CN111339904A - 动物精子图像识别方法和装置 - Google Patents

动物精子图像识别方法和装置 Download PDF

Info

Publication number
CN111339904A
CN111339904A CN202010108994.4A CN202010108994A CN111339904A CN 111339904 A CN111339904 A CN 111339904A CN 202010108994 A CN202010108994 A CN 202010108994A CN 111339904 A CN111339904 A CN 111339904A
Authority
CN
China
Prior art keywords
image
sperm
animal
activity
animal sperm
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202010108994.4A
Other languages
English (en)
Other versions
CN111339904B (zh
Inventor
肖凯文
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tencent Technology Shenzhen Co Ltd
Original Assignee
Tencent Technology Shenzhen Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Tencent Technology Shenzhen Co Ltd filed Critical Tencent Technology Shenzhen Co Ltd
Priority to CN202010108994.4A priority Critical patent/CN111339904B/zh
Publication of CN111339904A publication Critical patent/CN111339904A/zh
Application granted granted Critical
Publication of CN111339904B publication Critical patent/CN111339904B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
    • G06V20/698—Matching; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
    • G06V20/695—Preprocessing, e.g. image segmentation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Multimedia (AREA)
  • Artificial Intelligence (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)
  • Investigating Or Analysing Biological Materials (AREA)

Abstract

本申请涉及人工智能中的图像识别技术，特别涉及一种动物精子图像识别方法、装置、计算机可读存储介质和计算机设备，所述方法包括：获取待识别图像；待识别图像中包含有动物精子；提取待识别图像的动物精子特征图像；根据待识别图像的动物精子特征图像，得到动物精子在预设精子活性识别维度下的活性指标值；根据动物精子在预设精子活性识别维度下的活性指标值，确定对动物精子的活性识别结果。本申请提供的方案实现了根据包含有动物精子的待识别图像，实时得到对动物精子的活性识别结果的目的，无需通过人工检测动物精子活性，从而简化了动物精子活性的识别过程，进而提高了动物精子活性的识别效率，同时提高了动物精子活性的识别准确率。

