一种基于YOLO-OBB的精子形态训练预测方法及系统

AITNT
正文
推荐专利
一种基于YOLO-OBB的精子形态训练预测方法及系统
申请号:CN202510030367
申请日期:2025-01-08
公开号:CN119851088A
公开日期:2025-04-18
类型:发明专利
摘要
本发明涉及精子形态检测技术领域,更具体地,本发明涉及一种基于YOLO‑OBB的精子形态训练预测方法及系统,包括:采集精子图像,对所述精子图像预处理,得到目标图像;利用多个定向边界框方法对所述目标图像中的精子进行框选,得到各边界框,并对所述边界框内的精子形态进行标注,得到标注好的数据集,其中所述标注的标签分别为精子记数、正常精子、正常精子头部、正常精子中段和异常精子主段。本发明通过OBB对目标图像中的精子部位框选后,可以计算出边界框内图像的噪声影响程度,当噪声影响程度大于预设阈值时,删除该边界框内图像。避免使用这些存在噪声影响的边界框内图像对YOLO检测模型进行训练,提高对YOLO检测模型的训练效率和性能。
技术关键词
形态检测技术 噪声 检测模型训练 长宽比 标签 像素点 预测系统 图像增强 存储器 处理器 尺寸 数据
系统为您推荐了相关专利信息
1
一种构建多语言搜索系统中语义匹配模型及方法
语义特征 多语言 分类器 预测类别 适配器
2
一种面向多场景的动态声纹识别更新方法
面向多场景 MEMS麦克风阵列 混合特征矩阵 更新方法 三轴加速度传感器
3
一种基于睡眠呼吸声的OSAHS筛查方法及相关设备
噪声标签 筛查方法 筛查模型 音频信号预处理 纠正算法
4
一种智能化码头AGV作业时间预测方法和系统
深度神经网络 功能模块 时间预测方法 矩阵 天气
5
基于UKF和特征融合模型的气象干旱时空预测系统及方法
时空预测方法 融合时空特征 时间递归神经网络 气象 边界特征
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号