[发明专利]一种基于YOLOX改进算法的聚集血小板检测方法

权利要求书

1.一种基于YOLOX改进算法的聚集血小板检测方法，其特征在于，步骤如下：

1)采集血小板数据集，并对血小板数据集进行增强，以得到血小板增强数据集；

2)采集血小板聚集和血小板正常分布的两类样本图片，将样本图片调整为适合模型输入的640×640像素大小，对物品图片进行样本标注，并将标注信息存储为XML格式；

3)将血小板增强数据集按照预设比例分为训练集、验证集、测试集；

4)将训练集输入YOLOX网络中，根据网络输出值和真实值求取损失，并根据梯度下降法对网络参数进行更新；

4.1)将训练集中的图片输入YOLOX网络的主干网络CSPDarknet中进行特征提取，以输出三个不同尺度的特征层；主干网络CSPDarkne主要由四个Resblock body模块组成的，前三个Resblock body模块均由三部分组成，第一部分为卷积标准化加激活函数，第二部分为CspLayer层，第三部分为RFB模块；第四个Resblock body模块由三部分组成，第一部分为卷积标准化加激活函数，第二部分为SPPBottleneck模块，第三部分为CspLayer层；

4.2)将三个不同尺度的特征层通过PANet进行特征融合，以输出尺度从小到大的第一、第二、第三尺度的三个有效特征层，并对PANet的输出进行自适应加权融合，以得到三个不同尺度的融合特征图；

4.3)通过YOLO Head将融合特征图的通道数调整为num_anchors*(5+num_classes)，以获取训练集网络输出特征图，其中YOLO Head表示预测头，num_anchors表示每个网格上的先验框数目，num_classes表示类别数目；

5)通过参数更新后的YOLOX网络在验证集上计算验证集损失，并判断验证集损失是否收敛；

6)重复步骤4)-5)，直到步骤5)计算得到的验证集损失收敛，得到训练后的YOLOX网络模型；

7)获取新的扫描图片进行检测：在步骤6)得到稳定高效的检测网络后，只需将需要检测的扫描图片送入检测网络即可实现聚集血小板的自动检测。

2.根据权利要求1所述的基于YOLOX改进算法的聚集血小板检测方法，其特征在于，

步骤4)中的RFB模块是将包含不同尺寸和不用空洞率的卷积层构成的多分支结构，其中第一个分支中第一个卷积核大小为1×1、第二个卷积核为3×3、空洞率为1，第二个分支中第一个卷积核大小为1×1、第二个卷积核为3×3、第三个卷积核为3×3、空洞率为3，第三个分支中第一个卷积核为1×1、第二个卷积核为3×3、第三个卷积核为3×3、第四个卷积核为3×3、空洞率为5，第四个分支中第一个卷积核为1×1、第二个卷积核为1×7、第三个卷积核为7×1、第四个卷积核为3×3、空洞率为7，最终使用1×1的卷积将四个分支连接到一起，第五个分支不经过处理，直接作为残差边和经过1×1卷积的结果进行堆叠，得到最终的输出。

3.根据权利要求1所述的基于YOLOX改进算法的聚集血小板检测方法，其特征在于，

步骤1)中对采集血小板数据集用生物显微镜采集血小板图片，筛选出单个血小板和聚集血小板都清晰可见的图片，然后进行数据增强，得到增强数据集。

4.根据权利要求1所述的基于YOLOX改进算法的聚集血小板检测方法，其特征在于，

步骤3)中，训练集、验证集、测试集的比例为8：1：1。

5.根据权利要求1所述的基于YOLOX改进算法的聚集血小板检测方法，其特征在于，

步骤7)中具体实现过程：

7.1)对所有调整后的测试集候选框按照置信度得分进行排序；

7.2)对所有调整后的测试集候选框中使用非极大值抑制去除冗余框，得到最终的预测框。