Description

动物精子图像识别方法和装置
技术领域
本申请涉及图像处理技术领域，特别是涉及一种采用人工智能技术的动物精子图像识别方法、装置、计算机可读存储介质和计算机设备。
背景技术
在生物医学上，为了检测动物精子活性，需要对动物精子进行分析识别。
然而，目前的动物精子识别方法，是通过染色剂染色动物精液中的动物精子，并通过人工在显微镜下观测染色后的动物精子，以判断动物精子活性。但是，通过人工在显微镜下观测染色后的动物精子活性的过程比较繁琐，导致动物精子活性的识别效率较低。
发明内容
基于此，有必要针对动物精子活性的识别效率较低的技术问题，提供一种动物精子图像识别方法、装置、计算机可读存储介质和计算机设备。
一种动物精子图像识别方法，包括：
获取待识别图像；所述待识别图像中包含有动物精子；
提取所述待识别图像的动物精子特征图像；
根据所述待识别图像的动物精子特征图像，得到所述动物精子在预设精子活性识别维度下的活性指标值；
根据所述动物精子在所述预设精子活性识别维度下的活性指标值，确定对所述动物精子的活性识别结果。
一种动物精子图像显示方法，包括：
显示待识别图像；所述待识别图像中包含有动物精子；
接收针对所述待识别图像的触发指令；
响应所述触发指令，显示对所述动物精子的活性识别结果；所述对所述动物精子的活性识别结果为提取所述待识别图像中的动物精子特征图像，根据所述待识别图像中的动物精子特征图像，得到所述动物精子在预设精子活性识别维度下的活性指标值，根据所述动物精子在所述预设精子活性识别维度下的活性指标值得到。
一种动物精子图像识别装置，所述装置包括：
图像获取模块，用于获取待识别图像；所述待识别图像中包含有动物精子；
图像提取模块，用于提取所述待识别图像的动物精子特征图像；
指标值获取模块，用于根据所述待识别图像的动物精子特征图像，得到所述动物精子在预设精子活性识别维度下的活性指标值；
识别结果确定模块，用于根据所述动物精子在所述预设精子活性识别维度下的活性指标值，确定对所述动物精子的活性识别结果。
一种动物精子图像显示装置，其特征在于，所述装置包括：
图像显示模块，用于显示待识别图像；所述待识别图像中包含有动物精子；
指令接收模块，用于接收针对所述待识别图像的触发指令；
结果显示模块，用于响应所述触发指令，显示对所述动物精子的活性识别结果；所述对所述动物精子的活性识别结果为提取所述待识别图像中的动物精子特征图像，根据所述待识别图像中的动物精子特征图像，得到所述动物精子在预设精子活性识别维度下的指标值，根据所述动物精子在所述预设精子活性识别维度下的指标值得到。
一种动物精子图像识别终端，其特征在于，包括：
图像采集器，用于采集待识别图像；所述待识别图像中包含有动物精子；
存储器，所述存储器中存储有计算机可读指令；
处理器，所述计算机可读指令被所述处理器执行时，使得所述处理器执行如下步骤：提取所述待识别图像的动物精子特征图像；根据所述待识别图像的动物精子特征图像，得到所述动物精子在预设精子活性识别维度下的活性指标值；根据所述动物精子在所述预设精子活性识别维度下的活性指标值，确定对所述动物精子的活性识别结果。
一种动物精子图像识别系统，其特征在于，包括显微镜、摄像装置和计算机设备；所述摄像装置设置在所述显微镜上，所述摄像装置与所述计算机设备连接；
所述摄像装置，用于拍摄显微镜下的动物精子图像，作为待识别图像，并将所述待识别图像发送至所述计算机设备；
所述计算机设备，用于提取所述待识别图像的动物精子特征图像；根据所述待识别图像的动物精子特征图像，得到所述动物精子在预设精子活性识别维度下的活性指标值；根据所述动物精子在所述预设精子活性识别维度下的活性指标值，确定对所述动物精子的活性识别结果。
一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如下步骤：
获取待识别图像；所述待识别图像中包含有动物精子；
提取所述待识别图像的动物精子特征图像；
根据所述待识别图像的动物精子特征图像，得到所述动物精子在预设精子活性识别维度下的活性指标值；
根据所述动物精子在所述预设精子活性识别维度下的活性指标值，确定对所述动物精子的活性识别结果。
一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如下步骤：
显示待识别图像；所述待识别图像中包含有动物精子；
接收针对所述待识别图像的触发指令；
响应所述触发指令，显示对所述动物精子的活性识别结果；所述对所述动物精子的活性识别结果为提取所述待识别图像中的动物精子特征图像，根据所述待识别图像中的动物精子特征图像，得到所述动物精子在预设精子活性识别维度下的活性指标值，根据所述动物精子在所述预设精子活性识别维度下的活性指标值得到。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如下步骤：
获取待识别图像；所述待识别图像中包含有动物精子；
提取所述待识别图像的动物精子特征图像；
根据所述待识别图像的动物精子特征图像，得到所述动物精子在预设精子活性识别维度下的活性指标值；
根据所述动物精子在所述预设精子活性识别维度下的活性指标值，确定对所述动物精子的活性识别结果。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如下步骤：
显示待识别图像；所述待识别图像中包含有动物精子；
接收针对所述待识别图像的触发指令；
响应所述触发指令，显示对所述动物精子的活性识别结果；所述对所述动物精子的活性识别结果为提取所述待识别图像中的动物精子特征图像，根据所述待识别图像中的动物精子特征图像，得到所述动物精子在预设精子活性识别维度下的活性指标值，根据所述动物精子在所述预设精子活性识别维度下的活性指标值得到。
上述动物精子图像识别方法、装置、计算机可读存储介质和计算机设备，通过提取包含有动物精子的待识别图像的动物精子特征图像，并根据待识别图像的动物精子特征图像，得到动物精子在预设精子活性识别维度下的活性指标值；最后根据动物精子在预设活性精子识别维度下的活性指标值，确定对动物精子的活性识别结果；实现了根据包含有动物精子的待识别图像，实时得到对动物精子的活性识别结果的目的，无需通过人工检测动物精子活性，从而简化了动物精子活性的识别过程，降低了人工检测成本，进而提高了动物精子活性的识别效率；同时，通过综合考虑包含有动物精子的待识别图像的动物精子特征图像，可以有效地筛选和结合动物精子的特征图像，避免了其余特征图像影响，实现了动物精子在预设精子活性识别维度下的活性指标值的精准确定，进而使得后续得到的动物精子活性识别结果更加准确，从而提高了动物精子活性的识别准确率；此外，通过得到的动物精子在预设精子活性识别维度下的活性指标值，确定对动物精子的活性识别结果，避免了通过人工检测动物精子容易出现错误的缺陷，从而使得动物精子活性的识别更加准确，进一步提高了动物精子活性的识别准确率；同时，通过获取对动物精子的活性识别结果，可以有效地确定出符合要求的动物精子，从而保证了动物精子质量。
附图说明
图1为一个实施例中动物精子图像识别方法的应用环境图；
图2为另一个实施例中动物精子图像识别方法的应用环境图；
图3为一个实施例中动物精子图像识别方法的流程示意图；
图4为一个实施例中获取待识别图像的步骤的流程示意图；
图5为一个实施例中待识别图像以及预处理后的待识别图像的示意图；
图6为一个实施例中得到动物精子在预设精子活性识别维度下的活性指标值的步骤的流程示意图；
图7为一个实施例中精子活性识别网络模型的训练步骤的流程示意图；
图8为一个实施例中获取预先训练的精子活性识别网络模型的步骤的流程示意图；
图9为一个实施例中确定对动物精子的活性识别结果的步骤的流程示意图；
图10为一个实施例中存储动物精子在预设精子活性识别维度下的活性指标值以及对动物精子的活性识别结果的步骤的流程示意图；
图11为又一个实施例中动物精子图像识别方法的应用环境图；
图12为另一个实施例中动物精子图像识别方法的流程示意图；
图13为一个实施例中动物精子检测的界面示意图；
图14为又一个实施例中动物精子图像识别方法的流程示意图；
图15为一个实施例中动物精子图像显示方法的流程示意图；
图16为另一个实施例中动物精子图像识别方法的应用环境图；
图17为又一个实施例中动物精子图像识别方法的应用环境图；
图18为再一个实施例中动物精子图像识别方法的应用环境图；
图19为一个实施例中动物精子图像识别装置的结构框图；
图20为一个实施例中动物精子图像显示装置的结构框图；
图21为一个实施例中动物精子图像识别终端的结构框图；
图22为一个实施例中动物精子图像识别系统的结构框图；
图23为一个实施例中计算机设备的结构框图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说，人工智能是计算机科学的一个综合技术，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。
人工智能技术是一门综合学科，涉及领域广泛，既有硬件层面的技术也有软件层面的技术。人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
其中，计算机视觉技术(Computer Vision，CV)计算机视觉是一门研究如何使机器“看”的科学，更进一步地说，就是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，使电脑处理成为更适合人眼观察或传送给仪器检测的图像。作为一个科学学科，计算机视觉研究相关的理论和技术，试图建立能够从图像或者多维数据中获取信息的人工智能系统。计算机视觉技术通常包括图像处理、图像识别、图像语义理解、图像检索、OCR(Optical Character Recognition，光学字符识别)、视频处理、视频语义理解、视频内容/行为识别、三维物体重建、3D技术、虚拟现实、增强现实、同步定位与地图构建等技术，还包括常见的人脸识别、指纹识别等生物特征识别技术。
其中，图像识别是计算机视觉技术的一个重要领域，在人脸图像识别、商品图像识别、医学图像识别等任务中具有重要的作用。图像识别，是指利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对象的技术，是应用深度学习算法的一种实践应用。
本申请实施例提供的方案涉及人工智能的医学图像识别等技术，具体通过如下实施例进行说明：
图1为一个实施例中动物精子图像识别方法的应用环境图。参照图1，该应用环境图包括服务器110；服务器110是指具有图像识别功能的服务器，具体可以用独立的服务器或者是多个服务器组成的服务器集群来实现。图1中以服务器110是独立的服务器为例进行说明，服务器110获取待识别图像，该待识别图像中包含有动物精子；其中，待识别图像可以是服务器110自身从网络上或者本地数据库中获取的，也可以是终端上传的；例如，服务器110采集当前网络上或者本地数据库中的包含有动物精子的图像，作为待识别图像；或者终端将检测人员在终端界面上选择的包含有动物精子的图像，作为待识别图像发送至服务器110。然后，服务器110提取待识别图像的动物精子特征图像；根据待识别图像的动物精子特征图像，得到动物精子在预设精子活性识别维度下的活性指标值；根据动物精子在预设精子活性识别维度下的活性指标值，确定对动物精子的活性识别结果。其中，对动物精子的活性识别结果可以用于推送至对应的终端；比如，服务器110基于终端发送的动物精子图像识别请求，将对动物精子图像中的动物精子的活性识别结果推送至对应的终端，以供终端对应的检测人员进行查看。此外，该动物精子图像识别方法还可以应用在室内科研实验室、室外畜牧业养殖场等使用场景，具体本申请不做限定。
图2为另一个实施例中动物精子图像识别方法的应用环境图。参照图2，该应用环境图包括终端210，终端210是指具有图像识别功能的电子设备，该电子设备可以是智能手机、平板电脑等。图2中以终端210是智能手机为例进行说明，终端210获取待识别图像；该待识别图像中包含有动物精子；其中，待识别图像可以是终端210自身从网络上或者本地数据库中获取的，也可以是终端实时采集的；例如，终端210获取当前网络上或者本地数据库中的包含有动物精子的图像，作为待识别图像；或者终端210实时拍摄得到包含有动物精子的图像，作为待识别图像。然后，终端210提取待识别图像的动物精子特征图像；根据待识别图像的动物精子特征图像，得到动物精子在预设精子活性识别维度下的活性指标值；根据动物精子在预设精子活性识别维度下的活性指标值，确定对动物精子的活性识别结果。其中，对动物精子的活性识别结果可以通过终端210的终端界面进行展示，方便检测人员进行查看。
如图3所示，在一个实施例中，提供了一种动物精子图像识别方法。本实施例主要以该方法应用于上述图1中的服务器110来举例说明。参照图3，该动物精子图像识别方法具体包括如下步骤：
S302，获取待识别图像；待识别图像中包含有动物精子。
其中，待识别图像是指包含有动物精子的静态图像，可以是本地数据库中缓存的图像，也可以是网络上的图像，还可以是终端上传的图像；具体本申请不做限定。在实际场景中，待识别图像一般是指包含有动物精子的灰度图像。
其中，待识别图像还可以是指包含有动物精子的视频图像，可以是本地数据库中缓存的视频图像，也可以是网络上的视频图像，还可以是终端上传的视频图像；具体本申请不做限定。
