申请/专利权人:杭州电子科技大学
申请日:2024-01-29
公开(公告)日:2024-04-30
公开(公告)号:CN117952932A
主分类号:G06T7/00
分类号:G06T7/00;G06V10/44;G06V10/82;G06N3/0464;G06N3/08
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.17#实质审查的生效;2024.04.30#公开
摘要:本发明公开了基于YOLO改进模型及微球辅助的细菌长时程观察方法,该方法首先制备微流控芯片,通过微流控芯片,获取细菌、微球混合液全焦段视频。其次基于YOLOV8模型,建立细菌观察模型。然后使用监督训练,将步骤1获取的视频数据按帧拆解为图像,将图像用于训练细菌观察模型。最后使用训练后的模型识别细菌、微球图像数据集,并获得微球的置信度;基于微球置信度,将两个时刻的图像进行聚焦深度方向匹配,识别微球并获取微球在图像中的坐标,根据微球坐标进行视野校准。本发明能够解决由于机械误差造成的细菌观测的视野不一致和焦深不匹配问题,实现在水平方向和垂直方向上的细菌定位。
主权项:1.基于YOLO改进模型及微球辅助的细菌长时程观察方法,其特征在于,包括以下步骤:S1.制备微流控芯片,通过微流控芯片,获取细菌、微球混合液全焦段视频;S2.基于YOLOV8模型,建立细菌观察模型;S3.使用监督训练,将步骤S1获取的视频数据按帧拆解为图像,将图像用于训练细菌观察模型;S4.使用训练后的模型识别细菌、微球图像数据集,并获得微球的置信度;基于微球置信度,将两个时刻的图像进行聚焦深度方向匹配,识别微球并获取微球在图像中的坐标,根据微球坐标进行视野校准。
全文数据:
权利要求:
百度查询: 杭州电子科技大学 基于YOLO改进模型及微球辅助的细菌长时程观察方法
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。