技术特征：
1.一种基于深度堆叠卷积神经网络的植物细胞器分割方法，其特征在于，包括：获取待分割的植物叶组织细胞图像；将所述植物叶组织细胞图像输入到植物细胞器识别模型中，以确定所述植物叶组织细胞图像中各种细胞器的面积以及每种所述细胞器的数量；所述植物细胞器识别模型是根据深度神经网络模型和植物样本数据确定的；其中，所述深度神经网络模型为包含编码网络、语义分割网络和实例分割网络的网络模型；所述语义分割网络和所述实例分割网络均包括解码部分；所述编码网络的内部叠加有多个深度可分离卷积层。2.根据权利要求1所述的一种基于深度堆叠卷积神经网络的植物细胞器分割方法，其特征在于，所述获取待分割的植物叶组织细胞图像，具体包括：采用透射电子显微镜获取待分割的植物叶组织细胞图像。3.根据权利要求1所述的一种基于深度堆叠卷积神经网络的植物细胞器分割方法，其特征在于，所述将所述植物叶组织细胞图像输入到植物细胞器识别模型中，以确定所述植物叶组织细胞图像中各种细胞器的面积以及每种所述细胞器的数量，具体包括：将所述植物叶组织细胞图像输入到植物细胞器识别模型中，以确定所述植物叶组织细胞图像中各个细胞器的种类信息以及每种所述细胞器的位置信息；基于所述各个细胞器的种类信息以及每种所述细胞器的位置信息，确定各种细胞器的面积以及每种所述细胞器的数量。4.根据权利要求1所述的一种基于深度堆叠卷积神经网络的植物细胞器分割方法，其特征在于，所述植物细胞器识别模型的确定过程为：构建深度神经网络模型；所述深度神经网络模型的输入端为编码网络的输入端；所述编码网络的输出端分别连接所述语义分割网络和所述实例分割网络的解码部分；所述深度神经网络模型的第一输出端为所述语义分割网络的输出端；所述深度神经网络模型的第二输出端为所述实例分割网络的输出端；构建植物样本数据；所述植物样本数据为带有标记的样本数据；所述标记包括细胞器的种类信息以及每个细胞器所在的位置信息；利用所述植物样本数据训练所述深度神经网络模型进行训练，确定植物细胞器识别模型。5.根据权利要求4所述的一种基于深度堆叠卷积神经网络的植物细胞器分割方法，其特征在于，所述构建植物样本数据，具体包括：采用透射电子显微镜获取采集各种植物的叶片组织细胞图像数据；使用labelme软件对植物的叶片组织细胞图像数据中的各个细胞器进行位置信息标注，基于人工方式对各个细胞器的种类信息进行标注，进而确定植物样本数据。6.根据权利要求1所述的一种基于深度堆叠卷积神经网络的植物细胞器分割方法，其特征在于，还包括：基于python的pyqt5模块编写细胞器识别软件；所述细胞器识别软件为设置有植物细胞器识别模型的识别软件；所述细胞器识别软件具有图像输入功能、模型预测功能、图像输出功能和结果保存功能。
7.根据权利要求1所述的一种基于深度堆叠卷积神经网络的植物细胞器分割方法，其特征在于，还包括：搭建plantorganhunter网页；所述plantorganhunter网页与设置有植物细胞器识别模型的远程服务器连接；所述plantorganhunter网页具有图像输入功能、模型预测功能、图像输出功能和结果保存功能。8.一种基于深度堆叠卷积神经网络的植物细胞器分割系统，其特征在于，包括：图像获取模块，用于获取待分割的植物叶组织细胞图像；细胞器的面积及数量确定模块，用于将所述植物叶组织细胞图像输入到植物细胞器识别模型中，以确定所述植物叶组织细胞图像中各种细胞器的面积以及每种所述细胞器的数量；所述植物细胞器识别模型是根据深度神经网络模型和植物样本数据确定的；其中，所述深度神经网络模型为包含编码网络、语义分割网络和实例分割网络的网络模型；所述语义分割网络和所述实例分割网络均包括解码部分；所述编码网络的内部叠加有多个深度可分离卷积层。9.一种可读介质，其特征在于，包括执行指令，当电子设备的处理器执行所述执行指令时，所述电子设备执行如权利要求1-3中任一所述的方法。10.一种电子设备，其特征在于，包括处理器以及存储有执行指令的存储器，当所述处理器执行所述存储器存储的所述执行指令时，所述处理器执行如权利要求1-3中任一所述的方法。
技术总结
本发明公开了一种基于深度堆叠卷积神经网络的植物细胞器分割方法及系统，涉及植物细胞技术领域，该方法包括：将获取的待分割的植物叶组织细胞图像输入到植物细胞器识别模型中，以确定所述植物叶组织细胞图像中各种细胞器的面积以及每种所述细胞器的数量；所述植物细胞器识别模型是根据深度神经网络模型和植物样本数据确定的；其中，所述深度神经网络模型为包含编码网络、语义分割网络和实例分割网络的网络模型；所述语义分割网络和所述实例分割网络均包括解码部分；所述编码网络的内部叠加有多个深度可分离卷积层。本发明可实现细胞图像中的细胞器分割。图像中的细胞器分割。图像中的细胞器分割。
技术研发人员：冯旭萍 俞泽宇 杨国峰 何勇
受保护的技术使用者：浙江大学
技术研发日：2021.12.23
技术公布日：2022/4/12