需要说明的是，包含有动物精子的静态图像的识别原理与包含有动物精子的视频图像的识别原理一样，本申请主要以包含有动物精子的静态图像的识别为例子进行说明。
具体地，终端通过响应检测人员在终端的动物精子识别界面上的图像选择操作，获取检测人员选择的包含有动物精子的待识别图像，并生成动物精子图像识别请求，将生成的动物精子图像识别请求发送至对应的服务器；服务器对该动物精子图像识别请求进行解析，得到包含有动物精子的待识别图像。
举例说明，在终端的动物精子识别界面上显示有图像选择按钮，检测人员通过点击图像选择按钮，进入本地相册，在本地相册中选择一张包含有动物精子的图像，作为待识别图像，并通过终端在动物精子识别界面上显示待识别图像；同时，通过终端将该待识别图像发送至对应的服务器，以请求服务器对该待识别图像进行识别。
需要说明的是，本地相册中存储的包含有动物精子的图像，可以是终端从网络上获取得到的，也可以是终端实时拍摄得到的；比如通过终端后置摄像头搭载有显微镜头的终端拍摄载玻片上的动物精子图像，或者通过终端后置摄像头抓拍显微镜下观测得到的动物精子图像。
进一步地，在得到包含有动物精子的待识别图像之后，服务器还可以对待识别图像做进一步的图像预处理，比如将待识别图像进行去噪处理、对比度增强处理、分辨率增强处理等；具体地，服务器将待识别图像进行图像超分辨率重建处理，得到待识别图像的重建图像，重建图像的分辨率高于待识别图像的分辨率；其中，图像超分辨率重建处理是指将低分辨率图像，通过重建处理，得到对应的高分辨率图像；重建图像是指待识别图像对应的高分辨率图像。
在一个实施例中，服务器还可以基于大数据技术，获取网络上未识别的包含有动物精子的图像，作为待识别图像；或者从本地数据库中获取未识别的包含有动物精子的图像，作为待识别图像；对待识别图像进行去噪处理、对比度增强处理、分辨率增强处理等图像预处理，得到最终的待识别图像；方便后续根据分辨率更高的待识别图像，确定对待识别图像中的动物精子的识别结果，进一步提高了动物精子的识别准确率。
S304，提取待识别图像的动物精子特征图像。
其中，动物精子特征图像是指从待识别图像中提取出的动物精子图像特征所构成的图像，用于表征动物精子的特征信息，比如动物精子轮廓特征、动物精子长度特征、动物精子头部特征、动物精子颈部特征、动物精子尾部特征等。
具体地，服务器对待识别图像进行多次卷积处理，并将最后一次卷积处理得到的特征图像，作为待识别图像的动物精子特征图像。这样，通过提取待识别图像的动物精子特征图像，可以有效地筛选和结合动物精子的特征图像，避免了其余特征图像影响，有利于后续根据待识别图像的动物精子特征图像，准确确定动物精子在预设精子识别维度下的指标值，从而提高了动物精子的识别准确率。
进一步地，服务器还可以获取预设的动物精子特征图像提取文件，根据预设的动物精子特征图像提取文件，提取待识别图像的动物精子特征图像；其中，预设的动物精子特征图像提取文件是一种能够自动提取待识别图像中的动物精子特征图像的算法文件。
此外，服务器还可以提取待识别图像中的特征图像，将待识别图像中的特征图像与预设的动物精子特征图像进行匹配，比如将待识别图像中的特征图像与动物精子轮廓特征图像、动物精子头部特征图像、动物精子颈部特征图像等进行匹配；若匹配成功，则将该特征图像识别为动物精子特征图像，从而得到待识别图像的动物精子特征图像。这样，通过对待识别图像中的特征图像进行筛选，可以有效地得到待识别图像的动物精子特征图像，从而使得提取的动物精子特征图像更加准确，进一步提高了待识别图像中的动物精子特征图像的提取准确率；同时，避免了多余特征图像对动物精子识别结果的干扰，使得后续的动物精子识别更加准确，进一步提高了动物精子的识别准确率。
举例说明，服务器分别计算待识别图像中的特征图像与预设的动物精子特征图像之间的匹配度，若该匹配度大于预设匹配度，比如80％，则将该特征图像识别为动物精子特征图像，从而得到待识别图像的动物精子特征图像。
S306，根据待识别图像的动物精子特征图像，得到动物精子在预设精子活性识别维度下的活性指标值。
其中，预设精子活性识别维度是指对动物精子活性的评判角度，一般对应多个预设活性指标值；动物精子活性是指动物精液中呈前进运动的动物精子所占的百分率，可以分成多个等级；等级越高，表示动物精子活性越高，等级越低，表示动物精子活性越低。
其中，动物精子在预设精子活性识别维度下的活性指标值是指动物精子在预设精子活性识别维度下的活性等级。
具体地，服务器根据待识别图像的动物精子特征图像，确定动物精子在预设精子活性识别维度的各个预设活性指标值下的概率，根据动物精子在预设精子活性识别维度的各个预设活性指标值下的概率，得到动物精子在预设精子活性识别维度下的活性指标值。其中，动物精子在预设精子活性识别维度的各个预设活性指标值下的概率，是指动物精子对应各个预设活性指标值的概率。通过本步骤，有利于后续根据动物精子在预设精子活性识别维度下的指标值，确定对动物精子活性的识别结果，避免了通过人工检测动物精子活性容易出现错误的缺陷，从而使得动物精子的活性识别更加准确，进一步提高了动物精子的活性识别准确率。
举例说明，服务器对待识别图像的动物精子特征图像进行全连接处理，得到动物精子在预设精子活性识别维度的各个预设活性指标值下的概率；将概率最大的预设活性指标值，作为动物精子在预设精子活性识别维度下的活性指标值。
在一个实施例中，在根据待识别图像的动物精子特征图像，得到动物精子在预设精子活性识别维度下的活性指标值之前，服务器还可以根据待识别图像的动物精子特征图像，确定待识别图像的目标动物精子特征图像；比如，对待识别图像的动物精子特征图像进行池化处理，得到池化处理后的动物精子特征图像，作为待识别图像的目标动物精子特征图像；其中，目标动物精子特征图像是指数据维度更低且保留有更多关键的动物精子特征信息的图像。
在一个实施例中，服务器还可以将待识别图像的动物精子特征图像输入预先训练的活性指标值统计模型中，得到动物精子在预设精子活性识别维度下的活性指标值；其中，活性指标值统计模型是一种能够基于待识别图像的动物精子特征图像，统计得到动物精子在预设精子活性识别维度下的活性指标值的神经网络模型。
S308，根据动物精子在预设精子活性识别维度下的活性指标值，确定对动物精子的活性识别结果。
其中，对动物精子的活性识别结果是指对动物精子的活性检测结果，比如动物精子活性符合要求或者动物精子活性不符合要求、动物精子活性较高或者动物精子活性较低等。
具体地，服务器查询预设的活性指标值与检测结果的对应关系，确定与动物精子在预设精子活性识别维度下的活性指标值对应的检测结果，作为对动物精子的活性识别结果。比如，若动物精子在预设精子活性识别维度下的活性指标值大于或者等于预设指标值，则对应的识别结果为动物精子活性满足要求。这样，实现了自动确定对动物精子的活性识别结果，无需通过人工检测动物精子活性，从而提高了动物精子的活性识别效率，大大地降低了人力成本。
在一个实施例中，在根据动物精子在预设精子活性识别维度下的活性指标值，确定对动物精子的活性识别结果之后，服务器还可以从对动物精子的活性识别结果中，筛选出符合要求的动物精子，并对符合要求的动物精子进行标记，达到了对动物精子进行过滤的目的，从而保证了动物精子质量。
在另一个实施例中，在根据动物精子在预设精子活性识别维度下的活性指标值，确定对动物精子的活性识别结果之后，服务器还可以接收终端发送的动物精子图像识别请求；对动物精子图像识别请求进行解析，得到图像标识；从预先存储的对待识别图像中的动物精子的活性识别结果中，确定与该图像标识对应的待识别图像中的动物精子的活性识别结果，并将该动物精子的活性识别结果推送至对应的终端，以供终端对应的检测人员进行查看，以确定动物精子活性是否符合要求，进而做进一步的其它操作；避免了通过人工对动物精子活性进行检测，导致过程比较繁琐的缺陷，从而节省了大量的人工检测成本，进一步提高了动物精子的活性识别效率。
上述动物精子图像识别方法，通过提取包含有动物精子的待识别图像的动物精子特征图像，并根据待识别图像的动物精子特征图像，得到动物精子在预设精子活性识别维度下的活性指标值；最后根据动物精子在预设精子活性识别维度下的活性指标值，确定对动物精子的活性识别结果；实现了根据包含有动物精子的待识别图像，实时得到对动物精子的活性识别结果的目的，无需通过人工检测动物精子活性，从而简化了动物精子活性的识别过程，降低了人工检测成本，进而提高了动物精子活性的识别效率；同时，通过综合考虑包含有动物精子的待识别图像的动物精子特征图像，可以有效地筛选和结合动物精子的特征图像，避免了其余特征图像影响，实现了动物精子在预设精子活性识别维度下的活性指标值的精准确定，进而使得后续得到的动物精子识别结果更加准确，从而提高了动物精子的识别准确率；此外，通过得到的动物精子在预设精子活性识别维度下的活性指标值，确定对动物精子的活性识别结果，避免了通过人工检测动物精子活性容易出现错误的缺陷，从而使得动物精子活性的识别更加准确，进一步提高了动物精子活性的识别准确率；同时，通过获取对动物精子的活性识别结果，可以有效地确定出符合要求的动物精子，从而保证了动物精子质量。
如图4所示，在一个实施例中，上述步骤S302，获取待识别图像，具体包括如下步骤：
S402，接收摄像装置拍摄到的显微镜下的动物精子图像。
其中，摄像装置是指具有拍摄功能的装置，比如智能手机、家用手机显微镜、相机、摄像机等；显微镜是指由一个透镜或几个透镜的组合构成的一种光学仪器，具体可以是指光学显微镜，也可以是指电子显微镜，具体本申请不做限定。
需要说明的是，摄像装置一般设置在显微镜上，能够拍摄到显微镜下观察得到的动物精子图像。
S404，对动物精子图像进行灰度转化，得到动物精子图像对应的灰度图像，作为待识别图像。
具体地，通过安装在显微镜上的摄像机拍摄显微镜下观察得到的动物精子图像，并将拍摄到的显微镜下的动物精子图像上传至服务器；服务器提取该动物精子图像的亮度信息矩阵，根据亮度信息矩阵，将该动物精子图像进行灰度转化，得到该动物精子图像对应的灰度图像，作为待识别图像。这样，实现了实时采集包含有动物精子的待识别图像的目的，方便后续提取待识别图像中的动物精子特征图像，以得到动物精子在预设精子活性识别维度下的活性指标值。
需要说明的是，若安装在显微镜上的摄像机在没有联网的情况下，还可以通过串口将其拍摄到的显微镜下的动物精子图像传输至本地的计算机设备，通过计算机设备对该动物精子图像进行灰度转化，得到该动物精子图像对应的灰度图像，作为待识别图像。
需要说明的是，服务器还可以通过其他方式对采集的动物精子图像进行灰度转化，比如平均法、最大最小平均法、加权平均法等；其中，平均法是指将动物精子图像同一个像素位置的3个通道(RGB)的值进行平均，得到该动物精子图像对应的灰度图像，作为待识别图像；最大最小平均法是指将动物精子图像同一个像素位置的RGB中亮度最大的与亮度最小的进行平均，得到该动物精子图像对应的灰度图像，作为待识别图像；加权平均法是将动物精子图像同一个像素位置的3个通道(RGB)的值进行加权求和，得到该动物精子图像对应的灰度图像，作为待识别图像；
进一步地，还可以通过后置摄像头搭载有显微镜头的智能手机或者家用手机显微镜直接拍摄载玻片上的动物精子图像，并将拍摄到的显微镜下的动物精子图像上传至服务器；通过服务器对该动物精子图像进行灰度转化，得到该动物精子图像对应的灰度图像，作为待识别图像。
在一个实施例中，上述步骤S302，在获取待识别图像之后，还包括：对待识别图像进行预处理，得到预处理后的待识别图像；预处理包括图像去噪处理、图像增强处理、图像白平衡处理、灰度调整处理以及饱和度调整处理中的任意一种或多种。
具体地，服务器获取待识别图像，如图5(a)所示；对待识别图像进行图像去噪处理、图像增强处理、图像白平衡处理、灰度调整处理以及饱和度调整处理等预处理，得到预处理后的待识别图像，如图5(b)所示。
其中，图像去噪处理是指去除待识别图像中的噪声，比如显微镜成像过程中产生的光噪声、摄像机(或手机)拍摄过程中产生的电噪声、动物精子本身存在的噪声等；图像去噪处理具体可以是中值滤波算法、非局部均值算法等。举例说明，服务器通过中值滤波算法对待识别图像进行图像去噪处理，得到去除噪声的待识别图像，作为预处理后的待识别图像。
其中，图像增强处理是指对待识别图像中的细节部分进行增强和对待识别图像中的重要信息内容进行重建，比如图像超分辨率重建处理。举例说明，服务器将待识别图像输入SRCNN网络模型，通过SRCNN网络模型对待识别图像进行图像增强处理，得到图像增强处理后的待识别图像，作为预处理后的待识别图像；其中，SRCNN网络模型是指超分辨率卷积神经网络模型。
其中，图像白平衡处理是指使图像在不同色温光源下，还原其原始色域，比如基于色温估计的自动白平衡方法。举例说明，服务器基于色温估计的自动白平衡方法，对待识别图像进行图像白平衡处理，得到图像白平衡处理后的待识别图像，作为预处理后的待识别图像。
其中，灰度调整处理是指图像成像的色调效果整体更趋向于真实世界，让其RGB三个分量的平均值更趋向于同一个灰度，比如灰度世界算法。举例说明，服务器基于灰度世界算法，对待识别图像进行灰度调整处理，得到灰度调整处理后的待识别图像，作为预处理后的待识别图像。
其中，饱和度调整处理是指降低图像的色彩饱和度，比如饱和度调整算法。举例说明，服务器对待识别图像进行饱和度调整处理，得到饱和度调整处理后的待识别图像，作为预处理后的待识别图像。
