本發(fā)明涉及藻類識(shí)別領(lǐng)域，特別是關(guān)于一種基于殘差注意力優(yōu)化網(wǎng)絡(luò)的藻類識(shí)別方法、系統(tǒng)、處理設(shè)備及存儲(chǔ)介質(zhì)。

背景技術(shù)：

1、水環(huán)境質(zhì)量在現(xiàn)代工業(yè)、農(nóng)業(yè)、公共衛(wèi)生健康和安全方面起著至關(guān)重要的作用，惡劣的水環(huán)境條件會(huì)引起生態(tài)系統(tǒng)的紊亂，進(jìn)而影響人們的生產(chǎn)生活。藻類作為水生態(tài)系統(tǒng)的主要初級(jí)生產(chǎn)者，對(duì)外部水體環(huán)境變化敏感，其種類、密度及群落結(jié)構(gòu)與水質(zhì)狀況密切相關(guān)。氣候變化和水中氮、磷等元素的超標(biāo)會(huì)造成藻類爆發(fā)性繁殖，從而形成水華、赤潮等水體富營(yíng)養(yǎng)化事件，嚴(yán)重破壞了水生態(tài)系統(tǒng)的平衡。此外，湖庫(kù)中的優(yōu)勢(shì)藻類會(huì)向水體中釋放一些有毒和異味物質(zhì)，包括藻毒素、土臭素（gsm）和2-甲基異莰醇（2-mib）等，這些物質(zhì)對(duì)飲用水安全、漁業(yè)等均會(huì)構(gòu)成危害。因此，藻類的快速、準(zhǔn)確識(shí)別分類和監(jiān)控具有重要的意義。

2、目前，傳統(tǒng)的做法是由專業(yè)技術(shù)人員借助顯微鏡對(duì)藻類樣本進(jìn)行細(xì)胞形態(tài)鑒定，從而完成藻類識(shí)別監(jiān)測(cè)，這種方法目前應(yīng)用最為廣泛，但是耗時(shí)耗力，一個(gè)樣本需要人工鑒定2-3個(gè)小時(shí)，復(fù)雜的樣本更麻煩，當(dāng)出現(xiàn)藻類水華時(shí)，無(wú)法快速實(shí)現(xiàn)整個(gè)水樣的藻類鑒定。而且，藻類形態(tài)多種多樣，有單細(xì)胞、群體結(jié)構(gòu)和絲狀等多種類型，不同種類具有不同的細(xì)胞或群體結(jié)構(gòu)特征，復(fù)雜度較高，因此，目前人工進(jìn)行藻類識(shí)別的做法準(zhǔn)確性和穩(wěn)定性均較低。

技術(shù)實(shí)現(xiàn)思路

1、針對(duì)上述問(wèn)題，本發(fā)明的目的是提供一種準(zhǔn)確性和穩(wěn)定性高的基于殘差注意力優(yōu)化網(wǎng)絡(luò)的藻類識(shí)別方法、系統(tǒng)、處理設(shè)備及存儲(chǔ)介質(zhì)。

2、為實(shí)現(xiàn)上述目的，本發(fā)明采取以下技術(shù)方案：第一方面，提供一種基于殘差注意力優(yōu)化網(wǎng)絡(luò)的藻類識(shí)別方法，包括：

3、獲取待識(shí)別藻類圖像；

4、將待識(shí)別藻類圖像輸入至預(yù)先構(gòu)建的藻類識(shí)別模型中，得到待識(shí)別藻類圖像的藻類識(shí)別結(jié)果，藻類識(shí)別結(jié)果指示待識(shí)別藻類圖像中的藻類的位置和種類，藻類識(shí)別模型采用預(yù)先構(gòu)建的藻類數(shù)據(jù)集對(duì)殘差注意力優(yōu)化網(wǎng)絡(luò)進(jìn)行訓(xùn)練得到。

