一种微小物检测并分类计数的方法技术

本发明专利技术公开了一种微小物检测并分类计数的方法，该方法旨在解决现有技术下对微小物检测存在对复杂的混合微小物全面的检测分析性差，对微小物的性状检测性弱，检测分析方法的可编程性差，无法制成可查询的数字化样本的技术问题；该方法的步骤为：先利用数字化采集装置对待检测物进行有序的数字化采集，形成原始数字化数据，再利用检测装置基于机器学习的目标检测算法和基于机器学习的分类识别算法对原始数字化数据进行分析。该技术方案通过基于机器学习的算法，采用采集方式和识别方式并行，实现全面快速地对复杂的不同种类微小物各自不同的性状进行检测并分类计数，并提高检测分析方法的可编程性，且能制成可查询的数字化样本。

A Method for Detecting and Classifying Micro-objects

The invention discloses a method for detecting and classifying and counting micro-objects. The method aims to solve the technical problems existing in the existing technology, such as poor overall detection and analysis of complex mixed micro-objects, weak detection of the characteristics of micro-objects, poor programmability of detection and analysis methods, and inability to make inquirable digital samples. The digital acquisition device collects the original digitized data orderly, and then uses the detection device's target detection algorithm based on machine learning and classification and recognition algorithm based on machine learning to analyze the original digitized data. By using machine learning-based algorithm and parallel acquisition and recognition methods, the scheme can detect and classify the different characteristics of different kinds of complex micro-organisms quickly and comprehensively, and improve the programmability of detection and analysis methods, and can make inquirable digital samples.

【技术实现步骤摘要】
一种微小物检测并分类计数的方法
本专利技术属于微小物检测的
，尤其涉及一种微小物检测并分类计数的方法，具体的为集传感技术、数据采集、处理分析于一体，对微小物进行检测并分类计数的方法。
技术介绍
现今，随着对微生物等微小物(细胞、微生物、寄生虫卵、粉尘微粒、花粉微粒等物质)检测技术的发展，其对我们的生活产生了较大的影响；目前，针对微小物的检测以及分类计数，一般采用鞘流技术、比色法、流式细胞原理等技术与激光计数技术、阻抗测定、射频技术等技术相结合，根据每个微小物经过检测区域所产生的阻抗值、前向散射光、侧向散射光、侧向荧光等信号，从而实现对微小物的分类并且计数。但上述方法却存在着一定的缺陷，首先，上述的方法因自身的局限性，仅能对特定的某几类微小物起作用，适用性有限；其次，因为不同种类的微小物各自性状存在极大的差异，因此如果通过上述的方法进行分析，这需要消除较多干扰项，因此设计难度大；再次，上述的方法通常需要将微小物排成一列挨个通过检测点，这样的检测速度很慢，效率低下；又次，上述的方法几乎完全是依赖硬件来实现检测，并且对硬件的要求极高，而且专一性强，这样使得检测设备的调整成本高，同时可编程性低，不利于新技术的运用；最后，上述的方法无法为微小物提供直观的数字化样本，不便后续的数字化留存和查询。
技术实现思路
(1)要解决的技术问题针对现有技术的不足，本专利技术的目的在于提供一种微小物检测并分类计数的方法，该方法旨在解决现有技术下对微小物检测存在对复杂的混合微小物全面的检测分析性差，对微小物的性状检测性弱，检测速度慢，对微小物建立的检测和分类性差，检测分析方法的可编程性差，无法制成可查询的数字化样本的技术问题；该技术方案通过基于机器学习的算法，采用采集方式和识别方式并行，同时对观察窗口中出现的所有目标进行采集和检测，实现全面快速地对复杂的不同种类微小物各自不同的性状进行检测并分类计数，并提高检测分析方法的可编程性，且能制成可查询的数字化样本。(2)技术方案为了解决上述技术问题，本专利技术提供了这样一种微小物检测并分类计数的方法，该方法的具体步骤为：利用数字化采集装置对待检测物进行有序的数字化采集，形成原始数字化数据，并将得到的原始数字化数据传输给能对原始数字化数据进行分析的检测装置，再利用检测装置基于机器学习的目标检测算法通过R-CNN、Fast/FasterR-CNN或SSD对原始数字化数据进行处理，得出所有出现在原始数字化数据中的微小物的位置和范围，对于每一个检测出的位置和范围，检测装置再采用基于机器学习的分类识别算法通过SVM或KNN对该位置和范围的原始数字化数据进行精准分类，并找出所有微小物相应的性状特征，最后将识别得出的微小物位置信息、微小物分类信息、微小物性状信息输出为分析数据；其中，所述数字化采集装置为内置一种或多种传感器，以及内置一种或多种为传感器提供观察条件的观察装置。优选地，所述传感器为CCD感光芯片或CMOS感光芯片。优选地，所述观察装置为显微镜、窄平面条状激光器或特定波段光发生器。优选地，所述原始数字化数据的组织形式为音视频流、网络二进制流、影音文件、图像文件或数据库文件。其中，数字化采集装置的观察装置和传感器每一次对待检测物进行数据采集的有效范围称之为观察窗口，所述数字化采集装置可以一次性将观察窗口中所有目标转化为原始数字化数据，对于采集范围超出观察窗口的情况，数字化采集装置则可采用多次局部采集，从而完成全部的采集任务；待检测物可以是多种微小物的混合体，也可以是一种或多种微小物与液体的混合体，并且，所述用于混合的液体可以带有荧光或染色等功能；待检测物可分布于一个平面，数字化采集装置可通过移动观察窗口与该平面的相对位置进行多次采集，待检测物也可分布于液体中，所述数字化采集装置将该混合液以足够薄的平面的形态，有序地流经观察窗口进行采集。其中，可利用识别出微小物相应的性状特征，即可得出一定的判断效果，如白细胞畸形的性状特征佩尔格-休特畸形，即为白细胞中的中性粒细胞的核分叶过少，便可以利用识别出微小物相应的性状特征得出该判断。(3)有益效果与现有技术相比，本专利技术的有益效果在于：本专利技术的技术方案解决了现有技术下对微小物检测存在对复杂的混合微小物全面的检测分析性差，对微小物的性状检测性弱，检测速度慢，对微小物建立的检测和分类性差，检测分析方法的可编程性差，无法制成可查询的数字化样本的技术问题；本专利技术的技术方案先对待检测物进行数字化采集，形成原始数字化数据，再通过基于机器学习的目标检测算法和基于机器学习的分类识别算法，利用采集方式和识别方式并行的方式，同时对观察窗口中出现的所有目标进行采集和检测，并找出所有微小物相应的性状特征，最后将识别得出的微小物位置信息、微小物分类信息、微小物性状信息输出为分析数据，从而实现全面快速地对复杂的不同种类微小物各自不同的性状进行检测并分类计数，并极大地提高了检测分析方法的可编程性，且能制成可查询的数字化样本。具体实施方式为使本专利技术实现的技术手段、创作特征、达成目的与功效易于明白了解，下面对本专利技术具体实施方式中的技术方案进行清楚、完整的描述，以进一步阐述本专利技术，显然，所描述的具体实施方式仅仅是本专利技术的一部分实施方式，而不是全部的样式。实施例1本具体实施方式为对已制作好的涂片进行识别分类并计数，识别其中不同的细胞和寄生虫卵，其具体步骤为：利用数字化采集装置对待检测物进行有序的数字化采集，形成原始数字化数据，并将得到的原始数字化数据传输给能对原始数字化数据进行分析的检测装置，再利用检测装置基于机器学习的目标检测算法通过Fast/FasterR-CNN对原始数字化数据进行处理，得出所有出现在原始数字化数据中的微小物的位置和范围，对于每一个检测出的位置和范围，检测装置再采用基于机器学习的分类识别算法通过SVM对该位置和范围的原始数字化数据进行精准分类，并找出所有微小物相应的性状特征，最后将识别得出的微小物位置信息、微小物分类信息、微小物性状信息输出为分析数据。其中，所述数字化采集装置为内置CCD感光芯片，以及内置为相应传感器提供观察条件的窄平面条状激光器。实施例2本具体实施方式为对采集并添加有染色功能的液体混合物进行识别分类并计数，识别其中同种细胞不同性状，其具体步骤为：利用数字化采集装置对待检测物进行有序的数字化采集，形成原始数字化数据，并将得到的原始数字化数据传输给能对原始数字化数据进行分析的检测装置，再利用检测装置基于机器学习的目标检测算法通过SSD对原始数字化数据进行处理，得出所有出现在原始数字化数据中的微小物的位置和范围，对于每一个检测出的位置和范围，检测装置再采用基于机器学习的分类识别算法通过KNN对该位置和范围的原始数字化数据进行精准分类，并找出所有微小物相应的性状特征，最后将识别得出的微小物位置信息、微小物分类信息、微小物性状信息输出为分析数据。其中，所述数字化采集装置为内置CMOS感光芯片，以及内置为相应传感器提供观察条件的显微镜。以上描述了本专利技术的主要技术特征和基本原理及相关优点,对于本领域技术人员而言，显然本专利技术不限于上述示范性具体实施方式的细节，而且在不背离本专利技术的构思或基本特征的情况下，能够以其他的具体形式实现本专利技术。因此，无论从哪一点来看，均应将本文档来自技高网...