在本实施例中，通过对待识别图像进行预处理，可以去除待识别图像中的噪声，增强待识别图像的分辨率等，使得后续对待识别图像中的动物精子的识别更加准确，进一步提高了动物精子的识别准确率。
在一个实施例中，上述步骤S304，提取待识别图像的动物精子特征图像，包括：将预处理后的待识别图像经过多次卷积处理，得到待识别图像的动物精子特征图像。
具体地，服务器将预处理后的待识别图像输入预先训练的特征提取网络模型，通过预先训练的特征提取网络模型对预处理后的待识别图像进行多次卷积处理，得到待识别图像的动物精子特征图像。预先训练的特征提取网络模型是一种用于提取待识别图像的动物精子特征图像的卷积神经网络模型，是通过多次训练得到的，比如inceptionV3网络模型。
举例说明，服务器将预处理后的待识别图像输入预先训练的inceptionV3网络模型，通过inceptionV3网络模型对预处理后的待识别图像进行多次卷积处理，并将最后一次卷积处理得到的特征图像，作为待识别图像的动物精子特征图像。
在本实施例中，通过提取待识别图像的动物精子特征图像，可以有效地筛选和结合动物精子的特征图像，避免了其余特征图像影响，有利于后续根据待识别图像的动物精子特征图像，准确确定动物精子在预设精子活性识别维度下的活性指标值，从而提高了动物精子的识别准确率。
如图6所示，在一个实施例中，上述步骤S306，根据待识别图像的动物精子特征图像，得到动物精子在预设精子活性识别维度下的活性指标值，具体包括如下步骤：
S602，获取预设精子活性识别维度下的卷积核。
其中，卷积核是指对动物精子特征图像进行卷积处理的矩阵，不同识别维度，对应的卷积核不一样。
S604，根据预设精子活性识别维度下的卷积核，对待识别图像中的动物精子特征图像进行卷积处理，得到动物精子在预设精子活性识别维度下的特征编码。
其中，动物精子在预设精子活性识别维度下的特征编码是指经过预设精子活性识别维度下的卷积核处理后得到的特征向量。
具体地，服务器从本地数据库中获取预设精子活性识别维度下的卷积核，根据预设精子活性识别维度下的卷积核，对待识别图像中的动物精子特征图像进行卷积处理，得到对应的向量，作为动物精子在预设精子活性识别维度下的特征编码。
S606，对动物精子在预设精子活性识别维度下的特征编码进行归一化处理，得到动物精子在预设精子活性识别维度的各个预设活性指标值下的分类概率。
具体地，服务器将对动物精子在预设精子活性识别维度下的特征编码映射为属于[0，1]的数值，以作为动物精子在预设精子活性识别维度的各个预设活性指标值下的分类概率。
S608，将分类概率最大的预设活性指标值，作为动物精子在预设精子活性识别维度下的活性指标值。
具体地，服务器从动物精子在预设精子活性识别维度的各个预设活性指标值中，筛选出分类概率最大的预设活性指标值，作为动物精子在预设精子活性识别维度下的活性指标值。
举例说明，假设动物精子活性具有四个预设活性指标值，分别为预设活性指标值A、预设活性指标值B、预设活性指标值C和预设活性指标值D；服务器获取预设精子活性识别维度对应的卷积核，根据预设精子活性识别维度对应的卷积核，对待识别图像中的动物精子特征图像进行卷积处理，得到动物精子在预设精子活性识别维度下的特征编码为(A1，B1，C1，D1)；对动物精子在预设精子活性识别维度下的特征编码进行归一化处理，得到归一化处理后的特征编码为(A2，B2，C2，D2)；其中，A2＝A1/(A1+B1+C1+D1)，B2＝B1/(A1+B1+C1+D1)，C2＝C1/(A1+B1+C1+D1)，D2＝D1/(A1+B1+C1+D1)；根据归一化处理后的特征编码(A2，B2，C2，D2)，确定动物精子在预设活性指标值A、预设活性指标值B、预设活性指标值C和预设活性指标值D下的分类概率分别为A2，B2，C2，D2；将分类概率最大的预设活性指标值，作为动物精子在预设精子活性识别维度下的活性指标值。比如，归一化处理后的特征编码为(0.1，0.2，0.3，0.4)，则将预设活性指标值D作为动物精子在预设精子活性识别维度下的活性指标值。
在本实施例中，通过获取动物精子在预设精子活性识别维度下的活性指标值，有利于后续根据动物精子在预设精子活性识别维度下的活性指标值，确定对动物精子的活性识别结果，避免了通过人工检测动物精子活性容易出现错误的缺陷，从而使得动物精子活性的识别更加准确，进一步提高了动物精子活性的识别准确率。
在另一个实施例中，上述步骤S306，根据待识别图像的动物精子特征图像，得到动物精子在预设精子活性识别维度下的活性指标值，具体包括如下内容：将待识别图像中的动物精子特征图像输入预先训练的精子活性识别网络模型中，得到动物精子在预设精子活性识别维度下的活性指标值；预先训练的精子活性识别网络模型用于根据预设精子活性识别维度下的卷积核，对待识别图像中的动物精子特征图像进行卷积处理，得到动物精子在预设精子活性识别维度下的特征编码；对动物精子在预设精子活性识别维度下的特征编码进行归一化处理，得到动物精子在预设精子活性识别维度的各个预设活性指标值下的分类概率；将分类概率最大的预设活性指标值，作为动物精子在预设精子活性识别维度下的活性指标值。
其中，预先训练的精子活性识别网络模型是一种能够对动物精子活性进行分类的卷积神经网络模型。
在本实施例中，通过预先训练的精子活性识别网络模型对待识别图像中的动物精子特征图像进行处理，可以得到动物精子在预设精子活性识别维度下的活性指标值，有利于后续根据动物精子在预设精子活性识别维度下的活性指标值，确定对动物精子的活性识别结果；无需通过人工检测动物精子活性，从而简化了动物精子活性的识别过程，降低了人工检测成本，进而提高了动物精子活性的识别效率。
进一步地，如图7所示，上述实施例中的预先训练的精子活性识别网络模型可以通过下述步骤训练得到：
S702，采集包含有动物精子的样本图像以及动物精子在预设精子活性识别维度下的实际活性指标值。
其中，样本图像是指标注有包含的动物精子在预设精子活性识别维度下的实际活性指标值的图像。
具体地，服务器获取网络上的标注有包含的动物精子在预设精子活性识别维度下的实际活性指标值的图像，从标注有包含的动物精子在预设精子活性识别维度下的实际活性指标值的图像中，筛选出一部分图像，作为样本图像。
进一步地，服务器还可以基于大数据技术，采集网络上的包含有动物精子的图像，作为样本图像，并对样本图像进行人工分析计算，得到样本图像中包含的动物精子在预设精子活性识别维度下的实际活性指标值。
S704，提取样本图像中的动物精子特征图像。
具体地，服务器对样本图像进行预处理，比如图像去噪处理、图像增强处理等，得到预处理后的样本图像；将预处理后的样本图像经过多次卷积处理，并将最后一次卷积处理后得到的特征图像，作为样本图像的动物精子特征图像。
S706，根据样本图像中的动物精子特征图像，对待训练的精子活性识别网络模型进行训练，得到训练后的精子活性识别网络模型。
具体地，服务器通过不同样本图像中的动物精子特征图像，对待训练的精子活性识别网络模型进行多次训练，得到训练后的精子活性识别网络模型。
S708，获取训练后的精子活性识别网络模型输出的预设精子活性识别维度下的活性指标值与实际活性指标值之间的预测误差。
S710，当预测误差大于或等于预设阈值时，根据预测误差调整精子活性识别网络模型的网络参数，得到调整后的精子活性识别网络模型，并对调整后的精子活性识别网络模型进行反复训练，直至根据训练后的精子活性识别网络模型得到的预测误差小于预设阈值。
S712，若根据训练后的精子活性识别网络模型得到的预测误差小于预设阈值，将训练后的精子活性识别网络模型作为预先训练的精子活性识别网络模型。
具体地，在预测误差大于或等于预设阈值的情况下，服务器不断调整精子活性识别网络模型中的网络参数，以对精子活性识别网络模型进行反复训练，直至根据训练后的精子活性识别网络模型得到的预测误差小于预设阈值，将当前的精子活性识别网络模型作为训练后的精子活性识别网络模型，从而得到预先训练的精子活性识别网络模型。
进一步地，通过预先训练的精子活性识别网络模型，可以获得动物精子在预设精子活性识别维度下的活性指标值，从而确定对动物精子活性的识别结果，方便后续根据用户请求将相应的动物精子的活性识别结果推送至对应的用户。
在本实施例中，通过对精子活性识别网络模型进行反复训练，可以提高通过精子活性识别网络模型得到的动物精子在预设精子活性识别维度下的活性指标值的准确率，使得后续的动物精子活性识别更加准确，从而提高了动物精子活性的识别准确率。
如图8所示，在一个实施例中，在将待识别图像中的动物精子特征图像输入预先训练的精子活性识别网络模型中，得到动物精子在预设精子活性识别维度下的活性指标值之前，还包括获取预先训练的精子活性识别网络模型的步骤，具体包括如下步骤：
S802，识别待识别图像的动物标签。
其中，动物标签是指用于标识待识别图像中的动物精子的类型，比如动物名称、动物编号等。
S804，获取与动物标签对应的精子活性识别网络模型的网络参数。
其中，不同动物标签，对应的精子活性识别网络模型的网络参数不一样。
具体地，服务器预先获取不同动物标签对应的精子活性识别网络模型的网络参数，根据不同动物标签对应的精子活性识别网络模型的网络参数，构建动物标签与精子活性识别网络模型的网络参数的对应关系，作为预设的动物标签与精子活性识别网络模型的网络参数的对应关系；根据动物标签，查询预设的动物标签与精子活性识别网络模型的网络参数的对应关系，得到与该动物标签对应的精子活性识别网络模型的网络参数。
S806，根据网络参数，对当前的精子活性识别网络模型的网络参数进行更新，得到预先训练的精子活性识别网络模型。
具体地，服务器获取当前的精子活性识别网络模型的网络参数，将当前的精子活性识别网络模型的网络参数，替换为与动物标签对应的精子活性识别网络模型的网络参数，从而得到网络参数更新后的精子活性识别网络模型，作为预先训练的精子活性识别网络模型。
在本实施例中，根据待识别图像的动物标签，确定对应的精子活性识别网络模型，有利于后续根据精子活性识别网络模型，对对应的动物精子在预设精子活性识别维度下的活性指标值进行精准确定，进而得到对动物精子活性的识别结果，从而实现了对不同动物精子活性进行识别的目的，达到了对不同动物精子进行活性检测的效果。
如图9所示，在一个实施例中，上述步骤S308，根据动物精子在预设精子活性识别维度下的活性指标值，确定对动物精子的活性识别结果，具体包括如下步骤：
S902，若动物精子在预设精子活性识别维度下的活性指标值大于或者等于预设指标值，确定动物精子的活性满足预设条件。
其中，预设条件用于表示动物精子活性符合要求；比如动物精子的活性满足预设条件，说明动物精子活性符合要求。
S904，若动物精子在预设精子活性识别维度下的活性指标值小于预设活性指标值，确定动物精子的活性不满足预设条件。
具体地，若动物精子在预设精子活性识别维度下的活性指标值大于或者等于预设活性指标值，说明该动物精子的活性符合要求，则确定动物精子的活性满足预设条件，比如动物精子为高活性的动物精子；若动物精子在预设精子活性识别维度下的活性指标值小于预设活性指标值，说明该动物精子的活性不符合要求，则确定动物精子的活性不满足预设条件，比如动物精子为低活性的动物精子。
进一步地，服务器还可以将待识别图像中的动物精子在预设精子活性识别维度下的活性指标值以及对动物精子的活性识别结果，作为待识别图像中的动物精子的标签信息，方便检测人员根据标签信息快速了解待识别图像中的动物精子的活性信息。
在本实施例中，实现了根据动物精子在预设精子活性识别维度下的活性指标值，实时确定对动物精子的活性识别结果，无需通过人工检测动物精子活性，从而简化了动物精子活性的识别过程，降低了人工检测成本，进而提高了动物精子活性的识别效率。
如图10所示，在一个实施例中，本申请的动物精子图像识别方法还包括存储动物精子在预设精子活性识别维度下的活性指标值以及对动物精子的活性识别结果的步骤，具体包括如下步骤：
S1002，获取待识别图像的图像标识。
其中，图像标识是指用于标识待识别图像的标识信息，比如图像编号、图像名称等。
具体地，服务器为待识别图像分配对应的图像编号，比如1、2、3等，并将图像编号作为待识别图像的图像标识。
进一步地，服务器还可以获取待识别图像的图像名称，并将图像名称作为待识别图像的图像标识。
S1004，将动物精子在预设精子活性识别维度下的活性指标值以及对动物精子的活性识别结果，按照图像标识存储至预设数据库中。
具体地，服务器将动物精子在预设精子活性识别维度下的活性指标值以及对动物精子的活性识别结果均按照图像标识存储至Redis数据库中，以通过Redis数据库存储多个图像标识对应的活性指标值以及活性识别结果。当然，服务器还可以采用其他缓存方式存储图像标识对应的活性指标值以及活性识别结果。
进一步地，在将动物精子在预设精子活性识别维度下的活性指标值以及对动物精子的活性识别结果按照图像标识存储至预设数据库中之后，在用户发起动物精子图像识别请求时，服务器还可以从预设数据库中提取出相应的活性指标值以及活性识别结果，并将该活性指标值以及活性识别结果推送至对应的用户。
本实施例中，实现了将动物精子在预设精子活性识别维度下的活性指标值以及对动物精子的活性识别结果进行存储的目的，便于后续根据用户发起的动物精子图像识别请求，准确地、实时地将对应的活性指标值以及活性识别结果推送至对应的用户，无需通过人工检测动物精子活性，从而降低了人工检测成本，进而提高了动物精子活性的识别效率。
