[发明专利]使用机器学习模型来针对培养装置检测条件

权利要求书

1.一种使用菌落计数装置处理培养装置的针对一定条件的输入图像的方法，所述方法包括：

由所述菌落计数装置接收所述输入图像；

在所述菌落计数装置上用机器学习模型对所述输入图像进行分类，所述机器学习模型被配置为基于具有所述条件的图像的训练集进行训练；

基于所述分类确定所述条件存在于所述输入图像中；

响应于对所述条件存在的确定而执行至少一个动作。

2.根据权利要求1所述的方法，其中所述机器学习模型是使用神经网络电路的深度学习模型，所述方法还包括：

利用所述深度学习模型提取所述输入图像的提议区域，所述输入图像是向所述深度学习模型的输入；以及

利用分类器基于所述提议区域对所述输入图像进行分类，所述提议区域是向所述分类器的输入。

3.根据权利要求1或2所述的方法，其中对所述条件存在的确定包括：

将所述机器学习模型应用于所述图像，以确定所述条件存在于所述提议区域中的概率和所述提议区域的范围；

确定所述概率和所述范围是否在阈值内；以及

如果所述概率和所述范围满足所述阈值，则确定所述条件存在。

4.根据权利要求1至3中任一项所述的方法，其中执行至少一个动作包括：向显示装置上的用户界面传递存在针对所述图像的条件。

5.根据权利要求1至4中任一项所述的方法，其中执行至少一个动作包括：利用馈送机构排出所述培养装置。

6.根据权利要求1至5中任一项所述的方法，其中所述条件为太多而无法计数的条件或其指示。

7.根据权利要求1至6中任一项所述的方法，所述方法还包括：基于所述图像的训练集训练所述机器学习模型，以对所述培养装置上的条件进行分类。

8.根据权利要求7所述的方法，其中训练所述机器学习模型进一步包括：

接收所述图像的训练集，所述图像的训练集包括与多个培养装置相关的多个训练图像；

基于所述训练集中的所述多个训练图像中的至少一些训练图像，建立具有边界框的类别标签的基准真值，所述边界框涵盖训练图像上的培养装置的至少大部分生长室，其中所述类别标签与所述条件相关联；

向所述机器学习模型提供所述图像的训练集；

允许所述机器学习模型分析所述多个训练图像，以训练所述机器学习模型并形成经训练的机器学习模型。

9.根据权利要求8所述的方法，其中所述条件为太多而无法计数的条件或其指示。

10.根据权利要求8或9所述的方法，其中所述边界框扩展超过所述训练图像上的所述条件，以建立所述基准真值。

11.根据权利要求8至10中任一项所述的方法，所述方法还包括：预处理来自所述训练集的所述多个训练图像。

12.根据权利要求8至11中任一项所述的方法，其中所述多个训练图像被部分裁切。

13.根据权利要求8至12中任一项所述的方法，所述边界框包括所述训练图像的没有所述条件的区域。

14.根据权利要求8至13中任一项所述的方法，其中所述边界框不涵盖所述培养装置的基底。

15.根据权利要求14所述的方法，其中所述边界框涵盖所述培养装置的整个生长室。

16.根据权利要求15所述的方法，其中所述边界框涵盖基底的至少一部分。

17.根据权利要求16所述的方法，其中所述边界框涵盖所述训练图像中的整个培养装置。