摘要
本发明提供了一种基于图像分割的细胞生长状态检测方法,属于细胞图像处理与分割技术领域技术领域。实时采集细胞图像,将采集到的细胞图像输入层级划分特征编码器获得细胞区块粗粒度特征和细胞边界细粒度特征;将细胞区块粗粒度特征和细胞边界细粒度特征输入级联特征融合网络获得深度融合特征;将深度融合特征输入解码器获得细胞图像实例分割结果;根据细胞图像实例分割结果计算目标细胞的数量和存活率。本发明新设计的图像提取及分割网络,结合双任务协同训练策略,将细胞图像实例分割任务与细胞图像语义分割任务相结合,实现了对细胞生长状态的实时检测,避免传统方法中人工观测的耗时和低效,以及手工取样可能带来的污染和破坏。
技术关键词
特征融合网络
细粒度特征
状态检测方法
实例分割
图像分割
融合特征
图像语义分割
双线性插值
前馈神经网络
上采样
编码器
边界特征
层级
像素点
解码器
注意力
生长状态图像
系统为您推荐了相关专利信息
叶片铸件
像素点
智能检测方法
灰尘
计算机程序指令
深度学习网络模型
图像分割技术
模型训练方法
训练集
眼科
烧伤创面
大鼠
三角形面片
三维点云模型
Delaunay三角剖分