在一个实施例中，本申请还提供了另一种动物精子图像识别方法，该动物精子图像识别方法可以应用于如图11所示的应用环境图中。参照图11，该动物精子图像识别方法应用于动物精子图像识别系统。该动物精子图像识别系统包括用户终端1110和服务器1120；用户终端1110与服务器1120通过网络连接。用户终端可以是移动终端，移动终端具体可以是手机、平板电脑、笔记本电脑等中的至少一种。服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
如图12所示，在一个实施例中，提供了另一种动物精子图像识别方法。本实施例主要以该方法应用于上述图11中的服务器1120来举例说明。参照图12，该动物精子图像识别方法具体包括如下步骤：
S1202，接收终端发送的动物精子图像识别请求；动物精子图像识别请求中携带有图像标识。
具体地，终端通过响应检测人员在终端的动物精子识别界面上的图像选择操作，获取检测人员选择的包含有动物精子的待识别图像的图像标识，并根据图像标识生成动物精子图像识别请求，将生成的动物精子图像识别请求发送至对应的服务器；服务器对该动物精子图像识别请求进行解析，得到包含有动物精子的待识别图像的图像标识。
举例说明，参考图13(a)，在终端的动物精子识别界面上显示有图像选择按钮和图像检测按钮，检测人员通过点击图像选择按钮，进入本地相册，在本地相册中选择一张包含有动物精子的图像，作为待识别图像，如图A，并通过终端在动物精子识别界面上显示图A；接着，检测人员通过点击图像检测按钮，触发终端获取检测人员选择的图A的图像标识，并将图A的图像标识发送至对应的服务器，以请求服务器根据图A的图像标识，得到对应的活性指标值以及活性识别结果。
S1204，从预设数据库中获取与图像标识对应的活性指标值以及活性识别结果。
其中，预设数据库中存储了多个图像标识对应的活性指标值以及活性识别结果；活性指标值是指图像标识对应的待识别图像中的动物精子在预设精子活性识别维度下的活性指标值，活性识别结果是指对图像标识对应的待识别图像中的动物精子的活性识别结果。
具体地，服务器根据图像标识查询预设数据库，从预设数据库中获取与该图像标识对应的活性指标值以及活性识别结果。
此外，若在预设数据库中没有获取到与图像标识对应的活性指标值以及活性识别结果，说明预设数据库中没有存储该图像标识对应的活性指标值以及活性识别结果，则通过服务器获取图像标识对应的图像，根据图像标识对应的图像，实时确定该图像中的动物精子对应的活性指标值以及活性识别结果。
需要说明的是，服务器除了可以从预设数据库中获取与图像标识对应的活性指标值以及活性识别结果，还可以实时确定图像标识对应的图像中的动物精子的活性指标值以及活性识别结果。
例如，服务器获取与图像标识对应的图像；提取图像的动物精子特征图像；根据待识别图像的动物精子特征图像，得到动物精子在预设精子活性识别维度下的活性指标值；根据动物精子在所述预设精子活性识别维度下的活性指标值，确定对动物精子的活性识别结果，从而得到图像中的动物精子的活性指标值以及活性识别结果，作为图像标识对应的活性指标值以及活性识别结果。
S1206，将活性指标值以及活性识别结果推送至终端。
具体地，服务器将图像标识对应的活性指标值以及活性识别结果推送至对应的终端，以通过终端的动物精子识别界面展示图像标识对应的图像中的动物精子的活性指标值以及活性识别结果，方便检测人员查看图像中的动物精子活性是否符合要求。
举例说明，参考图13(b)，通过终端的动物精子识别界面展示服务器发送的图A中的动物精子的活性指标值以及活性识别结果。
在本实施例中，实现了根据动物精子图像识别请求，实时将相应的图像中的动物精子的活性指标值以及活性识别结果推送至对应的检测人员的目的，无需通过人工对动物精子活性进行检测，从而提高了动物精子活性的识别效率，同时节约了人工检测成本。
如图14所示，在一个实施例中，提供了又一种动物精子图像识别方法。本实施例主要以该方法应用于上述图11中的服务器1120来举例说明。参照图14，该动物精子图像识别方法具体包括如下步骤：
S1402，接收终端发送的动物精子图像识别请求；动物精子图像识别请求中携带有待识别图像，待识别图像中包含有动物精子。
S1404，对待识别图像进行预处理，得到预处理后的待识别图像；预处理包括图像去噪处理、图像增强处理、图像白平衡处理、灰度调整处理以及饱和度调整处理中的任意一种或多种。
S1406，将预处理后的待识别图像经过多次卷积处理，得到待识别图像的动物精子特征图像。
S1408，将待识别图像中的动物精子特征图像输入预先训练的精子识别网络模型中，得到动物精子在预设精子活性识别维度下的活性指标值。
其中，预先训练的精子识别网络模型用于根据精子识别维度下的卷积核，对待识别图像中的动物精子特征图像进行卷积处理，得到动物精子在预设精子活性识别维度下的特征编码；对动物精子在预设精子活性识别维度下的特征编码进行归一化处理，得到动物精子在预设精子活性识别维度的各个预设活性指标值下的分类概率；将分类概率最大的预设活性指标值，作为动物精子在预设精子活性识别维度下的活性指标值。
S1410，根据动物精子在预设精子活性识别维度下的活性指标值，确定对动物精子的活性识别结果。
S1412，将动物精子在预设精子活性识别维度下的活性指标值以及对动物精子的活性识别结果推送至对应的终端。
进一步地，终端还可以将包含有动物精子的待识别图像上传至本地的计算机设备(如本地电脑)，由本地的计算机设备执行上述步骤S1404至S1410，并显示动物精子在预设精子活性识别维度下的活性指标值以及对动物精子的活性识别结果，或者将动物精子在预设精子活性识别维度下的活性指标值以及对动物精子的活性识别结果推送至上述终端。
在本实施例中，实现了根据包含有动物精子的待识别图像，实时得到对动物精子的识别结果的目的，无需通过人工检测动物精子活性，从而简化了动物精子活性的识别过程，降低了人工检测成本，进而提高了动物精子活性的识别效率；同时，通过综合考虑包含有动物精子的待识别图像的动物精子特征图像，可以有效地筛选和结合动物精子的特征图像，避免了其余特征图像影响，实现了动物精子在预设精子活性识别维度下的活性指标值的精准确定，进而使得后续得到的动物精子活性识别结果更加准确，从而提高了动物精子活性的识别准确率；此外，通过得到的动物精子在预设精子活性识别维度下的活性指标值，确定对动物精子的活性识别结果，避免了通过人工检测动物精子活性容易出现错误的缺陷，从而使得动物精子活性的识别更加准确，进一步提高了动物精子活性的识别准确率；同时，通过获取对动物精子的活性识别结果，可以有效地确定出符合要求的动物精子，从而保证了动物精子质量。
如图15所示，在一个实施例中，提供了一种动物精子图像显示方法，具体包括如下步骤：
S1502，显示待识别图像；待识别图像中包含有动物精子。
举例说明，参考图13(a)，在终端(比如智能手机)的动物精子识别界面上显示有待识别图像(如图A)、图像选择按钮以及图像检测按钮；图像选择按钮用于触发选择待识别图像，图像检测按钮用于触发识别待识别图像中的动物精子。
在一个实施例中，参考图13(a)，检测人员点击动物精子识别界面上的图像选择按钮，进入本地相册，在本地相册中选择一张包含有动物精子的图像，作为待识别图像，如图A，并通过终端在动物精子识别界面上显示图A。
S1504，接收针对待识别图像的触发指令。
举例说明，参考图13(a)，检测人员通过点击图像检测按钮，触发生成针对图A的触发指令，并由终端接收针对图A的触发指令。
S1506，响应触发指令，显示对动物精子的识别结果；对动物精子的识别结果为提取待识别图像中的动物精子特征图像，根据待识别图像中的动物精子特征图像，得到动物精子在预设精子活性识别维度下的活性指标值，根据动物精子在预设精子活性识别维度下的活性指标值得到。
举例说明，参考13(b)，通过终端的动物精子识别界面展示终端对图A中的动物精子的识别结果；当然，还可以通过终端的动物精子识别界面展示终端得到的图A中的动物精子在预设精子活性识别维度下的活性指标值。
在本实施例中，实现了根据针对待识别图像的触发指令，实时显示对动物精子的识别结果的目的，方便快捷；同时实现了根据包含有动物精子的待识别图像，实时得到对动物精子的活性识别结果的目的，无需通过人工检测动物精子活性，从而简化了动物精子活性的识别过程，降低了人工检测成本，进而提高了动物精子活性的识别效率。
在一个实施例中，如图16所示，本申请还提供一种应用场景，该应用场景应用上述的动物精子图像识别方法。具体地，该动物精子图像识别方法在该应用场景的应用如下：
首先，将采集后的动物精液涂抹至相应载玻片上；接着，根据不同的使用场景，使用不同的设备获取动物精子图像，比如通过后置摄像头搭载有显微镜头的智能手机或者家用手机显微镜直接拍摄载玻片上的动物精子图像(或者视频)，或者通过安装在显微镜上的摄像头拍摄显微镜下观察得到的动物精子图像(或者视频)；然后，根据不同的使用场景，使用不同设备(比如本地计算机、移动端设备或者云服务器)提供的图像处理模块对获取的动物精子图像进行图像预处理，以解决动物精子图像的图像颜色、亮度、平衡等图像质量问题，从而得到符合要求的动物精子图像。最后，同样根据不同的使用场景，使用不同设备(比如本地计算机、移动端设备或者云服务器)提供的图像计算模块对预处理后的动物精子图像进行计算处理，得到动物精子图像中的动物精子的活性指标值，并将动物精子图像中的动物精子的活性指标值发送至返回指标处理模块；例如，在实验室里，使用本地计算机计算；在联网时，使用云服务器计算；在养殖场里，使用云服务器计算；在无信号时，使用移动端设备计算。
在一个实施例中，如图17所示，本申请还另外提供一种应用场景，该应用场景应用上述的动物精子图像识别方法。具体地，该动物精子图像识别方法在该应用场景的应用如下：
首先，采集动物精子的原始图像；例如，利用光学设备与CMOS电路成像原理，采集动物精子的原始图像，从而形成灰度图像。接着，通过图像处理模块对动物精子的原始图像进行图像处理，得到预处理后图像；例如，对动物精子的原始图像进行图像去噪、图像增强、图像白平衡、灰度调整、饱和度调整等处理。然后，将预处理后的图像数据集送入深度网路模块中，开始模型训练；例如，采用深度学习中的inceptionV3结构，通过随机梯度下降算法(SGD)进行训练，最后对模型进行评估，选取符合指标的模型结果并保存，其具体流程如下：简历深度学习神经网络InceptionV3结构，设定训练函数SGD、学习率和迭代次数；开始模型训练，检测验证集的loss；选取验证集的loss最小值对应的模型，作为训练好的预测模型。最后，加载训练好的预测模型，对动物精子图像集进行预测，可以检测动物精子活性，其具体流程如下：加载训练好的预测模型，输入需要预测的处理后的动物精子图像或视频图像集至训练好的预测模型，通过训练好的预测模型生成动物精子活性的判定指标值，并记录相应的动物精子活性的判定指标值，同时将其返回给终端，便于终端对应的检测人员进行查看，无需通过人工检测，从而提高了动物精子活性的识别效率。
在一个实施例中，如图18所示，本申请还提供了对应的硬件计算流程，该硬件计算流程应用上述的动物精子图像识别方法。具体地，该动物精子图像识别方法在该硬件计算流程的应用如下：
首先，通过客户终端设备(如智能手机、家用手机显微镜等)采集动物精子的原理图像；接着，通过本地计算机(即本地PC)、移动端或者云服务器提供的图像处理模块对动物精子的原理图像进行图像预处理，得到预处理后的图像；然后，将预处理后的图像数据集送入云服务器，通过云服务器提供的模型训练模块进行模型训练，得到训练后的模型，作为预测模型。最后，在不同的使用场景，使用不同设备(如本地PC、移动端或者云服务器)提供的模型预测模块，基于模型训练模块提供的预测模型，采用联网动态部署更新，并将处理得到的动物精子活性指标值返回给返回指标处理模块。
在本实施例中，通过采用机器视觉的图像识别方法，可以达到以下效果：(1)采用可视化方法，可以观测精子游动过程，评估更直观可信；(2)总体方案的准确率不会随着使用环境的不同、数据的不同而造成偏差，而模型可以不断迭代更新，适用于各种场景，具有令人信服的准确性；(3)总体方案使用多种计算设备，对室内科研实验室、室外畜牧业养殖等使用场景，可以在有无联网的不同场景下使用；(4)总体技术方案更便捷，可更新，可以不断调整动态结果，适用于不同动物精子活性检测。
应该理解的是，虽然图3、4、6-10、12、14、15的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图3、4、6-10、12、14、15中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
如图19所示，在一个实施例中，提供了一种动物精子图像识别装置1900，该装置1900包括：图像获取模块1902，图像提取模块1904，指标值获取模块1906以及识别结果确定模块1908，其中：
图像获取模块1902，用于获取待识别图像；待识别图像中包含有动物精子。
图像提取模块1904，用于提取待识别图像的动物精子特征图像。
指标值获取模块1906，用于根据待识别图像的动物精子特征图像，得到动物精子在预设精子活性识别维度下的活性指标值。
识别结果确定模块1908，用于根据动物精子在预设精子活性识别维度下的活性指标值，确定对动物精子的活性识别结果。