5、進(jìn)一步地，還包括：

6、在得到待識(shí)別藻類圖像的藻類識(shí)別結(jié)果后，對(duì)待識(shí)別藻類圖像的藻類識(shí)別結(jié)果進(jìn)行修正后更新至構(gòu)建的藻類數(shù)據(jù)集中，利用更新后的藻類數(shù)據(jù)集訓(xùn)練藻類識(shí)別模型，對(duì)藻類識(shí)別模型進(jìn)行修正。

7、進(jìn)一步地，所述藻類識(shí)別模型的構(gòu)建過(guò)程為：

8、構(gòu)建藻類數(shù)據(jù)集，包括若干不同種類的藻類樣本圖像，每一藻類樣本圖像均帶有對(duì)包括的各個(gè)藻類的位置和種類的標(biāo)注信息；

9、構(gòu)建殘差注意力優(yōu)化網(wǎng)絡(luò)；

10、根據(jù)藻類數(shù)據(jù)集，對(duì)構(gòu)建的殘差注意力優(yōu)化網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到藻類識(shí)別模型。

11、進(jìn)一步地，所述構(gòu)建藻類數(shù)據(jù)集，包括：

12、采用顯微成像設(shè)備，拍攝水樣玻片樣本，獲取若干不同種類的原始藻類圖像；

13、對(duì)獲取的原始藻類圖像中的藻類進(jìn)行標(biāo)注；

14、對(duì)標(biāo)注好的原始藻類圖像進(jìn)行圖像預(yù)處理，得到若干藻類樣本圖像；

15、對(duì)藻類樣本圖像進(jìn)行圖像增強(qiáng)處理，得到圖像增強(qiáng)處理后的藻類樣本圖像，構(gòu)建得到藻類數(shù)據(jù)集。

16、進(jìn)一步地，所述對(duì)標(biāo)注好的原始藻類圖像進(jìn)行圖像預(yù)處理，得到若干藻類樣本圖像，包括：

17、根據(jù)標(biāo)注結(jié)果，將每一原始藻類圖像分別截取為若干個(gè)單種藻類圖像，截取的每一單種藻類圖像包括的藻類種類均相同；

18、對(duì)單種藻類圖像進(jìn)行圖像預(yù)處理，得到若干個(gè)藻類樣本圖像。

19、進(jìn)一步地，所述殘差注意力優(yōu)化網(wǎng)絡(luò)包括依次連接的卷積模塊、第一殘差模塊、第一注意力模塊、第二殘差模塊、第二注意力模塊、第三注意力模塊、第三殘差模塊、第四注意力模塊、第四殘差模塊、第五殘差模塊、池化層和全連接層，所述第一殘差模塊還連接所述第二注意力模塊，所述第二殘差模塊還連接所述第四注意力模塊，所述第三殘差模塊還連接所述第五殘差模塊；所述第一殘差模塊的輸出和所述第二殘差模塊的輸出按通道拼接后輸入所述第二注意力模塊，所述第二殘差模塊的輸出和所述第三殘差模塊的輸出按通道拼接后輸入所述第四注意力模塊，所述第三殘差模塊的輸出和所述第四殘差模塊的輸出按通道拼接后輸入所述第五殘差模塊；每一注意力模塊均包括主干分支和軟掩膜分支，所述主干分支用于提取圖像特征，所述軟掩膜分支用于對(duì)提取的圖像特征進(jìn)行加權(quán)融合。

