[发明专利]一种基于活性污泥图像的轻量化分割模型构建方法及系统

权利要求书

1.一种基于活性污泥图像的轻量化分割模型构建方法，其特征在于，所述方法包括以下步骤：

S1，创建活性污泥显微图像数据集；

S2，基于空洞空间卷积池化金字塔ASPP、坐标注意力机制CA和OCRNet构建用于分割活性污泥显微图像的分割模型；

S3，使用所述活性污泥显微图像数据集对所述分割模型进行训练，并采用预先构建的混合损失函数对所述分割模型进行参数更新；

S4，对训练好的分割模型进行压缩，得到轻量化分割模型。

2.如权利要求1所述的一种基于活性污泥图像的轻量化分割模型构建方法，其特征在于，所述步骤S1包括如下步骤：

S11，使用相差显微镜获取多张活性污泥显微图像；

S12，对每一张所述活性污泥显微图像进行标注，得到一张与原始图像尺寸大小一致的标签图像，所述标签图像中包括背景、絮体、丝状菌。

3.如权利要求1所述的一种基于活性污泥图像的轻量化分割模型构建方法，其特征在于，所述步骤S2包括如下步骤：

S21，选择HRNet作为OCRNet的主干网络；

S22，将主干网络中间层计算得到的粗略的语义分割结果作为软对象区域；

S23，根据所述软对象区域和主干网络最深层输出的像素表示计算出个向量，形成对象区域表示，其中每一个所述向量对应一个对象区域特征表示，其中为正整数；

S24，计算所述主干网络最深层输出的像素表示与所述对象区域表示之间的关系矩阵，根据每个像素值和所述对象区域特征表示在所述关系矩阵中的数值进行加权求和，得到所述对象上下文表示；

S25，将所述对象上下文表示与并行结构进行通道连接，得到所述增强表示，其中，所述并行结构由所述像素表示并行通过所述空洞空间卷积池化金字塔ASPP和所述坐标注意力机制CA组成。

4.如权利要求1所述的一种基于活性污泥图像的轻量化分割模型构建方法，其特征在于，所述步骤S3包括如下步骤：

S31，将活性污泥显微图像数据集划分训练集、验证集、测试集；

S32，将针对类MIoU的损失与交叉熵损失结合为混合损失函数，采用所述混合损失函数分别在所述分割模型的软对象区域和最终输出区域计算损失；

S33，利用所述训练集和所述验证集，使用梯度下降法求解所述混合损失函数的最优解，并根据混合损失函数的最优解对所述分割模型进行参数更新；

S34，使用所述测试集对所述分割模型进行测试。

5.如权利要求4所述的一种基于活性污泥图像的轻量化分割模型构建方法，其特征在于，

所述混合损失函数公式如下：

其中，表示所述软对象区域的损失，表示所述最终输出区域的损失，、表示、损失的权重；表示所述交叉熵损失，表示所述针对类MIoU的损失，、表示、损失的权重；表示软对象区域的输出，表示最终输出。

6.如权利要求1所述的一种基于活性污泥图像的轻量化分割模型构建方法，其特征在于，所述步骤S4包括如下步骤：

S41，对训练好的分割模型BN层的每个通道引入比例因子γ作为评价因子，用于评价每个通道的重要性，并对各个通道评价因子γ进行稀疏化；

S42，将训练好的分割模型BN层对应的通道的评价因子γ稀疏化后按绝对值大小进行排序，按照所需要的剪枝比例对应的重要性阈值确定需要被保留的通道，并记录每一个BN层需要保留的通道，生成剪枝配置文件；

S43，根据所述剪枝配置文件进行模型压缩，得到所述轻量化分割模型。

7.如权利要求6所述的一种基于活性污泥图像的轻量化分割模型构建方法，其特征在于，所述步骤S43包括：

从所述剪枝配置文件中提取当前BN层所需要的通道数，按照所述通道数生成BN层实例，同时修改该BN层的前一个卷积层的输出通道数和该BN层后一个卷积层的输入通道数。

8.如权利要求6所述的一种基于活性污泥图像的轻量化分割模型构建方法，其特征在于，所述步骤S4还包括如下步骤：

S44，使用原始训练集对所述轻量化模型进行再训练。