在一个实施例中，图像获取模块1902还用于接收摄像装置拍摄到的显微镜下的动物精子图像；对动物精子图像进行灰度转化，得到动物精子图像对应的灰度图像，作为待识别图像。
在一个实施例中，动物精子图像识别装置1900具体还包括：图像预处理模块。
图像预处理模块，用于对待识别图像进行预处理，得到预处理后的待识别图像；预处理包括图像去噪处理、图像增强处理、图像白平衡处理、灰度调整处理以及饱和度调整处理中的任意一种或多种。
在一个实施例中，图像提取模块1904还用于将预处理后的待识别图像经过多次卷积处理，得到待识别图像的动物精子特征图像。
在一个实施例中，指标值获取模块1906还用于获取预设精子活性识别维度下的卷积核；根据预设精子活性识别维度下的卷积核，对待识别图像中的动物精子特征图像进行卷积处理，得到动物精子在预设精子活性识别维度下的特征编码；对动物精子在预设精子活性识别维度下的特征编码进行归一化处理，得到动物精子在预设精子活性识别维度的各个预设活性指标值下的分类概率；将分类概率最大的预设活性指标值，作为动物精子在预设精子活性识别维度下的活性指标值。
在一个实施例中，指标值获取模块1906还用于将待识别图像中的动物精子特征图像输入预先训练的精子活性识别网络模型中，得到动物精子在预设精子活性识别维度下的活性指标值；预先训练的精子活性识别网络模型用于根据预设精子活性识别维度下的卷积核，对待识别图像中的动物精子特征图像进行卷积处理，得到动物精子在预设精子活性识别维度下的特征编码；对动物精子在预设精子活性识别维度下的特征编码进行归一化处理，得到动物精子在预设精子活性识别维度的各个预设活性指标值下的分类概率；将分类概率最大的预设活性指标值，作为动物精子在预设精子活性识别维度下的活性指标值。
在一个实施例中，动物精子图像识别装置1900具体还包括：模型获取模块。
模型获取模块，用于识别待识别图像的动物标签；获取与动物标签对应的精子活性识别网络模型的网络参数；根据网络参数，对当前的精子活性识别网络模型的网络参数进行更新，得到预先训练的精子活性识别网络模型。
在一个实施例中，动物精子图像识别装置1900具体还包括：模型训练模块。
模型训练模块，用于采集包含有动物精子的样本图像以及动物精子在预设精子活性识别维度下的实际活性指标值；提取样本图像中的动物精子特征图像；根据样本图像中的动物精子特征图像，对待训练的精子活性识别网络模型进行训练，得到训练后的精子活性识别网络模型；获取训练后的精子活性识别网络模型输出的预设精子活性识别维度下的活性指标值与实际活性指标值之间的预测误差；当预测误差大于或等于预设阈值时，根据预测误差调整精子活性识别网络模型的网络参数，得到调整后的精子活性识别网络模型，并对调整后的精子活性识别网络模型进行反复训练，直至根据训练后的精子活性识别网络模型得到的预测误差小于预设阈值；若根据训练后的精子活性识别网络模型得到的预测误差小于预设阈值，将训练后的精子活性识别网络模型作为预先训练的精子活性识别网络模型。
在一个实施例中，识别结果确定模块1908还用于若动物精子在预设精子活性识别维度下的活性指标值大于或者等于预设活性指标值，确定动物精子的活性满足预设条件；若动物精子在预设精子活性识别维度下的活性指标值小于预设活性指标值，确定动物精子的活性不满足预设条件。
在一个实施例中，动物精子图像识别装置1900具体还包括：存储模块。
存储模块，用于获取待识别图像的图像标识；将动物精子在预设精子活性识别维度下的活性指标值以及对动物精子的活性识别结果，按照图像标识存储至预设数据库中。
在一个实施例中，动物精子图像识别装置1900具体还包括：推送模块。
推送模块，用于接收终端发送的动物精子图像识别请求；动物精子图像识别请求中携带有图像标识；从预设数据库中获取与图像标识对应的活性指标值以及活性识别结果；将活性指标值以及活性识别结果推送至终端。
在本实施例中，动物精子图像识别装置通过提取包含有动物精子的待识别图像的动物精子特征图像，并根据待识别图像的动物精子特征图像，得到动物精子在预设精子活性识别维度下的活性指标值；最后根据动物精子在预设精子活性识别维度下的活性指标值，确定对动物精子活性的识别结果；实现了根据包含有动物精子的待识别图像，实时得到对动物精子活性的识别结果的目的，无需通过人工检测动物精子活性，从而简化了动物精子活性的识别过程，降低了人工检测成本，进而提高了动物精子活性的识别效率；同时，通过综合考虑包含有动物精子的待识别图像的动物精子特征图像，可以有效地筛选和结合动物精子的特征图像，避免了其余特征图像影响，实现了动物精子在预设精子活性识别维度下的活性指标值的精准确定，进而使得后续得到的动物精子活性识别结果更加准确，从而提高了动物精子活性的识别准确率；此外，通过得到的动物精子在预设精子活性识别维度下的活性指标值，确定对动物精子活性的识别结果，避免了通过人工检测动物精子活性容易出现错误的缺陷，从而使得动物精子活性的识别更加准确，进一步提高了动物精子活性的识别准确率；同时，通过获取对动物精子活性的识别结果，可以有效地确定出符合要求的动物精子，从而保证了动物精子质量。
如图20所示，在一个实施例中，提供了一种动物精子图像显示装置2000，该装置2000包括：图像显示模块2002，指令接收模块2004以及结果显示模块2006，其中：
图像显示模块2002，用于显示待识别图像；待识别图像中包含有动物精子。
指令接收模块2004，用于接收针对待识别图像的触发指令。
结果显示模块2006，用于响应触发指令，显示对动物精子的活性识别结果；对动物精子的活性识别结果为提取待识别图像中的动物精子特征图像，根据待识别图像中的动物精子特征图像，得到动物精子在预设精子活性识别维度下的活性指标值，根据动物精子在预设精子活性识别维度下的活性指标值得到。
如图21所示，在一个实施例中，提供了一种动物精子图像识别终端2100，包括图像采集器2110、存储器2120和处理器2130，处理器2130分别连接采集器2110和存储器2120；其中：
图像采集器2110，用于采集待识别图像；待识别图像中包含有动物精子。
存储器2120，用于存储计算机可读指令。
处理器2130，用于在计算机可读指令被处理器2130执行时，执行如下步骤：提取待识别图像的动物精子特征图像；根据待识别图像的动物精子特征图像，得到动物精子在预设精子活性识别维度下的活性指标值；根据动物精子在预设精子活性识别维度下的活性指标值，确定对动物精子的活性识别结果。
其中，图像采集器2110可以是搭载有显微镜头的摄像头，用于拍摄载玻片上的动物精子图像，并将拍摄到的显微镜下的动物精子图像传输至处理器2130；总体而言，动物精子图像识别终端2100可以是后置摄像头搭载有显微镜头的智能手机或者家用手机显微镜。
需要说明的是，针对上述步骤的具体实施方式，已经在有关该步骤的实施例中进行了详细描述，此处将不做详细阐述说明。
在本实施例中，动物精子图像识别终端实现了根据包含有动物精子的待识别图像，实时得到对动物精子的活性识别结果的目的，无需通过人工检测动物精子活性，从而简化了动物精子活性的识别过程，降低了人工检测成本，进而提高了动物精子活性的识别效率；同时，通过综合考虑包含有动物精子的待识别图像的动物精子特征图像，可以有效地筛选和结合动物精子的特征图像，避免了其余特征图像影响，实现了动物精子在预设精子活性识别维度下的活性指标值的精准确定，进而使得后续得到的动物精子活性识别结果更加准确，从而提高了动物精子活性的识别准确率。
如图22所示，在一个实施例中，提供了一种动物精子图像识别系统，包括显微镜2210、摄像装置2220和计算机设备2230；摄像装置2220设置在显微镜2210上，摄像装置2220与计算机设备2230连接；其中：
摄像装置2220，用于拍摄显微镜2210下的动物精子图像，作为待识别图像，并将待识别图像发送至计算机设备2230。
计算机设备2230，用于提取待识别图像的动物精子特征图像；根据待识别图像的动物精子特征图像，得到动物精子在预设精子活性识别维度下的活性指标值；根据动物精子在预设精子活性识别维度下的活性指标值，确定对动物精子的活性识别结果。
其中，显微镜2210是指光学显微镜或者电子显微镜；摄像装置2220是指具有拍摄功能的装置，比如智能手机、家用手机显微镜、相机、摄像机等；计算机设备2230是指安装有图像处理系统的终端(比如本地电脑、个人计算机等)或者专业图像处理服务器。
在本实施例中，动物精子图像识别系统实现了根据包含有动物精子的待识别图像，实时得到对动物精子的活性识别结果的目的，无需通过人工检测动物精子活性，从而简化了动物精子活性的识别过程，降低了人工检测成本，进而提高了动物精子活性的识别效率；同时，通过综合考虑包含有动物精子的待识别图像的动物精子特征图像，可以有效地筛选和结合动物精子的特征图像，避免了其余特征图像影响，实现了动物精子在预设精子活性识别维度下的活性指标值的精准确定，进而使得后续得到的动物精子活性识别结果更加准确，从而提高了动物精子活性的识别准确率。
图23示出了一个实施例中计算机设备的内部结构图。该计算机设备具体可以是图1中的服务器110。如图23所示，该计算机设备包括该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、输入装置和显示屏。其中，存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质存储有操作系统，还可存储有计算机程序，该计算机程序被处理器执行时，可使得处理器实现动物精子图像识别方法。该内存储器中也可储存有计算机程序，该计算机程序被处理器执行时，可使得处理器执行动物精子图像识别方法。计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图23中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，本申请提供的动物精子图像识别装置可以实现为一种计算机程序的形式，计算机程序可在如图23所示的计算机设备上运行。计算机设备的存储器中可存储组成该动物精子图像识别装置的各个程序模块，比如，图19所示的图像获取模块1902、图像提取模块1904、指标值获取模块1906和识别结果确定模块1908。各个程序模块构成的计算机程序使得处理器执行本说明书中描述的本申请各个实施例的动物精子图像识别方法中的步骤。
例如，图23所示的计算机设备可以通过如图19所示的动物精子图像识别装置中的图像获取模块1902获取待识别图像；待识别图像中包含有动物精子。计算机设备可通过图像提取模块1904提取待识别图像的动物精子特征图像。计算机设备可通过指标值获取模块1906根据待识别图像的动物精子特征图像，得到动物精子在预设精子活性识别维度下的活性指标值，并通过识别结果确定模块1908根据动物精子在预设精子活性识别维度下的活性指标值，确定对动物精子的活性识别结果。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，计算机程序被处理器执行时，使得处理器执行上述动物精子图像识别方法的步骤。此处动物精子图像识别方法的步骤可以是上述各个实施例的动物精子图像识别方法中的步骤。
在一个实施例中，提供了一种计算机可读存储介质，存储有计算机程序，计算机程序被处理器执行时，使得处理器执行上述动物精子图像识别方法的步骤。此处动物精子图像识别方法的步骤可以是上述各个实施例的动物精子图像识别方法中的步骤。
在一个实施例中，本申请提供的动物精子图像显示装置可以实现为一种计算机程序的形式，计算机程序可在如图23所示的计算机设备上运行。计算机设备的存储器中可存储组成该动物精子图像显示装置的各个程序模块，比如，图20所示的图像显示模块2002、指令接收模块2004和结果显示模块2006。各个程序模块构成的计算机程序使得处理器执行本说明书中描述的本申请各个实施例的动物精子图像显示方法中的步骤。
例如，图23所示的计算机设备可以通过如图20所示的动物精子图像显示装置中的图像显示模块2002显示待识别图像；待识别图像中包含有动物精子。计算机设备可通过指令接收模块2004接收针对待识别图像的触发指令，并通过结果显示模块2006响应触发指令，显示对动物精子的活性识别结果；对动物精子的活性识别结果为提取待识别图像中的动物精子特征图像，根据待识别图像中的动物精子特征图像，得到动物精子在预设精子活性识别维度下的活性指标值，根据动物精子在预设精子活性识别维度下的活性指标值得到。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，计算机程序被处理器执行时，使得处理器执行上述动物精子图像显示方法的步骤。此处动物精子图像显示方法的步骤可以是上述各个实施例的动物精子图像显示方法中的步骤。
在一个实施例中，提供了一种计算机可读存储介质，存储有计算机程序，计算机程序被处理器执行时，使得处理器执行上述动物精子图像显示方法的步骤。此处动物精子图像显示方法的步骤可以是上述各个实施例的动物精子图像显示方法中的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic Random Access Memory，DRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (15)

