[发明专利]一种动物卵母细胞极体的视觉自动检测方法

权利要求书

1.一种动物卵母细胞极体的视觉自动检测方法，其特征在于，包括以下步骤：

(1)建立并训练卷积神经网络；

(2)将采集的图像输入到训练好的卷积神经网络，并利用卷积神经网络进行图像分割；

(3)选取分割图像中的最可能的极体区域；

(4)根据极体区域进行极体判断。

2.按照权利要求1所述的动物卵母细胞极体的视觉自动检测方法，其特征在于，所述步骤(1)包含如下步骤：

(a)采集动物卵母细胞极体实验图像，进行标记和扩充，建立图像训练数据集；

(b)对卷积神经网络进行改进，并利用卷积神经网络进行图像分割；

(c)利用分割的损失函数进行卷积神经网络的训练。

3.按照权利要求2所述的动物卵母细胞极体的视觉自动检测方法，其特征在于，所述步骤(a)中的标记主要针对极体区域进行，标记的过程为：将生物细胞极体实验过程中显微镜下摄取的图像，按照图像分割的方式进行人工标记；标记方法为：极体所在的位置为前景(用白色表示)，其他为背景(用黑色表示)。

4.按照权利要求2所述的动物卵母细胞极体的视觉自动检测方法，其特征在于，所述步骤(a)中的扩充主要目的是增加训练数据量；扩充的主要方法是细胞极体实验图像的旋转、镜像和变形。

5.按照权利要求2所述的动物卵母细胞极体的视觉自动检测方法，其特征在于，所述步骤(b)中卷积神经网络的改进过程为：将不同大小的卷积核引入卷积层，并将网络较低层次的输出输入到较高层次，实现跨越连接，融合图像低层次的纹理信息和高层次的语义信息；最终使卷积神经网络输入的生物细胞图像输出为分割图像。

6.按照权利要求1所述的动物卵母细胞极体的视觉自动检测方法，其特征在于，所述步骤(3)中极体区域的选取方法采用非最大抑制方法，针对图像训练数据集，同时设置面积阈值和概率阈值，去除低于阈值的连通域，选出概率最大且面积最符合的区域作为最可能的极体区域。

7.按照权利要求6所述的动物卵母细胞极体的视觉自动检测方法，其特征在于，所述面积阈值为整张图像的面积的0.01，所述概率阈值为0.8。

8.按照权利要求1所述的动物卵母细胞极体的视觉自动检测方法，其特征在于，所述步骤(4)中的极体判断包括极体存在与否判断和存在极体的位置判断，判断过程为：如果存在最可能的极体区域，计算其区域中心，作为极体的位置返回；如果不存在最可能的极体区域，返回不存在极体。

9.按照权利要求8所述的动物卵母细胞极体的视觉自动检测方法，其特征在于，所述区域中心的计算过程为：对于最可能的极体区域，用二值图像表示，得到此区域所有像素点的坐标，计算坐标之和的均值，即为区域中心。