20、進(jìn)一步地，所述卷積模塊的輸入尺寸為224*224*3，卷積核大小為3*3、通道數(shù)為64，輸出尺寸為112*112*64；

21、所述第一殘差模塊的輸入尺寸為112*112*64、輸出尺寸為56*56*128；

22、所述第一注意力模塊的輸入尺寸為56*56*128、輸出尺寸為56*56*128；

23、所述第二殘差模塊的輸入尺寸為56*56*128、輸出尺寸為28*28*256；

24、所述第二注意力模塊和第三注意力模塊的輸入尺寸均為28*28*384、輸出尺寸均為28*28*384；

25、所述第三殘差模塊的輸入尺寸為28*28*384、輸出尺寸為14*14*512；

26、所述第四注意力模塊的輸入尺寸為14*14*768、輸出尺寸為14*14*768；

27、所述第四殘差模塊的輸入尺寸為14*14*768、輸出尺寸為7*7*1024；

28、所述第五殘差模塊的輸入尺寸為7*7*1536、輸出尺寸為7*7*1536。

29、第二方面，提供一種基于殘差注意力優(yōu)化網(wǎng)絡(luò)的藻類識(shí)別系統(tǒng)，包括：

30、圖像獲取模塊，用于獲取待識(shí)別藻類圖像；

31、藻類識(shí)別模塊，用于將待識(shí)別藻類圖像輸入至預(yù)先構(gòu)建的藻類識(shí)別模型中，得到待識(shí)別藻類圖像的藻類識(shí)別結(jié)果，藻類識(shí)別結(jié)果指示待識(shí)別藻類圖像中的藻類的位置和種類，藻類識(shí)別模型采用預(yù)先構(gòu)建的藻類數(shù)據(jù)集對(duì)殘差注意力優(yōu)化網(wǎng)絡(luò)進(jìn)行訓(xùn)練得到。

32、第三方面，提供一種處理設(shè)備，包括計(jì)算機(jī)程序指令，其中，所述計(jì)算機(jī)程序指令被處理設(shè)備執(zhí)行時(shí)用于實(shí)現(xiàn)上述基于殘差注意力優(yōu)化網(wǎng)絡(luò)的藻類識(shí)別方法對(duì)應(yīng)的步驟。

33、第四方面，提供一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)上存儲(chǔ)有計(jì)算機(jī)程序指令，其中，所述計(jì)算機(jī)程序指令被處理器執(zhí)行時(shí)用于實(shí)現(xiàn)上述基于殘差注意力優(yōu)化網(wǎng)絡(luò)的藻類識(shí)別方法對(duì)應(yīng)的步驟。

34、本發(fā)明由于采取以上技術(shù)方案，其具有以下優(yōu)點(diǎn)：本發(fā)明根據(jù)藻類目標(biāo)小、藻類之間相似度高的特點(diǎn)對(duì)殘差注意力網(wǎng)絡(luò)模型進(jìn)行結(jié)構(gòu)優(yōu)化，搭建得到殘差注意力優(yōu)化網(wǎng)絡(luò)，該改進(jìn)的網(wǎng)絡(luò)結(jié)構(gòu)主要通過(guò)調(diào)整注意力模塊和殘差模塊參數(shù)對(duì)特征圖進(jìn)行維度變換，實(shí)現(xiàn)全局信息和原始特征信息的提取，基于該網(wǎng)絡(luò)結(jié)構(gòu)訓(xùn)練得到的藻類識(shí)別模型具有較高的識(shí)別準(zhǔn)確率和較快的推理速度，能夠?qū)崿F(xiàn)自動(dòng)化的高效藻類識(shí)別。本發(fā)明可以廣泛應(yīng)用于藻類識(shí)別領(lǐng)域中。

技術(shù)特征：

1.一種基于殘差注意力優(yōu)化網(wǎng)絡(luò)的藻類識(shí)別方法，其特征在于，包括：

2.如權(quán)利要求1所述的一種基于殘差注意力優(yōu)化網(wǎng)絡(luò)的藻類識(shí)別方法，其特征在于，還包括：

3.如權(quán)利要求1所述的一種基于殘差注意力優(yōu)化網(wǎng)絡(luò)的藻類識(shí)別方法，其特征在于，所述藻類識(shí)別模型的構(gòu)建過(guò)程為：

4.如權(quán)利要求3所述的一種基于殘差注意力優(yōu)化網(wǎng)絡(luò)的藻類識(shí)別方法，其特征在于，所述構(gòu)建藻類數(shù)據(jù)集，包括：

5.如權(quán)利要求4所述的一種基于殘差注意力優(yōu)化網(wǎng)絡(luò)的藻類識(shí)別方法，其特征在于，所述對(duì)標(biāo)注好的原始藻類圖像進(jìn)行圖像預(yù)處理，得到若干藻類樣本圖像，包括：

