[发明专利]基于深度学习的硅藻自动检测方法及系统

说明书

本发明公开了图像识别技术领域的一种基于深度学习的硅藻自动检测方法及系统。能自动搜索电镜扫描照片中的硅藻，识别硅藻的准确率高，效率高，效率和检测准确率均大大高于人工识别，且不受技术人员的技术水平的限制。包括：预先将一定数量的含有硅藻的人体组织的电镜扫描照片作为训练集；对训练集中的电镜扫描照片中的硅藻进行人工标注；以标注好的训练集为正样本，将设定数量的不含有硅藻的人体组织的电镜扫描照片作为负样本，以正样本和负样本组成的样本集合采用YOLOv3深度学习算法对神经网络模型进行训练，产生识别硅藻的模型；每次需要识别一批电镜扫描照片时，将这些照片作为待识别图片，通过识别硅藻的算法模型识别待识别照片中的硅藻。

技术领域

本发明属于图像识别技术领域，具体涉及一种基于深度学习的硅藻自动检测方法及系统。

背景技术

目前，公安机关使用基于膜富集联合扫描电镜观察的新型硅藻检验技术(GA/T1662-2019)对水体样本和尸体内脏器官切片进行扫描拍摄。通过观察脏器中是否含有水体中的硅藻来判断死者是否生前入水及辅助推断死者落水地点。但是仅一个脏器样本，电镜扫描就会生成数以千计的图像照片，硅藻可能出现在图像的任何位置、有各种不同的大小、不同的形状；技术人员逐一甄别费时费力且遗漏情况难以避免，由于各类物体有不同的外观，形状，姿态，加上成像时光照，遮挡等因素的干扰，甄别结果受技术人员的技术水平限制。

发明内容

为解决现有技术中的不足，本发明提供一种基于深度学习的硅藻自动检测方法及系统，能自动搜索电镜扫描照片中的硅藻，识别硅藻的准确率高，效率高，且不受技术人员的技术水平的限制。

为达到上述目的，本发明所采用的技术方案是：一种基于深度学习的硅藻自动检测方法，包括：a、预先将一定数量的含有硅藻的人体组织的电镜扫描照片作为训练集；b、对训练集中的电镜扫描照片中的硅藻进行人工标注；c、以标注好的训练集为正样本，将设定数量的不含有硅藻的人体组织的电镜扫描照片作为负样本，以正样本和负样本组成的样本集合对深度学习神经网络模型进行训练，产生识别硅藻的算法模型；d、将需识别的电镜扫描照片作为待识别图片，通过识别硅藻的算法模型识别待识别照片中的硅藻。

进一步地，所述深度学习神经网络模型为YOLOv3目标检测神经网络算法模型。

进一步地，采用3种不同尺度的输出张量进行目标识别，每种输出张量的元素对应一个网格，每个网格对应3种先验框，每种输出张量对应的网格数与其对应的先验框数量相乘，再相加汇总得到总的预测数据组数；每种所述预测数据组包括所在照片中硅藻所属边界框的边框坐标、该边框存在硅藻的置信度以及检测出硅藻的类别标识数据。

进一步地，计算同一个硅藻对应的各个边框的置信度，并进行排序，以置信度最高的边框作为该硅藻在所述照片中的位置坐标。

进一步地，在所述步骤d中，识别出目标后，计算目标为硅藻的概率，将概率高于设定阈值的目标判定为硅藻并对硅藻的位置进行标记。

一种基于深度学习的硅藻自动检测系统，包括：文件选择模块，用于设定识别硅藻的过程中各文件的存放路径；阈值设定模块，用于设定判断检测目标是否为硅藻的阈值；硅藻识别模块，用于执行前述的基于深度学习的硅藻自动检测方法；信息统计模块，用于将识别出的硅藻信息进行统计并生成数据表。

一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序被处理器运行时控制所述存储介质所在设备执行前述的基于深度学习的硅藻自动检测方法。

与现有技术相比，本发明所达到的有益效果：