[发明专利]一种藻类检测设备及检测方法

权利要求书

1.一种藻类检测设备，其特征在于，包括壳体和显微成像设备，所述壳体内设置电路板，所述壳体上设置与所述电路板连接的电路接口，所述显微成像设备通过所述电路接口连接所述电路板，所述电路板上设置嵌入式平台，所述嵌入式平台搭建有模型运行环境，移植有已训练完成的基于Yolo v4网络的藻类辨识模型；

其中，所述已训练完成的基于Yolo v4网络的藻类辨识模型的训练过程包括：获取藻类样本的显微图像，基于GAN网络对样本数据进行扩充，并对所述显微图像中藻类的种类和位置进行标记；构建基于Yolo v4网络的藻类辨识模型，利用已标记的样本数据对所述藻类辨识模型进行模型训练；

藻类样本检测时，通过所述显微成像设备获取待测藻类样本的显微图像，通过训练好的藻类辨识模型检测并标记藻类的种类和数量，输出检测结果。

2.根据权利要求1所述的藻类检测设备，其特征在于，所述基于Yolo v4网络的藻类辨识模型包括：特征提取骨干网络BackBone部分、特征融合网络Neck部分和输出网络Head部分；

所述特征提取骨干网络BackBone部分采用CSPDarknet53网络结构，输出三个大小不同的特征图；所述特征融合网络Neck部分采用SSP+PAN网络结构来融合不同尺寸特征图的特征信息；所述输出网络Head部分从特征提取骨干网络BackBone部分分出三条支路，以获取不同尺度的预测信息。

3.根据权利要求2所述的藻类检测设备，其特征在于，所述基于Yolo v4网络的藻类辨识模型的损失函数由三部分组成，包括：基于CIOU函数的边框回归损失、置信度损失和分类损失。

4.根据权利要求1至3任一项所述的藻类检测设备，其特征在于，所述通过训练好的藻类辨识模型检测并标记藻类的种类和数量，输出检测结果，包括：通过所述藻类辨识模型在待测显微图像中标记出藻类形状区域、预测标签及置信度，进而统计藻类种类和数量，输出最终检测结果。

5.根据权利要求1至3任一项所述的藻类检测设备，其特征在于，所述电路板上还集成有电源管理模块、通讯功能模块、GPS/北斗定位模块、触摸液晶屏和警示功能模块。

6.根据权利要求1至3任一项所述的藻类检测设备，其特征在于，所述嵌入式平台采用Jetson Nano核心模组。

7.一种藻类检测方法，其特征在于，包括：

导入待测藻类样本的显微图像，通过已训练完成的藻类辨识模型检测并标记藻类的种类和数量，输出检测结果；

其中，已训练完成的基于Yolo v4网络的藻类辨识模型的训练过程包括；

获取藻类样本的显微图像，基于GAN网络对样本数据进行扩充，并对所述显微图像中藻类的种类和位置进行标记；

构建基于Yolo v4网络的藻类辨识模型，利用已标记的样本数据对所述藻类辨识模型进行模型训练；

在嵌入式平台中搭建模型运行环境，将训练好的藻类辨识模型移植至所述嵌入式平台。

8.根据权利要求7所述的藻类检测方法，其特征在于，所述基于Yolo v4网络的藻类辨识模型包括：特征提取骨干网络BackBone部分、特征融合网络Neck部分和输出网络Head部分；

所述特征提取骨干网络BackBone部分采用CSPDarknet53网络结构，输出三个大小不同的特征图；所述特征融合网络Neck部分采用SSP+PAN网络结构来融合不同尺寸特征图的特征信息；所述输出网络Head部分从特征提取骨干网络BackBone部分分出三条支路，以获取不同尺度的预测信息。

9.根据权利要求7所述的藻类检测方法，其特征在于，所述基于Yolo v4网络的藻类辨识模型的损失函数由三部分组成，包括：基于CIOU函数的边框回归损失、置信度损失和分类损失。

10.根据权利要求7至9任一项所述的藻类检测方法，其特征在于，所述通过训练好的藻类辨识模型检测并标记藻类的种类和数量，输出检测结果，包括：通过所述藻类辨识模型在待测显微图像中标记出藻类形状区域、预测标签及置信度，进而统计藻类种类和数量，输出最终检测结果。