浮游藻类检测方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术的实施例提供了一种浮游藻类检测方法、装置、电子设备及存储介质，涉及数据处理技术领域。该方法包括：对待检测藻类样本的多个视野进行三维取图，得到第一图像序列；对第一图像序列进行特征提取，得到第一加权掩膜图像序列；构造第一图像序列的第一初始高斯金字塔图像和第一初始拉普拉斯金字塔图像；基于第一加权掩膜图像序列对第一初始高斯金字塔图像和第一初始拉普拉斯金字塔图像进行加权运算和重建，得到第一融合图像；将第一融合图像输入离线检测模型，输出藻类检测结果和藻类统计信息。本申请在不损失三维视野信息的前提下，大幅降低了计算量，减少了图形处理器的开销，提升了计算速度。提升了计算速度。提升了计算速度。

【技术实现步骤摘要】
浮游藻类检测方法、装置、电子设备及存储介质


[0001]本专利技术涉及数据处理
，具体而言，涉及一种浮游藻类检测方法、装置、电子设备及存储介质。

技术介绍

[0002]近年来，随着《中华人民共和国黄河保护法》的实施，黄河流域各省持续加大生态监管力度，藻类的自动化检测与监管已愈发重要。因此，有必要对水体中的浮游藻类进行识别、检测和统计。
[0003]随着深度学习技术的发展，浮游藻类识别由普通的光谱分析法传统方法逐步发展为基于深度学习的图像识别的方法。相比于传统方法，基于深度学习的检测方法具有检测数据更为可靠，数据可溯性更强的优点。
[0004]现有的基于深度学习的浮游藻类检测方法主要是对样本进行三维扫描，并对每个视野中不同焦平面的图像进行检测，将各图像的检测结果进行叠加和去重，以得到最终的检测识别结果。但是这一方法存在一定的缺陷：在实际操作中，每个视野往往有上百张甚至数百张图像，如果对这些图像都进行识别，那么图形处理器(GPU)开销很大，且耗时严重。

