上述第一图像的图像增强方案。具体而言，根据上述图像特征，可以明确第一图像的基本参数，根据基本参数可以明确需要调节哪些参数以及需要将这些参数调节至何值，转换出的第二图像才能够满足准确确定采样区域的要求，因此，确定装置能够根据上述图像特征确定出对于第一图像的图像增强方案。
14.进一步地，确定装置根据确定出的图像增强方案对上述第一图像进行图像增强，
转换出能够用于准确确定采样区域的第二图像。具体而言，确定出的第二图像的基本参数与标准参数一致或相近，其中，标准参数表示能够准确确定采样区域的图像参数。这样，保证了后续步骤中，根据第二图像确定出的口腔内的核酸采样区域的准确性。
15.具体而言，由于采集的上述第一图像会因为采样时间、环境等因素造成光照和色彩差异，导致第一图像与确定口腔内核酸采样区域所使用的算法要求的图像的基本参数差异过大，导致根据该第一图像确定出的采样区域误差较大。
16.因此，本技术的技术方案中，需要对上述第一图像进行图像增强，将第一图像的基本参数调节至确定口腔内核酸采样区域所使用的算法要求的范围内，即将第一图像的基本参数调节至训练上述算法所使用的图像的基本参数的误差允许范围内。
17.进一步地，确定装置根据确定出的第二图像确定口腔内的采样区域。具体而言，确定装置可以对第二图像的不同区域进行分割和识别，确定出可供核酸采样的区域，例如，扁桃体所在的区域。
18.在该技术方案中，确定装置可以根据提取的上述第一图像的图像特征，对第一图像进行图像增强，然后根据完成图像增强得出的第二图像确定口腔内核酸采样区域。在本技术的技术方案中，完成图像增强得出的第二图像的基本参数，与训练确定采样区域所使用的算法时采用的图像的基本参数一致或者相近，保证了根据上述第二图像可以快速准确的确定出口腔内的核酸采样区域，进而提高了自动化核酸采集装置的采样效率。
19.此外，根据本技术的上述技术方案提出的采样区域的确定方法，还可以具有以下附加技术特征：
20.在上述技术方案中提取第一图像中的图像特征的步骤具体包括：将第一图像输入至第一模型，以使第一模型输出图像特征；其中，第一模型表示预先训练卷积神经网络模型确定的用于特征提取的轻量化模型。
21.在该技术方案中，确定装置可以通过预先训练好的第一模型对获取的第一图像进行特征提取，确定出上述图像特征，这样，保证了图像特征提取的效率，进而可以提高自动化核酸采集装置的采集效率。
22.在上述技术方案中，将第一图像输入至第一模型之前，确定方法还包括：生成与第一图像相对应的特征处理图像，特征处理图像的分辨率为预设分辨率；其中，将第一图像输入至第一模型包括：将特征处理图像输入至第一模型。在该技术方案中，确定装置可以通过将第一图像的分辨率调节至预设分辨率确定特征处理图像，将该特征处理图像输入到第一模型进行图像特征提取的方式，提高第一模型的运行效率，提高特征提取的效率。
23.在上述技术方案中，根据图像特征，确定对于第一图像的图像增强方案的步骤具体包括：将图像特征输入至第二模型中，以使第二模型输出图像增强方案，其中，第二模型表示预先训练的神经网络模型。
24.在该技术方案中，确定装置通过将上述图片特征输入到第二模型中，即可确定出具体地图像增强方案，这样，提高了确定采样区域的效率和准确性，进而提高了自动化核酸采集装置的采样效率。
25.在上述技术方案中，根据图像增强方案对第一图像图像增强的步骤具体包括：根据图像增强方案，将第一图像的图像对比度、图像锐化度、图像白平衡、图像色调和图像偏色值中的一种或多种参数调节至对应的预设范围内，以确定第二图像。
26.在该技术方案中，确定装置可以通过调节第一图像的图像偏色值、图像白平衡、图像对比度、图像色调以及图像锐化度中的一种或多种，对第一图像进行图像增强，这样，保证了根据完成图像增强后转换出第二图像能够准确的确定核酸采样区域，进而可以提高自动化核酸采集装置的采样效率。
27.在上述技术方案中，根据第二图像确定采样区域的步骤具体包括：采用图像分割网络算法对第二图像进行区域分割，确定采样区域。
28.具体地，采用图像分割网络算法对上述第二图像进行识别和处理，可以有效的提高确定出的口腔内的核酸采样区域的准确性。
29.在上述技术方案中，第一图像表示采集的口腔图像。
