生物花粉AI图像实时识别监测方法及监测仪与流程

摘要: 本发明涉及数据处理,特别是指生物花粉ai图像实时识别监测方法及监测仪。背景技术:1、在花粉显微实时监测过程中,采样气流以一定流速携带花粉颗粒通过成像区域,摄像单...
生物花粉AI图像实时识别监测方法及监测仪与流程

本发明涉及数据处理,特别是指生物花粉ai图像实时识别监测方法及监测仪。

背景技术:

1、在花粉显微实时监测过程中,采样气流以一定流速携带花粉颗粒通过成像区域,摄像单元在固定帧率下连续采集图像;为兼顾图像亮度与信噪比,单帧曝光时间通常无法设置得过短,因此在曝光周期内,一些花粉颗粒会沿气流方向发生位移,形成长度为数个像素的运动拖影;同时,在花粉浓度相对较高的时段,多个颗粒在流场中容易彼此靠近,在二维投影平面上呈现出相互交叠或粘连的形态;在这类粘连与运动拖影共同存在的区域内,颗粒之间的真实边界会被拖影所覆盖,原本应当呈现清晰灰度阶跃的颗粒边缘,转而表现为沿拖影延伸方向的一段灰度缓慢跌落过渡带。

2、由于这种灰度过渡带缺乏明确的梯度突变点,有的基于灰度梯度或区域生长的分割方法在尝试界定颗粒轮廓时,较难在过渡带内准确定位颗粒的真实边界位置;分割算法所确定的轮廓线可能落在过渡带内的任意一处,而非颗粒的实际物理边缘,由此剥离得到的单体花粉图像中,有时会残留一部分由拖影引起的边缘模糊区域,或者颗粒边缘的形态与实际情况存在一定的偏差;当这一类边界模糊的单体图像被送入后续的特征提取与深度神经网络识别环节时,花粉表面纹饰特征的提取结果可能会出现一定程度的偏离,进而有可能对物种识别的稳定性和一致性带来一些影响。

技术实现思路

1、本发明要解决的技术问题是提供生物花粉ai图像实时识别监测方法及监测仪,实现了从显微成像校正、粘连花粉分离、物种识别到浓度分级监测的全流程自动化,提升了花粉监测的物种分辨能力与响应时效。

2、为解决上述技术问题,本发明的技术方案如下:

3、第一方面,生物花粉ai图像实时识别监测方法,所述方法包括:

4、步骤1,获取显微腔体光场三相位锚定点构建三相位锚定包络域,分割为多个像素拓扑微元并提取各像素拓扑微元内锚定点偏移量,得到光场补偿量;根据光场补偿量对腔体内花粉多帧显微图像执行相位映射,得到校正显微图像;

5、步骤2,根据校正显微图像沿边缘法线逐像素计算相邻像素灰度落差值,得到灰度跌落场;根据灰度跌落场构建局部像素邻域灰度跌落矢量场,提取矢量方向形成闭合回旋的拓扑区域,得到粘连拖影可疑区;

6、步骤3,根据粘连拖影可疑区,沿自旋拖影延伸方向逐段累加灰度跌落反转环内的灰度落差值,得到自旋拖影平均落差幅值;

7、步骤4,根据自旋拖影平均落差幅值与灰度跌落场,对颗粒边缘执行形态剥离,得到单体花粉清晰图像;

8、步骤5,根据单体花粉清晰图像提取表面纹饰特征序列,输入至预训练的深度神经网络模型进行映射,得到花粉物种识别结果;

9、步骤6,根据花粉物种识别结果与显微腔体的实时采样流量,计算单位体积内各物种花粉数量分布,得到花粉实时监测浓度数据;

10、步骤7,根据花粉实时监测浓度数据与预设的花粉等级报警区间比对,生成包含物种识别与浓度等级的实时监测状态信号。

11、第二方面,生物花粉ai图像实时识别监测仪,包括:

12、光场畸变校正模块,用于获取显微腔体光场三相位锚定点构建三相位锚定包络域,分割为多个像素拓扑微元并提取各像素拓扑微元内锚定点偏移量,得到光场补偿量;根据光场补偿量对腔体内花粉多帧显微图像执行相位映射,得到校正显微图像;

13、粘连拖影检测模块,用于根据校正显微图像沿边缘法线逐像素计算相邻像素灰度落差值,得到灰度跌落场;根据灰度跌落场构建局部像素邻域灰度跌落矢量场,提取矢量方向形成闭合回旋的拓扑区域,得到粘连拖影可疑区;

