本发明属于水生态环境监测,具体涉及一种基于显微镜图像的藻类检测方法及系统。
背景技术:
1、利用显微镜和高清工业相机获得的藻类图像之后,为了计算出样品中的藻密度、生物量等相关指标,需要从采集的图像中识别出藻类的种属和它的坐标位置。
2、现有技术中提出了基于深度学习模型对细胞进行识别的方法,这些方法都是基于动物细胞的识别方法,细胞种类较单一。浮游藻类的种类较多,大小差异较大,有些浮游藻类分布在液位上层,有些浮游藻类分布在液位中、下层,现有技术较难获得理想的检测效果。
技术实现思路
1、针对现有技术的不足,本发明提出了一种基于显微镜图像的藻类检测方法及系统,该方法利用400倍的显微镜成像系统,对单个视野下液位从上层到下层进行持续扫描,采集不同液层的图像数据。再分别计算序列图像的清晰度,并从中筛选出清晰度满足要求的图像,然后通过藻类深度学习模型在这些图像上检测出藻类种属和它的像素坐标,最后将不同液层采集的图像上检测出的藻类数据进行合并,实现单个视野(单点)下不同液位层藻类检测的目标。
2、为实现上述目的,本发明提供了如下方案:
3、一种基于显微镜图像的藻类检测方法,包括以下步骤:
4、s1、采集水样不同液层的图像数据,获得序列图像;
5、s2、计算所述序列图像的清晰度;
6、s3、从所述序列图像中筛选出清晰度满足预设要求的图像数据;
7、s4、构建藻类深度学习模型,利用所述藻类深度学习模型,在筛选出来的每张清晰图像上检测藻类种属和对应的像素坐标;
8、s5、对所有筛选出来的清晰图像上检测出来的藻类结果进行合并,实现单视野下多液层藻类检测的目标。
9、优选的,所述s1中,采集水样不同液层的图像数据,获得序列图像的方法为:
10、通过预设精度的微米级三轴运动平台,控制显微镜相机上下移动,对单个视野下液位从上层到下层进行扫描,并持续拍摄照片,获得序列图像。
11、优选的,所述s2中,计算所述序列图像的清晰度的方法为:
12、对采集的序列图像进行缩放处理;
13、对缩放后的序列图像进行灰度化处理;
14、对灰度化后的序列图像进行高斯去噪处理;
15、计算去噪后的序列图像的拉普拉斯梯度值;
16、对拉普拉斯梯度图像进行分区,并统计各个分区的拉普拉斯梯度平均值作为对应图像的清晰度指标。
17、优选的,所述s3中,从所述序列图像中筛选出清晰度满足预设要求的图像数据的方法为:
18、s31:以分区为单位,为序列图像构建清晰度数据;
19、s32:基于所述清晰度数据,从分区的序列图像中筛选出清晰的图像,并记录清晰图像的索引id;
20、s33:为每个分区,按所述s32,筛选出清晰的图像和对应的索引id;
21、s34:将所有分区筛选出来的清晰图像索引id进行合并去重,得到序列图像中所有清晰的图像数据。
22、优选的,所述s4中,在筛选出来的每张清晰图像上检测藻类种属和对应的像素坐标的方法为:
23、对筛选出来的清晰图像,进行图像缩放操作;
24、在缩放后的图像上,以所述藻类目标检测模型输入尺寸为单位,按预设倍数的藻类目标检测模型输入尺寸为滑动窗口,计算图像分区的坐标;
25、以计算的分区坐标为单位,从缩放后的图像上截取图像分区数据,超出缩放图像边界的部分采用固定rgb值来进行填充;
26、将所有图像分区数据一次性输入所述藻类目标检测模型中进行推理计算,将各个图像分区检测的藻类结果,按分区坐标换算为原缩放后图像上的坐标位置;
27、将所有图像分区检测的藻类结果进行合并,得到单张清晰图像的藻类检测结果。
28、优选的,所述s5中,实现单视野下多液层藻类检测的目标的方法为:
29、对每张筛选出来的清晰图像按所述s4检测对应的藻类数据;
30、将单视野下所有清晰图像检测的藻类数据进行合并,实现单个视野下不同液位层藻类检测的目标。
