一种基于深度学习的小颗粒物体计数系统及方法技术方案

本发明专利技术公开了一种基于深度学习的小颗粒物体计数系统及方法，本发明专利技术涉及的一种基于深度学习的小颗粒物体计数系统，包括：图像采集模块，用于采集待计数的目标物体，得到目标物体的数字图像；图像处理模块，用于对得到的数字图像进行处理分析，并将所述处理后的图像输入到训练好的神经网络模型中，得到所述数字图像中包含的目标物体的数量。本发明专利技术可以完成对小颗粒物体的自动、实时、准确计数。

【技术实现步骤摘要】
一种基于深度学习的小颗粒物体计数系统及方法
本专利技术涉及图像处理
，尤其涉及一种基于深度学习的小颗粒物体计数系统及方法。
技术介绍
近年来，随着深度学习在数字图像处理方面取得越来越显著的成效。基于深度学习的图像处理已经越来越广泛地应用于生活生产的各个方面。另一方面，小颗粒物体(如细胞、受精卵、幼苗)的计数在现实生产中仍存在相当大的人力消耗。现有技术也有研究使用图像处理技术来实现小颗粒物体的自动计数，但大多基于传统的数字图像处理方法，存在精度低、要求苛刻、应用场景难以泛化等问题。因此，本专利技术提供一种基于深度学习的小颗粒物体计数系统及方法来解决上述存在的问题。
技术实现思路
本专利技术的目的是针对现有技术的缺陷，提供了一种基于深度学习的小颗粒物体计数系统及方法，可以完成对小颗粒物体的自动、实时、准确计数。为了实现以上目的，本专利技术采用以下技术方案：一种基于深度学习的小颗粒物体计数系统，包括：图像采集模块，用于采集待计数的目标物体，得到目标物体的数字图像；图像处理模块，用于对得到的数字图像进行处理分析，并将所述处理后的图像输入到训练好的神经网络模型中，得到所述数字图像中包含的目标物体的数量。进一步的，所述图像采集模块中是通过拍照设备进行采集的。进一步的，所述图像采集模块中还包括：调整模块，用于对待计数的目标物体的分布情况进行调整，并对采集目标物体图像的分辨率、大小、拍摄位置进行调整。进一步的，所述图像采集模块中还包括：上传模块，用于将采集的数字图像通过通信链路上传至图像处理模块。进一步的，所述图像处理模块中对数字图像进行处理分析具体为对数字图像进行去噪、对比度增强处理。相应的，还提供一种基于深度学习的小颗粒物体计数方法，包括：S1.采集待计数的目标物体，得到目标物体的数字图像；S2.对得到的数字图像进行处理分析，并将所述处理后的图像输入到训练好的神经网络模型中，得到所述数字图像中包含的目标物体的数量。进一步的，所述步骤S1中是通过拍照设备进行采集的。进一步的，所述步骤S1中还包括：对待计数的目标物体的分布情况进行调整，并对采集目标物体图像的分辨率、大小、拍摄位置进行调整。进一步的，所述步骤S1中还包括：将采集的数字图像通过通信链路上传至图像处理模块。进一步的，所述步骤S2中对数字图像进行处理分析具体为对数字图像进行去噪、对比度增强处理。与现有技术相比，本专利技术具有以下优点：1.本专利技术基于深度学习的图像处理，通过对目标颗粒物体的数字图像的相关处理和计算得到图像中所包含的目标颗粒物体的总数。具有非接触性、无损伤性等特点。2.本专利技术避免了与被计数物体的直接接触，并且图像处理技术受外界环境影响小，所以具有可靠性强、抗干扰能力强等特点。3.本专利技术利用深度学习来对数字图像进行处理，具有泛化性强、计数精度高、硬件成本低、便于推广部署等特点。附图说明图1是实施例一提供的一种基于深度学习的小颗粒物体计数系统结构图；图2是实施例一提供的一种基于深度学习的小颗粒物体计数系统示意图；图3是实施例二提供一种基于深度学习的小颗粒物体计数方法流程图；图4是实施例三提供一种深度学习框架下的监督学习模型示意图。具体实施方式以下通过特定的具体实例说明本专利技术的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本专利技术的其他优点与功效。本专利技术还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本专利技术的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。本专利技术的目的是针对现有技术的缺陷，提供了一种基于深度学习的小颗粒物体计数系统及方法。实施例一本实施例提供一种基于深度学习的小颗粒物体计数系统，如图1-2所示，包括：图像采集模块11，用于采集待计数的目标物体，得到目标物体的数字图像；图像处理模块12，用于对得到的数字图像进行处理分析，并将所述处理后的图像输入到训练好的神经网络模型中，得到所述数字图像中包含的目标物体的数量。在图像采集模块11中，采集待计数的目标物体，得到目标物体的数字图像；对需要计数的目标物体进行拍摄得到数字图像。在本实施例中，图像采集模块与图像处理模块相连，其可以将采集到的数字图像通过通信接口传送至图像处理模块。图像采集模块可以是各类数码摄像头、数码照相机等。具体的，在本实施例中，图像采集模块用于对待计数颗粒物体进行拍摄，并将所拍摄的数字图像传送至图像处理模块。在图像处理模块12中，对得到的数字图像进行处理分析，并将所述处理后的图像输入到训练好的神经网络模型中，得到所述数字图像中包含的目标物体的数量。其中计算硬件平台通过通信接口与图像采集模块11相连接，计数软件程序对图像采集模块11进行控制、获取数字图像，并对所采集数字图像进行处理分析，获得所述数字图像中所包含的目标物体的数量。图像处理模块是指可以对数字图像进行计算处理的硬件与软件程序的统称。在本实施例中，图像处理模块的计算硬件平台通过USB接口或其他通信接口与图像采集模块进行通信，对采集到的数字图像进行传统图像处理，包括去噪、对比度增强等。然后再将处理后图像输入训练好的神经网络模型进行颗粒物体计数计算。一种基于深度学习的小颗粒物体计数系统具体实现方式为：首先，将待计数颗粒物体置于适当的容器中，对容器中目标颗粒的分布情况进行调整，不要出现颗粒物体完全重叠的情况。然后图像处理模块向图像采集模块发送控制指令，对采集的图像分辨率、大小、拍摄位置进行调整，以覆盖到所有待计数颗粒物体，并保证拍摄的图像清晰。然后，将拍摄的数字图像通过通信链路上传至图像处理模块，由图像处理模块中的计数软件程序对采集到的数字图像进行传统图像处理，包括去噪、对比度增强等。接着，将已预处理过的数字图像传入计数软件程序中内置的已训练好的神经网络模型进行物体计数计算。与现有技术相比，本实施例具有以下优点：1.本实施例基于深度学习的图像处理，通过对目标颗粒物体的数字图像的相关处理和计算得到图像中所包含的目标颗粒物体的总数。具有非接触性、无损伤性等特点。2.本实施例避免了与被计数物体的直接接触，并且图像处理技术受外界环境影响小，所以具有可靠性强、抗干扰能力强等特点。3.本实施例利用深度学习来对数字图像进行处理，具有泛化性强、计数精度高、硬件成本低、便于推广部署等特点。实施例二本实施例提供一种基于深度学习的小颗粒物体计数方法，如图3所示，包括：S11.采集待计数的目标物体，得到目标物体的数字图像；S12.对得到的数字图像进行处理分析，并将所述处理后的图像输入到训练好的神经网络模型中，得到所述数字图像中包本文档来自技高网...