14、拖影落差量化模块,用于根据粘连拖影可疑区,沿自旋拖影延伸方向逐段累加灰度跌落反转环内的灰度落差值,得到自旋拖影平均落差幅值;

15、形态剥离分割模块,用于根据自旋拖影平均落差幅值与灰度跌落场,对颗粒边缘执行形态剥离,得到单体花粉清晰图像;

16、纹饰特征识别模块,用于根据单体花粉清晰图像提取表面纹饰特征序列,输入至预训练的深度神经网络模型进行映射,得到花粉物种识别结果;

17、计算模块,用于根据花粉物种识别结果与显微腔体的实时采样流量,计算单位体积内各物种花粉数量分布,得到花粉实时监测浓度数据;

18、判定模块,用于根据花粉实时监测浓度数据与预设的花粉等级报警区间比对,生成包含物种识别与浓度等级的实时监测状态信号。

19、本发明的上述方案至少包括以下有益效果:

20、通过构建显微腔体光场三相位锚定包络域,结合像素拓扑微元提取锚定点偏移量以获取光场补偿量,并对花粉多帧显微图像进行相位映射校正,能够在一定程度上抵消显微腔体内旋流气流扰动、光路偏移、暗场聚光成像偏差等带来的成像畸变问题,可有效优化花粉原始成像画质;以花粉中心点为基准划分扇形纹理区块,通过计算各区块纹饰粗糙度参量并有序组合形成表面纹饰特征序列,可实现对花粉表面纹理特征的规范化、精细化提取,能够有效降低图像边缘模糊、局部杂影带来的特征提取偏差;将特征序列输入预训练深度神经网络模型进行物种映射,有助于提升花粉物种识别的准确度,可在一定程度上增强识别结果的稳定性与一致性,减少异常图像对识别结果的干扰。

1.生物花粉ai图像实时识别监测方法,其特征在于,所述方法包括:

2.根据权利要求1所述的生物花粉ai图像实时识别监测方法,其特征在于,获取显微腔体光场三相位锚定点构建三相位锚定包络域,分割为多个像素拓扑微元并提取各像素拓扑微元内锚定点偏移量,得到光场补偿量;根据光场补偿量对腔体内花粉多帧显微图像执行相位映射,得到校正显微图像,包括:

3.根据权利要求2所述的生物花粉ai图像实时识别监测方法,其特征在于,根据校正显微图像沿边缘法线逐像素计算相邻像素灰度落差值,得到灰度跌落场;根据灰度跌落场构建局部像素邻域灰度跌落矢量场,提取矢量方向形成闭合回旋的拓扑区域,得到粘连拖影可疑区,包括:

4.根据权利要求3所述的生物花粉ai图像实时识别监测方法,其特征在于,根据灰度跌落矢量场,提取灰度跌落矢量场中灰度跌落方向形成闭合回旋的拓扑区域,得到粘连拖影可疑区,包括:

5.根据权利要求4所述的生物花粉ai图像实时识别监测方法,其特征在于,根据粘连拖影可疑区,沿自旋拖影延伸方向逐段累加灰度跌落反转环内的灰度落差值,得到自旋拖影平均落差幅值,包括:

6.根据权利要求5所述的生物花粉ai图像实时识别监测方法,其特征在于,根据自旋拖影平均落差幅值与灰度跌落场,对颗粒边缘执行形态剥离,得到单体花粉清晰图像,包括:

7.根据权利要求6所述的生物花粉ai图像实时识别监测方法,其特征在于,根据单体花粉清晰图像提取表面纹饰特征序列,输入至预训练的深度神经网络模型进行映射,得到花粉物种识别结果,包括:

8.根据权利要求7所述的生物花粉ai图像实时识别监测方法,其特征在于,根据花粉物种识别结果与显微腔体的实时采样流量,计算单位体积内各物种花粉数量分布,得到花粉实时监测浓度数据,包括:

9.根据权利要求8所述的生物花粉ai图像实时识别监测方法,其特征在于,根据花粉实时监测浓度数据与预设的花粉等级报警区间比对,生成包含物种识别与浓度等级的实时监测状态信号,包括:

10.生物花粉ai图像实时识别监测仪,该监测仪实现如权利要求1至9中任一项所述的方法,其特征在于,包括: