[發明專利]基于深度學習的白帶樣本自動化檢測方法、系統以及存儲介質

在審

• 申請號: 202110779075.4
• 申請日: 2021-07-09
• 公開（公告）號: CN113450338A
• 公開（公告）日: 2021-09-28
• 發明（設計）人: 何虎;劉宇中;李向東;鄭國康
• 申請（專利權）人: 湖南晟瞳科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/70;G06K9/62;G06N3/04
• 代理公司: 長沙朕揚知識產權代理事務所(普通合伙) 43213
• 代理人: 鄧宇

1.一種基于深度學習的白帶樣本自動化檢測方法，其特征在于，包括以下步驟：

采集白帶樣本圖片，并對白帶樣本圖片中有效成分的類別以及位置進行標注；

構建以Faster R-CNN的神經網絡框架為基礎的白帶檢測模型，并用ResNet-50作為所述白帶檢測模型的主干特征提取網絡；

采用標注好的白帶樣本圖片對所述白帶檢測模型進行訓練，并用訓練好的白帶檢測模型進行白帶樣本檢測。

2.根據權利要求1所述的基于深度學習的白帶樣本自動化檢測方法，其特征在于，所述ResNet-50包括第一下采樣模塊以及第二下采樣模塊，所述第一下采樣模塊設置在所述Faster R-CNN的RPN層前，用于獲取所述白帶檢測模型的卷積層輸出feature map；所述第二下采樣模塊設置在所述Faster R-CNN的RPN層后，通過ROI Pooling層，對原始圖片上的目標區域進行提取，下采樣后進行分類和回歸，從而實現目標檢測。

3.根據權利要求1所述的基于深度學習的白帶樣本自動化檢測方法，其特征在于，所述第一下采樣模塊包括4層下采樣網絡，所述第二下采樣模塊包括1層下采樣網絡。

4.根據權利要求1所述的基于深度學習的白帶樣本自動化檢測方法，其特征在于，對白帶樣本圖片中有效成分的類別以及位置進行標注，包括以下步驟：

人工在所述白帶樣本圖片上標注各種有效成分的標注框以及類別；

從人工標注的各張白帶樣本圖片提取各種有效成分的標注框的寬高，并對各種有效成分的標注框進行聚類，得到各種有效成分的標注框的聚類中心，根據各種有效成分的形狀確定各種有效成分的標注框的寬高比，基于各種有效成分聚類中心的寬高以及對應的寬高比確定各種有效成分在白帶檢測模型中預選框的初始值。

5.根據權利要求4所述的基于深度學習的白帶樣本自動化檢測方法，其特征在于，人工在所述白帶樣本圖片上標注各種有效成分的標注框以及類別，還包括以下步驟：

獲取白帶樣本中可能出現的各種有效成分的單樣本圖片，所述單樣本圖片上只包含單種有效成分；

在所述單樣本圖片上標注對應有效成分的類別，構建基于深度學習的分類網絡，采用標注好的單樣本圖片訓練所述分類網絡；

人工在所述白帶樣本圖片上標注各種有效成分的標注框，提取所述標注框內的單種有效成分的圖像，在人工缺乏經驗導致無法準確判斷成分類別時，將所述單種有效成分的圖像輸入至所述分類網絡中，由所述分類網絡返回所述有效成分標注框內的有效成分類別，在所述白帶樣本圖片標注對應有效成分標注框內的有效成分類別。

6.根據權利要求2所述的基于深度學習的白帶樣本自動化檢測方法，其特征在于，所述有效成分包括：上皮細胞、白細胞、滴蟲、桿菌以及真菌中任意幾種的組合。

7.一種計算機系統，包括存儲器、處理器以及存儲在存儲器上并可在處理器上運行的計算機程序，其特征在于，處理器執行計算機程序時實現上述權利要求1至6任一方法的步驟。

8.一種計算機存儲介質，其上存儲有計算機程序，其特征在于，程序被處理器執行時實現上述權利要求1至6任一項方法中的步驟。