基于卷积神经网络的复合菌落智能分类识别

摘要：

为满足复合菌落智能形态分类的需求,构建菌落分类卷积神经网络.通过水平集演化分割,获取培养皿内部所有的连通域;通过极限腐蚀,判别种子点数目大于1的连通域,即为粘连连通域;获取粘连连通域的凸闭包,检测凹点并连接对应凹点,对该连通域进行分割.归一化获取的600张单个菌落样本,通过旋转翻转并叠加信噪比不超过5％的随机噪声,将数据扩增至30000例.以其中70％样本数据作为菌落分类卷积神经网络的训练集,对网络模型进行10折交叉验证,再以30％样本数据进行测试,4种菌落的加权平均准确率达到87.50％;其中斑点状光滑菌落分类准确率为86.40％,类圆波状菌落分类准确率为87.21％,椭圆形菌落分类准确率为88.11％,不规则其他菌落分类准确率为87.25％.最后采用通用计算设备架构(CUDA),对各个算法模块进行并行优化加速,算法运行时间最优提升至原耗时的1/10,在运行速度和便利性方面远远超过传统菌落分类方法.所设计的方法可以有效完成复合菌落智能分类识别任务,并具有良好的扩展性和自学习功能,对基于图像的生化样本智能分析具有一定的借鉴价值.

关键词：水平集;粘连分割;卷积神经网络;菌落形态;通用计算设备架构(CUDA)

所属期刊栏目：39

分类号：R318(医用一般科学)

资助基金：天津科技重大专项与工程18ZXZNSY00240,16ZXCXSF00040,X-2018-31

在线出版日期：2021-08-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：26-32