[发明专利]菌落生长图像的预测方法、装置、电子设备及存储介质

权利要求书

1.一种菌落生长图像的预测方法，其特征在于，包括：

将当前的菌落原始图像和预测时间点输入神经网络模型，得到所述神经网络模型输出的菌落生长图像；

其中，所述菌落生长图像为预测得到的所述预测时间点的菌落图像；

所述神经网络模型通过生成式对抗网络训练得到；

所述将当前的菌落原始图像和预测时间点输入神经网络模型，得到所述神经网络模型输出的菌落生长图像之前，还包括：

根据菌落图像样本以及各菌落图像样本对应的时间点和环境信息，建立所述生成式对抗网络；

对所述生成式对抗网络进行训练，得到所述神经网络模型，在训练所述生成式对抗网络过程中，将特征提取器模型与所述生成式对抗网络的生成子模型结合，用于预测所述生成子模型生成的合成图像的特征标签，将在训练所述生成式对抗网络之前对所述菌落图像样本标记的特征标签作为训练所述生成式对抗网络时的监督；

所述根据菌落图像样本以及各菌落图像样本对应的时间点和环境信息，建立所述生成式对抗网络，具体包括：

对各菌落图像样本进行图像识别，得到各菌落图像样本的菌落基本属性和培养皿基属性；

根据各菌落图像样本的菌落基本属性和培养皿基属性，以及各菌落图像样本对应的时间点和环境信息，建立所述生成式对抗网络；

其中，所述菌落基本属性包括以下至少一项：菌落大小、菌落颜色、菌落形状、菌落表面光滑度、菌落边缘整齐度。

2.根据权利要求1所述的菌落生长图像的预测方法，其特征在于，所述菌落生长图像的预测方法还包括：

对所述菌落生长图像进行图像识别，得到所述菌落生长图像中的菌落数量，以及各菌落的菌落位置和菌落基本属性。

3.根据权利要求1-2任一项所述的菌落生长图像的预测方法，其特征在于，所述环境信息包括以下至少一项：温度、ph值、亮度、湿度。

4.一种菌落生长图像的预测装置，其特征在于，包括：

模型预测模块，用于将当前的菌落原始图像和预测时间点输入神经网络模型，得到所述神经网络模型输出的菌落生长图像；

其中，所述菌落生长图像为预测得到的所述预测时间点的菌落图像；

所述神经网络模型通过生成式对抗网络训练得到；

所述菌落生长图像的预测装置还包括：

对抗网络建立模块，用于根据菌落图像样本以及各菌落图像样本对应的时间点和环境信息，建立所述生成式对抗网络；

对抗网络训练模块，用于对所述生成式对抗网络进行训练，得到所述神经网络模型，在训练所述生成式对抗网络过程中，将特征提取器模型与所述生成式对抗网络的生成子模型结合，用于预测所述生成子模型生成的合成图像的特征标签，将在训练所述生成式对抗网络之前对所述菌落图像样本标记的特征标签作为训练所述生成式对抗网络时的监督；

所述对抗网络建立模块具体用于：

对各菌落图像样本进行图像识别，得到各菌落图像样本的菌落基本属性和培养皿基属性；

根据各菌落图像样本的菌落基本属性和培养皿基属性，以及各菌落图像样本对应的时间点和环境信息，建立所述生成式对抗网络；

其中，所述菌落基本属性包括以下至少一项：菌落大小、菌落颜色、菌落形状、菌落表面光滑度、菌落边缘整齐度。

5.根据权利要求4所述的菌落生长图像的预测装置，其特征在于，所述菌落生长图像的预测装置还包括：

图像识别模块，用于对所述菌落生长图像进行图像识别，得到所述菌落生长图像中的菌落数量，以及各菌落的菌落位置和菌落基本属性。

6.根据权利要求4-5任一项所述的菌落生长图像的预测装置，其特征在于，所述环境信息包括以下至少一项：温度、ph值、亮度、湿度。

7.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至3任一所述的菌落生长图像的预测方法。

8.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至3任一所述的菌落生长图像的预测方法。