30.在该技术方案中，上述第一图像表示自动化核酸采集装置采集的口腔图像，但不局限于此。
31.根据本技术的第二个方面，提出了一种采样区域的确定装置，该采样区域的确定装置用于确定口腔内进行核酸采样的采样区域，该采样区域的确定装置包括：获取模块，用于获取第一图像；第一处理模块，用于提取第一图像中的图像特征；第二处理模块，用于根据图像特征，确定对于第一图像的图像增强方案；第二处理模块还用于根据图像增强方案对第一图像图像增强，确定第二图像；第三处理模块，用于根据第二图像确定采样区域。
32.在该技术方案中，上述第一图像表示自动化核酸采集装置拍摄的口腔内的图像；上述图像特征表示第一图像中的颜色、纹理、形状和空间关系等特征。
33.具体地，首先通过获取模块获取第一图像。具体而言，在自动化核酸采集装置上设置有图像采集装置，用于采集口腔图像，获取模块可以通过该图像采集装置获取上述第一图像。
34.进一步地，第一处理模块对上述第一图像中的特征进行提取，确定出能够表达第一图像不同性质的图像特征。
35.进一步地，第二处理模块根据提取的图像特征，确定对于上述第一图像的图像增强方案。具体而言，根据上述图像特征，可以明确第一图像的基本参数，根据基本参数可以明确需要调节哪些参数以及需要将这些参数调节至何值，转换出的第二图像才能够满足准确确定采样区域的要求，因此，第二处理模块能够根据上述图像特征确定出对于第一图像的图像增强方案。
36.进一步地，第二处理模块根据确定出的图像增强方案对上述第一图像进行图像增强，转换出能够用于准确确定采样区域的第二图像。具体而言，确定出的第二图像的基本参数与标准参数一致或相近，其中，标准参数表示能够准确确定采样区域的图像参数。这样，保证了后续步骤中，根据第二图像确定出的口腔内的核酸采样区域的准确性。
37.具体而言，由于采集的上述第一图像会因为采样时间、环境等因素造成光照和色彩差异，导致第一图像与确定口腔内核酸采样区域所使用的算法要求的图像的基本参数差异过大，导致根据该第一图像确定出的采样区域误差较大。
38.因此，本技术的技术方案中，需要通过第二处理模块对上述第一图像进行图像增强，将第一图像的基本参数调节至确定口腔内核酸采样区域所使用的算法要求的范围内，即将第一图像的基本参数调节至训练上述算法所使用的图像的基本参数的误差允许范围内。
39.进一步地，第三处理模块根据确定出的第二图像确定口腔内的采样区域。具体而言，第三处理模块可以对第二图像的不同区域进行分割和识别，确定出可供核酸采样的区域，例如，扁桃体所在的区域。
40.在该技术方案中，第二处理模块可以根据提取的上述第一图像的图像特征，对第一图像进行图像增强，第三处理模块根据完成图像增强得出的第二图像确定口腔内核酸采样区域。在本技术的技术方案中，完成图像增强得出的第二图像的基本参数，与训练确定采样区域所使用的算法时采用的图像的基本参数一致或者相近，保证了根据上述第二图像可以快速准确的确定出口腔内的核酸采样区域，进而提高了自动化核酸采集装置的采样效率。
41.根据本技术第三个方面，提出了一种电子设备，包括：存储器，存储器中存储有程序或指令；处理器，处理器执行存储在存储器中的程序或指令以实现如本技术上述技术方案提出的采样区域的确定方法的步骤，因而具有本技术上述技术方案提出的采样区域的确定方法的全部有益技术效果，在此不再做过多赘述。
42.根据本技术的第四个方面，提出了一种可读存储介质，其上存储有程序或指令，程序或指令被处理器执行时实现如本技术上述技术方案提出的采样区域的确定方法。因此，该可读存储介质具备本技术上述技术方案提出的采样区域的确定方法的全部有益效果，在此不再赘述。
43.根据本技术的第五个方面，提出了一种计算机程序产品，包括计算机程序，计算机程序被处理器执行时实现如本技术上述技术方案提出的采样区域的确定方法。因此，该计算机程序产品具备本技术上述技术方案提出的采样区域的确定方法的全部有益效果，在此不再赘述。
44.本技术的附加方面和优点将在下面的描述部分中变得明显，或通过本技术的实践了解到。
附图说明
45.本技术的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
