一种基于深度学习的植物细胞检测方法技术

本发明专利技术公开一种基于深度学习的植物细胞检测方法，能快速、精准的检测图像中的植物细胞，有助于植物细胞多样性的研究。方法包括：借助电子计算机断层扫描技术获得植物组织的连续切片CT图像；进行格式转换，使用图像处理软件进行预处理；将预处理后的CT图像输入Cellpose卷积神经网络中进行分割输出植物细胞的轮廓txt文件；计算植物细胞的最小外接矩形作为检测框，获得检测框的位置和尺寸生成检测框txt文件并转换为XML标注文件；将预处理后的CT图像与对应的XML标注文件进行数据增强获得图像数据集并划分为训练集、验证集及测试集；使用训练集和验证集对YOLOv5网络模型进行训练，并使用测试集进行性能检测；对待检测的植物组织CT图像进行植物细胞检测。

【技术实现步骤摘要】

本专利技术属于计算机视觉及植物细胞检测的，尤其涉及一种基于深度学习的植物细胞检测方法。

技术介绍

1、近几年，深度学习在植物细胞目标检测领域取得了显著的进展；目前常用的yolo系列目标检测模型拥有强大的特征提取能力，可以帮助研究者更准确地捕捉植物细胞中的微妙特征和细节。然而，训练深度学习模型需要充足且高质量的训练数据；但是在植物细胞领域，公开的可训练数据集相对匮乏，同时数据集制作中的人工标注需要大量的时间和劳力成本，还会容易产生误差，这些问题限制了现有植物细胞目标检测模型的检测精度和速度。

技术实现思路

1、本专利技术的主要目的在于克服现有技术的缺点与不足，提供一种基于深度学习的植物细胞检测方法，使用少量的时间与成本制作大型的高质量植物细胞数据集，基于深度学习模型，训练获得植物细胞检测模型，可以快速、准确的识别图像数据中的植物细胞，帮助研究者深入研究植物细胞的结构和形态。

2、为了达到上述目的，本专利技术提出一种基于深度学习的植物细胞检测方法，包括下述步骤：

3、s1、借助电子计算机断本文档来自技高网...

【技术保护点】

1.基于深度学习的植物细胞检测方法，其特征在于，包括下述步骤：

2.根据权利要求1所述的基于深度学习的植物细胞检测方法，其特征在于，所述获得植物组织的连续切片CT图像，具体为：

3.根据权利要求1所述的基于深度学习的植物细胞检测方法，其特征在于，所述使用图像处理软件对jpg格式的连续切片CT图像进行预处理，包括：根据图像直方图调整图像的亮度和对比度；删除图像中的异常像素值；

4.根据权利要求1所述的基于深度学习的植物细胞检测方法，其特征在于，所述获得检测框的位置和尺寸生成检测框txt文件，具体为：

5.根据权利要求1所述的基于深度学习的植物...

【技术特征摘要】

1.基于深度学习的植物细胞检测方法，其特征在于，包括下述步骤：

2.根据权利要求1所述的基于深度学习的植物细胞检测方法，其特征在于，所述获得植物组织的连续切片ct图像，具体为：

3.根据权利要求1所述的基于深度学习的植物细胞检测方法，其特征在于，所述使用图像处理软件对jpg格式的连续切片ct图像进行预处理，包括：根据图像直方图调整图像的亮度和对比度；删除图像中的异常像素值；

4.根据权利要求1所述的基于深度学习的植物细胞检测方法，其特征在于，所述获得检测框的位置和尺寸生成检测框txt文件，具体为：

5.根据权利要求1所述的基于深度学习的植物细胞检测方法，其特征在于，所述将检测框txt文件转换为xml标注文件，具体为：

6.根据权利要求1所述的基于深度学习的植物细胞检测方法，其特征在于，所述数据增强包括逆时针旋转、...

【专利技术属性】
技术研发人员：刘昌余，程紫薇，郑晶晶，裴嘉薇，王瀚升，周雪，廖颖娱，吴春胤，李文熹，
申请(专利权)人：华南农业大学，
类型：发明
国别省市：