[发明专利]基于先验框线性缩放的花粉检测方法、装置和电子设备

说明书

本发明实施例提供一种基于先验框线性缩放的花粉检测方法、装置和电子设备，该方法包括：在显微镜下采集待检测花粉颗粒的放大图像；将放大图像输入检测模型，输出识别框和花粉种类；其中，检测模型是基于样本花粉颗粒的放大图像和对应的标注框标签和花粉种类标签进行训练后得到的，检测模型中的特征提取网络用于提取放大图像的3个特征图，检测模型训练时对任一花粉颗粒使用其对应尺度特征图的b个缩放先验框代替随机初始值，缩放先验框为对标注框标签进行聚类得到的先验框再进行预设线性缩放后得到的。本发明实施例提供的方法、装置和电子设备，实现了提高基于先验框的花粉颗粒检测的有效性、鲁棒性和准确性。

技术领域

本发明涉及花粉检测技术领域，尤其涉及一种基于先验框线性缩放的花粉检测方法、装置和电子设备。

背景技术

花粉过敏为过敏科常见病，且发病率逐年上升，严重影响人类健康。由于花粉产量多、体积小、质量轻、容易借风力传播，使花粉在空气中漂浮。大量在空气中漂浮的花粉对花粉过敏人群有较大危害，在电子显微镜下拍摄的花粉采集图片中快速有效地检测识别出花粉，有助于气象局提早发出预报，使花粉过敏人群做好预防，尽量避免花粉过敏带来的不适。

花粉检测就是在所给图片中检测出花粉的位置。属于目标检测领域，基于深度学习的目标检测主要分为两类。一类是基于候选区域的分步式目标检测方法，该类模型先生成候选区域，通过特征提取再进行边界框的分类与回归。主要有R-CNN、Fast-RCNN、Faster-RCNN。具有检测精度较高的优点，但检测速度慢。另一类是基于回归思想的直接目标检测方法，其直接在特征图上进行边界框的分类与回归。主要有SSD和YOLO系列。该类一阶段检测模型检测速度快，但精度有待提高。

现有一阶段检测技术中先验框是通过kmeans聚类训练集中标注框的宽高所得，每三个先验框组成一组，分别分配给三个尺度进行大、中、小目标的检测。因为在电子显微镜下花粉颗粒大小跨度不大，比较集中，k均值聚类后得到的先验框集中在有限的范围内，所以先验框维度很难得到精确的目标框信息，不适用于多尺度检测，导致小花粉颗粒的漏检。

花粉暴露在空气中，常常会带有一些沙粒，尘土，虫卵等。电子显微镜下采集的花粉图片含有较多杂质，且花粉颗粒形状不规则，给检测任务带来困难。特征提取网络浅层主要负责提取位置信息，深层主要负责提取语义信息。因深层网络提取语义信息的不足，导致花粉颗粒特征分析不足，出现图片边缘杂质的误检情况。

因此，如何避免现有的基于先验框的花粉颗粒检测的有效性和鲁棒性低，提高检测的准确性，仍然是本领域技术人员亟待解决的问题。

发明内容

本发明实施例提供一种基于先验框线性缩放的花粉检测方法、装置和电子设备，用以解决现有的基于先验框的花粉颗粒检测的有效性低、鲁棒性低和准确性低的问题。

第一方面，本发明实施例提供一种基于先验框线性缩放的花粉检测方法，包括：

在显微镜下采集待检测花粉颗粒的放大图像；

将所述放大图像输入检测模型，输出所述放大图像中花粉颗粒的识别框和花粉种类；

其中，所述检测模型是基于样本花粉颗粒的放大图像和对应的花粉颗粒的标注框标签和花粉种类标签进行训练后得到的，所述检测模型中的特征提取网络用于提取各样本花粉颗粒的放大图像的3个特征图，所述检测模型训练时对任一花粉颗粒使用其对应尺度特征图的b个缩放先验框代替随机初始值，所述缩放先验框为对标注框标签进行聚类得到的先验框再进行预设线性缩放后得到的，b1且b为正整数。

该方法中，

所述样本花粉颗粒的放大图像包括基于人工剪裁拼接的包含不完整花粉颗粒的放大图像；

所述对应的花粉颗粒的标注框标签和花粉种类标签为人工标注得到。

该方法中，所述检测模型中的特征提取网络用于提取各样本花粉颗粒的放大图像的3个特征图，具体包括：