[发明专利]基于U2-Net和Resnet50的菌落图像自动计数方法

权利要求书

1.一种基于U2-Net和Resnet50的菌落图像自动计数方法，其特征在于包括如下步骤：

步骤一、图像获取，利用成像系统拍摄培养皿的实时图像；

步骤二、图像前处理，将拍摄得到的培养皿数据图，通过模糊去噪音、微分变换、阈值分割步骤，重新调整图像的吸光度；

步骤三、菌落识别和计数，该步骤过程为：

第一步，培养皿边缘分割，即使用U2net模型提取培养皿边缘，将提取的边缘和原图重合分离出培养皿中心培养基所在区域，作为ROI进行下一步处理；

第二步，菌落单元分割，即使用U2net模型对ROI区域进行菌落提取，菌落为前景，培养基区域为后景，将U2net的输出阈值分割得到菌落的mask，再经连通区域查找，每个连通区域作为一个菌落单元，进行旋转，统一规格成128*128*3图片输入后续的步骤；

第三步，菌落单元计数，即对于第二步的菌落单元，使用ResNet50进行特征提取，根据提取的特征，输出菌落单元中包含的菌落数量。

2.根据权利要求1所述的基于U2-Net和Resnet50的菌落图像自动计数方法，其特征在于，所述步骤一中，成像系统包括一个分为两部分的黑色箱体，且顶部透明，上部透明区域用于放置高清CMOS相机与树莓派以及数据线，所述高清CMOS相机与树莓派相连接，树莓派用于处理相机收集到的数据。

3.根据权利要求1所述的基于U2-Net和Resnet50的菌落图像自动计数方法，其特征在于，所述步骤三的第一步中，将预处理后的菌落图像人工分割出培养皿边缘作为标签，且采用两个近似圆去贴近培养皿的内缘与外缘；选取内外缘后填充两圆中间的数值；将这些标签分别用于训练和验证。

4.根据权利要求3所述的基于U2-Net和Resnet50的菌落图像自动计数方法，其特征在于，训练时，优化器使用AdamW，weight-decay参数设为1e-4；

模型的学习率衰减策略为：

其中η_t为第t个迭代的学习率，η_max为最大学习率，设为1，η_min为最小学习率，设为1e-6，T为总迭代次数；

损失函数使用带权重的二分类交叉熵：

L_c＝{l_1，c，...，l_n，c}，l_n，c＝-w_n，c[p_cy_n，c·logσ(x_n，c)+(1-y_n，c)·log(1-σ(x_n，c))]

其中n为batchsize，y_n为真实值，σ为sigmoid，x_n为预测值，c为该图像的类别，p_c为类别c的权重；

使用MAE和F1分数作为该模型的评价指标，在验证集上评价分割效果：

其中n为batchsize,h(x_i)为预测值，y_i为真实值，TP,FN,FP分别为真阳性、假阴性和假阳性。

5.根据权利要求1所述的基于U2-Net和Resnet50的菌落图像自动计数方法，其特征在于，所述步骤三的第二步中，经U2net提取得到的菌落mask先经阈值分割得到值为0或255的灰度图，此灰度图再经连通区域查找得到多个连通区域，每一个连通区域都被定义一个菌落单元，菌落单元经旋转后作为菌落计数网络的输入。

6.根据权利要求1所述的基于U2-Net和Resnet50的菌落图像自动计数方法，其特征在于，所述步骤三的第三步中，所有的菌落单元图按菌落数量标注为0至9，其中标注为1表示有1个菌落，但标注9表示9个及以上菌落。