专利汇可以提供一种基于卷积神经网络的定量相位图像识别方法专利检索,专利查询,专利分析的服务。并且本 发明 公开了一种基于 卷积神经网络 的定量 相位 图像识别 方法,属于定量相位成像领域,包括如下步骤:利用基于光强传输方程理论的光路采集样品的相位图像,并把相位图像作为训练集和测试集使用;设计卷积神经网络结构,并确定卷积神经网络的初始化参数以及训练过程中的策略;在Tensorflow 深度学习 框架 下,利用训练集训练提出的网络模型,再用测试集验证效果,完成定量相位图像的识别。本发明将采集的相位图像转换为数值矩阵格式存储,充分利用卷积神经网络在图像矩阵处理中的优势,用训练的网络参数代替人为制定的分类标准,在测试集上取得较高的准确率,识别效果良好。,下面是一种基于卷积神经网络的定量相位图像识别方法专利的具体信息内容。
1.一种基于卷积神经网络的定量相位图像识别方法,其特征在于,包括如下步骤:
步骤S1、利用基于光强传输方程理论的光路采集样品的相位图像,并把相位图像作为训练集和测试集使用;
步骤S2、设计卷积神经网络结构,并确定卷积神经网络的初始化参数以及训练过程中的策略;
步骤S3、在Tensorflow深度学习框架下,利用步骤S1获得的训练集对卷积神经网络进行训练;对训练后得到的模型再用步骤S1得到的测试集进行效果验证,完成定量相位图像的识别。
2.根据权利要求1所述的基于卷积神经网络的定量相位图像识别方法,其特征在于,步骤S1中,相位图像是通过免标记数字细胞成像系统Biophase进行采集的。
3.根据权利要求2所述的基于卷积神经网络的定量相位图像识别方法,其特征在于,所述免标记数字细胞成像系统可拍摄活细胞的定性及定量相位图,数字细胞成像系统包括倒置显微镜和基于光强传输方程计算相位的光路;数字细胞成像系统采用中心波长为574nm的卤素灯作为光源,利用滤光片提高光源相干性后,通过倒置显微镜系统照射在样品上,然后通过物镜成像,透射光经由反射镜改变方向后通过4f系统,光信号经由分光镜分束后分别被放置在焦平面和非焦平面的CCD采集,最后由Biophase软件计算样品的相位分布信息。
4.根据权利要求1所述的基于卷积神经网络的定量相位图像识别方法,其特征在于,步骤S2所设计的卷积神经网络结构共包括8层,依次为第一卷积层、第一最大池化层、第二卷积层、第二最大池化层、Flatten层、全连接层、Dropout层、输出层;其中,第一卷积层包括32个尺寸为5×5×1的卷积核,滑动步长设置为1;第一最大池化层的下采样尺寸为2×2,滑动步长设置为2;第二卷积层包括64个尺寸为5×5×32的卷积核,滑动步长设置为1;第二最大池化层的下采样尺寸为2×2,滑动步长设置为2;Flatten层将多维数据扁平化为一维向量;
全连接层包含512个神经元;Dropout层用来缓解过拟合,比率设置为50%;在第一卷积层、第二卷积层和全连接层后分别连接激活函数ReLU。
5.根据权利要求1所述的基于卷积神经网络的定量相位图像识别方法,其特征在于,步骤S2确定的卷积神经网络训练策略中,使用预测概率与正确概率的平均交叉熵作为损失函数Loss(w)的值,具体计算公式为:
式中,N为每轮训练喂入神经网络的训练样本数量,hi为第i个样本对应的输出,是包含多个元素的一维向量,hij为向量中第j个元素的值,hit为样本正确标签对应的元素值,C为样本的总类别数,R(w)是参数的L2正则化项,可以有效的抑制大数值权重,更新参数规则采用适应性矩估计算法Adam。
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
一种基于光谱调制度深度编码的微结构形貌测量方法及其装置 | 2020-05-11 | 104 |
等离子光催化空气净化方法 | 2020-05-11 | 659 |
一种基于乙酰丙酮基的磁性聚合物微球及其制备方法 | 2020-05-08 | 575 |
一种涤纶长丝纤维截面分析仪处理方法及其处理系统 | 2020-05-11 | 557 |
显微镜装置 | 2020-05-08 | 312 |
一种基于卷积神经网络的定量相位图像识别方法 | 2020-05-11 | 897 |
一种全光谱水质在线监测装置与方法 | 2020-05-12 | 639 |
腹腔镜加热除雾装置 | 2020-05-08 | 388 |
一种兼具正置和垂直两种工作方式的光学显微镜 | 2020-05-08 | 676 |
线域频域光学相干层析检测及纵向坐标标定装置 | 2020-05-08 | 797 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。