[發(fā)明專利]一種基于深度學(xué)習(xí)的復(fù)雜背景菌落的測(cè)量方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202010879927.2
• 申請(qǐng)日: 2020-08-27
• 公開（公告）號(hào): CN114120314A
• 公開（公告）日: 2022-03-01
• 發(fā)明（設(shè)計(jì)）人: 不公告發(fā)明人
• 申請(qǐng)（專利權(quán)）人: 北京晟易機(jī)器人科技有限公司
• 主分類號(hào): G06V20/69
• 分類號(hào): G06V20/69;G06V40/00;G06V10/82;G06N3/04;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發(fā)明公開了一種復(fù)雜背景下培養(yǎng)皿中菌落大小測(cè)量的方法，該方法包括如下步驟：利用設(shè)計(jì)的深度學(xué)習(xí)網(wǎng)絡(luò)特征提取器對(duì)樣本圖像進(jìn)行擴(kuò)充，然后在應(yīng)用設(shè)計(jì)的深度學(xué)習(xí)網(wǎng)絡(luò)完成對(duì)培養(yǎng)皿中菌落尺寸的測(cè)量。本方法能對(duì)生物中培養(yǎng)皿中的菌落進(jìn)行精確測(cè)量。首先通過視覺系統(tǒng)裝置采集培養(yǎng)皿中菌落區(qū)域的圖像，然后對(duì)菌落區(qū)域中的菌落尺寸進(jìn)行測(cè)量：把采集的菌落樣品通過設(shè)計(jì)的對(duì)抗網(wǎng)絡(luò)模型中對(duì)菌落圖像進(jìn)行樣本的擴(kuò)增，并將對(duì)抗網(wǎng)絡(luò)模型遷移到菌落區(qū)域中關(guān)鍵點(diǎn)的檢測(cè)網(wǎng)絡(luò)中，用于加強(qiáng)對(duì)關(guān)鍵點(diǎn)的檢測(cè)能力。本發(fā)明能精確的測(cè)量多種大小的菌落尺寸，為生物中菌落的培養(yǎng)提供快速、準(zhǔn)確的測(cè)量技術(shù)。

技術(shù)領(lǐng)域

本發(fā)明公開了基于機(jī)器視覺的測(cè)量領(lǐng)域中，涉及生物領(lǐng)域中關(guān)于菌落尺寸大小測(cè)量的方法。

背景技術(shù)

菌落總數(shù)的測(cè)定是醫(yī)學(xué)、食品、農(nóng)業(yè)等行業(yè)中普遍需要進(jìn)行檢測(cè)的項(xiàng)目之一，尤其在食品行業(yè)中，菌落總數(shù)是食品衛(wèi)生質(zhì)量必不可少的依據(jù)之一。目前食品中常用的菌落總數(shù)的方法有顯色培養(yǎng)基法、電阻抗技術(shù)法等，都主要靠人工對(duì)菌落總數(shù)進(jìn)行計(jì)算并測(cè)量，造成人工成本高，效率慢等問題。

發(fā)明內(nèi)容

本發(fā)明針對(duì)現(xiàn)有菌落總數(shù)和測(cè)量方法的不足，提供了一種基于深度學(xué)習(xí)的復(fù)雜背景下菌落的測(cè)量方法。

本菌落的測(cè)試方法相對(duì)于現(xiàn)有的菌落總數(shù)計(jì)數(shù)和測(cè)量的方法，對(duì)菌落尺寸的測(cè)量具有很高的魯棒性和精確性，同時(shí)也大大的減少對(duì)菌落樣本數(shù)量的需求。該方法主要包括以下步驟：

步驟 1：菌落區(qū)域采集。利用視覺光路系統(tǒng)裝置，對(duì)生物培養(yǎng)皿中的菌落區(qū)域進(jìn)行拍攝，獲取到菌落區(qū)域的圖像樣本。

步驟2：菌落樣本的擴(kuò)增。1）首先把采集的菌落圖像進(jìn)行歸為集合A={a1,s2,…,an}，然后采集一些相近場景的圖像歸為集合B={b1,b2,…,bn}。2）構(gòu)建對(duì)抗學(xué)習(xí)網(wǎng)絡(luò)樣本。隨機(jī)從樣本集合A和樣本集合B中分別各取一張圖像組成對(duì)抗學(xué)習(xí)樣本組，輸入到數(shù)據(jù)擴(kuò)增的對(duì)抗網(wǎng)絡(luò)中，設(shè)計(jì)的數(shù)據(jù)擴(kuò)增的對(duì)抗網(wǎng)絡(luò)包含一個(gè)生成器和兩個(gè)辨別器，隨機(jī)的結(jié)合生成器和判別器，并對(duì)其中一個(gè)判別器采用結(jié)構(gòu)相似損失函數(shù)（如式1所示）進(jìn)行調(diào)節(jié)，生成器是一個(gè)2K層網(wǎng)路，其中前K層中每層網(wǎng)路包含一個(gè)3x3的卷積層和1x1的卷積層，間隔兩層包含一個(gè)Dropout層，并采用ELU進(jìn)行激活，后K層網(wǎng)絡(luò)進(jìn)行升維，每層將前K層中每層所得到的特征層進(jìn)行相加和相乘處理；兩個(gè)判別器都是K+1層網(wǎng)路，其中一個(gè)判別器1采用殘差網(wǎng)絡(luò)結(jié)構(gòu)的深度網(wǎng)絡(luò)，且第K+1層為全連接網(wǎng)絡(luò)層，另一個(gè)判別器2采用金字塔網(wǎng)絡(luò)結(jié)構(gòu)并與生成器中的前K層權(quán)值共享，且第K+1層為全連接網(wǎng)絡(luò)層。3）菌落數(shù)據(jù)網(wǎng)絡(luò)訓(xùn)練。首先保持生成器不變，對(duì)判別器1和判別器2進(jìn)行訓(xùn)練，當(dāng)判別器1和2 都收斂，然后在保持判別器1和判別器2不變，對(duì)生成器進(jìn)行訓(xùn)練，當(dāng)生成器網(wǎng)絡(luò)收斂后，最后對(duì)生成器、判別器1和判別器2一起進(jìn)行訓(xùn)練，當(dāng)整體網(wǎng)絡(luò)收斂后，生成大量菌落區(qū)域樣本。

式1