【技术实现步骤摘要】
本专利技术涉及噬菌斑、单克隆等小目标的自动识别计数领域，更具体地涉及一种目标识别的后处理方法及装置、存储介质。
技术介绍
1、在现有的生物实验室中，针对不同板型培养的噬菌斑、单克隆等小目标，均采用人工识别以及技术，这样，极为耗时和耗力。
2、因此，目前采用一种对噬菌斑、单克隆等的自动识别和计数系统，具体是将多孔板图像切分为单孔图像，再将每个单孔图像输入至已训练的模型中检测出噬菌斑、单克隆等目标对象。然而，在实际应用中发现虽然模型误检率非常低，但是漏检率比较高，大约在5％左右，而采用通过改进深度学习模型来调优非常困难，特别是针对尺寸比较小目标的检测。
3、为此，目前急需一种后处理的方法来改善漏检率的问题。
技术实现思路
1、考虑到上述问题而提出了本专利技术。本专利技术提供了一种目标识别的后处理方法，能够解决漏检率高的技术问题。
2、本专利技术提高的目标识别的后处理方法，包括如下步骤：
3、获取基于机器学习模型对待检图像中进行目标对象识别得到的第一目标对象以及每个所述第一目标对象作为真实目标对象的概率值；
4、对待检图像中的目标对象进行特征提取，得到第二目标对象；
5、根据真实目标对象的预设特征信息，确定每个所述第二目标对象作为真实目标对象的概率值；
6、根据所述第一目标对象和所述第二目标对象的概率值在第一目标对象和第二目标对象中确定出目标对象。
7、示例地，所述预设特征信息包括预设像素参数
8、根据每个所述第二目标对象的所有像素中满足所述预设像素参数范围的数量信息，确定该第二目标对象作为所述真实目标对象的概率值；
9、其中，在数量信息表示第一目标对象的所有像素中满足预设像素参数范围的数量越多时，该第二目标对象作为所述真实目标对象的概率值越大。
10、示例地，所述预设像素参数范围包括预设颜色参数范围和预设灰度参数范围。
11、示例地，所述预设特征信息包括预设形态参数的参考值，所述根据真实目标对象的预设特征信息，确定每个所述第二目标对象作为真实目标对象的概率值，具体包括：
12、根据每个所述第二目标对象的形态参数值与预设形态参数的参考值的对比结果，确定该第二目标对象作为所述真实目标对象的概率值；
13、其中，在所述对比结果表示所述第二目标对象的形态参数越接近形态参数的参考值的情况下，该第二目标对象作为所述真实目标对象的概率值越大。
14、示例地，预设有多个对比结果范围与预设概率值的对应的第一关系；
15、所述确定该第二目标对象作为所述真实目标对象的概率值，包括：
16、根据每个所述第二目标对象对应的所述对比结果，确定该对比结果所在的对比结果范围；
17、根据确定的对比结果范围和所述第一关系，确定该第二目标对象对应的预设概率值，并作为该第二目标对象的概率值。
18、示例地，所述预设特征信息包括预设纹理信息，所述根据真实目标对象的预设特征信息，确定每个所述第二目标对象作为真实目标对象的概率值，具体包括：
19、根据每个第二目标对象的纹理信息与预设纹理信息的相似度结果，确定该第二目标对象作为所述真实目标对象的概率值；
20、其中，在所述相似度结果表示所述第二目标对象的纹理信息越接近所述预设纹理信息，该第二目标对象作为所述真实目标对象的概率值越大。
21、示例地，所述预设特征信息包括至少两种，所述根据真实目标对象的预设特征信息，确定每个所述第二目标对象作为真实目标对象的概率值，具体包括：
22、根据每种预设特征信息，确定每个第二目标对象作为真实目标对象的每种概率值；
23、根据每个第二目标对象的针对至少两种预设特征信息对应确定出的至少两种所述概率值，计算该第二目标对象的最终概率值。
24、示例地，所述根据所述第一目标对象和所述第二目标对象的概率值在第一目标对象和第二目标对象中来确定出目标对象，具体包括：
25、对目标对象集合中的目标对象进行去重操作，所述目标对象集合中的目标对象包括所述第一目标对象和第二目标对象；
26、根据去重后的目标对象集合中的目标对象来确定出目标对象。
27、示例地，所述对目标对象集合中的目标对象进行去重操作，具体包括：
28、在目标对象集合中的两个目标对象满足重合要求时，根据该重合的两个所述目标对象仅确定出一个目标对象；仅确定出的所述目标对象的概率值根据该重合的两个所述目标对象各自的概率值确定；和/或，仅确定出的一个目标对象的坐标信息根据该重合的两个所述目标对象各自的坐标信息确定。
