本發(fā)明涉及一種基于云端大數(shù)據(jù)精準匹配分析的皮膚檢測方法。

背景技術：

皮膚測試儀是用來檢測皮膚的儀器，主要應用在美容、醫(yī)療方面，有臺式的，有袖珍型的，有電視專用的，也有電腦專用的，有單一功能的，也有多功能綜合性測試儀。隨著電子科技的發(fā)展，原來的光學儀器結(jié)合了電子技術發(fā)展成第二代的皮膚光學測試儀，它由位于手柄的光學部件組成鏡頭，由電子元件完成信號采集/轉(zhuǎn)換、甚至臨時儲存的功能，然后通過顯示儀器(專業(yè)的彩色監(jiān)視器、通用的彩色電視機)顯示出來。傳統(tǒng)的皮膚光學檢測儀，基于數(shù)字圖像技術，借助數(shù)字成像設備直接地獲取皮膚圖像，僅能依靠本機數(shù)據(jù)庫或預存條件進行分析。其存在以下缺陷：

第一、比對分析的數(shù)據(jù)條件少，精準程度低。

第二、系統(tǒng)都是單機版，無法自更新本機數(shù)據(jù)庫及分析條件。

第三、被檢測者的檢測報告僅保存在當時使用的檢測儀或根據(jù)沒有保存，與被檢測者相關的交互幾乎為零，且沒有一個可供檢測方長期跟蹤被檢測者檢測報告的條件。

技術實現(xiàn)要素：

本發(fā)明的首要目的在于從檢測機制上根本解決傳統(tǒng)皮膚光學檢測儀存在的缺陷，為檢測方提供高精度、易操作提供一種基于云端大數(shù)據(jù)精準匹配分析的皮膚檢測方法。為實現(xiàn)上述目的本發(fā)明的具體方案如下：

一種基于云端大數(shù)據(jù)精準匹配分析的皮膚檢測方法，包括以下步驟：

步驟B：使用專業(yè)光學采樣手柄，在被測者指定位置直接獲取皮膚采樣圖像；

步驟C：檢測系統(tǒng)處理已獲取的皮膚采樣圖像，生成標準特征碼；

步驟D：標準特征碼傳輸?shù)皆贫?，進行大數(shù)據(jù)匹配分析，并將分析結(jié)果返回給檢測系統(tǒng)；

步驟E：檢測系統(tǒng)根據(jù)云端大數(shù)據(jù)分析結(jié)果和本檢測系統(tǒng)檢測結(jié)果綜合成最終檢測報告。

優(yōu)選的，步驟B之前還包括：

步驟A：被測者使用微信或定制APP，通過掃描檢測儀的唯一分配的二維碼，將被測者信息傳輸?shù)綑z測系統(tǒng)。

優(yōu)選的，步驟E之后還包括：

步驟F：最終檢測報告在本檢測系統(tǒng)保存，同時傳輸?shù)皆贫耍贫送扑妥罱K檢測報告到被測者使用的微信或定制APP展現(xiàn)。

優(yōu)選的，所述步驟E中，最終檢測報告是以云端大數(shù)據(jù)分析權重占70％，本檢測系統(tǒng)檢測權重占30％的比例計算最終數(shù)據(jù)。

本發(fā)明提供的基于云端大數(shù)據(jù)精準匹配分析的皮膚檢測方法有以下亮點：

第一、通過互聯(lián)網(wǎng)，檢測儀與云端大數(shù)據(jù)庫互聯(lián)互通。分析采樣皮膚圖片時除了根據(jù)系統(tǒng)本身的分析標準，還通過圖片特征碼提交云端進行大數(shù)據(jù)分析，分析精準程度得到較大提高。

第二、云端大數(shù)據(jù)庫有智能學習分析功能，再加上專業(yè)的人工修正，保證云端大數(shù)據(jù)的持續(xù)更新及完善。也保證了檢測儀分析精準程度的不斷提升。

檢測儀端的采樣圖片自動上傳到云端，云端使用Caffe深度學習框架，自動處理采樣圖片歸類，再由專注于皮膚研究、檢測、診斷的醫(yī)生和科研人員組成的專家團隊持續(xù)對已歸類的采樣圖片進行分析，得出相應的檢測數(shù)據(jù)，例如：皮膚含水狀態(tài)、皮膚油脂分泌等。

第三、通過互聯(lián)網(wǎng)，檢測儀與客戶微信或定制APP互聯(lián)互通，進行有效的客戶資料獲取更新及檢測情況跟蹤。

具體實施方式

下面將結(jié)合具體實施例來詳細說明本發(fā)明，在此本發(fā)明的示意性實施例以及說明用來解釋本發(fā)明，但并不作為對本發(fā)明的限定。

實施例

一種基于云端大數(shù)據(jù)精準匹配分析的皮膚檢測方法，包括以下步驟：

步驟A：被測者使用微信或定制APP，通過掃描檢測儀的唯一分配的二維碼，將被測者信息通過HTTP協(xié)議傳輸?shù)綑z測系統(tǒng)；

步驟B：使用專業(yè)光學采樣手柄，在被測者臉部指定位置直接獲取清晰的皮膚采樣圖像；

步驟C：檢測系統(tǒng)自動處理已獲取的皮膚采樣圖像，生成標準特征碼。特征碼為42位2進制字符串；

步驟D：標準特征碼通過HTTP協(xié)議傳輸?shù)皆贫耍M行大數(shù)據(jù)匹配分析，并將分析結(jié)果返回給檢測系統(tǒng)；

云端大數(shù)據(jù)庫有智能學習分析功能，再加上專業(yè)的人工修正，保證云端大數(shù)據(jù)的持續(xù)更新及完善。也保證了檢測儀分析精準程度的不斷提升。

檢測儀端的采樣圖片自動上傳到云端，云端使用Caffe深度學習框架，自動處理采樣圖片歸類。再由專注于皮膚研究、檢測、診斷的醫(yī)生和科研人員組成的專家團隊持續(xù)對已歸類的采樣圖片進行分析，得出相應的檢測數(shù)據(jù)，例如：皮膚含水狀態(tài)、皮膚油脂分泌等。

步驟E：檢測系統(tǒng)根據(jù)云端大數(shù)據(jù)分析結(jié)果和本檢測系統(tǒng)檢測結(jié)果綜合成最終檢測報告；綜合規(guī)則是以云端大數(shù)據(jù)分析權重占70％，本檢測系統(tǒng)檢測權重占30％的比例計算最終數(shù)據(jù)。例如：云端大數(shù)據(jù)分析出皮膚含水狀態(tài)的數(shù)值是63，本檢測系統(tǒng)檢測出皮膚含水狀態(tài)的數(shù)值是68，那皮膚含水狀態(tài)最終數(shù)值為：63*70％+68*30％＝64.5，分析精準程度得到較大提高。

步驟F：最終檢測報告在本檢測系統(tǒng)保存，同時通過HTTP協(xié)議傳輸?shù)皆贫?。云端通過HTTP協(xié)議推送最終檢測報告到被測者使用的微信或定制APP展現(xiàn)，并進行有效的客戶資料獲取更新及檢測情況跟蹤。

以上對本發(fā)明實施例所提供的技術方案進行了詳細介紹，本文中應用了具體個例對本發(fā)明實施例的原理以及實施方式進行了闡述，以上實施例的說明只適用于幫助理解本發(fā)明實施例的原理；同時，對于本領域的一般技術人員，依據(jù)本發(fā)明實施例，在具體實施方式以及應用范圍上均會有改變之處，綜上所述，本說明書內(nèi)容不應理解為對本發(fā)明的限制。