[发明专利]基于机器学习模型的微生物菌落检验方法以及检验系统

权利要求书

1.基于机器学习模型的微生物菌落检验方法，包括步骤：

获取待检测样品的样品照片；

将所述待检测样品的样品照片输入到机器训练模型中处理；

输出待检测样品的菌落生长情况；

其中，所述机器训练模型为采用至少由标本照片所构成的训练样本集对机器学习模型进行训练后得到；

所述标本照片至少包括生长有菌落的第一类标本照片和未生长有菌落的第二类标本照片。

2.如权利要求1所述的基于机器学习模型的微生物菌落检验方法，其特征在于：所述第一类标本照片包括至少两种颜色菌落的标本照片；并且/或者，所述第一类标本照片包括菌落数量为1个的标本照片、菌落数量为2～30个的标本照片以及菌落数量≥31个的标本照片；并且/或者，所述第一类标本照片包括无导管的标本照片和有导管的标本照片。

3.如权利要求1所述的基于机器学习模型的微生物菌落检验方法，其特征在于：所述第二类标本照片包括无导管的标本照片和有导管的标本照片；并且/或者，所述第二类标本照片包括具有磁珠印坑的标本照片。

4.如权利要求1所述的基于机器学习模型的微生物菌落检验方法，其特征在于：所述第一类标本照片和/或第二类标本照片≥1200张。

5.如权利要求1所述的基于机器学习模型的微生物菌落检验方法，其特征在于：所述机器学习模型采用的深度学习框架为Tensorflow；所述机器学习模型采用的模型架构训练分类模型为Big Transfer；所述机器学习模型采用的计算机编程语言为Python；所述机器学习模型采用的制作界面为Pylnstaller；所述机器学习模型采用的显卡训练模型为RTX20070。

6.如权利要求1所述的基于机器学习模型的微生物菌落检验方法，其特征在于：还包括将待检测样品所对应的患者信息输入到机器训练模型中，经机器训练模型处理后可输出患者信息以及与该患者信息对应的菌落生长情况。

7.如权利要求1所述的基于机器学习模型的微生物菌落检验方法，其特征在于：所述待检测样品的样品照片由安装于微生物检验流水线上的摄像设备及处理系统获取。

8.基于机器学习模型的微生物菌落检验系统，其特征在于：包括

摄像模块(110)，用于采集待检测样品的样品照片；

训练模块(120)，用于使用机器训练模型处理所述待检测样品的样品照片；

传输模块(130)，用于传输所述待检测样品的样品照片以及训练模块(120)的处理结果。

9.电子装置，其特征在于，包括：

处理器；

存储器，用于储存处理器可执行指令；

所述处理器被配置为执行权利要求1-7中任意一项权利要求所述的检验方法。

10.计算机可读存储介质，其特征在于：包括储存的程序，所述程序运行时执行权利要求1-7中任意一项权利要求所述的检验方法。