本技术涉及图像识别，尤其涉及一种真菌类别识别方法及装置。
背景技术：
1、真菌类别识别在生物学研究、农业病害控制以及环境监测中具有重要意义。传统的真菌类别识别方法为基于人工的真菌类别识别方法，即，由人通过显微镜观察真菌来确定真菌的类别。
2、基于人工的真菌类别识别方法虽然能够实现真菌类别识别，但是，识别效率较低，且识别结果易受到人为主观因素的影响。
技术实现思路
1、有鉴于此，本技术提供了一种真菌类别识别方法及装置，用以解决现有的真菌类别识别方法识别效率较低且识别结果易受人为主观因素影响的问题，其技术方案如下：
2、本技术第一方面提供一种真菌类别识别方法，包括：
3、获取第一真菌培养皿图像和第二真菌培养皿图像，其中，所述第一真菌培养皿图像和所述第二真菌培养皿图像依次为培养有真菌的培养皿的正面图像以及所述培养有真菌的培养皿的反面图像；
4、分别从所述第一真菌培养皿图像和所述第二真菌培养皿图像中分割出真菌，以得到第一真菌图像和第二真菌图像；
5、将所述第一真菌图像与所述第二真菌图像进行图像配准，得到配准后的两幅真菌图像；
6、将所述配准后的两幅真菌图像融合，得到融合后的真菌图像；
7、对所述融合后的真菌图像进行真菌类别识别，得到真菌类别识别结果。
8、在一种可能的实现方式中，所述分别从所述第一真菌培养皿图像和所述第二真菌培养皿图像中分割出真菌，以得到第一真菌图像和第二真菌图像，包括：
9、基于预先训练得到的真菌分割模型，分别从所述第一真菌培养皿图像和所述第二真菌培养皿图像中分割出真菌，以得到第一真菌图像和第二真菌图像；
10、其中，所述真菌分割模型采用标注出真实真菌分割结果的训练真菌培养皿图像训练得到。
11、在一种可能的实现方式中，基于预先训练得到的真菌分割模型，从所述第一真菌培养皿图像和所述第二真菌培养皿图像中的任一真菌培养皿图像中分割出真菌，包括：
12、基于预先训练得到的真菌分割模型，对该真菌培养皿图像进行编码，得到该真菌培养皿图像的多个尺度的特征；
13、基于所述真菌分割模型，将所述多个尺度的特征融合，得到融合后特征；
14、基于所述真菌分割模型，以所述融合后特征为依据，预测该真菌培养皿图像的真菌分割结果。
15、在一种可能的实现方式中，所述基于所述真菌分割模型，将所述多个尺度的特征融合，得到融合后特征，包括：
16、基于所述真菌分割模型，对每个尺度的特征进行中心化处理，得到每个尺度的中心化处理后的特征；
17、基于所述真菌分割模型，将各尺度的中心化处理后的特征对齐到相同的空间尺寸，得到各尺度的对齐后特征；
18、基于所述真菌分割模型，将各尺度的对齐后特征在通道维度融合，得到融合后特征。
19、在一种可能的实现方式中，所述对所述融合后的真菌图像进行真菌类别识别，得到真菌类别识别结果，包括：
20、基于预先训练得到的多个目标真菌图像分类模型，分别预测所述融合后的真菌图像对应的真菌类别，得到多个真菌类别预测结果，其中，所述多个目标真菌图像分类模型采用不同的训练数据集训练得到，每个训练数据集中的每条训练数据为标注有真菌类别的训练真菌图像；
21、根据所述多个真菌类别预测结果，确定最终的真菌类别。
22、在一种可能的实现方式中，任一训练数据集包含第一部分训练数据和第二部分训练数据，所述第二部分训练数据通过对第一部分训练数据进行数据增强得到；
23、其中，数据增强方式包括如下方式中的一种或多种：对比度受限的自适应直方图均衡化、翻转、平移、缩放、裁剪、添加噪声、亮度调整、对比度调整。
24、在一种可能的实现方式中，用一个训练数据集训练得到一个目标真菌图像分类模型的过程包括：
25、将该训练数据集中的训练数据分成n份，以得到n个训练数据子集，其中，n为大于1的整数；
26、用所述n个训练数据子集分别对待训练的真菌图像分类模型进行训练，得到n个训练后的真菌图像分类模型；
27、从所述n个训练后的真菌图像分类模型中，筛选出性能最佳的真菌图像分类模型，作为目标真菌图像分类模型。
28、在一种可能的实现方式中，用任一个训练数据子集对待训练的真菌图像分类模型进行训练，包括：
29、从该训练数据子集中获取训练真菌图像，作为第一训练真菌图像；
30、将第一训练真菌图像输入真菌图像分类模型，以得到第一训练真菌图像的真菌类别预测结果；
31、根据第一训练真菌图像的真菌类别预测结果以及第一训练真菌图像标注的真菌类别，确定真菌类别预测损失；
32、根据所述真菌类别预测损失，对真菌图像分类模型进行参数更新。
