龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：青岛众瑞智能仪器股份有限公司
摘要：本发明涉及一种葡萄球菌菌落动态实时计数方法，方法包括如下步骤:采集原始葡萄球菌落数据并构建样本数据集；构建模态补偿门控深度卷积神经网络模型，模型整体架构设计为轻量级分支编码器、解码器双流网络；对所构建的卷积神经网络模型进行网络参数配置；使用训练集对该卷积神经网络模型进行网络训练，当网络收敛时，停止训练；使用验证集训练后卷积神经网络模型进行验证并对训练后模型进行调优，获得效果最优的模型；通过测试集对效果最优的网络模型进行性能测试；将通过性能测试的效果最优的模型应用于葡萄球菌落计数。自动判读培养皿菌落计数，操作简单、耗时短、算法稳定、鲁棒性好，精确识别复杂粘连、多色菌落。
主权项：1.一种葡萄球菌落动态实时计数方法，其特征在于，所述方法依次包括如下步骤：S1、采集原始葡萄球菌落数据并构建样本数据集，将样本数据集划分为训练集、测试集、验证集，并对训练集、测试集、验证集数据进行预处理，所述训练集中含有葡萄球菌落RGB图像和深度图像，所述测试集和验证集仅含有葡萄球菌落RGB图像；S2、构建模态补偿门控深度卷积神经网络模型，模型整体架构设计为轻量级分支编码器、解码器双流网络，所述轻量级分支编码器依次包括卷积层、池化层、上采样层、门控深度增强模块、全局平均池化层，所述解码器依次包括多模态注意力长短时模块、四个下采样层、高分辨率特征多层级嵌入模块；S3、对步骤2所构建的模态补偿门控深度卷积神经网络模型进行网络参数配置；S4、使用步骤1训练集对模态补偿门控深度卷积神经网络模型进行网络训练，当网络收敛时，停止训练；S5、使用步骤1验证集对步骤4训练后模态补偿门控深度卷积神经网络模型进行验证并对训练后模型进行模型调优，获得效果最优的模态补偿门控深度卷积神经网络模型；S6、通过步骤1测试集对步骤S5得到的效果最优的模态补偿门控深度卷积神经网络模型进行性能测试；S7、将通过性能测试的效果最优的模态补偿门控深度卷积神经网络模型应用于葡萄球菌落计数。
全文数据：
权利要求：
百度查询： 青岛众瑞智能仪器股份有限公司 一种葡萄球菌落动态实时计数方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号