一种基于深度学习的便携式藻类检测装置及方法制造方法及图纸

本发明专利技术涉及一种基于深度学习的便携式藻类检测装置及方法，其装置包括：底座；旋转转盘，水平旋转安装在底座上；第一电机，与旋转转盘连接；导轨，垂直安装在底座上；滑块，滑动安装在导轨上；第二电机，与滑块连接；镜头上安装有显微镜物镜的电子相机，固定安装在滑块上；处理器，与第一电机、第二电机以及电子相机电连接。本发明专利技术以旋转平台替代水平方向xy二轴移动平台，有效避免了机械加工引起的机械误差，大大减小了机械控制的难度和机械维护的成本；本发明专利技术以定制的简化光学显微镜系统替换整套的光学显微镜系统，降低了装置的研发和维护成本，减小了装置的体积和重量，方便携带，使得装置不再局限于实验室使用，而是能够广泛应用。

【技术实现步骤摘要】

本专利技术涉及浮游生物检测领域，具体涉及一种基于深度学习的便携式藻类检测装置及方法。

技术介绍

1、浮游藻类是一类在水体中自由漂浮的微型植物，它们对生态和人类生活具有重要影响。浮游藻类通过光合作用产生氧气，为水生生物提供生存所需的氧气。同时，它们还是水生食物链中的初级生产者，为鱼类、虾类等水生动物提供食物来源。然而，当水体中营养物质过多时，浮游藻类会大量繁殖，形成水华现象，导致水质恶化，影响水资源的利用和生态系统的稳定。

2、当前浮游藻类检测技术以传统的人工光学显微镜检测为主，少量的人工智能浮游藻类检测设备为辅。传统的人工光学显微镜检测法对操作人员的专业技能要求高，操作繁琐，耗时较长；新兴的智能浮游藻类检测设备相比人工光学显微镜检测，具有速度快、信息量大、功能多、效率高等优点，有效避免了人工检测的主观性和个体差异性。但当前的智能浮游藻类检测设备普遍体积大，重量大，造价高，因此适用场景有限，不适合广泛应用。

技术实现思路

1、本专利技术提供一种基于深度学习的便携式藻类检测装置及方法，以解决上述至少一本文档来自技高网...

【技术保护点】

1.一种基于深度学习的便携式藻类检测装置，其特征在于，包括：

2.一种基于深度学习的便携式藻类检测方法，其特征在于，利用权利要求1所述的基于深度学习的便携式藻类检测装置对藻类样本进行检测，包括：

3.根据权利要求2所述的基于深度学习的便携式藻类检测方法，其特征在于，在所述S5中，在采用金字塔融合方法对所述预设视野下的原始图像序列进行图像融合的过程中，包括构建权重矩阵，且构建权重矩阵的具体步骤为：

4.根据权利要求3所述的基于深度学习的便携式藻类检测方法，其特征在于，所述S51具体为：

5.根据权利要求3所述的基于深度学习的便携式藻类检测方法...

【技术特征摘要】

1.一种基于深度学习的便携式藻类检测装置，其特征在于，包括：

2.一种基于深度学习的便携式藻类检测方法，其特征在于，利用权利要求1所述的基于深度学习的便携式藻类检测装置对藻类样本进行检测，包括：

3.根据权利要求2所述的基于深度学习的便携式藻类检测方法，其特征在于，在所述s5中，在采用金字塔融合方法对所述预设视野下的原始图像序列进行图像融合的过程中，包括构建权重矩阵，且构建权重矩阵的具体步骤为：

4.根据权利要求3所述的基于深度学习的便携式藻类检测方法，其特征在于，所述s51具体为：

5.根据权利要求3所述的基于深度学习的便携式藻类检测方法，其特征在于，在所述s55中，计算所述原始图像序列中各原始图像的颜色角度hue值的步骤为：

6.根据权利要求3所述的基于深度学习的便携式藻类检测方法，其特...

【专利技术属性】
技术研发人员：周晓强，赵丽芸，
申请(专利权)人：陕西省水文水资源勘测中心，
类型：发明
国别省市：