46.图1示出了本技术实施例的采样区域的确定方法的流程示意图之一；
47.图2示出了本技术实施例的采样区域的确定方法的流程示意图之二；
48.图3示出了本技术实施例的采样区域的确定方法的流程示意图之三；
49.图4示出了本技术实施例的采样区域的确定方法的流程示意图之四；
50.图5示出了本技术实施例的采样区域的确定方法的流程示意图之五；
51.图6示出了本技术实施例的采样区域的确定装置的示意框图；
52.图7示出了本技术实施例的电子设备的示意框图；
53.图8示出了本技术实施例的对第一图像进行处理的示意图。
具体实施方式
54.为了能够更清楚地理解本技术的上述目的、特征和优点，下面结合附图和具体实施方式对本技术进行进一步的详细描述。需要说明的是，在不冲突的情况下，本技术的实施
例及实施例中的特征可以相互组合。
55.在下面的描述中阐述了很多具体细节以便于充分理解本技术，但是，本技术还可以采用其他不同于在此描述的其他方式来实施，因此，本技术的保护范围并不限于下面公开的具体实施例的限制。
56.下面结合图1至图8，通过具体的实施例及其应用场景对本技术实施例提供的一种采样区域的确定方法、装置、存储介质和电子设备进行详细地说明。
57.实施例一：
58.图1示出了本技术实施例的采样区域的确定方法的流程示意图，该确定方法包括：
59.s102，获取第一图像，第一图像为采集的口腔图像；
60.s104，提取第一图像中的图像特征；
61.s106，根据图像特征，确定对于第一图像的图像增强方案；
62.s108，根据图像增强方案对第一图像图像增强，确定第二图像；
63.s110，根据第二图像确定采样区域。
64.需要说明的是，本技术所提出的采样区域的确定方法的执行主体可以是采样区域的确定装置，为了更加清楚的对本技术的实施例进行说明，下面实施例中以执行主体为采样区域的确定装置进行示例性说明。
65.在该实施例中，上述第一图像表示自动化核酸采集装置拍摄的口腔内的图像；上述图像特征表示第一图像中的颜色、纹理、形状和空间关系等特征。
66.具体地，确定装置首先获取第一图像。具体而言，在自动化核酸采集装置上设置有图像采集装置，用于采集口腔图像，确定装置可以通过该图像采集装置获取上述第一图像。
67.进一步地，确定装置对上述第一图像中的特征进行提取，确定出能够表达第一图像不同性质的图像特征。
68.示例性地，对于第一图像的图像特征提取，可以采用harris(角点提取)、sift(scale-invariant feature transform，尺度不变特征变换)、surf(speeded up robust features,加速稳健特征)、fast(features from accelerated segment test，角点检测)、brief(binary robust independent elementary features，特征描述)和orb(oriented fast and rotated brief，特征检测和向量创建)等算法，但不局限于此。
69.进一步地，确定装置根据提取的图像特征，确定对于上述第一图像的图像增强方案。具体而言，根据上述图像特征，可以明确第一图像的基本参数，根据基本参数可以明确需要调节哪些参数以及需要将这些参数调节至何值，转换出的第二图像才能够满足准确确定采样区域的要求，因此，确定装置能够根据上述图像特征确定出对于第一图像的图像增强方案。
70.进一步地，确定装置根据确定出的图像增强方案对上述第一图像进行图像增强，转换出能够用于准确确定采样区域的第二图像。具体而言，确定出的第二图像的基本参数与标准参数一致或相近，其中，标准参数表示能够准确确定采样区域的图像参数。这样，保证了后续步骤中，根据第二图像确定出的口腔内的核酸采样区域的准确性。
71.具体而言，由于采集的上述第一图像会因为采样时间、环境等因素造成光照和色彩差异，导致第一图像与确定口腔内核酸采样区域所使用的算法要求的图像的基本参数差异过大，导致根据该第一图像确定出的采样区域误差较大。
72.因此，本技术的实施例中，需要对上述第一图像进行图像增强，将第一图像的基本参数调节至确定口腔内核酸采样区域所使用的算法要求的范围内，即将第一图像的基本参数调节至训练上述算法所使用的图像的基本参数的误差允许范围内。