【技术保护点】
1.一种基于深度学习的小颗粒物体计数系统，其特征在于，包括：/n图像采集模块，用于采集待计数的目标物体，得到目标物体的数字图像；/n图像处理模块，用于对得到的数字图像进行处理分析，并将所述处理后的图像输入到训练好的神经网络模型中，得到所述数字图像中包含的目标物体的数量。/n

【技术特征摘要】
1.一种基于深度学习的小颗粒物体计数系统，其特征在于，包括：
图像采集模块，用于采集待计数的目标物体，得到目标物体的数字图像；
图像处理模块，用于对得到的数字图像进行处理分析，并将所述处理后的图像输入到训练好的神经网络模型中，得到所述数字图像中包含的目标物体的数量。


2.根据权利要求1所述的一种基于深度学习的小颗粒物体计数系统，其特征在于，所述图像采集模块中是通过拍照设备进行采集的。


3.根据权利要求2所述的一种基于深度学习的小颗粒物体计数系统，其特征在于，所述图像采集模块中还包括：
调整模块，用于对待计数的目标物体的分布情况进行调整，并对采集目标物体图像的分辨率、大小、拍摄位置进行调整。


4.根据权利要求3所述的一种基于深度学习的小颗粒物体计数系统，其特征在于，所述图像采集模块中还包括：
上传模块，用于将采集的数字图像通过通信链路上传至图像处理模块。


5.根据权利要求1所述的一种基于深度学习的小颗粒物体计数系统，其特征在于，所述图像处理模块中对数字图像进行处理分析具体为对数字图像进行...

【专利技术属性】
技术研发人员：杨国伟，张俊杰，周雪芳，毕美华，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：浙江;33