本發明提供一種基于深度學習的病原孢子識別計數方法和裝置，其中方法包括：確定待識別計數的病原孢子圖像；將所述待識別計數的病原孢子圖像輸入至病原孢子識別模型中，得到所述病原孢子識別模型輸出的所述病原孢子圖像的語義分割結果；基于所述病原孢子圖像的語義分割結果進行不同類型病原孢子的自動計數，得到所述病原孢子圖像中每一類型病原孢子的數量；其中，所述病原孢子識別模型是基于樣本病原孢子圖像及其樣本標注結果訓練得到的。本發明提供的基于深度學習的病原孢子識別計數方法和裝置，提高了病原孢子識別和計數的準確性及效率。

技術領域

本發明涉及植物病理學的圖像處理技術領域，尤其涉及一種基于深度學習的病原孢子識別計數方法和裝置。

背景技術

蔬菜侵染性病害是由病原微生物侵染引起，是影響蔬菜產質量并制約蔬菜產業可持續發展的重要因素之一。侵染性病害主要是由真菌、細菌、病毒等病原微生物侵染所致，在常見的侵染性病害中，真菌病害種類繁多，占所有侵染性病害的60％以上。因此，真菌病害對蔬菜的危害最嚴重，是主要的防治對象。孢子作為真菌的繁殖體，侵染蔬菜后引發病害，因此對病原孢子進行識別，可以為病害種類的判別提供依據，在此基礎上對病原孢子進行計數，可以為病害侵染概率以及發病嚴重程度的預測提供有效依據。

形態學方法是真菌孢子鑒定的主要方法之一，但真菌孢子形態和生理指標多種多樣，且容易受到環境和人為因素的干擾，導致分類不斷變動。傳統的病原孢子識別主要是人為進行形態學識別，人工識別較為依賴經驗，且識別效率較低。此外，傳統孢子計數方法多為手動計數，需要手動逐個標記每個孢子以達到計數的目的，整個計數過程耗時長、效率低，且容易出現漏標的情況。

發明內容

本發明提供一種基于深度學習的病原孢子識別計數方法和裝置，用以解決現有技術中病原孢子識別計數效率低、準確性欠佳的缺陷。

本發明提供一種基于深度學習的病原孢子識別計數方法，包括：

確定待識別計數的病原孢子圖像；

將所述待識別計數的病原孢子圖像輸入至病原孢子識別模型中，得到所述病原孢子識別模型輸出的所述病原孢子圖像的語義分割結果；

基于所述病原孢子圖像的語義分割結果進行不同類型病原孢子的自動計數，得到所述病原孢子圖像中每一類型病原孢子的數量；

其中，所述病原孢子識別模型是基于樣本病原孢子圖像及其樣本標注結果訓練得到的。

根據本發明提供一種的基于深度學習的病原孢子識別計數方法，所述病原孢子識別模型是基于如下步驟訓練得到的：

收集不同類型的蔬菜病原孢子并制成玻片標本，并利用電子顯微鏡對所述玻片標本進行拍照，得到樣本病原孢子圖像；

對所述樣本病原孢子圖像進行像素語義標注，得到所述樣本病原孢子的樣本標注結果；

基于所述樣本病原孢子圖像及其樣本標注結果，訓練所述病原孢子識別模型。

根據本發明提供的一種基于深度學習的病原孢子識別計數方法，所述收集不同類型的蔬菜病原孢子并制成玻片標本，并利用電子顯微鏡對所述玻片標本進行拍照，得到樣本病原孢子圖像，具體包括：

利用電子顯微鏡對所述玻片標本進行拍照，并將所拍照片存儲；其中，所述照片的存儲格式為JPG，24位深，RGB顏色空間模式，所述電子顯微鏡的放大倍數為10×20；

基于所述照片中包含病原孢子的目標區域，對所述照片進行裁切，得到所述樣本病原孢子圖像。

根據本發明提供的一種基于深度學習的病原孢子識別計數方法，訓練所述病原孢子識別模型時，設置訓練迭代次數為100，小批量規模為4，L2正則化系數為0.0001，初始學習率為0.05，動量參數為0.9，梯度閾值為0.05。