73.进一步地，确定装置根据确定出的第二图像确定口腔内的采样区域。具体而言，确定装置可以对第二图像的不同区域进行分割和识别，确定出可供核酸采样的区域，例如，扁桃体所在的区域。
74.示例性地，确定装置可以采用图像分割网络算法对第二图像进行区域分割，确定采样区域。
75.具体而言，上述图像分割网络算法表示一种将具有相似性质的像素点合并到一起，确定出多个图像区域的算法。
76.具体地，采用图像分割网络算法对上述第二图像进行识别和处理，可以有效的提高确定出的口腔内的核酸采样区域的准确性。
77.示例性地，确定装置还可以采用其他的算法综合上述图像分割网络算法对第二图像进行识别和分割处理，这样，有利于提高确定出采样区域的准确性。
78.在该实施例中，确定装置可以根据提取的上述第一图像的图像特征，对第一图像进行图像增强，然后根据完成图像增强得出的第二图像确定口腔内核酸采样区域。在本技术的实施例中，完成图像增强得出的第二图像的基本参数，与训练确定采样区域所使用的算法时采用的图像的基本参数一致或者相近，保证了根据上述第二图像可以快速准确的确定出口腔内的核酸采样区域，进而提高了自动化核酸采集装置的采样效率。
79.图2示出了本技术实施例的采样区域的确定方法的流程示意图，该确定方法包括：
80.s202，获取第一图像，第一图像为采集的口腔图像；
81.s204，将第一图像输入至第一模型，以使第一模型输出图像特征；
82.s206，根据图像特征，确定对于第一图像的图像增强方案；
83.s208，根据图像增强方案对第一图像图像增强，确定第二图像；
84.s210，根据第二图像确定采样区域。
85.其中，第一模型表示预先训练卷积神经网络模型确定的用于特征提取的轻量化模型。
86.在该实施例中，上述第一模型表示预先训练的能够对图像的图像特征进行提取的卷积神经网络模型。
87.具体地，提取上述图像特征的过程为，确定装置将获取的上述第一图输入到上述第一模型中，进行特征提取，以确定上述图像特征。
88.在该实施例中，确定装置可以通过预先训练好的第一模型对获取的第一图像进行特征提取，确定出上述图像特征，这样，保证了图像特征提取的效率，进而可以提高自动化核酸采集装置的采集效率。
89.图3示出了本技术实施例的采样区域的确定方法的流程示意图，该确定方法包括：
90.s302，获取第一图像，第一图像为采集的口腔图像；
91.s304，生成与第一图像相对应的特征处理图像，特征处理图像的分辨率为预设分辨率；
92.s306，将特征处理图像输入至第一模型，以使第一模型输出图像特征；
93.s308，根据图像特征，确定对于第一图像的图像增强方案；
94.s310，根据图像增强方案对第一图像图像增强，确定第二图像；
95.s312，根据第二图像确定采样区域。
96.在该实施例中，上述特征处理图像表示分辨率为预设分辨率的第一图像。
97.具体地，在将获取的第一图像输入到上述第一模型之前，确定装置还需要把该第一图像的分辨率调节到预设分辨率确定出特征处理图像。具体地，预设分辨率为第一模型运行的最佳分辨率。
98.进一步地，在确定上述图像的过程中，确定装置是将该特征处理图像输入到第一模型进行特征提取，这样，能够提升模型运行速度，实现对每张图像增强方案的定制化增强，如果不进行分辨率的转换，可能会导致耗费资源过大，不利于实现实现上述定制化增强的方案。
99.示例性地，上述预设分辨率根据上述第一模型的性能设定。
100.需要说明的是，后续步骤中，确定装置进行图像增强时，不是对这个特征处理图像进图像增强，而是对原始的第一图像进行图像增强。
101.在该实施例中，确定装置可以通过将第一图像的分辨率调节至预设分辨率确定特征处理图像，将该特征处理图像输入到第一模型进行图像特征提取的方式，提高第一模型的运行效率，提高特征提取的效率。
102.图4示出了本技术实施例的采样区域的确定方法的流程示意图，该确定方法包括：
103.s402，获取第一图像，第一图像为采集的口腔图像；
104.s404，提取第一图像中的图像特征；
105.s406，将图像特征输入至第二模型中，以使第二模型输出图像增强方案；
106.s408，根据图像增强方案对第一图像图像增强，确定第二图像；