1.一种动物精子图像识别方法，包括：
获取待识别图像；所述待识别图像中包含有动物精子；
提取所述待识别图像的动物精子特征图像；
根据所述待识别图像的动物精子特征图像，得到所述动物精子在预设精子活性识别维度下的活性指标值；
根据所述动物精子在所述预设精子活性识别维度下的活性指标值，确定对所述动物精子的活性识别结果。
2.根据权利要求1所述的方法，其特征在于，所述获取待识别图像，包括：
接收摄像装置拍摄到的显微镜下的动物精子图像；
对所述动物精子图像进行灰度转化，得到所述动物精子图像对应的灰度图像，作为所述待识别图像。
3.根据权利要求1所述的方法，其特征在于，在获取待识别图像之后，还包括：
对所述待识别图像进行预处理，得到预处理后的待识别图像；所述预处理包括图像去噪处理、图像增强处理、图像白平衡处理、灰度调整处理以及饱和度调整处理中的任意一种或多种；
所述提取所述待识别图像的动物精子特征图像，包括：
将所述预处理后的待识别图像经过多次卷积处理，得到所述待识别图像的动物精子特征图像。
4.根据权利要求1所述的方法，其特征在于，所述根据所述待识别图像的动物精子特征图像，得到所述动物精子在预设精子活性识别维度下的指标值，包括：
获取预设精子活性识别维度下的卷积核；
根据所述预设精子活性识别维度下的卷积核，对所述待识别图像中的动物精子特征图像进行卷积处理，得到所述动物精子在所述预设精子活性识别维度下的特征编码；
对所述动物精子在所述预设精子活性识别维度下的特征编码进行归一化处理，得到所述动物精子在所述预设精子活性识别维度的各个预设活性指标值下的分类概率；
将分类概率最大的预设活性指标值，作为所述动物精子在预设精子活性识别维度下的活性指标值。
5.根据权利要求1所述的方法，其特征在于，所述根据所述待识别图像中的动物精子特征图像，得到所述动物精子在预设精子活性识别维度下的指标值，包括：
将所述待识别图像中的动物精子特征图像输入预先训练的精子活性识别网络模型中，得到所述动物精子在预设精子活性识别维度下的指标值；
所述预先训练的精子活性识别网络模型用于根据预设精子活性识别维度下的卷积核，对所述待识别图像中的动物精子特征图像进行卷积处理，得到所述动物精子在所述预设精子活性识别维度下的特征编码；对所述动物精子在所述预设精子活性识别维度下的特征编码进行归一化处理，得到所述动物精子在所述预设精子活性识别维度的各个预设活性指标值下的分类概率；将分类概率最大的预设活性指标值，作为所述动物精子在所述预设精子活性识别维度下的活性指标值。
6.根据权利要求5所述的方法，其特征在于，在将所述待识别图像中的动物精子特征图像输入预先训练的精子活性识别网络模型中，得到所述动物精子在预设精子活性识别维度下的指标值之前，还包括：
识别所述待识别图像的动物标签；
获取与所述动物标签对应的精子活性识别网络模型的网络参数；
根据所述网络参数，对当前的精子活性识别网络模型的网络参数进行更新，得到所述预先训练的精子活性识别网络模型。
7.根据权利要求5所述的方法，其特征在于，所述预先训练的精子活性识别网络模型通过下述方式训练得到：
采集包含有动物精子的样本图像以及所述动物精子在预设精子活性识别维度下的实际活性指标值；
提取所述样本图像中的动物精子特征图像；
根据所述样本图像中的动物精子特征图像，对待训练的精子活性识别网络模型进行训练，得到训练后的精子活性识别网络模型；
获取所述训练后的精子活性识别网络模型输出的所述预设精子活性识别维度下的活性指标值与所述实际活性指标值之间的预测误差；
当所述预测误差大于或等于预设阈值时，根据所述预测误差调整所述精子活性识别网络模型的网络参数，得到调整后的精子活性识别网络模型，并对所述调整后的精子活性识别网络模型进行反复训练，直至根据训练后的精子活性识别网络模型得到的所述预测误差小于所述预设阈值；
若根据训练后的精子活性识别网络模型得到的所述预测误差小于所述预设阈值，将所述训练后的精子活性识别网络模型作为所述预先训练的精子活性识别网络模型。
8.根据权利要求1所述的方法，其特征在于，所述根据所述动物精子在所述预设精子活性识别维度下的活性指标值，确定对所述动物精子的活性识别结果，包括：
若所述动物精子在所述预设精子活性识别维度下的活性指标值大于或者等于预设指标值，确定所述动物精子的活性满足预设条件；
若所述动物精子在所述预设精子活性识别维度下的活性指标值小于所述预设指标值，确定所述动物精子的活性不满足所述预设条件。
9.根据权利要求1至8任一项所述的方法，其特征在于，所述方法还包括：
获取所述待识别图像的图像标识；
将所述动物精子在预设精子活性识别维度下的活性指标值以及所述对所述动物精子的活性识别结果，按照所述图像标识存储至预设数据库中。
10.根据权利要求9所述的方法，其特征在于，所述方法还包括：
接收终端发送的动物精子图像识别请求；所述动物精子图像识别请求中携带有图像标识；
从所述预设数据库中获取与所述图像标识对应的活性指标值以及活性识别结果；
将所述活性指标值以及活性识别结果推送至所述终端。
11.一种动物精子图像显示方法，包括：
显示待识别图像；所述待识别图像中包含有动物精子；
接收针对所述待识别图像的触发指令；
响应所述触发指令，显示对所述动物精子的活性识别结果；所述对所述动物精子的活性识别结果为提取所述待识别图像中的动物精子特征图像，根据所述待识别图像中的动物精子特征图像，得到所述动物精子在预设精子活性识别维度下的活性指标值，根据所述动物精子在所述预设精子活性识别维度下的活性指标值得到。
12.一种动物精子图像识别装置，其特征在于，所述装置包括：
图像获取模块，用于获取待识别图像；所述待识别图像中包含有动物精子；
图像提取模块，用于提取所述待识别图像的动物精子特征图像；
指标值获取模块，用于根据所述待识别图像的动物精子特征图像，得到所述动物精子在预设精子活性识别维度下的活性指标值；
识别结果确定模块，用于根据所述动物精子在所述预设精子活性识别维度下的活性指标值，确定对所述动物精子的活性识别结果。
13.一种动物精子图像显示装置，其特征在于，所述装置包括：
图像显示模块，用于显示待识别图像；所述待识别图像中包含有动物精子；
指令接收模块，用于接收针对所述待识别图像的触发指令；
结果显示模块，用于响应所述触发指令，显示对所述动物精子的活性识别结果；所述对所述动物精子的活性识别结果为提取所述待识别图像中的动物精子特征图像，根据所述待识别图像中的动物精子特征图像，得到所述动物精子在预设精子活性识别维度下的活性指标值，根据所述动物精子在所述预设精子活性识别维度下的活性指标值得到。
14.一种动物精子图像识别终端，其特征在于，包括：
图像采集器，用于采集待识别图像；所述待识别图像中包含有动物精子；
存储器，所述存储器中存储有计算机可读指令；
处理器，所述计算机可读指令被所述处理器执行时，使得所述处理器执行如下步骤：提取所述待识别图像的动物精子特征图像；根据所述待识别图像的动物精子特征图像，得到所述动物精子在预设精子活性识别维度下的活性指标值；根据所述动物精子在所述预设精子活性识别维度下的活性指标值，确定对所述动物精子的活性识别结果。
15.一种动物精子图像识别系统，其特征在于，包括显微镜、摄像装置和计算机设备；所述摄像装置设置在所述显微镜上，所述摄像装置与所述计算机设备连接；
所述摄像装置，用于拍摄显微镜下的动物精子图像，作为待识别图像，并将所述待识别图像发送至所述计算机设备；
所述计算机设备，用于提取所述待识别图像的动物精子特征图像；根据所述待识别图像的动物精子特征图像，得到所述动物精子在预设精子活性识别维度下的活性指标值；根据所述动物精子在所述预设精子活性识别维度下的活性指标值，确定对所述动物精子的活性识别结果。
CN202010108994.4A 2020-02-21 2020-02-21 动物精子图像识别方法和装置 Active CN111339904B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010108994.4A CN111339904B (zh) 2020-02-21 2020-02-21 动物精子图像识别方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010108994.4A CN111339904B (zh) 2020-02-21 2020-02-21 动物精子图像识别方法和装置

