O ponto de fusão capilar tradicional depende da observação do olho humano para determinar o erro subjetivo no momento da fusão inicial (a primeira gota de líquido aparece) e da fusão total (o sólido desaparece). A tecnologia de reconhecimento automático baseada em algoritmos de processamento de imagem permite a objetividade e a precisão das medições ao segmentar com precisão as principais características visuais do processo de fusão. Seus processos algoritmicos principais são os seguintes:

1. pré-processamento da imagem e localização da área da amostra:

O algoritmo primeiro pré-processa a sequência de vídeo capturada, incluindo a eliminação de ruído do filtro gaussiano e o aumento do contraste para destacar a amostra dentro dos capilares. Em seguida, a área capilar fixa (ROI) é posicionada com precisão usando um algoritmo de detecção de borda ou de correspondência de modelo, eliminando interferências de fundo e estabelecendo a base para análises posteriores.

Detecção precisa do ponto de fusão inicial - com base em mutações de textura e forma:

Essa é a primeira chave da separação. O pó sólido tem características texturais específicas na fase inicial. Os algoritmos monitoram suas mudanças calculando características estatísticas de escala de cinza (como desvio padrão) ou características de textura (como entropia baseada em uma matriz simbiótica de escala de cinza) para uma área dentro do ROI. Quando a fusão inicial ocorre, as gotas aparecem na área local, causando uma mutação da uniformidade da textura e um salto significativo nos valores das características acima. Em combinação com a diferença de quadro, a área de mudança local é detectada e o momento correspondente é determinado como o ponto de fusão inicial. Esta etapa supera a desvantagem da resposta tardia do olho humano ao fenômeno de fusão inicial sutil.

Determinação precisa do ponto de fusão total - com base na análise do contorno e da transmitência da luz:

Esta é a segunda chave da separação. À medida que a fusão ocorre, o contorno sólido continua a contraer. O algoritmo retrata com precisão a forma de uma coluna sólida através da extração de bordas e do rastreamento de contorno, como o operador Canny e o modelo de contorno ativo. A prova de fusão total é o desaparecimento do contorno sólido. Algoritmos mais avançados monitoram simultaneamente a escala média de cinza ou a transmitência de luz para todo o ROI. No momento em que o sólido desaparece, a transmissibilidade da luz no fundo dos capilares aumenta drasticamente, levando a mudanças escalonadas no valor global da escala de cinza. O algoritmo determina o momento em que esse ponto de viragem corresponde como ponto de fusão total, evitando a incerteza do olho humano no momento em que "a última pequena partícula desaparece".

Conclusão: Ao transformar a informação visual do processo de fusão em texturas, contornos e características de escala de cinza quantificáveis, os algoritmos de processamento de imagem permitem a separação precisa e automática das fases físicas da fusão inicial e da fusão total. O estudo não só aumentou significativamente a repetibilidade e a precisão das medições do ponto de fusão, mas também forneceu uma base sólida para a análise digital e inteligente dos dados experimentais.