[发明专利]小目标菌落的检测处理方法、装置、电子设备及介质

说明书

本发明实施例公开了一种小目标菌落的检测处理方法、装置、电子设备及介质，方法包括：将待检测菌落图像输入目标神经网络模型，得到目标神经网络模型输出的待检测菌落图像中小目标菌落的检测和分类识别结果；其中，目标神经网络模型根据菌落图像预测虚拟样本和菌落图像实际标注样本训练得到；小目标菌落为待检测菌落图像中半径大于预设值的菌落。通过菌落图像预测虚拟样本和菌落图像实际样本训练得到目标神经网络模型，通过目标神经网络模型对待检测菌落图像进行检测和分类，能够准确得到待检测菌落图像中小目标菌落的位置和类别信息及相关属性，在菌落生长过程中实现对菌落的不断监测，对生长过程进行图像记录，用于菌落分析的相关研究工作。

技术领域

本发明涉及计算机技术领域，具体涉及一种小目标菌落的检测处理方法、装置、电子设备及介质。

背景技术

食品、药品、化妆品以及饲料等微生物检验中，涉及菌落总数、大肠菌群、大肠杆菌、乳酸菌等项目，在统计结果时均需进行大量的菌落分析和计数。菌落是指将细菌接种在固体培养基表面培养后，培养基表面长出的肉眼可见单个的细菌集团。对目标采样后生成的菌落数量、类别进行计数，是相关领域内一项基本而重要的工作。菌落图像是指菌落在培养基上培养后，用工业相机对菌落拍摄形成的图像，以便于对菌落目标信息进行统计分析。

由于菌落的生长较为缓慢，同时需要不断地监测，以得到理想的菌落。但是菌落在生长初期的菌落半径较小，现有技术无法对其进行准确识别。

发明内容

由于现有方法存在上述问题，本发明实施例提出一种小目标菌落的检测处理方法、装置、电子设备及介质。

第一方面，本发明实施例提出一种小目标菌落的检测处理方法，包括：

将待检测菌落图像输入目标神经网络模型，得到所述目标神经网络模型输出的所述待检测菌落图像中小目标菌落的检测结果；

其中，所述目标神经网络模型根据菌落图像预测虚拟样本和菌落图像实际样本训练得到；

所述小目标菌落为所述待检测菌落图像中菌落半径大于预设值的菌落。

可选地，所述目标神经网络模型的训练过程具体包括：

获取生成式对抗网络输出的菌落生长图像，并将各菌落生长图像确定为菌落图像预测虚拟样本；

获取各菌落生长图像对应的菌落原始图像，并对各菌落原始图像标定为菌落图像实际样本；

根据菌落图像预测虚拟样本和菌落图像实际样本对神经网络模型进行训练，得到所述目标神经网络模型。

可选地，所述根据菌落图像预测虚拟样本和菌落图像实际样本对神经网络模型进行训练，得到所述目标神经网络模型，具体包括：

根据预设尺寸对所述菌落图像预测虚拟样本和所述菌落图像实际样本进行裁剪，并对裁剪后的图像样本进行特征提取，得到训练标签，并根据训练标签对神经网络模型进行训练；

根据所述标定参数对神经网络模型的各层特征进行融合判断，若判断当前的层特征满足预设条件，则完成所述神经网络模型的训练，得到所述目标神经网络模型。

可选地，所述根据所述标定参数对神经网络模型的各层特征进行融合判断，若判断当前的层特征满足预设条件，则完成所述神经网络模型的训练，得到所述目标神经网络模型，具体包括：

确定若干个卷积核半径；

针对每个卷积核半径，根据所述标定参数对神经网络模型的各层特征进行融合判断，若判断当前的层特征输出的目标菌落的菌落半径小于所述预设值，则记录所述目标菌落；

获取每个卷积核半径在训练过程中记录的目标菌落的数量，并将目标菌落的数量最大的卷积核半径确定为目标卷积核半径，并将所述目标卷积核半径对应的神经网络模型确定为所述目标神经网络模型。