基于深度学习卷积神经网络的水藻细胞分析方法及系统

摘要

本发明涉及一种基于深度学习卷积神经网络的水藻细胞分析方法及系统，包括以下步骤：对显微镜中的不同种类水藻样本进行分类标记；对已标记的水藻样本进行种类分析训练，生成识别模型；导入显微镜中不同视野下的一组待识别图像，预测出水藻种类和数量；对不同种类水藻进行统计计算，输出预估结果，通过深度学习进行训练，识别出显微镜视野下水藻种类及数量，推算出该水藻数量级，最终通过数量级评定水富营养化程度和对于水生态分析中水体水藻结构进行分析和预测，达到监测及预警作用，此结果通过物理方法直观的分析出水藻类别，不需要大量的仪器和反应药品，成本降低的同时，在判断方式上最接近人类分析统计水藻的方式，此结果具有较高的信服力。