33、在一种可能的实现方式中，训练数据子集中包含不同生长时期的训练真菌图像，训练数据子集中的训练真菌图像还标注有生长时期；
34、用任一个训练数据子集对待训练的真菌图像分类模型进行训练，还包括：
35、从该训练数据子集中获取多个不同生长时期的训练真菌图像，作为第二训练真菌图像，其中，每个第二训练真菌图像标注的真菌类别与所述第一训练真菌图像标注的真菌类别一致；
36、对多个第二训练真菌图像分别进行编码，得到多个第二训练真菌图像分别对应的图像特征；
37、基于真菌图像分类模型对所述多个第二训练真菌图像分别对应的图像特征提取特征；
38、以基于真菌图像分类模型对所述多个第二训练真菌图像分别对应的图像特征提取的特征为预测依据，预测所述多个第二训练真菌图像分别对应的生长时期，得到所述多个第二训练真菌图像分别对应的生长时期预测结果；
39、根据所述多个第二训练真菌图像分别对应的生长时期预测结果以及所述多个第二训练真菌图像分别标注的生长时期，确定生长时期预测损失；
40、所述根据所述真菌类别预测损失，对真菌图像分类模型进行参数更新，包括：
41、根据所述真菌类别预测损失以及所述生长时期预测损失，对真菌图像分类模型进行参数更新。
42、本技术第二方面提供一种真菌类别识别装置，包括：真菌培养皿图像获取模块、真菌分割模块、图像配准模块、图像融合模块和真菌类别识别模块；
43、所述真菌培养皿图像获取模块，用于获取第一真菌培养皿图像和第二真菌培养皿图像，其中，所述第一真菌培养皿图像和所述第二真菌培养皿图像依次为培养有真菌的培养皿的正面图像以及所述培养有真菌的培养皿的反面图像；
44、所述真菌分割模块，用于分别从所述第一真菌培养皿图像和所述第二真菌培养皿图像中分割出真菌，以得到第一真菌图像和第二真菌图像；
45、所述图像配准模块，用于将所述第一真菌图像与所述第二真菌图像进行图像配准，得到配准后的两幅真菌图像；
46、所述图像融合模块，用于将所述配准后的两幅真菌图像融合，得到融合后的真菌图像；
47、所述真菌类别识别模块，用于对所述融合后的真菌图像进行真菌类别识别，得到真菌类别识别结果。
48、借由上述技术方案，本技术提供的真菌类别识别方法，首先获取第一真菌培养皿图像（培养有真菌的培养皿的正面图像）和第二真菌培养皿图像（培养有真菌的培养皿的反面图像），然后分别从第一真菌培养皿图像和第二真菌培养皿图像中分割出真菌，以得到第一真菌图像和第二真菌图像，接着将第一真菌图像与第二真菌图像进行图像配准，得到配准后的两幅真菌图像，然后将配准后的两幅真菌图像融合，得到融合后的真菌图像，最后对融合后的真菌图像进行真菌类别识别，得到真菌类别识别结果。本技术提供的真菌类别识别方法可自动识别出真菌的类别，具有较高的识别效率，由于识别过程中无需人工参与，因此，避免了人为主观因素对识别结果的影响，从而能够确保识别结果的稳定性。
1.一种真菌类别识别方法，其特征在于，包括：
2.根据权利要求1所述的真菌类别识别方法，其特征在于，所述分别从所述第一真菌培养皿图像和所述第二真菌培养皿图像中分割出真菌，以得到第一真菌图像和第二真菌图像，包括：
3.根据权利要求2所述的真菌类别识别方法，其特征在于，基于预先训练得到的真菌分割模型，从所述第一真菌培养皿图像和所述第二真菌培养皿图像中的任一真菌培养皿图像中分割出真菌，包括：
4.根据权利要求3所述的真菌类别识别方法，其特征在于，所述基于所述真菌分割模型，将所述多个尺度的特征融合，得到融合后特征，包括：
5.根据权利要求1所述的真菌类别识别方法，其特征在于，所述对所述融合后的真菌图像进行真菌类别识别，得到真菌类别识别结果，包括：
6.根据权利要求5所述的真菌类别识别方法，其特征在于，任一训练数据集包含第一部分训练数据和第二部分训练数据，所述第二部分训练数据通过对第一部分训练数据进行数据增强得到；
7.根据权利要求5所述的真菌类别识别方法，其特征在于，用一个训练数据集训练得到一个目标真菌图像分类模型的过程包括：
8.根据权利要求7所述的真菌类别识别方法，其特征在于，用任一个训练数据子集对待训练的真菌图像分类模型进行训练，包括：
9.根据权利要求8所述的真菌类别识别方法，其特征在于，训练数据子集中包含不同生长时期的训练真菌图像，训练数据子集中的训练真菌图像还标注有生长时期；
10.一种真菌类别识别装置，其特征在于，包括：真菌培养皿图像获取模块、真菌分割模块、图像配准模块、图像融合模块和真菌类别识别模块；
