[发明专利]一种基于深度学习的动物智能实验系统与方法

说明书

本发明公开了一种基于深度学习的动物智能实验方法，包括采集实验体视频信息，对采集到的实验体视频信息，进行图像处理，得到处理后的图像F_i，通过预测模型得到图像中框选出的实验体的图像框的中心点位置坐标p_i(x,y)和图像框的面积大小s_i；通过聚类算法，得到K个点集，获取各个点集的密集程度，得到各个实验区域适应度；获取中心坐标集合P中相邻两个点的欧式距离，得到距离集合D_i，根据处理时间t_h内m个点，得到这m‑1段距离之和L，通过状态指数得到实验体状态；设定阈值并与S中的元素进行比较，得到元素对应的图片中实验体的姿态；根据各个实验区域适应度、实验体的姿态和实验体状态，得到实验体在各个环境下的适应程度。通过本发明，显著提升实验数据处理的效率。

技术领域

本发明涉及动物实验数据处理领域，具体是一种基于深度学习的动物智能实验系统与方法。

背景技术

动物实验作为各项生命科学学科的重要基础，越来越受到科研人员的重视。准确高效的动物实验数据是后续各项研究的重要基础。因此，合理设计实验环境，及时获取实验数据以及建立一套完整可靠的数据评估系统是目前动物实验的研究重点。传统的动物实验中，研究人员将实验体放置在所设定的特定实验环境中，再经过长时间的观察，手工记录实验数据，这种方式既费时又费力。为了解决该问题，同时随着机器视觉技术的发展，开发出了采用摄像机拍摄实验体各项行为，并通过后续采用相关图像算法对所拍摄的视频进行处理，得到实验体的各项数据。这种方法虽然一定程度上节省了人力、物力，但是对硬件配置、实验环境以及处理算法都提出了更为严苛的要求。随着深度学习技术的不断发展，对图像、视频的实时处理又迈入了新的阶段。目前深度学习中的目标检测技术可以精确地将图片或视频中的目标快速检测并框选出来，整个过程快速且高效，系统占用内存低，并且鲁棒性极高，能够适应各种不同环境，显著提升系统的工作效率，解决了摄像机拍摄进行动物实验的各项技术难点。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于深度学习的动物智能实验方法，包括如下步骤：

步骤一，采集实验体视频信息，对采集到的实验体视频信息，进行图像处理，得到处理后的图像F_i，根据处理后的图像F_i，通过预测模型得到图像中框选出的实验体的图像框的中心点位置坐标p_i(x，y)和图像框的面积大小s_i；

步骤二，根据中心点位置坐标p_i(x，y)得到中心坐标集合P，根据图像框的面积大小s_i得到面积集合S；

步骤三，根据中心坐标集合P，通过K-MEANS聚类算法，得到K个点集，获取各个点集的密集程度，根据各个点集的密集程度，得到各个实验区域适应度；

步骤四，获取中心坐标集合P中相邻两个点的欧式距离，得到距离集合D_i，根据处理时间t_h内m个点，得到这m-1段距离之和L，通过状态指数得到实验体状态；

步骤五，将集合S中所有元素按照时间的顺序进行排列，设定阈值并与S中的元素进行比较，得到元素对应的图片中实验体的姿态；

步骤五，根据各个实验区域适应度、实验体的姿态和实验体状态，得到实验体在各个环境下的适应程度。

进一步的，步骤二所述的采集实验体视频信息，对采集到的实验体视频信息，包括将视频信息处理为一帧一帧的图像，对每一帧图像进行去噪处理，并进行图像增强，得到处理后的图像F_i，所有处理后的图像组成图像集合F。