申请/专利权人:李朴
申请日:2023-12-22
公开(公告)日:2024-03-22
公开(公告)号:CN117746423A
主分类号:G06V20/69
分类号:G06V20/69;G06V10/44;G06V10/25;G06V10/80
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.09#实质审查的生效;2024.03.22#公开
摘要:本申请提供一种微生物实验室培养菌落识别方法、系统及电子设备,该方法包括:获取菌落样本图像集与待测图像;提取各菌落样本图像中各种菌落的特征信息,将每种菌落样本图像的培养环境、培养时长、类型与生长状态的标签与对应的特征信息关联成训练集,特征信息至少包括颜色、形状、大小、边缘、纹理、溶血性、湿润度、透明度与均匀程度;构建深度学习网络模型,将训练集内的菌落样本图像输入深度学习网络模型进行训练,获得目标识别模型;将待测图像输入目标检测模型获得目标菌落的类型与生长状态。基于深度学习网络模型实现实验室微生物不同培养平板中菌落类型、生长状态的自动化识别,降低了人工识别成本,也提高了菌落识别的效率与精确性。
主权项:1.一种微生物实验室培养菌落识别方法,其特征在于,所述方法包括:获取菌落样本图像集以及基于培养平板区域的待测图像,其中,所述菌落样本图像集包括不同培养环境和不同培养时长下各种菌落不同生长状态的图像,所述待测图像中的目标菌落为至少一个;提取各菌落样本图像中各种菌落的特征信息,并将每种所述菌落样本图像的培养环境标签、培养时长标签、类型标签与生长状态标签与对应的所述特征信息关联,形成训练集,其中,所述特征信息至少包括颜色、形状、大小、边缘、纹理、溶血性、湿润度、透明度与均匀程度;构建深度学习网络模型,并将所述训练集内的所述菌落样本图像输入所述深度学习网络模型进行训练,获得目标识别模型;将所述待测图像输入所述目标检测模型对所述目标菌落进行识别,获得所述目标菌落的目标类型与目标生长状态。
全文数据:
权利要求:
百度查询: 李朴 微生物实验室培养菌落识别方法、系统及电子设备
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。