[发明专利]一种基于yolov3算法的粪便有形成分的检测方法

权利要求书

1.一种基于yolov3算法的粪便有形成分的检测方法，其特征在于，包括以下步骤：

步骤S1：获取原始镜检图像，并对其进行数据增强处理，构建镜检图像数据集；

步骤S2：对构建的镜检图像数据集进行图像标注处理，构建对应的图像样本集，并统计红细胞、白细胞标注框的高度和宽度及面积；

步骤S3：通过yolov3算法进行训练，获得粪便有形成分检测模型；

步骤S4：将待识别的原始镜检图像经伽马增强后输入到粪便有形成分检测模型中，并输出置信得分0.2的检测结果；

步骤S5：对步骤S4输出的检测结果中进行阈值筛选，将符合条件的检测结果认为检测正确的有形成分。

2.如权利要求1所述的一种基于yolov3算法的粪便有形成分的检测方法，其特征在于，所述步骤S1具体为：

步骤S11：原始镜检图像为显微镜拍摄的粪便样本图像；

步骤S12：对粪便样本图像进行数据增强处理。

3.如权利要求2所述的一种基于yolov3算法的粪便有形成分的检测方法，其特征在于，所述步骤S12中数据增强处理的方法包括对镜检图像进行对比度处理、对镜检图像进行水平翻转处理、对镜检图像进行垂直翻转处理和对镜检图像顺时针旋转90度处理。

4.如权利要求1所述的一种基于yolov3算法的粪便有形成分的检测方法，其特征在于，所述步骤 S2具体为：

步骤S21：使用开源数据标注工具在可视化界面对镜检图像数据集中的有形成分位置进行画框及标签添加处理；

步骤S22：将画框及标签添加后的镜检图像数据集划分出训练集、测试集和验证集，作为图像样本集；

步骤S23：统计红细胞、白细胞标注框的高度（H）和宽度（W），分别计算红细胞和白细胞的高度和宽度的比率R=max(H,W)/min(H,W)，面积S=H*W，并进行排序，其中R₁和S₁为红细胞比率的中位值和面积中位值，R₂和S₂为白细胞比率的中位值和面积中位值。

5.如权利要求1所述的一种基于yolov3算法的粪便有形成分的检测方法，其特征在于，所述步骤 S3具体为：

步骤S31：通过yolov3算法进行训练，设置训练参数：设置learing rate为0.001，epoch为400，batchsize为64；

步骤S32：训练：将训练集输入到训练算法中，采用GPU进行训练；

步骤S33：参数调整：通过测试集和验证集对训练模型进行验证，并根据验证结果对训练参数进行调整；

步骤S34：模型训练完成：当训练模型的loss值变化在10epoch内，完成yolov3算法的训练，获得粪便有形成分检测模型。

6.如权利要求1所述的一种基于yolov3算法的粪便有形成分的检测方法，其特征在于，所述步骤 S4具体为：

步骤S41：对原始镜检图像进行伽马增强；

步骤S42：将增强后的图像输入粪便有形成分检测模型，得到检测结果，其中检测结果包括有形成分类别、置信得分、坐标位置三部分。

7.根据权利要求1所述的一种基于yolov3算法的粪便有形成分的检测方法，其特征在于，所述步骤 S5具体为：

步骤S51：对步骤S4输出的检测结果进行筛选，对于置信得分0.5,则认为检测结果正确；

步骤S52：对置信得分0.5且类别属于红细胞、白细胞的有形成分，依据R1、S1、R2、S2进行阈值筛选，符合阈值条件的检测结果认为正确。