技术实现思路

[0005]为了解决上述技术问题，本申请实施例提供了一种浮游藻类检测方法、装置、电子设备及存储介质。
[0006]第一方面，本申请实施例提供了一种浮游藻类检测方法，所述方法包括：
[0007]对待检测藻类样本的多个视野进行三维取图，得到第一图像序列；
[0008]通过图像细节提取算子对所述第一图像序列进行特征提取，得到第一加权掩膜图像序列；
[0009]构造所述第一图像序列预设层数的高斯金字塔和拉普拉斯金字塔，得到第一初始高斯金字塔图像和第一初始拉普拉斯金字塔图像；
[0010]将所述第一加权掩膜图像序列作为权重，分别对所述第一初始高斯金字塔图像和第一初始拉普拉斯金字塔图像进行加权运算，得到第一加权高斯金字塔图像和第一加权拉普拉斯金字塔图像；
[0011]根据所述第一加权高斯金字塔图像和所述第一加权拉普拉斯金字塔图像重建得到第一融合图像；
[0012]将所述第一融合图像输入离线检测模型，输出藻类检测结果和藻类统计信息。
[0013]在一实施方式中，获取所述离线检测模型的步骤，包括：
[0014]对训练藻类样本的多个视野进行三维取图，得到第二图像序列；
[0015]通过所述图像细节提取算子对所述第二图像序列进行特征提取，得到第二加权掩膜图像序列；
[0016]构造所述第二图像序列预设层数的高斯金字塔和拉普拉斯金字塔，得到第二初始
高斯金字塔图像和第二初始拉普拉斯金字塔图像；
[0017]将所述第二加权掩膜图像序列作为权重，分别对所述第二初始高斯金字塔图像和第二初始拉普拉斯金字塔图像进行加权运算，得到第二加权高斯金字塔图像和第二加权拉普拉斯金字塔图像；
[0018]根据所述第二加权高斯金字塔图像和所述第二加权拉普拉斯金字塔图像重建得到第二融合图像；
[0019]对所述第二融合图像进行标定操作，得到标定训练集；
[0020]基于所述标定训练集对初始检测模型进行训练，得到所述离线检测模型。
[0021]在一实施方式中，所述对待检测藻类样本的多个视野进行三维取图，得到第一图像序列，包括：
[0022]获取各所述视野的多个焦平面的焦平面图像；
[0023]将多个所述焦平面图像的集合确定为所述第一图像序列。
[0024]在一实施方式中，所述通过图像细节提取算子对所述第一图像序列进行特征提取，得到第一加权掩膜图像序列，包括：
[0025]将所述图像细节提取算子与各所述焦平面图像进行卷积运算，得到初始掩膜图像序列；
[0026]对所述初始掩膜图像序列进行归一化，得到所述第一加权掩膜图像序列。
[0027]在一实施方式中，确定所述图像细节提取算子的步骤，包括：
[0028]根据预设边缘提取矩阵：
[0029][0030]确定所述图像细节提取算子。
[0031]在一实施方式中，所述对所述初始掩膜图像序列进行归一化，得到所述第一加权掩膜图像序列，包括：
[0032]根据以下公式计算第一加权掩膜图像序列中的各图像：
[0033][0034]其中，表示第一加权掩膜图像序列中的第k个图像，n表示所述第一加权掩膜图像序列中的图像个数，表示第k个图像的(x,y)坐标处像素值。
[0035]在一实施方式中，所述根据所述第一加权高斯金字塔图像和所述第一加权拉普拉斯金字塔图像重建得到第一融合图像，包括：
[0036]将所述第一加权高斯金字塔图像和所述第一加权拉普拉斯金字塔图像对应的各层进行融合，得到第一融合金字塔；
[0037]对所述第一融合金字塔进行预设次数的上采样和累加，得到所述第一融合图像，其中，所述预设次数与所述预设层数相等。
[0038]第二方面，本申请实施例提供了一种浮游藻类检测装置，所述装置包括：
[0039]取图模块，用于对待检测藻类样本的多个视野进行三维取图，得到第一图像序列；
[0040]提取模块，用于通过图像细节提取算子对所述第一图像序列进行特征提取，得到第一加权掩膜图像序列；
[0041]构造模块，用于构造所述第一图像序列预设层数的高斯金字塔和拉普拉斯金字塔，得到第一初始高斯金字塔图像和第一初始拉普拉斯金字塔图像；
[0042]加权模块，用于将所述第一加权掩膜图像序列作为权重，分别对所述第一初始高斯金字塔图像和第一初始拉普拉斯金字塔图像进行加权运算，得到第一加权高斯金字塔图像和第一加权拉普拉斯金字塔图像；
[0043]重建模块，用于根据所述第一加权高斯金字塔图像和所述第一加权拉普拉斯金字塔图像重建得到第一融合图像；
[0044]输出模块，用于将所述第一融合图像输入离线检测模型，输出藻类检测结果和藻类统计信息。
[0045]第三方面，本申请实施例提供了一种电子设备，包括存储器以及处理器，所述存储器用于存储计算机程序，所述计算机程序在所述处理器运行时执行第一方面提供的浮游藻类检测方法。
[0046]第四方面，本申请实施例提供了一种计算机可读存储介质，其存储有计算机程序，所述计算机程序在处理器上运行时执行第一方面提供的浮游藻类检测方法。
[0047]上述本申请提供的浮游藻类检测方法，将各视野的三维扫描结果进行金字塔融合，在不损失三维视野信息的前提下，大幅降低了计算量，从而减少了图形处理器的开销，提升了计算速度。
附图说明
[0048]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
[0049]图1为本申请实施例提供的浮游藻类检测方法的一流程示意图；
[0050]图2为本申请实施例提供的浮游藻类检测方法的一子流程示意图；本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种浮游藻类检测方法，其特征在于，所述方法包括：对待检测藻类样本的多个视野进行三维取图，得到第一图像序列；通过图像细节提取算子对所述第一图像序列进行特征提取，得到第一加权掩膜图像序列；构造所述第一图像序列预设层数的高斯金字塔和拉普拉斯金字塔，得到第一初始高斯金字塔图像和第一初始拉普拉斯金字塔图像；将所述第一加权掩膜图像序列作为权重，分别对所述第一初始高斯金字塔图像和第一初始拉普拉斯金字塔图像进行加权运算，得到第一加权高斯金字塔图像和第一加权拉普拉斯金字塔图像；根据所述第一加权高斯金字塔图像和所述第一加权拉普拉斯金字塔图像重建得到第一融合图像；将所述第一融合图像输入离线检测模型，输出藻类检测结果和藻类统计信息。2.根据权利要求1所述的方法，其特征在于，获取所述离线检测模型的步骤，包括：对训练藻类样本的多个视野进行三维取图，得到第二图像序列；通过所述图像细节提取算子对所述第二图像序列进行特征提取，得到第二加权掩膜图像序列；构造所述第二图像序列预设层数的高斯金字塔和拉普拉斯金字塔，得到第二初始高斯金字塔图像和第二初始拉普拉斯金字塔图像；将所述第二加权掩膜图像序列作为权重，分别对所述第二初始高斯金字塔图像和第二初始拉普拉斯金字塔图像进行加权运算，得到第二加权高斯金字塔图像和第二加权拉普拉斯金字塔图像；根据所述第二加权高斯金字塔图像和所述第二加权拉普拉斯金字塔图像重建得到第二融合图像；对所述第二融合图像进行标定操作，得到标定训练集；基于所述标定训练集对初始检测模型进行训练，得到所述离线检测模型。3.根据权利要求1所述的方法，其特征在于，所述对待检测藻类样本的多个视野进行三维取图，得到第一图像序列，包括：获取各所述视野的多个焦平面的焦平面图像；将多个所述焦平面图像的集合确定为所述第一图像序列。4.根据权利要求3所述的方法，其特征在于，所述通过图像细节提取算子对所述第一图像序列进行特征提取，得到第一加权掩膜图像序列，包括：将所述图像细节提取算子与各所述焦平面图像进行卷积运算，得到初始掩膜图像序列；对所述初始掩膜图像序列进行归一化，得到所述第一加权掩膜图像序列。5.根据权...

【专利技术属性】
技术研发人员：丁丹丹，李华栋，于晓秋，高源，苏成，张冬，袁希，刘冬辰，
申请(专利权)人：郑州英视江河生态环境科技有限公司，
类型：发明
国别省市：