一种新的基于形态学与Yolov3算法的显微镜图像中孢子识别方法

摘要：

针对国内对显微镜下致病菌种识别以及细胞活性检验等问题,提出以darknet-53网络模型与Yolov3算法取出疑似目标,再配以传统形态学算法进行筛选,从而达到准确、快速、智能化的诊断方式.Yolo算法检测速度较传统检测算法提高上百倍,可满足医学诊断的高效需求.再加入形态学算法,对目标做形状椭圆拟合,对色值、轮廓和大小等维度做判断,从而进一步提升检测正确率与检出率.经过自建样本数据训练以及大量实验表明,加入传统形态学处理后,对孢子的识别算法准确率高达94％以上,检出率达82％以上.本文算法将传统图像处理方法与深度学习方法相结合,应用于实际检测中,提高了检测准确率,检测速度是专业医务人员检测速度的两倍以上.

关键词：菌种识别、Darknet-53、Yolov3算法、形态学算法、椭圆拟合

所属期刊栏目：10

分类号：TP399(计算技术、计算机技术)

在线出版日期：2020-12-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：30-34,38