[发明专利]微体古生物化石图像检测、分类及发现方法、系统及应用

权利要求书

1.一种微体古生物化石图像检测、分类及发现方法，其特征在于，所述微体古生物化石图像检测、分类及发现方法包括：

制定微体化石图像采集标准，使用显微电镜拍摄微体化石图像，并标记每张图像中的位置和类别信息；

构建带有仿微体化石的数据集，对每个微体化石和仿微体化石标注位置和类别信息，按比例分为训练集和测试集；

搭建SSD网络，在网络第一层、第二层特征图上构建小目标注意力模块；

根据微体化石图像特征调整预选框长宽比，使用6层特征图统一每层网络的长宽比，并初始化权重文件；

加载预训练模型的原始权重文件，训练微体化石图像检测的网络模型，通过与已标记的图像中微体化石位置、类别的对比，不断的回归、调整训练模型的检测精度；

将待检测图像输入训练好的网络模型，设置检测程序输出的类别概率阈值，使用非极大值抑制算法筛选出合适的检测结果，在原始待检测图像上标出各类化石的位置框、类别和概率结果；

对区别于原始已知微体化石的人工仿化石类别检测结果做重点记录。

2.如权利要求1所述的微体古生物化石图像检测、分类及发现方法，其特征在于，所述定微体化石图像采集标准包括对样品、设备和光线的要求，以此采集标准环境下的图像数据，包括：

(1)样本方面：采用陕西省西乡县张家沟剖面宽川铺组岩石样品，用8％～10％醋酸溶液处理；

(2)设备方面：使用Leica 205C的10倍显微镜拍摄，每张图像分辨率为2592*1944；

(3)光线方面：采用蓝色或白色来增强背景的对比度，采用冷光源无影灯，在均匀的亮度和放大倍数下拍摄；

(4)标记时半监督地使用分割工具先分出较易框定的微体化石目标，无误后添加类别信息即可得到目标信息的标注；对于遮挡、粘连的目标，使用封装的ImageSets程序人工标注，将标注信息统一成相同格式的文件，每个文件名称对应每张微体化石的文件名称存储。

3.如权利要求1所述的微体古生物化石图像检测、分类及发现方法，其特征在于，在显微电镜拍摄得到的微体化石图像的基础上，人工标记微体化石的种类和位置，使用数据集中未出现的手绘或软件合成的微体化石PNG图像，并随机地在不含任何类别的空白背景区域插入人工构建的仿化石，用于模拟尚未发现的化石种类，由显微电镜图像和人工构建图像共同构成微体化石数据集；其中，所述位置标注为人工框定微体化石的最大矩形，带有标签的数据集按7：3比例分为训练集和测试集。

4.如权利要求1所述的微体古生物化石图像检测、分类及发现方法，其特征在于，搭建SSD网络，对SSD网络的第一、二层特征图分别进行空间变换以加强该两层网络在原图中对应区域的特征，将原始图片中的空间信息变换到另一个空间中并保留关键信息，相当于经过特征权重重新分配以特别注意SSD网络一二层特征图对应的目标。

5.如权利要求1所述的微体古生物化石图像检测、分类及发现方法，其特征在于，所述使用6层特征图统一每层网络的长宽比，包括：以VGG16模型为骨干的SSD网络框架，其网络结构包含16个卷积层；模型输入图像大小为300*300，统一每层网络的长宽比为[1:2,1:1,2:1]，特征图上每个中心点对应3个预选框，低层特征图对应较小感受野，高层特征图对应较大感受野。

6.如权利要求1所述的微体古生物化石图像检测、分类及发现方法，其特征在于，所述加载预训练模型的原始权重文件，训练微体化石图像检测的网络模型，包括：加载已有VOC07大规模分类数据集训练SSD网络得到的公用网络预训练模型，VOC07数据集的公用网络结构完整、权重文件参数多，是稠密网络模型；对所述网络预训练模型进行初始化，在制作好的微体化石数据集上，对网络进行训练，训练过程中通过与标记过的真实目标位置和类别信息对比，对此稠密网络模型的权值进行剪枝，减少其中不重要的参数，得到稀疏网络模型权值，同时在回归过程中不断提升检测框的准确度和类别置信度，在达到设定的训练次数后得到最终网络模型。