【技术实现步骤摘要】
小目标菌落的检测处理方法、装置、电子设备及介质
本专利技术涉及计算机
，具体涉及一种小目标菌落的检测处理方法、装置、电子设备及介质。
技术介绍
食品、药品、化妆品以及饲料等微生物检验中，涉及菌落总数、大肠菌群、大肠杆菌、乳酸菌等项目，在统计结果时均需进行大量的菌落分析和计数。菌落是指将细菌接种在固体培养基表面培养后，培养基表面长出的肉眼可见单个的细菌集团。对目标采样后生成的菌落数量、类别进行计数，是相关领域内一项基本而重要的工作。菌落图像是指菌落在培养基上培养后，用工业相机对菌落拍摄形成的图像，以便于对菌落目标信息进行统计分析。由于菌落的生长较为缓慢，同时需要不断地监测，以得到理想的菌落。但是菌落在生长初期的菌落半径较小，现有技术无法对其进行准确识别。
技术实现思路
由于现有方法存在上述问题，本专利技术实施例提出一种小目标菌落的检测处理方法、装置、电子设备及介质。第一方面，本专利技术实施例提出一种小目标菌落的检测处理方法，包括：将待检测菌落图像输入目标神经网络模型，得到所述目...
【技术保护点】
1.一种小目标菌落的检测处理方法，其特征在于，包括：/n将待检测菌落图像输入目标神经网络模型，得到所述目标神经网络模型输出的所述待检测菌落图像中小目标菌落的检测结果；/n其中，所述目标神经网络模型根据菌落图像预测虚拟样本和菌落图像实际样本训练得到；/n所述小目标菌落为所述待检测菌落图像中菌落半径大于预设值的菌落。/n
【技术特征摘要】
1.一种小目标菌落的检测处理方法，其特征在于，包括：
将待检测菌落图像输入目标神经网络模型，得到所述目标神经网络模型输出的所述待检测菌落图像中小目标菌落的检测结果；
其中，所述目标神经网络模型根据菌落图像预测虚拟样本和菌落图像实际样本训练得到；
所述小目标菌落为所述待检测菌落图像中菌落半径大于预设值的菌落。
2.根据权利要求1所述的小目标菌落的检测处理方法，其特征在于，所述目标神经网络模型的训练过程具体包括：
获取生成式对抗网络输出的菌落生长图像，并将各菌落生长图像确定为菌落图像预测虚拟样本；
获取各菌落生长图像对应的菌落原始图像，并对各菌落原始图像标定为菌落图像实际样本；
根据菌落图像预测虚拟样本和菌落图像实际样本对神经网络模型进行训练，得到所述目标神经网络模型。
3.根据权利要求2所述的小目标菌落的检测处理方法，其特征在于，所述根据菌落图像预测虚拟样本和菌落图像实际样本对神经网络模型进行训练，得到所述目标神经网络模型，具体包括：
根据预设尺寸对所述菌落图像预测虚拟样本和所述菌落图像实际样本进行裁剪，并对裁剪后的图像样本进行特征提取，得到训练标签，并根据训练标签对神经网络模型进行训练；
根据所述标定参数对神经网络模型的各层特征进行融合判断，若判断当前的层特征满足预设条件，则完成所述神经网络模型的训练，得到所述目标神经网络模型。
4.根据权利要求3所述的小目标菌落的检测处理方法，其特征在于，所述根据所述标定参数对神经网络模型的各层特征进行融合判断，若判断当前的层特征满足预设条件，则完成所述神经网络模型的训练，得到所述目标神经网络模型，具体包括：
确定若干个卷积核半径；
针对每个卷积核半径，根据所述标定参数对神经网络模型的各层特征进行融合判断，若判断当前的层特征输出的目标菌落的菌落半径小于所述预设值，则记录所述目标菌落；
获取每个卷积核半径在训练过程中记录的目标菌落的数量，并将目标菌落的数量最大的卷积核半径确定为目标卷积核半径，并将所述目标卷积核半径对应的神经网络模型确定为所述目标神经网络模型。
5.根据权利要求3所述的小目标菌落的检测处理方法，其特征在于，所述标定参数包括以下至少一项：菌落中心点、菌落半径、菌落外接矩形、菌落颜色、菌落形状、菌落表面光滑度、菌落边缘整齐度、菌落类别以及关键点在菌落图像中的位置比例。
6.一种小目标菌落的检测处理装置，其特征在于，包括：
模型检测模块，用于将待检测菌落图像输入目标神经网络模型，得到所述目标神经网络模型输出的所述待检测菌落图像中小目标菌落的检测结果...
【专利技术属性】
技术研发人员：厉刚，
申请(专利权)人：北京君立康生物科技有限公司，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。