107.s410，根据第二图像确定采样区域。
108.其中，第二模型表示预先训练的神经网络模型。
109.在该实施例中，上述第二模型表示预先训练神经网络模型，但不局限于此。具体地，确定装置确定上述对于第一图像的具体图像增强方案的过程为：确定装置将上述图像特征输入到上述第二模型，第二模型根据输入的图像特征即可确定出具体的图像增强方案。
110.具体而言，第二模型可以根据上述图像特征确定第一图像的基本参数与标准参数值之间的差异值，并能够根据这些差异值计算出需调整哪些参数以及这些参数应该调节至何值。
111.在该实施例中，确定装置通过将上述图片特征输入到第二模型中，即可确定出具体地图像增强方案，这样，提高了确定采样区域的效率和准确性，进而提高了自动化核酸采集装置的采样效率。
112.图5示出了本技术实施例的采样区域的确定方法的流程示意图，该确定方法包括：
113.s502，获取第一图像，第一图像为采集的口腔图像；
114.s504，提取第一图像中的图像特征；
115.s506，将图像特征输入至第二模型中，以使第二模型输出图像增强方案；
116.s508，根据图像增强方案，将第一图像的图像对比度、图像锐化度、图像白平衡、图
像色调和图像偏色值中的一种或多种参数调节至对应的预设范围内，以确定第二图像；
117.s510，根据第二图像确定采样区域。
118.在该实施例中，确定装置根据上述图像增强方案对上述第一图像进行图像增强的过程为：确定装置将上述第一图像的图像对比度调节至对比度的预设范围内，和/或将上述第一图像的图像锐化度调节至锐化度的预设范围内，和/或将上述第一图像的图像白平衡调节至白平衡的预设范围内，和/或将上述第一图像的图像色调调节至色调的预设范围内，和/或将上述第一图像的图像偏色值调节至偏色值的预设范围内。
119.具体地，影响图像特性的基本参数主要包括图像偏色值、图像白平衡、图像对比度、图像色调以及图像锐化度，因此，确定装置通过调节上述五种参数即可对上述第一图像进行图像增强，确定出能够满足准确确定核酸采样区域的第二图像。
120.示例性地，确定装置可以通过调节图像的aipha值(透明度或者半透明度)调节对上述图像对比度。
121.示例性地，确定装置可以通过调节图像中光学三原色所占的权值，即调节wr(红色权值)、wg(绿色权值)和wb(蓝色权值)的方式，调节上述图像白平衡。
122.示例性地，确定装置可以通过色彩校正的方式调节上述图像偏色值，具体地，可以通过调节gamma函数(伽玛函数)中的g值的方式，调节上述图像偏色值。
123.在该实施例中，确定装置可以通过调节第一图像的图像偏色值、图像白平衡、图像对比度、图像色调以及图像锐化度中的一种或多种，对第一图像进行图像增强，这样，保证了根据完成图像增强后转换出第二图像能够准确的确定核酸采样区域，进而可以提高自动化核酸采集装置的采样效率。
124.在上述实施例中，上述第一图像表示自动化核酸采集装置采集的口腔图像，但不局限于此。
125.示例性地，上述第一图像还可以表示采集的胃镜图像，通过确定胃镜图像中的采样区域，可以准确的获取患者胃内的化验示样。
126.示例性地，在上述实施例中，在根据上述图像特征对上述第一图像进行图像增强之前，确定装置还可以获取第一图像的基本参数集，并根据基本参数集判断是否需要对上述第一图像进行图像增强。
127.具体地，图像的基本参数集中主要包括图像的对比度、图像的锐化度、图像的白平衡、图像的色调以及图像的偏色值。
128.具体地，在基本数集中的参数均处于预设范围内的情况下，确定装置确认第一图像不需要进行图像增强。具体地，如果基本数集中的参数均处于预设范围内，则表明根据上述第一图像的原图即可准确的确定口腔内的核酸采样区域，因此，确定装置可以确定不需要对第一图像进行图像增强。
129.具体地，在基本数集中的任一项参数未处于预设范围内的情况下，确定装置确认第一图像需要进行图像增强。具体地，如果基本数集中的任一项参数未均处于预设范围内，则表明根据上述第一图像无法准确的确定口腔内的核酸采样区域，因此，确定装置可以确定需要对第一图像进行图像增强。
