【技术实现步骤摘要】
本专利技术涉及河流治理，具体为基于图像处理的微囊藻识别计数方法。
技术介绍
1、由于人类活动的影响，藻华的发生频率越来越高，它们不仅破坏水生生态系统，还会产生许多次生毒性代谢物。据研究表明，藻华会降低水的透明度，进而影响其他水生植物的生长，当藻类死亡时，还会消耗水中大量的氧气，导致鱼类因缺氧而死亡。此外，一些藻类会产生一些有毒物质，如蓝藻产生的毒素可以抑制人体蛋白质的合成，损害人体各器官，微囊藻产生的毒素可以促进肿瘤生长。其中，微囊藻水华是太湖中最常见的藻华之一。因此，对水样中的微囊藻进行监测，及时防止藻华的发生是非常重要的。
2、目前，现有的微囊藻计数方法是通过人工镜检对显微镜下的样品进行人工计数。样品是通过采样，过滤，浓缩，沉降，染色等预处理手段获得。样品计数时，每次取0.1毫升样品放入显微镜计数框中，再通过人工计数100个视野的微囊藻数量最后换算成整个样品的藻密度。
3、微囊藻人工镜检计数方法的缺点有2个：
4、速度慢。对于一个藻密度达到亿级别的样品，视野法人工计数100个视野最少需要3个小时。当出现微囊藻水华时，需要快速实现整个水样的藻类计数。
5、准确性和稳定性较差。人工计数的准确性和稳定性易受人为的影响。当水样中的藻密度越大，复杂性越高，人工计数易受影响，不易做到准确客观。
6、为此，我们设计基于图像处理的微囊藻识别计数方法。
技术实现思路
1、本专利技术的目的在于提供基于图像处理的微囊藻识别计数方法，以解决上
2、为实现上述目的，本专利技术提供如下技术方案：基于图像处理的微囊藻识别计数方法，包括如下步骤：
3、s1：获取、收集微囊藻图像，人工对其进行标注并制作成微囊藻图像识别数据集；
4、s2：将微囊藻图像识别数据集按照3:1的比例制作成训练集和测试集；
5、s3：选取yolo-v5深度学习网络模型，使用训练集和测试集对网络进行训练和测试，优化网络参数，得到微囊藻识别模型；
6、s4：利用微囊藻识别模型对图像进行检测识别，可将图像中的所有微囊藻检测出来；
7、s5：基于检测出来的微囊藻坐标位置获取整个图像的所有感兴趣区域；
8、s6：提取感兴趣区域中微囊藻细胞轮廓，并与单个微囊藻细胞模板作匹配，计算出感兴趣区域中微囊藻细胞个数，由此统计整个图像中微囊藻细胞数量，再推算这个样品的藻密度。
9、优选的，所述s1具体为：图像采集：使用相应的图像采集设备(如显微镜、数码相机或遥感设备)采集微囊藻图像。
10、图像预处理：对采集的图像进行预处理以去除噪声、调整亮度和色彩平衡。
11、图像标注：使用图像标注软件，手动标注微囊藻的位置和数量，标注可以是点、框或多边形，具体标注方式取决于所选用的深度学习网络。
12、划分数据集：将标注后的图像数据集划分为训练集和测试集，采用3:1的训练集和测试集比例。
13、数据增强：对训练集进行数据增强操作，生成更多的数据以增加模型的泛化能力，数据增强可以包括旋转、缩放、翻转和变形操作。
14、数据格式化：将标注后的图像数据格式化为常用的图像格式(如jpeg或png格式)，并为每个图像标注生成相应的xml或json文件。
15、为深度学习模型训练准备数据：将格式化后的数据加载到深度学习框架中，对网络进行训练和测试。
16、优选的，所述s6具体为：感兴趣区域中微囊藻细胞轮廓提取：使用图像处理技术(如边缘检测算法或分割算法)，从感兴趣区域的图像中提取微囊藻细胞的轮廓；
17、单个微囊藻细胞模板：准备一个代表单个微囊藻细胞的模板图像；这可以是一个典型的微囊藻细胞图像，或者从训练集中随机选择一个微囊藻细胞图像；
18、微囊藻细胞匹配：将提取的微囊藻细胞轮廓与单个微囊藻细胞模板进行匹配；可以使用图像匹配算法(如模板匹配或形态学操作)来实现；
19、计算微囊藻细胞个数：通过匹配结果，统计在感兴趣区域中检测到的微囊藻细胞个数；
20、统计整个图像中微囊藻细胞数量：根据感兴趣区域的个数和整个图像的大小关系推算整个图像中微囊藻细胞的数量；具体计算方法可根据感兴趣区域和图像的像素比例进行估计；
21、推算样品藻密度：根据整个图像中微囊藻细胞的数量以及样品的体积或面积，可以计算出样品的藻密度；藻密度一般表示为单位体积或单位面积中微囊藻细胞的个数。
22、优选的，所述当推算藻密度时，可以考虑以下计算方法：
23、体积密度计算：首先，确定样品的体积(例如，通过测量样品容器的体积)，然后，将整个图像中微囊藻细胞的数量除以样品的体积，以得到微囊藻的体积密度(单位为微囊藻细胞数/单位体积)。
24、体积密度＝微囊藻细胞数量/样品体积
25、面积密度计算：如果只能测量样品的投影面积，而无法直接测量体积，则可以计算微囊藻的面积密度；首先，确定样品的投影面积；然后，将整个图像中微囊藻细胞的数量除以样品的面积，以得到微囊藻的面积密度(单位为微囊藻细胞数/单位面积)；
26、面积密度＝微囊藻细胞数量/样品面积。
27、本专利技术至少具备以下有益效果：
28、1.样品分析速度快。同一个样品，本方法计算100个视野仅需要20秒的时间；
29、2.准确性高。本方法识别计数样品中的微囊藻准确性高，达到90％以上，与人工相比，误差在10％以内；
30、3.平行性较好。同一个样品，取两次0.1毫升分别分析，最终得到的藻密度差别在15％以内。
本文档来自技高网...【技术保护点】
1.基于图像处理的微囊藻识别计数方法，其特征在于：包括如下步骤：
2.根据权利要求1所述的基于图像处理的微囊藻识别计数方法，其特征在于：所述S1具体为：
3.根据权利要求1所述的基于图像处理的微囊藻识别计数方法，其特征在于：所述S6具体为：感兴趣区域中微囊藻细胞轮廓提取：使用图像处理技术，从感兴趣区域的图像中提取微囊藻细胞的轮廓；
4.根据权利要求3所述的基于图像处理的微囊藻识别计数方法，其特征在于：所述当推算藻密度时，可以考虑以下计算方法：
【技术特征摘要】
1.基于图像处理的微囊藻识别计数方法，其特征在于：包括如下步骤：
2.根据权利要求1所述的基于图像处理的微囊藻识别计数方法，其特征在于：所述s1具体为：
3.根据权利要求1所述的基于图像处理的微囊藻识别计数方法，其特征...
【专利技术属性】
技术研发人员：孙蓓丽，张军毅，王伟，
申请(专利权)人：江苏宏众百德生物科技有限公司，
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。