【技术实现步骤摘要】
本申请涉及细胞检测，特别是涉及一种细胞图片的清晰度确定方法、装置、计算机设备和存储介质。
技术介绍
1、计算细胞图片清晰度主要用于根据机械装置的上下移动，找出最清晰的细胞图片所在的位置，并以此位置为对焦点完成对细胞图片的拍摄。
2、现有技术中，对于所有的细胞图片往往采用同一种对焦算法来计算细胞图片的清晰度，然而，对焦算法很难做到对各种情况都适用，所以导致细胞图片的清晰度计算不准确，从而导致拍摄出的细胞图片并非最清晰的图片。
3、针对现有技术中，细胞图片的清晰度计算不够准确的问题，目前尚未提出有效的解决方案。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种细胞图片的清晰度确定方法、装置、计算机设备和计算机可读存储介质，以解决相关技术中细胞图片的清晰度计算不够准确的问题。
2、第一个方面，本申请实施例提供了一种，所述方法包括以下步骤：
3、针对每种预设类别的细胞图片设计相对应的对焦算法，并利用各个所述对焦算法对所述细胞图片进行计算得到所述细胞图片属于各个所述预设类别下的初始清晰度计算结果；所述预设类别是根据所有细胞图片呈现的特征确定的；所述预设类别包括正常的细胞图片、有亮边的细胞图片、有气泡的细胞图片、背景有染剂的细胞图片和有细胞颗粒的细胞图片；
4、利用训练完备的分类网络确定所述细胞图片的分类结果；所述细胞图片的分类结果不超出所述预设类别的范围；
5、基于所述细胞图片的分类结果以及所述初始清晰度计算结
6、在其中一个实施例中，所述利用训练完备的分类网络确定所述细胞图片的分类结果，包括以下步骤：
7、从将按照预设尺寸将所述细胞图片进行划分得到的若干个图片区域中，选取信息量排名靠前的预设个数所述图片区域作为所述细胞图片的感兴趣区域；
8、将所述细胞图片的所述感兴趣区域输入到所述训练完备的分类网络对所述细胞图片进行分类，获取所述细胞图片的所述分类结果；所述训练完备的分类网络包括transformer网络和所述预设个数的cnn网络；其中，所述感兴趣区域与所述cnn网络一一对应；所述cnn网络用于提取与之对应的所述感兴趣区域的图片特征；所述transformer网络用于将所有所述cnn网络提取到的图片特征进行融合，确定所述细胞图片的分类结果；所述细胞图片的分类结果不超出所述预设类别的范围。
9、在其中一个实施例中，所述从将按照预设尺寸将所述细胞图片进行划分得到的若干个图片区域中，选取其中信息量排名靠前的预设个数所述图片区域作为所述细胞图片的感兴趣区域，包括以下步骤：
10、将所述细胞图片从rgb图转换到灰度图，利用错位相减获取所述灰度图的灰度差值图；
11、将所述细胞图片按照所述预设尺寸划分得到若干个所述图片区域，以及将所述灰度差值图按照所述预设尺寸划分得到若干个灰度差值图区域，所述图片区域与所述灰度差值图区域一一对应；
12、计算各个所述灰度差值图区域的像素值的和，将与像素值的和排名靠前的预设个数所述灰度差值图区域对应的所述图片区域作为所述细胞图片的感兴趣区域。
13、在其中一个实施例中，在将所述细胞图片的所述感兴趣区域输入到所述训练完备的分类网络对所述细胞图片进行分类，获取所述细胞图片的所述分类结果之前，所述方法还包括：
14、获取预设数量的按所述预设类别进行分类后的待训练细胞图片；
15、按照所述预设尺寸将所述待训练细胞图片进行划分得到若干个所述图片区域，选取所述信息量排名靠前的所述预设个数所述图片区域作为所述待训练细胞图片的所述感兴趣区域；
16、将所述待训练细胞图片的所述感兴趣区域作为训练样本对分类网络进行训练，得到所述训练完备的分类网络。
17、第二个方面，本申请还提供了一种细胞图片的清晰度确定装置，所述装置包括设计模块、分类模块和确定模块；
18、所述设计模块，用于针对每种预设类别的细胞图片设计相对应的对焦算法，并利用各个所述对焦算法对所述细胞图片进行计算得到所述细胞图片属于各个所述预设类别下的初始清晰度计算结果；所述预设类别是根据所有细胞图片呈现的特征确定的；所述预设类别包括正常的细胞图片、有亮边的细胞图片、有气泡的细胞图片、背景有染剂的细胞图片和有细胞颗粒的细胞图片；