Publications (2)

Publication Number Publication Date
CN111339904A true CN111339904A (zh) 2020-06-26
CN111339904B CN111339904B (zh) 2023-11-03

Family

ID=71185352

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010108994.4A Active CN111339904B (zh) 2020-02-21 2020-02-21 动物精子图像识别方法和装置

Country Status (1)

Country Link
CN (1) CN111339904B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113688939A (zh) * 2021-09-08 2021-11-23 华中农业大学 花粉活性识别模型训练方法、系统及识别方法、系统

Citations (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE19616997A1 (de) * 1996-04-27 1997-10-30 Boehringer Mannheim Gmbh Verfahren zur automatisierten mikroskopunterstützten Untersuchung von Gewebeproben oder Körperflüssigkeitsproben
US6494720B1 (en) * 1996-11-14 2002-12-17 Jan Meyrowitsch Methods for objectification of subjective classifications
CN105408746A (zh) * 2013-02-28 2016-03-16 普罗吉涅股份有限公司 基于图像的人胚胎细胞分类的装置、方法和系统
CN105705098A (zh) * 2013-09-20 2016-06-22 透壁生物技术公司 用于诊断疾病的图像分析技术
CN105793694A (zh) * 2013-12-12 2016-07-20 梅斯医疗电子系统有限公司 家庭测试设备
CN105809682A (zh) * 2016-03-07 2016-07-27 清华大学深圳研究生院 精子分析装置
US20170109879A1 (en) * 2014-04-03 2017-04-20 Drexel University Computer-implemented methods, computer-readable media, and systems for tracking a plurality of spermatozoa
US20170146508A1 (en) * 2012-12-16 2017-05-25 Satish Deshpande System to distinguish between x sperm and y sperm
CN107622238A (zh) * 2017-09-19 2018-01-23 北京瑞格瑞特生物科技有限公司 一种免疫细胞状态图像采集监控装置、方法
CN107944458A (zh) * 2017-12-08 2018-04-20 北京维大成科技有限公司 一种基于卷积神经网络的图像识别方法和装置
WO2018104897A1 (en) * 2016-12-08 2018-06-14 Sigtuple Technologies Private Limited A method and system for determining quality of semen sample
CN108171274A (zh) * 2018-01-17 2018-06-15 百度在线网络技术（北京）有限公司 用于识别动物的方法和装置
CN108303420A (zh) * 2017-12-30 2018-07-20 上饶市中科院云计算中心大数据研究院 一种基于大数据和移动互联网的家用型精子质量检测方法
CN108889345A (zh) * 2011-05-20 2018-11-27 布里格姆及妇女医院股份有限公司 游动细胞的分析和分选
WO2019064040A1 (en) * 2017-09-29 2019-04-04 Nanovare Sas DEVICES AND METHODS FOR ANALYZING MALE INFERTILITY
WO2019213379A1 (en) * 2018-05-02 2019-11-07 Androvia Lifesciences, Llc Methods and test kits for determining male fertility status
CN110458821A (zh) * 2019-08-07 2019-11-15 屈晨 一种基于深度神经网络模型的精子形态分析方法
CN110705639A (zh) * 2019-09-30 2020-01-17 吉林大学 一种基于深度学习的医学精子图像识别系统
CN110807139A (zh) * 2019-10-23 2020-02-18 腾讯科技（深圳）有限公司 图片识别方法、装置、计算机可读存储介质和计算机设备

Patent Citations (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE19616997A1 (de) * 1996-04-27 1997-10-30 Boehringer Mannheim Gmbh Verfahren zur automatisierten mikroskopunterstützten Untersuchung von Gewebeproben oder Körperflüssigkeitsproben
US6494720B1 (en) * 1996-11-14 2002-12-17 Jan Meyrowitsch Methods for objectification of subjective classifications
CN108889345A (zh) * 2011-05-20 2018-11-27 布里格姆及妇女医院股份有限公司 游动细胞的分析和分选
US20170146508A1 (en) * 2012-12-16 2017-05-25 Satish Deshpande System to distinguish between x sperm and y sperm
CN105408746A (zh) * 2013-02-28 2016-03-16 普罗吉涅股份有限公司 基于图像的人胚胎细胞分类的装置、方法和系统
CN105705098A (zh) * 2013-09-20 2016-06-22 透壁生物技术公司 用于诊断疾病的图像分析技术
CN105793694A (zh) * 2013-12-12 2016-07-20 梅斯医疗电子系统有限公司 家庭测试设备
US20170109879A1 (en) * 2014-04-03 2017-04-20 Drexel University Computer-implemented methods, computer-readable media, and systems for tracking a plurality of spermatozoa
CN105809682A (zh) * 2016-03-07 2016-07-27 清华大学深圳研究生院 精子分析装置
WO2018104897A1 (en) * 2016-12-08 2018-06-14 Sigtuple Technologies Private Limited A method and system for determining quality of semen sample
CN107622238A (zh) * 2017-09-19 2018-01-23 北京瑞格瑞特生物科技有限公司 一种免疫细胞状态图像采集监控装置、方法
WO2019064040A1 (en) * 2017-09-29 2019-04-04 Nanovare Sas DEVICES AND METHODS FOR ANALYZING MALE INFERTILITY
CN107944458A (zh) * 2017-12-08 2018-04-20 北京维大成科技有限公司 一种基于卷积神经网络的图像识别方法和装置
CN108303420A (zh) * 2017-12-30 2018-07-20 上饶市中科院云计算中心大数据研究院 一种基于大数据和移动互联网的家用型精子质量检测方法
CN108171274A (zh) * 2018-01-17 2018-06-15 百度在线网络技术（北京）有限公司 用于识别动物的方法和装置
WO2019213379A1 (en) * 2018-05-02 2019-11-07 Androvia Lifesciences, Llc Methods and test kits for determining male fertility status
CN110458821A (zh) * 2019-08-07 2019-11-15 屈晨 一种基于深度神经网络模型的精子形态分析方法
CN110705639A (zh) * 2019-09-30 2020-01-17 吉林大学 一种基于深度学习的医学精子图像识别系统
CN110807139A (zh) * 2019-10-23 2020-02-18 腾讯科技（深圳）有限公司 图片识别方法、装置、计算机可读存储介质和计算机设备

Non-Patent Citations (13)

* Cited by examiner, † Cited by third party
Title
CHRISTOPHER MCCALLUM 等: "Deep learning-based selection of human sperm with high DNA integrity", 《COMMUNICATIONS BIOLOGY》 *
CHRISTOPHER MCCALLUM 等: "Deep learning-based selection of human sperm with high DNA integrity", 《COMMUNICATIONS BIOLOGY》, 3 July 2019 (2019-07-03), pages 1 - 10 *
JASON RIORDON 等: "Deep learning for the classification of human sperm", 《COMPUTERS IN BIOLOGY AND MEDICINE》 *
JASON RIORDON 等: "Deep learning for the classification of human sperm", 《COMPUTERS IN BIOLOGY AND MEDICINE》, 25 June 2019 (2019-06-25), pages 1 - 8 *
SOROUSH JAVADI 等: "A novel deep learning method for automatic assessment of human sperm images", 《COMPUTERS IN BIOLOGY AND MEDICINE》 *
SOROUSH JAVADI 等: "A novel deep learning method for automatic assessment of human sperm images", 《COMPUTERS IN BIOLOGY AND MEDICINE》, 26 April 2019 (2019-04-26), pages 182 - 194 *
STEVEN A. HICKS 等: "Machine Learning-Based Analysis of Sperm Videos and participant Data for Male fertility prediction", 《NATURE》, pages 1 - 10 *
STEVEN HICKS 等: "Predicting Sperm Motility and Morphology using Deep Learning and Handcrafted Features", 《MEDIAEVAL’19》, pages 1 - 3 *
VAJIRA THAMBAWITA 等: "Extracting temporal features into a spatial domain using autoencoders for sperm video analysis", 《MEDIAEVAL’19》, pages 1 - 4 *
李松: "动物精子自动分析系统的开发与研究", 《广西轻工业》, 15 September 2010 (2010-09-15), pages 72 - 74 *
李松: "动物精子自动分析系统的开发与研究", 《广西轻工业》, no. 9, pages 72 - 74 *
欧建平 等: "人工智能应用于生殖医学的新进展", 《中华男科学杂志》 *
欧建平 等: "人工智能应用于生殖医学的新进展", 《中华男科学杂志》, vol. 25, no. 4, 20 April 2019 (2019-04-20), pages 291 - 295 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113688939A (zh) * 2021-09-08 2021-11-23 华中农业大学 花粉活性识别模型训练方法、系统及识别方法、系统

Also Published As

Publication number Publication date
CN111339904B (zh) 2023-11-03

Similar Documents

Publication Publication Date Title
CN112801057B (zh) 图像处理方法、装置、计算机设备和存储介质
CN111754396B (zh) 脸部图像处理方法、装置、计算机设备和存储介质
CN112633297B (zh) 目标对象的识别方法、装置、存储介质以及电子装置
CN112381837B (zh) 一种图像处理方法及电子设备
CN112381104B (zh) 一种图像识别方法、装置、计算机设备及存储介质
CN111126514A (zh) 图像多标签分类方法、装置、设备及介质
CN114612987B (zh) 一种表情识别方法及装置
CN112884782B (zh) 生物对象分割方法、装置、计算机设备和存储介质
CN114897136B (zh) 多尺度注意力机制方法及模块和图像处理方法及装置
CN113011253B (zh) 基于ResNeXt网络的人脸表情识别方法、装置、设备及存储介质
CN112818821B (zh) 基于可见光和红外光的人脸采集源检测方法和装置
CN117197462A (zh) 基于多尺度特征融合和对齐的轻量地基云分割方法及系统
CN117011616A (zh) 一种图像内容审核方法、装置、存储介质和电子设备
CN110135428B (zh) 图像分割处理方法和装置
CN111598144A (zh) 图像识别模型的训练方法和装置
CN110753264A (zh) 视频生成方法、装置及设备
CN111339904B (zh) 动物精子图像识别方法和装置
CN115858846B (zh) 一种基于深度学习的滑雪者图像检索方法和系统
CN116994049A (zh) 全自动针织横机及其方法
CN116168213A (zh) 人流量数据的识别方法和人流量数据识别模型的训练方法
CN115984647A (zh) 面向星群的遥感分布式协同推理方法、装置、介质和卫星
CN113627255B (zh) 一种小鼠行为量化分析方法、装置、设备及可读存储介质
CN115311680A (zh) 人体图像质量检测方法、装置、电子设备及存储介质
CN118675203B (zh) 一种穿山甲甲片个体智能识别方法及系统
CN118570569B (zh) 一种基于卷积神经网络的蚊虫识别方法及识别系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 40023650

Country of ref document: HK

GR01 Patent grant
GR01 Patent grant