130.在该实施例中，通过在对上述第一图像进行图像增强之前，根据获取的基本参数集判断是否需要对第一图像进行图像增强，避免了执行非必要的图像增强操作，简化了确
定采样区域的流程，进而提高了自动化核酸采集装置的采样效率。
131.实施例二：
132.图6示出了本技术实施例的采样区域的确定装置的示意框图，该采样区域的确定装置600用于确定口腔内进行核酸采样的采样区域，该采样区域的确定装置600包括：获取模块602，用于获取第一图像；第一处理模块604，用于提取第一图像中的图像特征；第二处理模块606，用于根据图像特征，确定对于第一图像的图像增强方案；第二处理模块606还用于根据图像增强方案对第一图像图像增强，确定第二图像；第三处理模块608，用于根据第二图像确定采样区域。在该实施例中，上述第一图像表示自动化核酸采集装置拍摄的口腔内的图像；上述图像特征表示第一图像中的颜色、纹理、形状和空间关系等特征。
133.具体地，首先通过获取模块602获取第一图像。具体而言，在自动化核酸采集装置上设置有图像采集装置，用于采集口腔图像，获取模块602可以通过该图像采集装置获取上述第一图像。
134.进一步地，第一处理模块604对上述第一图像中的特征进行提取，确定出能够表达第一图像不同性质的图像特征。
135.进一步地，第二处理模块606根据提取的图像特征，确定对于上述第一图像的图像增强方案。具体而言，根据上述图像特征，可以明确第一图像的基本参数，根据基本参数可以明确需要调节哪些参数以及需要将这些参数调节至何值，转换出的第二图像才能够满足准确确定采样区域的要求，因此，第二处理模块606能够根据上述图像特征确定出对于第一图像的图像增强方案。
136.进一步地，第二处理模块606根据确定出的图像增强方案对上述第一图像进行图像增强，转换出能够用于准确确定采样区域的第二图像。具体而言，确定出的第二图像的基本参数与标准参数一致或相近，其中，标准参数表示能够准确确定采样区域的图像参数。这样，保证了后续步骤中，根据第二图像确定出的口腔内的核酸采样区域的准确性。
137.具体而言，由于采集的上述第一图像会因为采样时间、环境等因素造成光照和色彩差异，导致第一图像与确定口腔内核酸采样区域所使用的算法要求的图像的基本参数差异过大，导致根据该第一图像确定出的采样区域误差较大。
138.因此，本技术的实施例中，需要通过第二处理模块606对上述第一图像进行图像增强，将第一图像的基本参数调节至确定口腔内核酸采样区域所使用的算法要求的范围内，即将第一图像的基本参数调节至训练上述算法所使用的图像的基本参数的误差允许范围内。
139.进一步地，第三处理模块608根据确定出的第二图像确定口腔内的采样区域。具体而言，第三处理模块608可以对第二图像的不同区域进行分割和识别，确定出可供核酸采样的区域，例如，扁桃体所在的区域。
140.在该实施例中，第二处理模块606可以根据提取的上述第一图像的图像特征，对第一图像进行图像增强，第三处理模块608根据完成图像增强得出的第二图像确定口腔内核酸采样区域。在本技术的实施例中，完成图像增强得出的第二图像的基本参数，与训练确定采样区域所使用的算法时采用的图像的基本参数一致或者相近，保证了根据上述第二图像可以快速准确的确定出口腔内的核酸采样区域，进而提高了自动化核酸采集装置的采样效率。
141.在上述实施例中，第一处理模块604具体用于将第一图像输入至第一模型，以使第一模型输出图像特征，其中，第一模型表示预先训练卷积神经网络模型确定的用于特征提取的轻量化模型。
142.在该实施例中，第一处理模块604可以通过预先训练好的第一模型对获取的第一图像进行特征提取，确定出上述图像特征，这样，保证了图像特征提取的效率，进而可以提高自动化核酸采集装置的采集效率。
143.在上述实施例中，第一处理模块604还用于生成与第一图像相对应的特征处理图像，特征处理图像的分辨率为预设分辨率；第一处理模块604具体用于将特征处理图像输入至第一模型。在该实施例中，第一处理模块604可以通过将第一图像的分辨率调节至预设分辨率确定特征处理图像，将该特征处理图像输入到第一模型进行图像特征提取的方式，提高第一模型的运行效率，提高特征提取的效率。
144.在上述实施例中，第二处理模块606具体用于将图像特征输入至第二模型中，以使第二模型输出图像增强方案，其中，第二模型表示预先训练的神经网络模型。
