【技术实现步骤摘要】
本专利技术涉及微观生物监测，具体而言，涉及一种微观生物图像处理方法、神经网络训练方法、装置及设备。
技术介绍
1、微观生物，广泛存在于各种水体中，对水环境和水生态环境有重要的作用。随着微观生态监测工作的逐步推荐，传统的效率较低的人工监测已渐渐不适应时代的发展需求。微观生物个体微小，形态多样，且人眼不可见，需要借助辅助设备进行监测。
2、对于微观生物的监测，目前，大多可借助显微镜对微观生物进行电子成像，并采用计算机视觉技术的图像检测方法对微观生物图像进行检测。
3、但是由于微观生物的细胞在图像上的视觉呈现既存在各异性，又存在关联性，若采用传统的图像分类检测技术，而不考虑生物学特征，对微观生物图像进行处理，可能会使得图像检测的效果较差，从而使得对于目标水域进行微观生物的监测准确性较差。
技术实现思路
1、本专利技术的目的在于，针对上述现有技术中的不足，提供一种微观生物图像处理方法、神经网络训练方法、装置及设备，以提高对微观生物图像进行检测效果，提高对于微观生物的监测准确度。
2、为实现上述目的，本专利技术实施例采用的技术方案如下：
3、第一方面，本专利技术实施例提供了一种微观生物图像处理方法，包括：
4、获取待处理的微观生物图像；
5、采用预先训练的多个神经网络，对所述微观生物图像进行微观生物检测，得到所述多个神经网络对应的微观生物检测结果；所述多个神经网络包括：针对第一组微观生物的第一神经网络，和至少一个第二神经
6、根据所述多个神经网络对应的微观生物检测结果，得到所述微观生物图像的目标检测结果。
7、在一种可能实现方式中，每类第一微观生物的检测结果包括：所述每类第一微观生物的第一检测框的检测参数、所述每类第一微观生物的检测置信度；每类第二微观生物的检测结果包括：所述每类第二微观生物的第二检测框的检测参数、所述每类第二微观生物的检测置信度；
8、所述根据所述多个神经网络对应的微观生物检测结果，得到所述微观生物图像的目标检测结果，包括：
9、根据所述至少一类第一微观生物的第一检测框的检测参数，和所述至少一类第二微观生物的第二检测框的检测参数，从所述至少一类第一微观生物的第一检测框和所述至少一类第二微观生物的第二检测框中，确定重叠面积超过预设面积阈值的至少一组候选检测框，以及重叠面积未超过所述预设面积阈值的第一目标检测框；
10、根据每组候选检测框的检测置信度，以及预设的微观生物之间的视觉内共生对应关系，对所述每组候选检测框中满足去重条件的检测框进行去重，得到第二目标检测框；
11、根据目标检测框的检测参数，确定所述微观生物图像的目标检测结果，其中，所述目标检测框包括：所述第一目标检测框和所述第二目标检测框。
12、在另一种可能实现方式中，所述根据每组候选检测框的检测置信度，以及预设的微观生物之间的视觉内共生对应关系，对所述每组候选检测框中满足去重条件的检测框进行去重，得到第二目标检测框，包括：
13、根据所述每组候选检测框的检测置信度，对所述每组候选检测框中相同类别的微观生物的检测框中满足第一去重条件的检测框进行去重，得到第一目标微观生物的检测框；
14、根据所述视觉内共生对应关系，对所述每组候选检测框中不同类别的微观生物的检测框中满足第二去重条件的检测框进行去重，得到第二目标微观生物的检测框；
15、所述第二目标检测框包括：所述第一目标微观生物的检测框，和所述第二目标微观生物的检测框。
16、在又一种可能实现方式中，所述根据所述目标检测框的检测参数，确定所述微观生物图像的目标检测结果，包括：
17、根据所述目标检测框的检测参数、以及所述目标检测框对应微观生物的生物特征信息，计算所述目标检测框对应微观生物的生物量信息；
18、根据所述目标检测框的数量确定所述目标检测框对应微观生物的个体数量；
19、所述目标检测结果包括：所述目标检测框对应微观生物的生物量信息，以及个体数量。
20、在再一种可能实现方式中，所述方法还包括：
21、输出所述微观生物图像对应的检测图像，所述检测图像中显示有所述目标检测框，以及所述目标检测框对应微观生物的类别信息。
22、在再一种可能实现方式中，所述第一检测框为正检测框，或者斜检测框，所述第二检测框为正检测框，或者斜检测框；
23、其中，正检测框的检测参数包括：框体尺寸和框体位置；斜检测框的检测参数包括：框体尺寸、框体位置和角度。
24、第二方面，本专利技术实施例提供了一种神经网络训练方法，包括：
