技术特征：
1.一种乳状液液滴识别方法，其特征在于，包括以下步骤：步骤1、获取乳状液原始图像，对乳状液原始图像进行预处理，得到乳状液序列图像；步骤2、对乳状液序列图像进行处理，生成掩膜图像；步骤3、将得到的掩膜图像以及步骤1得到的乳状液序列图像共同作为乳状液图像数据集，将乳状液图像数据集输入unet神经网络进行多轮训练，获得最优权重参数，得到训练好的的乳状液液滴识别模型；步骤4、使用训练好的乳状液液滴识别模型对待识别的乳状液图片进行识别，输出乳状液显微图片液滴识别结果图。2.根据权利要求1所述的一种乳状液液滴识别方法，其特征在于：步骤1中，用显微镜获取不同类型的乳状液原始图像。3.根据权利要求1所述的一种乳状液液滴识别方法，其特征在于：步骤1中，所述预处理用于对乳状液原始图像进行数据扩充，数据扩充的方式为水平翻转、垂直翻转、随机剪裁、旋转或加噪声。4.根据权利要求1所述的一种乳状液液滴识别方法，其特征在于：步骤2中，使用lableme软件标注乳状液序列图像，将乳状液液滴区域标注名设置为target，生成与乳状液序列图像对应的json文件；使用json文件和步骤1得到的乳状液序列图像生成掩膜图像。5.根据权利要求1所述的一种乳状液液滴识别方法，其特征在于：步骤3中，unet神经网络包含5个下采样层和5个上采样层，最后一个下采样层和第一个上采样层连接，前四个下采样层和后四个上采样层之间存在跳跃连接链，最后一个上采样层连接全连接层输出识别结果。6.根据权利要求1所述的一种乳状液液滴识别方法，其特征在于：步骤3中，unet神经网络所使用的激活函数为relu函数。7.根据权力要求1所述的一种乳状液液滴识别方法，其特征在于：步骤3中，unet神经网络进行第n轮训练时，首先得到训练集中乳状液序列图像各像素点的分类结果数据，使用损失函数将此分类结果数据与步骤2中得到的掩模图的各像素点的值做计算，得出损失值；将损失值反向传播至unet神经网络进行参数更新，之后利用参数更新后的unet网络模型对验证集图片进行前向推理，使用推理的结果和步骤2中得到的掩模图计算miou值；将计算的miou值与前n-1轮中最高的miou值作比较，将拥有最高miou值的网络结构以及模型参数保存，作为最优的乳状液液滴识别模型。8.一种乳状液液滴识别系统，其特征在于，包括：数据预处理模块，用于对乳状液原始图像进行预处理，得到乳状液序列图像；掩膜图像生成模块，用于对乳状液序列图像进行标注，生成包含标注名称与标注位置的json文件；使用json文件和乳状液序列图像生成掩膜图像；unet神经网络模块，用于将得到的掩膜图像以及乳状液序列图像共同作为乳状液图像数据集，将乳状液图像数据集输入unet神经网络进行训练，获得最优权重参数，得到训练好的的乳状液液滴识别模型；图像检测模块，用于对乳状液显微图像进行液滴识别，将乳状液显微图像输入到训练好的乳状液液滴识别模型，得出乳状液显微图片液滴识别结果图。
9.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任意一项所述乳状液液滴识别方法的步骤。10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任意一项所述乳状液液滴识别方法的步骤。
技术总结
本发明属于乳状液液滴识别领域，涉及一种乳状液液滴识别方法，包括以下步骤：获取乳状液原始图像，对乳状液原始图像进行预处理，得到乳状液序列图像；对乳状液序列图像进行处理，生成掩膜图像；将得到的掩膜图像以及乳状液序列图像共同作为乳状液图像数据集，将乳状液图像数据集输入UNet神经网络进行多轮训练，获得最优权重参数，得到训练好的的乳状液液滴识别模型；使用训练好的乳状液液滴识别模型对待识别的乳状液图片进行识别，输出乳状液显微图片液滴识别结果图。本发明提出的乳状液液滴识别方法基于UNet网络结构，提高乳状液液滴的识别精度，且具有较强的泛化能力，实现了乳状液液滴的自动识别。液液滴的自动识别。液液滴的自动识别。
技术研发人员：任喜伟 韩欣
受保护的技术使用者：陕西科技大学
技术研发日：2022.03.21
技术公布日：2022/6/17