生物培养物检测方法和装置、系统、电子设备及介质与流程

本发明属于人工智能，尤其是一种生物培养物检测方法和装置、系统、电子设备以及计算机可读存储介质。

背景技术：

1、在生物培养物（如类器官）培养中，当在试管内完成细胞消化动作后，往往需要人工进行生物培养物沉淀的识别，确定生物培养物高度并定位悬液吸取位置，从而实现吸取悬液操作。而在自动化培养过程中，目前没有实现高度检测的方法和系统，来代替人工确定悬液的高度。此外，生物培养物沉淀具有半透明、边缘模糊、沉淀不实等生物特性，且试管内常伴有管壁反光和液体弯液面干扰，传统固定阈值分割方法在光照不均匀或沉淀物松散的复杂场景下检测精度有限。为此，如何对生物培养物进行有效地检测是现在亟待解决的问题。

技术实现思路

1、本发明提供了一种生物培养物检测方法和装置、系统、电子设备以及计算机可读存储介质。

2、根据第一方面，提供了一种生物培养物检测方法，该方法包括：获取包括生物培养物沉淀的试管原始图像；基于试管原始图像，确定试管位置及试管底部区域；基于试管位置及试管底部区域，从试管原始图像中提取沉淀感知域图像；对沉淀感知域图像进行形态学特征识别，得到第一沉淀分割掩膜；利用预训练的深度学习语义分割模型对沉淀感知域图像进行轮廓识别，得到第二沉淀分割掩膜；基于第一沉淀分割掩膜与第二沉淀分割掩膜，得到生物培养物沉淀的沉淀区域和沉淀高度。

3、根据第二方面，提供了一种生物培养物检测装置，该装置包括：获取单元，被配置成获取包括生物培养物沉淀的试管原始图像；确定单元，被配置成基于试管原始图像，确定试管位置及试管底部区域；提取单元，被配置成基于试管位置及试管底部区域，从试管原始图像中提取沉淀感知域图像；识别单元，被配置成对沉淀感知域图像进行形态学特征识别，得到第一沉淀分割掩膜；分割单元，被配置成利用预训练的深度学习语义分割模型对沉淀感知域图像进行轮廓识别，得到第二沉淀分割掩膜；得到单元，被配置成基于第一沉淀分割掩膜与第二沉淀分割掩膜，得到生物培养物沉淀的沉淀区域和沉淀高度。

4、根据第三方面，提供了一种生物培养物检测系统，该系统包括：图像采集装置，用于采集包括生物培养物沉淀的试管原始图像；信息检测装置，与图像采集装置连接，用于采用如第一方面任一实现方式描述的生物培养物检测方法对试管原始图像进行沉淀区域和沉淀高度检测，得到生物培养物沉淀的沉淀区域和沉淀高度。

5、根据第四方面，提供了一种电子设备，该电子设备包括：至少一个处理器；以及与至少一个处理器通信连接的存储器，其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行如第一方面任一实现方式描述的方法。

6、根据第五方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，计算机指令用于使计算机执行如第一方面任一实现方式描述的方法。

7、本发明的实施例提供的生物培养物检测方法和装置，首先，获取包括生物培养物沉淀的试管原始图像；其次，基于试管原始图像，确定试管位置及试管底部区域；再次，基于试管位置及试管底部区域，从试管原始图像中提取沉淀感知域图像；其次，对沉淀感知域图像进行形态学特征识别，得到第一沉淀分割掩膜；然后，利用预训练的深度学习语义分割模型对沉淀感知域图像进行轮廓识别，得到第二沉淀分割掩膜；最后，基于第一沉淀分割掩膜与第二沉淀分割掩膜，得到生物培养物沉淀的沉淀区域和沉淀高度。由此，提供了一种形态学分析和深度学习的双规融合策略，其中，双规融合策略中形态学分析利用红色通道和自适应阈值，增强了低对比度下的特征提取；双规融合策略中深度学习利用模型的语义理解能力，克服了传统方法无法处理的纹理模糊问题，双规融合策略显著提升了检测的鲁棒性；本发明涵盖了从试管识别、分类、裁剪到测量的全闭环，且无需对生物培养物进行染色或标记（非侵入式），在保证生物活性的前提下替代了人工目视，满足了高通量自动化培养的质控需求。

8、应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。

1.一种生物培养物检测方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述基于所述试管原始图像，确定试管位置及试管底部区域包括：

3.根据权利要求2所述的方法，其特征在于，所述试管类别通过以下步骤得到：

4.根据权利要求1所述的方法，其特征在于，所述对所述沉淀感知域图像进行形态学特征识别，得到第一沉淀分割掩膜包括：

5.根据权利要求4所述的方法，其特征在于，所述对所述沉淀感知域图像进行形态学特征识别，得到第一沉淀分割掩膜还包括：

6.根据权利要求1所述的方法，其特征在于，所述深度学习语义分割模型在编码器与解码器之间的跳跃连接中引入注意力门控模块；所述注意力门控模块用于对编码器传递的特征图施加空间注意力加权，以抑制背景区域及反光干扰特征；所述深度学习语义分割模型的训练损失函数采用骰子损失函数与二值交叉熵损失函数的加权组合。

7.根据权利要求1所述的方法，其特征在于，所述基于所述第一沉淀分割掩膜与所述第二沉淀分割掩膜，得到所述生物培养物沉淀的沉淀区域和沉淀高度包括：

8.一种生物培养物检测装置，其特征在于，所述装置包括：

9.一种生物培养物检测系统，其特征在于，所述系统包括：

10.一种终端设备，其特征在于，包括：

11.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行权利要求1-7中任一项所述方法。