19、所述分类模块，用于利用训练完备的分类网络确定所述细胞图片的分类结果；所述细胞图片的分类结果不超出所述预设类别的范围；
20、所述确定模块，用于基于所述细胞图片的分类结果以及所述初始清晰度计算结果，确定所述细胞图片的清晰度。
21、第三个方面，在本实施例中提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述第一个方面所述方法的步骤。
22、第四个方面，在本实施例中提供了计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述第一个方面所述的方法的步骤。
23、上述细胞图片的清晰度确定方法、装置、计算机设备和计算机可读存储介质，通过针对每种预设类别的细胞图片设计相对应的对焦算法，并利用各个对焦算法对细胞图片进行计算得到细胞图片属于各个预设类别下的初始清晰度计算结果；预设类别是根据所有细胞图片呈现的特征确定的；预设类别包括正常的细胞图片、有亮边的细胞图片、有气泡的细胞图片、背景有染剂的细胞图片和有细胞颗粒的细胞图片；利用训练完备的分类网络确定细胞图片的分类结果；细胞图片的分类结果不超出预设类别的范围；基于细胞图片的分类结果以及初始清晰度计算结果，确定细胞图片的清晰度。本申请针对每种预设类别的细胞图片设计相对应的对焦算法，并利用各个对焦算法对细胞图片进行计算得到细胞图片属于各个预设类别下的初始清晰度计算结果，在利用训练完备的分类网络确定细胞图片的分类结果后，基于细胞图片的分类结果以及初始清晰度计算结果，确定细胞图片的清晰度，根据细胞图片的实际特征结合各个对焦算法的初始清晰度计算结果，依策略确定细胞图片的清晰度，有效提高细胞图片的清晰度计算的准确性。
本文档来自技高网...【技术保护点】
1.一种细胞图片的清晰度确定方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的细胞图片的清晰度确定方法，其特征在于，所述利用训练完备的分类网络确定所述细胞图片的分类结果，包括以下步骤：
3.根据权利要求2所述的细胞图片的清晰度确定方法，其特征在于，所述从将按照预设尺寸将所述细胞图片进行划分得到的若干个图片区域中，选取其中信息量排名靠前的预设个数所述图片区域作为所述细胞图片的感兴趣区域，包括以下步骤：
4.根据权利要求2所述的细胞图片的清晰度确定方法，其特征在于，在将所述细胞图片的所述感兴趣区域输入到所述训练完备的分类网络对所述细胞图片进行分类，获取所述细胞图片的所述分类结果之前，所述方法还包括：
5.一种细胞图片的清晰度确定装置，其特征在于，所述装置包括设计模块、分类模块和确定模块；
6.一种计算机设备，包括存储器、处理器及存储在存储器上并可在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权利要求1至4中任一项所述方法的步骤。
7.一种计算机可读存储介质，其上存储有计
...【技术特征摘要】
1.一种细胞图片的清晰度确定方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的细胞图片的清晰度确定方法，其特征在于，所述利用训练完备的分类网络确定所述细胞图片的分类结果，包括以下步骤：
3.根据权利要求2所述的细胞图片的清晰度确定方法，其特征在于，所述从将按照预设尺寸将所述细胞图片进行划分得到的若干个图片区域中，选取其中信息量排名靠前的预设个数所述图片区域作为所述细胞图片的感兴趣区域，包括以下步骤：
4.根据权利要求2所述的细胞图片的清晰度确定方法，其特征在于，在将所述细胞图片的所述感...
【专利技术属性】
技术研发人员：黄震，孙明霞，李强，张钧，金红，
申请(专利权)人：杭州智微信息科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。