29、示例地，所述在对待检图像进行特征提取得到第二目标对象的过程中，提取小于预设尺寸阈值的目标对象，作为第二目标对象。
30、示例地，所述对待检图像进行特征提取得到第二目标对象，具体包括：
31、对待检图像进行特征提取得到初始第二目标对象；
32、将所述初始第二目标对象中位于所述目标区域轮廓线上的所述初始第二目标对象过滤掉，得到所述第二目标对象。
33、本专利技术还提供一种目标识别的后处理装置，包括：
34、获取模块，用于获取基于机器学习模型对待检图像中进行目标对象识别得到的第一目标对象以及每个所述第一目标对象作为真实目标对象的概率值；
35、处理模块，用于对待检图像中的目标对象进行特征提取，得到第二目标对象；
36、概率确定模块，用于根据真实目标对象的预设特征信息，确定每个所述第二目标对象作为真实目标对象的概率值；
37、目标确定模块，用于根据所述第一目标对象和所述第二目标对象的概率值在第一目标对象和第二目标对象中确定出目标对象。
38、本专利技术还提供一种存储介质，在所述存储介质上存储了程序指令，所述程序指令在运行时用于执行上述所述的目标识别的后处理方法。
本文档来自技高网...【技术保护点】
1.一种目标识别的后处理方法，其特征在于，包括如下步骤：
2.如权利要求1所述的方法，其特征在于，所述预设特征信息包括预设像素参数范围，所述根据真实目标对象的预设特征信息，确定每个所述第二目标对象作为真实目标对象的概率值，具体包括：
3.如权利要求2所述的方法，其特征在于，所述预设像素参数范围包括预设颜色参数范围和预设灰度参数范围。
4.如权利要求1所述的方法，其特征在于，所述预设特征信息包括预设形态参数的参考值，所述根据真实目标对象的预设特征信息，确定每个所述第二目标对象作为真实目标对象的概率值，具体包括：
5.如权利要求4所述的方法，其特征在于，预设有多个对比结果范围与预设概率值的对应的第一关系；
6.如权利要求1所述的方法，其特征在于，所述预设特征信息包括预设纹理信息，所述根据真实目标对象的预设特征信息，确定每个所述第二目标对象作为真实目标对象的概率值，具体包括：
7.如权利要求1所述的方法，其特征在于，所述预设特征信息包括至少两种，所述根据真实目标对象的预设特征信息，确定每个所述第二目标对象作为真实目
8.如权利要求1所述的方法，其特征在于，所述根据所述第一目标对象和所述第二目标对象的概率值在第一目标对象和第二目标对象中来确定出目标对象，具体包括：
9.如权利要求8所述的方法，其特征在于，所述对目标对象集合中的目标对象进行去重操作，具体包括：
10.如权利要求1所述的方法，其特征在于，所述在对待检图像进行特征提取得到第二目标对象的过程中，提取小于预设尺寸阈值的目标对象，作为第二目标对象。
11.如权利要求1所述的方法，其特征在于，所述对待检图像进行特征提取得到第二目标对象，具体包括：
12.一种目标识别的后处理装置，其特征在于，包括：
13.一种存储介质，其特征在于，在所述存储介质上存储了程序指令，所述程序指令在运行时用于执行如权利要求1至11任一项所述目标识别的后处理方法。
...【技术特征摘要】
1.一种目标识别的后处理方法，其特征在于，包括如下步骤：
2.如权利要求1所述的方法，其特征在于，所述预设特征信息包括预设像素参数范围，所述根据真实目标对象的预设特征信息，确定每个所述第二目标对象作为真实目标对象的概率值，具体包括：
3.如权利要求2所述的方法，其特征在于，所述预设像素参数范围包括预设颜色参数范围和预设灰度参数范围。
4.如权利要求1所述的方法，其特征在于，所述预设特征信息包括预设形态参数的参考值，所述根据真实目标对象的预设特征信息，确定每个所述第二目标对象作为真实目标对象的概率值，具体包括：
5.如权利要求4所述的方法，其特征在于，预设有多个对比结果范围与预设概率值的对应的第一关系；
6.如权利要求1所述的方法，其特征在于，所述预设特征信息包括预设纹理信息，所述根据真实目标对象的预设特征信息，确定每个所述第二目标对象作为真实目标对象的概率值，具体包括：
7.如权利要求1所述的方法，其特征在...
【专利技术属性】
技术研发人员：程一帆，
申请(专利权)人：北京镁伽机器人科技有限公司，
类型：发明
国别省市：
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。