[发明专利]微型藻类图像分类方法、系统、设备及存储介质

说明书

本公开公开了微型藻类图像分类方法、系统、设备及存储介质，对待分类的微型藻类图像提取轮廓图像；对待分类的微型藻类图像提取纹理图像；将待分类的微型藻类图像的轮廓图像和纹理图像，分别输入到预先训练好的双通道卷积神经网络模型的两个输入端中，输出微型藻类图像的分类结果。

技术领域

本公开属于图像数据处理领域，尤其涉及微型藻类图像分类方法、系统、设备及存储介质。

背景技术

本部分的陈述仅仅是提到了与本公开相关的背景技术，并不必然构成现有技术。

在实现本公开的过程中，发明人发现现有技术中存在以下技术问题：

目前，人工智能技术已经在各个领域(图像处理，目标检测，语音翻译等)取得实质性突破，并且正在以爆发式的速度蓬勃发展。以信息为主导，体系建设的智慧海洋是实现我国海洋强国战略的长远抓手，而人工智能技术则是完成智慧海洋建设的核心支撑技术。从智慧海洋建设的内容上看，保护海洋环境占有极其重要的地位。然而不幸的是，随着海洋的开发，人类的活动在不断的破坏着海洋环境，尤其海洋作为一个多种群生态系统，打破平衡会导致严重的生物污染。因此，在智慧海洋的工程定位中，深度感知海洋环境，融合人工智能技术做出适当的反馈对保护海洋环境具有特殊的意义。

在海洋的工程建设中，需要实现海洋环境和海洋设备之间的信息的互联互通，这包括信息的采集、传输、处理和服务过程。在海洋中，百亿计的传感器将采集到的图像、温度等各种各样的信息传到服务器，服务器经过分析处理后可以得到海洋生态系统及海洋环境的最新状况，在人的干预下做出反馈调节，保证海洋环境处于无污染的状态。

在海洋生态系统中，微型藻类是最常见的物种之一。它们处于食物链的最底层，是水生生态系统初级生产的重要贡献者，而且可以作为海洋环境，通常是水质的检测指标。可是，海水的富营养化会使藻类大量繁殖从而引发的赤潮等现象恶化了海洋环境。掌握海洋藻类生物的种类、数量等指标可以了解水质状况，提前采取措施保护海洋环境，因此，对这些生物进行分类具有重要意义。但是，微型藻类体型细小，肉眼看不见，并且种类繁多。传统上，人们将信息采集装置收集到的图像以人工的方式进行分类，然而，人工分类会带来操作繁琐，成本增加和准确率不足的问题。随着人工智能技术的发展，用机器学习算法来解决这些生物分类的问题引起了人们的兴趣，人们开始探索用浅度学习的方法来完成这一项任务繁重的工作。然而，这些方法的前期需要手工标注大量的特征，随着需要分类图像的数量增加，效率和准确率难以保证。

近期，深度学习算法在许多领域都取得了成功，比如图像分类，自然语言处理等。然而，由于许多微型藻类图像外形相似，种类繁多等特性，经典的深度学习算法，如AlexNet、VGGNet、GoogleNet、ResNet等，对微型藻类图形的分类准确率达不到要求。

发明内容

为了解决现有技术的不足，本公开提供了微型藻类图像分类方法、系统、设备及存储介质，其采用一种基于双通道卷积神经网络的算法，面向种类繁多、形态相似的微型藻类图像设计了一种分类系统，此算法可以自主学习更多的微型藻类图像的主要特征，极大的提高了分类准确率。微型藻类图像轮廓明显，纹理清晰，可以利用这些特点，设计适合它们分类的深度学习算法来提高分类准确率。

第一方面，本公开提供了微型藻类图像分类方法；

微型藻类图像分类方法，包括：

对待分类的微型藻类图像提取轮廓图像；

对待分类的微型藻类图像提取纹理图像；

将待分类的微型藻类图像的轮廓图像和纹理图像，分别输入到预先训练好的双通道卷积神经网络模型的两个输入端中，输出微型藻类图像的分类结果。

第二方面，本公开还提供了微型藻类图像分类系统；

微型藻类图像分类系统，包括：