【技术保护点】
1.一种微小物检测并分类计数的方法，其特征在于，该方法的具体步骤为：利用数字化采集装置对待检测物进行有序的数字化采集，形成原始数字化数据，并将得到的原始数字化数据传输给能对原始数字化数据进行分析的检测装置，再利用检测装置基于机器学习的目标检测算法通过R‑CNN、Fast/Faster R‑CNN或SSD对原始数字化数据进行处理，得出所有出现在原始数字化数据中的微小物的位置和范围，对于每一个检测出的位置和范围，检测装置再采用基于机器学习的分类识别算法通过SVM或KNN对该位置和范围的原始数字化数据进行精准分类，并找出所有微小物相应的性状特征，最后将识别得出的微小物位置信息、微小物分类信息、微小物性状信息输出为分析数据；其中，所述数字化采集装置为内置一种或多种传感器，以及内置一种或多种为传感器提供观察条件的观察装置。

【技术特征摘要】
1.一种微小物检测并分类计数的方法，其特征在于，该方法的具体步骤为：利用数字化采集装置对待检测物进行有序的数字化采集，形成原始数字化数据，并将得到的原始数字化数据传输给能对原始数字化数据进行分析的检测装置，再利用检测装置基于机器学习的目标检测算法通过R-CNN、Fast/FasterR-CNN或SSD对原始数字化数据进行处理，得出所有出现在原始数字化数据中的微小物的位置和范围，对于每一个检测出的位置和范围，检测装置再采用基于机器学习的分类识别算法通过SVM或KNN对该位置和范围的原始数字化数据进行精准分类，并找出所有微小物相应的性状特征，最后将识别得...

【专利技术属性】
技术研发人员：徐林楠，邹克才，单芬，苏翠平，何国前，赖长平，
申请(专利权)人：江西憶源多媒体科技有限公司，
类型：发明
国别省市：江西,36