近年来,随着医疗技术的蓬勃发展和人们对健康的关注度提高,对血型检测的检测效率和准确性提出了更高的要求。传统的血型检测技术存在检测结果人为干扰因素大、准确率差、无法溯源等问题,并且血型判读技术的缺陷使得国产全自动血型分析仪器难以普及,而国外先进的机器视觉设备进口成本高、难以模仿,所以国内急需完善并提高血型判读技术的自动化水平。课题通过查阅文献明确了研究的主要目的是提高血型判读的准确率,先从血型判读系统外部设备的系统设计开始,减少实验中的操作失误,提高样本标准度,再从设计图像处理办法和改进分类网络模型两方面提高样本预测的准确率。最后,为系统设计一块人机交互界面,并系统调试。具体内容如下:（1）根据全自动血型判读系统的工艺流程、功能分析和技术指标,设计出基于微柱凝胶卡的血型判读系统外部设备的整体结构、机械结构及电气控制模块。（2）根据微柱凝胶检测技术的工作原理,分析微柱凝胶卡图像的判读标准。根据对微柱凝胶卡的外形分析,研究图像预处理方法,包括边缘检测、定位分割、卡型种类识别等,并采用颜色通道分离合并和熵处理的特征提取算法。（3）在Alex Net网络模型的基础上,针对微柱凝胶卡图像特征,从网络结构和训练算法两方面入手提出改进方案,并对其进行验证分析。（4）根据用户需求,为全自动血型判读系统设计人机交互界面,同时,对血型判读系统进行调试及结果分析。实验表明,基于Alex Net模型的改进方案在微柱凝胶卡结果判读领域具有优势,提高了血型判读的准确性。血型判读系统的判读准确率提高了4%左右,可以精确判读出每张微柱凝胶卡的实验结果。