25、获取多个样本微观生物图像；
26、在每个样本微观生物图像中标记第一组微观生物的检测框，以及类别信息，得到第一样本图像集；所述第一组微观生物包括：满足预设的多个生物视觉条件的至少一类第一微观生物；
27、在所述每个样本微观生物图像中标记至少一个第二组微观生物的检测框，以及类别信息，得到至少一个第二样本图像集；所述第二组微观生物包括：不满足其中至少一个生物视觉条件的至少一类第二微观生物；
28、采用所述第一样本图像集进行模型训练，得到第一神经网络；
29、采用所述至少一个第二样本图像集分别进行模型训练，得到至少一个第二神经网络。
30、第三方面，本申请实施例还提供一种微观生物图像处理装置，包括：
31、第一获取模块，用于获取待处理的微观生物图像；
32、检测模块，用于采用预先训练的多个神经网络，对所述微观生物图像进行微观生物检测，得到所述多个神经网络对应的微观生物检测结果；所述多个神经网络包括：针对第一组微观生物的第一神经网络，和至少一个第二神经网络，不同第二神经网络为针对不同第二组微观生物的神经网络，其中，所述第一组微观生物包括：满足预设的多个生物视觉条件的至少一类第一微观生物，所述第二组微观生物包括：不满足其中至少一个生物视觉条件的至少一类第二微观生物；所述第一神经网络对应的微观生物检测结果包括：所述至少一类第一微观生物的检测结果，所述第二神经网络对应的微观生物检测结果包括：所述至少一类第二微观生物的检测结果；
33、确定模块，用于根据所述多个神经网络对应的微观生物检测结果，得到所述微观生物图像的目标检测结果。
34、第四方面，本申请实施例还提供一种神经网络训练装置，包括：
35、第二获取模块，用于获取多个样本微观本文档来自技高网...
【技术保护点】
1.一种微观生物图像处理方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，每类第一微观生物的检测结果包括：所述每类第一微观生物的第一检测框的检测参数、所述每类第一微观生物的检测置信度；每类第二微观生物的检测结果包括：所述每类第二微观生物的第二检测框的检测参数、所述每类第二微观生物的检测置信度；
3.根据权利要求2所述的方法，其特征在于，所述根据每组候选检测框的检测置信度，以及预设的微观生物之间的视觉内共生对应关系，对所述每组候选检测框中满足去重条件的检测框进行去重，得到第二目标检测框，包括：
4.根据权利要求2所述的方法，其特征在于，所述根据所述目标检测框的检测参数，确定所述微观生物图像的目标检测结果，包括：
5.根据权利要求2所述的方法，其特征在于，所述方法还包括：
6.根据权利要求2所述的方法，其特征在于，所述第一检测框为正检测框，或者斜检测框，所述第二检测框为正检测框，或者斜检测框；
7.一种神经网络训练方法，其特征在于，包括：
8.一种微观生物图像处理装置，其特征在于，包
9.一种神经网络训练装置，其特征在于，包括：
10.一种计算机设备，其特征在于，包括：存储器和处理器，所述存储器存储有所述处理器可执行的计算机程序，所述处理器执行所述计算机程序时实现上述权利要求1-6中任一项所述的微观生物图像处理方法，或者，权利要求7所述的神经网络训练方法。
...【技术特征摘要】
1.一种微观生物图像处理方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，每类第一微观生物的检测结果包括：所述每类第一微观生物的第一检测框的检测参数、所述每类第一微观生物的检测置信度；每类第二微观生物的检测结果包括：所述每类第二微观生物的第二检测框的检测参数、所述每类第二微观生物的检测置信度；
3.根据权利要求2所述的方法，其特征在于，所述根据每组候选检测框的检测置信度，以及预设的微观生物之间的视觉内共生对应关系，对所述每组候选检测框中满足去重条件的检测框进行去重，得到第二目标检测框，包括：
4.根据权利要求2所述的方法，其特征在于，所述根据所述目标检测框的检测参数，确定所述微观生物图像的...
【专利技术属性】
技术研发人员：袁希，
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：
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。