145.在该实施例中，第二处理模块606通过将上述图片特征输入到第二模型中，即可确定出具体地图像增强方案，这样，提高了确定采样区域的效率和准确性，进而提高了自动化核酸采集装置的采样效率。
146.在上述实施例中，第二处理模块606具体用于根据图像增强方案，将第一图像的图像对比度、图像锐化度、图像白平衡、图像色调和图像偏色值中的一种或多种参数调节至对应的预设范围内，以确定第二图像。
147.在该实施例中，第二处理模块606可以通过调节第一图像的图像偏色值、图像白平衡、图像对比度、图像色调以及图像锐化度中的一种或多种，对第一图像进行图像增强，这样，保证了根据完成图像增强后转换出第二图像能够准确的确定核酸采样区域，进而可以提高自动化核酸采集装置的采样效率。
148.在上述实施例中，第三处理模块608具体用于采用图像分割网络算法对第二图像进行区域分割，确定采样区域。
149.具体地，采用图像分割网络算法对上述第二图像进行识别和处理，可以有效的提高确定出的口腔内的核酸采样区域的准确性。
150.在上述实施例中，获取模块602获取的第一图像表示采集的口腔图像。
151.在该实施例中，上述第一图像表示自动化核酸采集装置采集的口腔图像，但不局限于此。
152.实施例三：
153.图7示出了本技术实施例的电子设备的示意框图，其中，该电子设备700包括：存储器702，存储器702中存储有程序或指令；处理器704，处理器704执行存储在存储器702中的程序或指令以实现如本技术上述实施例提出的对话系统的评测方法的步骤，因而具有本技术上述实施例提出的对话系统的评测方法的全部有益技术效果，在此不再做过多赘述。
154.实施例四：
155.根据本技术的第四个实施例，提出了一种可读存储介质，其上存储有程序或指令，程序或指令被处理器执行时实现如本技术上述实施例提出的采样区域的确定方法。因此，该可读存储介质具备本技术上述实施例提出的采样区域的确定方法的全部有益效果，在此
不再赘述。
156.实施例五：
157.根据本技术的第五个实施例，提出了一种计算机程序产品，包括计算机程序，计算机程序被处理器执行时实现如本技术上述实施例提出的采样区域的确定方法。因此，该计算机程序产品具备本技术上述实施例提出的采样区域的确定方法的全部有益效果，在此不再赘述。
158.实施例六：
159.图8示出本技术对第一图像进行处理的示意图，如图8所示，确定装置首先将采集的第一图像转换成预设分辨率的图像，然后采用上述第一模型提取调节分辨率后的第一图像中的图像特征，根据图像特征对第一图像进行图像增强，确定第二图像，采用图像分割网络，确定采样区域。
160.在本说明书的描述中，术语“第一”、“第二”仅用于描述的目的，而不能理解为指示或暗示相对重要性，除非另有明确的规定和限定；术语“连接”、“安装”、“固定”等均应做广义理解，例如，“连接”可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是直接相连，也可以通过中间媒介间接相连。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本技术中的具体含义。
161.在本说明书的描述中，术语“一个实施例”、“一些实施例”、“具体实施例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或特点包含于本技术的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或实例。而且，描述的具体特征、结构、材料或特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
162.另外，本技术各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本技术要求的保护范围之内。
163.以上仅为本技术的优选实施例而已，并不用于限制本技术，对于本领域的技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本技术的保护范围之内。