6.如權(quán)利要求3所述的一種基于殘差注意力優(yōu)化網(wǎng)絡(luò)的藻類識(shí)別方法，其特征在于，所述殘差注意力優(yōu)化網(wǎng)絡(luò)包括依次連接的卷積模塊、第一殘差模塊、第一注意力模塊、第二殘差模塊、第二注意力模塊、第三注意力模塊、第三殘差模塊、第四注意力模塊、第四殘差模塊、第五殘差模塊、池化層和全連接層，所述第一殘差模塊還連接所述第二注意力模塊，所述第二殘差模塊還連接所述第四注意力模塊，所述第三殘差模塊還連接所述第五殘差模塊；所述第一殘差模塊的輸出和所述第二殘差模塊的輸出按通道拼接后輸入所述第二注意力模塊，所述第二殘差模塊的輸出和所述第三殘差模塊的輸出按通道拼接后輸入所述第四注意力模塊，所述第三殘差模塊的輸出和所述第四殘差模塊的輸出按通道拼接后輸入所述第五殘差模塊；每一注意力模塊均包括主干分支和軟掩膜分支，所述主干分支用于提取圖像特征，所述軟掩膜分支用于對(duì)提取的圖像特征進(jìn)行加權(quán)融合。

7.如權(quán)利要求6所述的一種基于殘差注意力優(yōu)化網(wǎng)絡(luò)的藻類識(shí)別方法，其特征在于，所述卷積模塊的輸入尺寸為224*224*3，卷積核大小為3*3、通道數(shù)為64，輸出尺寸為112*112*64；

8.一種基于殘差注意力優(yōu)化網(wǎng)絡(luò)的藻類識(shí)別系統(tǒng)，其特征在于，包括：

9.一種處理設(shè)備，其特征在于，包括計(jì)算機(jī)程序指令，其中，所述計(jì)算機(jī)程序指令被處理設(shè)備執(zhí)行時(shí)用于實(shí)現(xiàn)權(quán)利要求1-7中任一項(xiàng)所述的基于殘差注意力優(yōu)化網(wǎng)絡(luò)的藻類識(shí)別方法對(duì)應(yīng)的步驟。

10.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其特征在于，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)上存儲(chǔ)有計(jì)算機(jī)程序指令，其中，所述計(jì)算機(jī)程序指令被處理器執(zhí)行時(shí)用于實(shí)現(xiàn)權(quán)利要求1-7中任一項(xiàng)所述的基于殘差注意力優(yōu)化網(wǎng)絡(luò)的藻類識(shí)別方法對(duì)應(yīng)的步驟。

技術(shù)總結(jié)
本發(fā)明涉及一種基于殘差注意力優(yōu)化網(wǎng)絡(luò)的藻類識(shí)別方法、系統(tǒng)、處理設(shè)備及存儲(chǔ)介質(zhì)，其特征在于，該方法包括：獲取待識(shí)別藻類圖像；將待識(shí)別藻類圖像輸入至預(yù)先構(gòu)建的藻類識(shí)別模型中，得到待識(shí)別藻類圖像的藻類識(shí)別結(jié)果，藻類識(shí)別結(jié)果指示待識(shí)別藻類圖像中的藻類的位置和種類，藻類識(shí)別模型采用預(yù)先構(gòu)建的藻類數(shù)據(jù)集對(duì)殘差注意力優(yōu)化網(wǎng)絡(luò)進(jìn)行訓(xùn)練得到，本發(fā)明能夠?qū)崿F(xiàn)自動(dòng)化的高效藻類識(shí)別，可以廣泛應(yīng)用于藻類識(shí)別領(lǐng)域中。

技術(shù)研發(fā)人員：饒凱鋒,馬金鋒,許宜平,李娜,韓穎楠,馬梅,王子健
受保護(hù)的技術(shù)使用者：中國(guó)科學(xué)院生態(tài)環(huán)境研究中心
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/30