[发明专利]菌落生长图像的预测方法、装置、电子设备及存储介质

说明书

本发明实施例公开了一种菌落生长图像的预测方法、装置、电子设备及存储介质，方法包括：将当前的菌落原始图像和预测时间点输入神经网络模型，得到所述神经网络模型输出的菌落生长图像；其中，所述菌落生长图像为预测得到的所述预测时间点的菌落图像；所述神经网络模型通过生成式对抗网络训练得到。本发明实施例通过生成式对抗网络训练得到神经网络模型，基于菌落原始图像和预测时间点，预测得到预测时间点的菌落生长图像，由于生成式对抗网络采用了对抗训练方式，因此训练得到的神经网络模型能够对菌落的生长进行准确地预测。

技术领域

本发明涉及计算机技术领域，具体涉及一种菌落生长图像的预测方法、装置、电子设备及存储介质。

背景技术

食品、药品、化妆品以及饲料等微生物检验中，涉及菌落总数、大肠菌群、大肠杆菌、乳酸菌等项目，在统计结果时均需进行大量的菌落分析和计数。菌落是指将细菌接种在固体培养基表面培养后，培养基表面长出的肉眼可见单个的细菌集团。对目标采样后生成的菌落数量进行计数，是相关领域内一项基本而重要的工作。菌落图像是指菌落在培养基上培养后，用工业相机对菌落拍摄形成的图像，以便于对菌落目标信息进行统计分析。

由于菌落的生长较为缓慢，同时需要不断地监测，以得到理想的菌落。但是菌落的生长受多种因素影响，现有技术采用人为经验进行预测，无法对菌落的生长进行准确地预测。

发明内容

由于现有方法存在上述问题，本发明实施例提出一种菌落生长图像的预测方法、装置、电子设备及存储介质。

第一方面，本发明实施例提出一种菌落生长图像的预测方法，包括：

将当前的菌落原始图像和预测时间点输入神经网络模型，得到所述神经网络模型输出的菌落生长图像；

其中，所述菌落生长图像为预测得到的所述预测时间点的菌落图像；

所述神经网络模型通过生成式对抗网络训练得到。

可选地，所述将当前的菌落原始图像和预测时间点输入神经网络模型，得到所述神经网络模型输出的菌落生长图像之前，还包括：

根据菌落图像样本以及各菌落图像样本对应的时间点和环境信息，建立所述生成式对抗网络；

对所述生成式对抗网络进行训练，得到所述神经网络模型。

可选地，所述根据菌落图像样本以及各菌落图像样本对应的时间点和环境信息，建立所述生成式对抗网络，具体包括：

对各菌落图像样本进行图像识别，得到各菌落图像样本的菌落基本属性和培养皿基属性；

根据各菌落图像样本的菌落基本属性和培养皿基属性，以及各菌落图像样本对应的时间点和环境信息，建立所述生成式对抗网络；

其中，所述菌落基本属性包括以下至少一项：菌落大小、菌落颜色、菌落形状、菌落表面光滑度、菌落边缘整齐度。

可选地，所述菌落生长图像的预测方法还包括：

对所述菌落生长图像进行图像识别，得到所述菌落生长图像中的菌落数量，以及各菌落的菌落位置和菌落基本属性。

可选地，所述环境信息包括以下至少一项：温度、ph值、亮度、湿度。

第二方面，本发明实施例还提出一种菌落生长图像的预测装置，包括：

模型预测模块，用于将当前的菌落原始图像和预测时间点输入神经网络模型，得到所述神经网络模型输出的菌落生长图像；

其中，所述菌落生长图像为预测得到的所述预测时间点的菌落图像；

所述神经网络模型通过生成式对抗网络训练得到。

可选地，所述菌落生长图像的预测装置还包括：