[发明专利]使用机器学习模型来针对培养装置检测条件

说明书

本公开的方面涉及一种处理培养装置的针对一定条件的输入图像的方法。该方法可包括：接收输入图像；并且用经训练的机器学习模型对输入图像进行分类，经训练的机器学习模型被配置为基于具有条件的图像的训练集进行训练。该方法可包括：基于分类确定条件存在于输入图像中；并且响应于对条件存在的确定而执行至少一个动作。

背景技术

食品工业常规监测微生物的指标组的水平。这些微生物被认为是质量和卫生指标，并且可能对人类造成健康危害。量化指标微生物的常用方法是对菌落形成单位进行识别和计数。可以通过首先在培养装置(例如，干膜或琼脂板)上培养目标微生物，然后对菌落形成单位进行计数来执行计数。菌落计数可以在多个阶段进行，包括对进料、加工产品、成品和从食品加工环境内取得的环境样品进行计数。

菌落计数数据可以用于许多用途，以符合法规要求、保质期要求、减少变质、确保工艺和设施的卫生、确保工艺步骤(烹饪、巴氏杀菌、去污等)的有效性，或确保最终产品不含可能导致疾病的污染。

对生长培养基上的菌落进行计数和解释这些计数可能是非常复杂的，并且可以极大地受益于菌落计数装置和软件的改进。使得此工作变得复杂的此领域中的独特挑战和要求包括A)培养基解释挑战和准确性要求、B)培养基的物理因素和C)数据的复杂性。

发明内容

本公开的方面涉及一种处理培养装置的针对一定条件的输入图像的方法。该方法可包括：接收该输入图像；并且用经训练的机器学习模型对该输入图像进行分类，该经训练的机器学习模型基于具有该条件的图像的训练集进行训练。该方法可包括：基于该分类确定该条件存在于该输入图像中；并且响应于对该条件存在的该确定而执行至少一个动作。

附加方面可涉及一种菌落计数装置，该菌落计数装置被配置为执行该方法。

本公开的附加方面可涉及一种训练机器学习模型以对培养装置上的条件进行识别或分类的方法。该方法可包括：接收训练集，该训练集包括与多个培养装置相关的多个训练图像。该方法可包括：基于该训练集中的该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。该边界框可涵盖训练图像上的培养装置的至少大部分生长室。该类别标签可与该条件相关联。该方法还可包括：向该机器学习模型提供该训练集；并且允许该机器学习模型分析该多个训练图像，以训练该机器学习模型并形成经训练的机器学习模型。可向该菌落计数装置提供该经训练的机器学习模型，用于处理多个输入图像。

附加方面可涉及一种计算机，该计算机被配置为执行训练机器学习模型的方法。

本公开的上述发明内容并非旨在描述每一个公开的实施方案或每一种实施方式。以下描述更具体地举例说明了例示性实施方案。在本申请全文的若干处，通过实施例列表提供了指导，这些实施例能够以各种组合使用。在每种情况下，所引用的列表都只用作代表性的组，并且不应被解释为排他性列表。

这些及其它实施方案的附加细节在下文附图和描述中示出。通过具体实施方式、附图和权利要求书，其他特征、目标和优点将变得显而易见。

附图说明

为了容易地识别对任何特定元件或动作的讨论，参考标号中的一个或多个最高有效数位是指首先引入该元件的附图标号。

图1示出了根据一个实施方案的方法100。

图2示出了根据一个实施方案的方法200。

图3示出了根据一个实施方案的培养装置图像300。

图4示出了根据一个实施方案的培养装置图像300。

图5示出了根据一个实施方案的培养装置图像300。

图6示出了根据一个实施方案的微生物检测系统600。

图7示出了简化的微生物检测系统700，其中服务器704和客户端装置706经由网络702通信地联接。