基于自监督学习的试剂识别方法、系统及计算机程序产品

本发明公开了一种基于自监督学习的试剂识别方法、系统及计算机程序产品。所述试剂识别方法包括构建自监督学习模型，采用ResNet50网络作为特征提取网络，前几层负责提取图像的低级特征，中间层负责提取中级特征，后几层则负责提取图像的高级语义特征；ResNet50网络的输出传递到一个全连接分类器中。所述自监督学习模型训练采用的损失函数为VICReg损失函数；所述VICReg损失函数的总表达式为方差约束、不变性约束和协方差约束的加权和。本发明采用基于VICReg损失函数的自监督学习方法，并结合了ResNet50架构作为特征提取网络，从无标注数据中学习特征，同时利用图像增强技术提升模型的鲁棒性，从而实现对生物化学试剂的高效、精准识别。