[发明专利]一种基于深度学习算法的牛乳体细胞图像识别方法及系统

说明书

本发明属于细胞图像识别技术领域，公开了一种基于深度学习算法的牛乳体细胞图像识别方法及系统，系统利用数字摄像模块拍摄牛乳体细胞切片，并生成图像信号；利用预处理模块对图像信号进行预处理；利用压缩感知模块根据预处理后的图像信号建立稀疏系数表示；利用细胞识别模块根据稀疏系数表示，计算待识别牛乳体细胞与每一类训练样本细胞的线性加权差值rsubgt;i/subgt;(y)，选择差值最小的训练样本的所属类别作为牛乳体细胞样本类别。本发明提高了细胞图像识别的精确度与识别速度，提升了模型训练的效果，减少了训练后模型将前景图像割裂为多个子部分的情况，实现智能化操作和判断，能快速识别牛乳体细胞的类别状态，提高了诊断结果的准确性和可靠性。

技术领域

本发明属于细胞图像识别技术领域，尤其涉及一种基于深度学习算法的牛乳体细胞图像识别方法及系统。

背景技术

目前，牛乳中体细胞中大多数是白细胞(即巨噬细胞、嗜中性白细胞和淋巴细胞)，约占体细胞数的95％以上，其余为脱落的上皮细胞。产自健康乳房牛乳SCC通常小于10万/mL，包括1～7％的上皮细胞和30～74％的巨噬细胞。

当白细胞数超过一定范围时，会引起牛乳中营养物质含量和品质变化，甚至导致乳量减产，进而影响酸乳、乳酪等乳加工品的生产和品质。为了使乳业健康发展，也为了使人们能够饮用健康安全的牛乳，检测牛乳体细胞非常重要。

然而，现有技术主要依赖于人工阅片，因此，诊断结果的准确性和可靠性受到人工的临床经验、专业能力及医师的主观因素影响，人工阅片的方法标准化推广程度低，识别判断效率低，而且当阅片的工作量增大，诊断的误差也会随之增大。因此，亟需设计一种新的牛乳体细胞图像识别方法及系统。

通过上述分析，现有技术存在的问题及缺陷为：现有牛乳体细胞图像识别方法依赖于人工阅片，受主观因素影响较大，人工阅片的标准化推广程度低，识别判断效率低，且当阅片的工作量增大时，诊断的准确性和可靠性降低。

发明内容

针对现有技术存在的问题，本发明提供了一种基于深度学习算法的牛乳体细胞图像识别方法及系统。

本发明是这样实现的，一种基于深度学习算法的牛乳体细胞图像识别方法，基于深度学习算法的牛乳体细胞图像识别方法包括：系统利用数字摄像模块拍摄牛乳体细胞切片，并生成图像信号；利用预处理模块对图像信号进行预处理；利用压缩感知模块根据预处理后的图像信号建立稀疏系数表示；利用细胞识别模块根据稀疏系数表示，计算待识别牛乳体细胞与每一类训练样本细胞的线性加权差值r_i(y)，选择差值最小的训练样本的所属类别作为牛乳体细胞样本类别。

进一步，系统利用数字摄像模块拍摄牛乳体细胞切片并生成图像信号包括：

系统通过数字摄像模块，利用适配镜基于预设重叠比例对显微镜下的牛乳体细胞切片样本进行逐视野扫描，获得待识别的牛乳体细胞图像；

从待识别的牛乳体细胞图像中识别出至少一个细胞团区域图像，并从细胞团区域图像中识别出各个单细胞区域图像以及标准细胞图像；

将单细胞区域图像和标准细胞图像进行比对，并将图像比对结果输入训练好的细胞识别模型中，确定牛乳体细胞图像信号。

进一步，利用预处理模块对图像信号进行图像预处理包括对细胞图像灰度化处理、图像增强处理以及图像分割处理；

其中，对细胞图像灰度化处理包括：

根据获取牛乳体细胞的图像，建立YUV的颜色空间；在YUV的颜色空间中，设定Y的分量为电缆隧道中的环境图像和电缆的状态图像的亮度；

通过RGB和YUV颜色空间的变化关系，建立亮度Y与R、G、B三个颜色分量的对应关系：Y＝0.3R+0.59G+0.11B；