31、优选的,将单视野下所有清晰图像检测的藻类数据进行合并的方法为:
32、对种属相同,且藻类坐标在另一个藻类内部的数据进行合并处理;
33、对种属相同,藻类坐标相交的数据进行合并处理;
34、按不同分区检测结果的最高置信度,设置合并后的同种属藻类数据的置信度;
35、为每个种属藻类单独设置检测置信度阈值,对合并后的同种属藻类数据进行过滤操作,并将合并后同种属藻类数据中置信度低于设置的置信度阈值的藻类检测数据进行删除处理;
36、对不同种属藻类数据进行合并操作;
37、基于满足置信度预设要求的合并后的同种属藻类数据和合并后的不同种属藻类数据,得到单张图像上藻类检测的结果。
38、本发明还提供了一种基于显微镜图像的藻类检测系统,包括:采集模块、计算模块、筛选模块、构建与检测模块和数据合并模块;
39、所述采集模块用于采集水样不同液层的图像数据,获得序列图像;
40、所述计算模块用于计算所述序列图像的清晰度;
41、所述筛选模块用于从所述序列图像中筛选出清晰度满足预设要求的图像数据;
42、所述构建与检测模块用于构建藻类深度学习模型,利用所述藻类深度学习模型,在筛选出来的每张清晰图像上检测藻类种属和对应的像素坐标;
43、所述数据合并模块用于对所有筛选出来的清晰图像上检测出来的藻类结果进行合并,实现单视野下多液层藻类检测的目标。
44、与现有技术相比,本发明的有益效果为:
45、本发明通过微米级高精度三轴运动平台,控制显微镜成像系统(显微镜+高帧率高分辨率工业相机)对水样从液位上层向下层进行扫描,并持续拍摄照片,采集的图像数据覆盖了不同液层的藻类,提高了藻类数据采集的准确性和全面性。
46、本发明通过图像清晰度计算和图像清晰度筛选方法,高效且有效地从序列图像(约400张图像)中找出待识别的清晰图像数据(约2~8张图像),极大地提高了多液层藻类检测的效率。
47、本发明藻类深度学习目标检测模型的输入尺寸为固定大小,图像的分辨率为3072*3072,若直接将筛选出来的清晰图像缩放成藻类目标检测模型的输入尺寸,那么图像中的很多细节信息会丢失,尤其是体型较小的藻类图像,特征退化较严重,容易引起漏检和误检的问题。针对这一问题,通过适当地图像缩放操作和图像分区检测与合并的策略,实现了对不同体型藻类的高精度检测,并通过藻类目标检测模型批处理的方式,提高了图像分区检测的效率。
48、本发明将不同液层采集的清晰图像数据进行藻类检测与识别,然后将它们的检测结果进行合并,可以实现单视野下多液层藻类检测的目标。
1.一种基于显微镜图像的藻类检测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于显微镜图像的藻类检测方法,其特征在于,所述s1中,采集水样不同液层的图像数据,获得序列图像的方法为:
3.根据权利要求1所述的基于显微镜图像的藻类检测方法,其特征在于,所述s2中,计算所述序列图像的清晰度的方法为:
4.根据权利要求3所述的基于显微镜图像的藻类检测方法,其特征在于,所述s3中,从所述序列图像中筛选出清晰度满足预设要求的图像数据的方法为:
5.根据权利要求4所述的基于显微镜图像的藻类检测方法,其特征在于,所述s4中,在筛选出来的每张清晰图像上检测藻类种属和对应的像素坐标的方法为:
6.根据权利要求1所述的基于显微镜图像的藻类检测方法,其特征在于,所述s5中,实现单视野下多液层藻类检测的目标的方法为:
7.根据权利要求6所述的基于显微镜图像的藻类检测方法,其特征在于,将单视野下所有清晰图像检测的藻类数据进行合并的方法为:
8.一种基于显微镜图像的藻类检测系统,其特征在于,包括:采集模块、计算模块、筛选模块、构建与检测模块和数据合并模块;