如何用numpy/OpenCV检测医学超声图像中的探头朝向？

我有一组医学超声图像数据集，需要检测探头的朝向（已用红色标注），示例图像如下：

我尝试了多种方法都没成功，效果差距明显，现在除了训练简易神经网络之外，已经没有其他思路了，恳请大家提供帮助！

已尝试的方法 #

• 使用numpy，从图像顶部和底部取两个水平切片，计算黑色像素与其他（白色、灰色）像素的比例。若连续两个切片黑色占比更高，则探头尖端朝向该侧，示例代码如下：

blacks = np.sum(dcm1[:, int(0.25*dcm1.shape[1]), :] == 0)
grays = np.sum(dcm1[:, int(0.25*dcm1.shape[1])] > 150)
ratio = blacks/grays

• 尝试将图像通过自适应阈值算法和Canny滤波器处理，计算图像上下半部分的黑白像素比例，认为黑色占比更高的一侧对应探头尖端，但该方法准确性不足。
  

• 尝试检测图像中的黑色三角形，思路为黑色三角形尖端始终朝向与探头相反的方向，但该方法甚至无法识别黑色三角形，示例代码如下：

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
_, threshold = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
contours, _ = cv2.findContours(edges, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
i = 0
# list for storing names of shapes
for contour in contours:
    if i == 0:
        i = 1
        continue
    # cv2.approxPloyDP() function to approximate the shape
    approx = cv2.approxPolyDP(
    contour, 0.01 * cv2.arcLength(contour, True), True)
    cv2.drawContours(img, [contour], 0, (0, 0, 255), 5)

内容的提问来源于stack exchange，提问作者cyril