颜色分类LeetCode-黄疸检测：利用卷积神经网络识别新生儿黄疸

简介：
本项目基于LeetCode题目设计，采用卷积神经网络技术开发了一套用于诊断新生儿黄疸的颜色分类系统。通过分析皮肤颜色变化准确判断患儿健康状况，旨在提高早期筛查效率和准确性。 颜色分类LeetCode Make-A-Thon 2017提出了一种检测新生儿黄疸的方法，旨在提醒家中母亲及时发现婴儿的黄疸情况以便尽早治疗以防止严重后果。解决方案是使用最可靠且非侵入性的方法来检查一个人的颜色变化，并将其应用于新生婴儿面部皮肤颜色的变化上。 具体来说，采用CNN（卷积神经网络）技术对图像进行黄疸与非黄疸分类。数据集是从谷歌收集的图片库中获取的统一尺寸为28x28像素的照片。通过使用Haar-Cascade和OpenCV工具来检测婴儿的脸部区域，并仅关注皮肤的颜色而忽略眼睛、头发等其他特征。 接着，从面部皮肤提取颜色信息（利用ColorThief），然后比较不同深浅黄色的颜色值以确定是否存在黄疸现象。最后，设计了一个基于Raspberry Pi相机的系统用于拍摄婴儿脸部的照片并进行处理，根据结果点亮相应的LED灯来表示检测到的是黄疸或非黄疸情况。