【技术实现步骤摘要】
菌落生长图像的预测方法、装置、电子设备及存储介质
本专利技术涉及计算机
，具体涉及一种菌落生长图像的预测方法、装置、电子设备及存储介质。
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。但是菌落的生长受多种因素影响，现有技术采用人为经验进行预测，无法对菌落的生长进行准确地预测。
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菌落生长图像的预测方法、装置、电子设备及存储介质。第一方面，本专利技术实施例提出一种菌落生长图像的预测方法，包括：将当前的菌落原始图像和...
【技术保护点】
1.一种菌落生长图像的预测方法，其特征在于，包括：/n将当前的菌落原始图像和预测时间点输入神经网络模型，得到所述神经网络模型输出的菌落生长图像；/n其中，所述菌落生长图像为预测得到的所述预测时间点的菌落图像；/n所述神经网络模型通过生成式对抗网络训练得到。/n
【技术特征摘要】
1.一种菌落生长图像的预测方法，其特征在于，包括：
将当前的菌落原始图像和预测时间点输入神经网络模型，得到所述神经网络模型输出的菌落生长图像；
其中，所述菌落生长图像为预测得到的所述预测时间点的菌落图像；
所述神经网络模型通过生成式对抗网络训练得到。
2.根据权利要求1所述的菌落生长图像的预测方法，其特征在于，所述将当前的菌落原始图像和预测时间点输入神经网络模型，得到所述神经网络模型输出的菌落生长图像之前，还包括：
根据菌落图像样本以及各菌落图像样本对应的时间点和环境信息，建立所述生成式对抗网络；
对所述生成式对抗网络进行训练，得到所述神经网络模型。
3.根据权利要求2所述的菌落生长图像的预测方法，其特征在于，所述根据菌落图像样本以及各菌落图像样本对应的时间点和环境信息，建立所述生成式对抗网络，具体包括：
对各菌落图像样本进行图像识别，得到各菌落图像样本的菌落基本属性和培养皿基属性；
根据各菌落图像样本的菌落基本属性和培养皿基属性，以及各菌落图像样本对应的时间点和环境信息，建立所述生成式对抗网络；
其中，所述菌落基本属性包括以下至少一项：菌落大小、菌落颜色、菌落形状、菌落表面光滑度、菌落边缘整齐度。
4.根据权利要求3所述的菌落生长图像的预测方法，其特征在于，所述菌落生长图像的预测方法还包括：
对所述菌落生长图像进行图像识别，得到所述菌落生长图像中的菌落数量，以及各菌落的菌落位置和菌落基本属性。
5.根据权利要求2-4任一项所述的菌落生长图像的预测方法，其特征在于，所述环境信息包括以下至少一项：温度、ph值、亮度、湿度。
6.一种菌落生长图像的预测装置，其特征在于，包括：
模型预测模块，用于将当前的菌落原始图像和预测时间点输入神经网络模型，得到所述神经网络模型...
【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。