[发明专利]一种晶体识别的方法

权利要求书

1.一种晶体识别的方法，其特征在于，包括以下步骤：

S1：对晶体图像进行筛选；

S2：需先对先验图像进行标记操作，且采用labelimg作为图像标注工具，输出类型设定为yolo；

S3：设置标签类型并获取标签路径；

S4：进行模型训练，选择目标识别前沿算法YOLOv5进行晶体识别；

S5：验证晶体图像识别，得到识别结果。

2.根据权利要求1所述的一种晶体识别的方法，其特征在于：所述S1中图像筛选包括以下步骤：

S21：在给光装置的协同下，从显微摄像装置中获取晶体的原始样本图像；

S22：利用图像预处理技术对原始样本图像进行预处理，并对预处理后的图像进行分割为28张有效图像进行后续研究；

S23：对分割的28张图像中选择25张作为训练图像，3张作为验证图像。

3.根据权利要求2所述的一种晶体识别的方法，其特征在于：所述晶体图像共有750、1200、3000三种放大倍数，不同放大倍数之间图像差异较大，为得到较好的晶体特征，选择1200倍放大倍数。

4.根据权利要求2所述的一种晶体识别的方法，其特征在于：所述图像标注需共对25张图像进行标注任务，标签为晶体(crystal)。

5.根据权利要求1所述的一种晶体识别的方法，其特征在于：所述S3中获取标签路径包括以下步骤：

S51：新建文件crystal.yaml；

S52：Pycharm中设定其图像路径并自动获取标签路径。

6.根据权利要求1所述的一种晶体识别的方法，其特征在于：所述S4中YOLOv5算法核心思想是将输入图像划分为SxS的网格，并通过确定目标物体中心点位置所在的网格对目标物体进行预测，每个网格需要通过卷积神经网络提取特征，得到多个预测框与置信度，通过非极大抑制(NMS)保留最佳预测框与置信度，得到最终的预测结果。

7.根据权利要求6所述的一种晶体识别的方法，其特征在于：所述S4中进行模型训练包括以下步骤：

S71：将标注好的晶体图像送至网络中进行训练，并选择采用谷歌云端进行训练，首先在云端下载yolov5模型和其依赖；

S72：然后导入相应的库，这里采用的是pytorch；

S73：之后将标注好的数据集上传至云端，并对数据集进行解压；

S74：接着下载预训练模型yolov5m.pt；

S75：最后采用yolov5m模型进行训练；

S76：训练完成后得到最终模型与存储路径。

8.根据权利要求2所述的一种晶体识别的方法，其特征在于：所述S5中验证晶体图像识别是将剩余3幅图像送至训练好的网络验证模型的准确性，即可得到最后识别结果。