多源藻类图像目标检测方法、系统、电子设备及存储介质技术方案

本发明专利技术涉及一种多源藻类图像目标检测方法、系统、电子设备及存储介质，属于淡水水体藻华事件监测领域，首先通过编写的藻类自动化爬取工具爬取选定藻类种类的图像，该图像包含所有格式，对藻类图像中的藻细胞进行分类标注，并将所有分类标注的藻类图像构成源域数据集；然后结合目标域数据集，采用FasterRCNN进行迁移学习，获得多源藻类图像目标检测模型；最后即可利用多源藻类图像目标检测模型进行识别与分类。本发明专利技术在现有小量标注样本的藻类数据集的基础上，训练一个通用的可识别多种类的藻类目标检测模型，可以检测来自多格式的藻类图片，并能够对多源藻类实现高精度识别与分类。并能够对多源藻类实现高精度识别与分类。并能够对多源藻类实现高精度识别与分类。

【技术实现步骤摘要】
多源藻类图像目标检测方法、系统、电子设备及存储介质


[0001]本专利技术涉及淡水水体藻华事件监测领域，特别是涉及一种多源藻类图像目标检测方法、系统、电子设备及存储介质。

技术介绍

[0002]随着工农业的迅速发展，加之人们对环境保护认识的不足及缺乏有效的监管，使环境污染日益恶化。特别是世界范围内的水体富营养化问题日渐凸显，而这就引起了水体藻类突发性过度增殖，俗称水华，它是一种由水体中浮游植物大量增殖引起的自然现象。因为水华现象的频繁发生，对淡水形成二次污染，其水质遭到严重破坏，给人们的日常生活和生产活动带来了十分恶劣的影响。
[0003]某些藻类在一定的环境下会产生对健康有害的毒素，并且在不同水域，导致水华的频繁爆发均各不相同，造成水华的有害物种包含六种藻类:硅藻、甲藻、触生植物、针藻、蓝藻和浮游植物，而它们在形态、生理和生态特征方面差异很大。因此有必要具体识别产生藻华爆发的物种。
[0004]解决技术：对产生藻华爆发的物种的具体识别
[0005]本领域现有技术：基于机器学习的藻类图像分类技术/>[0006](1本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多源藻类图像目标检测方法，其特征在于，包括：编写藻类自动化爬取工具；按照选定种类的藻类名称，利用所述藻类自动化爬取工具爬取多源的藻类图像；使用yolo v3模型目标检测算法框定每个藻类图像中出现的藻类细胞的具体像素范围，并赋予爬虫索引的标签，构成源域数据集；获取由无标签藻类图像构成的目标域数据集；根据源域数据集和目标域数据集，采用FasterRCNN进行迁移学习，获得多源藻类图像目标检测模型；将待检测的藻类图像输入所述多源藻类图像目标检测模型，输出藻类图像中每个藻细胞的分类。2.根据权利要求1所述的多源藻类图像目标检测方法，其特征在于，所述藻类自动化爬取工具包括：URL管理器、调度器、网页下载器和网页解析器；调度器用于从URL管理器中获取需要爬取的URL地址，将需要爬取的URL地址传入网页下载器；网页下载器用于根据所述需要爬取的URL地址下载网页，并转换成网页字符串后通过调度器传入网页解析器；网页解析器用于解析网页字符串，利用正则表达式获得所有藻类图像的下载地址，并根据下载地址通过半自动化的形式从开源的中英文网站中爬取藻类图像；调度器还用于接收爬取的藻类图像。3.根据权利要求1所述的多源藻类图像目标检测方法，其特征在于，按照选定种类的藻类名称，利用所述藻类自动化爬取工具爬取多源的藻类图像，之后还包括：将每张藻类图像输入预先训练好的二分类器中判断是否为细胞图片，获得第一输出结果；若所述第一输出结果表示否，则删除藻类图像；若所述第一输出结果表示是，则保留清晰度大于清晰度阈值，且藻类细胞在整张图像中所占的比例大于比例阈值的藻类图像；使用目标检测算法判断保留的藻类图像中是否存在异物，获得第二输出结果；若所述第二输出结果表示否，则保留藻类图像；若所述第二输出结果表示是，则将通过消融实验判断异物会对后续网络学习造成干扰的藻类图像删除；从保留的藻类图像中选取预设数...

【专利技术属性】
技术研发人员：李建庆，员安然，王彬彬，邹海林，王劼睿，
申请(专利权)人：澳门科技大学，
类型：发明
国别省市：