10.3969/j.issn.1000-1220.2020.12.021
微生物数字全息显微图像的嵌入式分类系统
微生物识别对于水质检测及污水处理领域具有重要意义,传统方法效率低下,需要大型仪器、人工干预.针对上述问题,本文提出一种嵌入式平台下微生物数字全息显微图像分类系统.本文使用数字全息显微镜采集微生物图像,引入卷积神经网络进行分类计算,利用Tengine架构在嵌入式平台部署神经网络算法,构建实现了GoogLeNet、AlexNet、VGG16Net等模型,实现在Whoi微生物数据集上的分类检测.使用精简的GoogLeNet-Lite网络在国产嵌入式平台RK3399达到94.15%的准确率,以及12.7fps的运算速度.实验结果说明,采用卷积神经网络,在嵌入式平台RK3399上进行数字全息图像分类,既满足了快速检测的要求,同时也解决了系统体积问题,验证了本方法的有效性.
嵌入式系统、数字全息显微、卷积神经网络、微生物分类
41
TP274(自动化技术及设备)
国家自然科学基金项目;浙江省重点研发计划项目;浙江省属高校基本科研业务费专项资金项目
2020-12-15(万方平台首次上网日期,不代表论文的发表时间)
共6页
2595-2600