宫颈癌是严重影响女性健康的恶性肿瘤之一,宫颈脱落细胞及时诊断是预防治疗宫颈癌的有效手段。在人工筛查过程中存在着效率低、医师资质参差不齐影响结果、涂片病理信息受地域限制等问题。随着计算机技术和医疗影像技术的发展,通过计算机控制精密医疗设备辅助筛查的手段已经逐渐成熟。面向自动化检测设备的实际需求,本文基于运动控制平台、工业相机、光学显微镜及计算机搭建了脱落细胞显微视觉检测系统。通过该系统设计高效稳定的显微视觉自动聚焦算法,控制运动平台寻找显微镜焦平面,然后利用工业相机采集高质量脱落细胞显微图像,最后运用数字图像处理技术进行图像拼接、分割及识别。在自动聚焦策略方面以时间为间隔单位代替以步长为单位进行图像清晰度对比,减少电机走-停耗时,应用于平台首次寻找焦平面时,单张涂片采集300个视野相比于传统爬山聚焦耗时减少4.97%。显微图像拼接方面实验对比了五种特征点检测算子,选取精度高的Forstner特征点检测算子提取特征点,针对该算子特征点检测冗余问题,将计算Robert导数部分采用高斯平滑及高斯求导,对图像进行滤波并结合定区域寻找特征点的匹配策略,提升特征点匹配率57.64%,时间效率提升86.58%。图像分割方面通过实验得出HSV颜色空间中的H通道背景与细胞灰度值相差最大,采用该通道利用自适应双阈值分割算法把细胞背景剔除;采用RGB颜色空间中的R通道分割细胞核和细胞浆,并对重叠细胞核进行分割计数。图像识别方面通过实验对比得出SVM分类器稳定性强、假阴性低,所以选取SVM对宫颈脱落细胞特征参数进行数据分类,综合识别率为96.55%。通过以上技术研究,搭建了全自动宫颈脱落细胞显微视觉检测系统,实现涂片自动装填、自动聚焦、高清显微图像获取、显微图像拼接以及细胞的分类识别等功能。从繁重枯燥的工作中解放人力、提高效率,使病理信息便于存储、传输、会诊,是未来智能医疗的发展方向。