(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211138973.2 (22)申请日 2022.09.19 (71)申请人 河南青牛思 源生物科技有限公司 地址 451162 河南省郑州市航空港经济综 合实验区省道S102南侧5号A-2号楼4 单元5层502 (72)发明人 刘红波　吕培茹　王彦涛　尹珊　 (74)专利代理 机构 郑州意创知识产权代理事务 所(特殊普通 合伙) 41138 专利代理师 张江森　张岑 (51)Int.Cl. G06T 7/00(2017.01) G06V 10/764(2022.01) G06V 10/774(2022.01) G06V 10/80(2022.01)G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种辅助胚胎分级智能系统及存 储介质 (57)摘要 本发明提供了一种辅助胚胎分级智能系统 及存储介质， 获取家畜的融合细胞从激活后到移 植前至少一个阶段的胚胎图片， 预处理后对图片 集进行标注； 对每个阶段设置一个子卷积神经网 络， 利用每个阶段的训练集对子卷积神经网络进 行训练， 得到每个阶段对应的训练好的子卷积神 经网络； 在每个训练好的子卷积神经网络的最后 一个卷积层连接一个卷积层， 对卷积层Convi的 输出展平后进行特征融合操作， 作为全连接层的 输入； 保持每个子卷积神经网络的最后一个卷积 层及最后一个卷积层的结构和参数不变， 根据训 练集对Convi和全连接层进行再训练， 得到训练 好的神经网络； 利用训练好的神经网络对胚胎进 行分级。 本发明提高了胚胎分级的智 能化， 减轻 了技术人员的工作量。 权利要求书2页 说明书9页 附图3页 CN 115511813 A 2022.12.23 CN 115511813 A 1.一种辅助胚胎分级智能系统， 其特 征在于， 所述系统包括以下模块： 样本集构建模块， 用于获取家畜的融合细胞从激活后到移植前至少一个阶段的胚胎图 片， 每个阶段至少包括一个胚胎图片， 构建与每个阶段对应的图片集， 将预 处理后的胚胎图 片放入对应的图片集中， 对所述图片集进行标注， 得到每个阶段的训练集、 验证集和测试 集； 模型构建及训练模块， 用于对每个阶段设置一个子卷积神经网络， 利用每个阶段的训 练集对子卷积神经网络进行训练， 并通过与阶段对应的验证集调整超参数， 得到每个阶段 对应的训练好的子卷积神经网络； 在每个训练好的子卷积神经网络的最后一个卷积层连接 一个卷积层Convi， 对每个卷积层Convi的输出展平后进行特征融合操作， 作为全连接层FC1 的输入； 保持每个子卷积神经网络的最后一个卷积层及最后一个卷积层的结构和参数不 变， 根据所述训练集对Co nvi和全连接层进行 再训练， 得到训练好的神经网络； 家畜胚胎分级模块， 用于将待识别的融合细胞的胚胎图片输入到所述训练好的神经网 络中， 得到胚胎的分级信息 。 2.如权利要 求1所述的系统， 其特征在于， 所述卷积层Convi中卷积核个数和大小 根据所 述阶段和全连接层FC1的节点数确定， 具体为： 获取阶段数K和全连接层FC1的节点数M， 得到为每个阶段分配的全连接层FC1的节点个 数 α 为各个阶段分配全连接层FC1节点个数的权 重； 从1×1、 3×3、 5×5中选择一个或多个作为所述卷积层Convi中卷积核， 使得所述卷积层 Convi输出的特 征图的特 征点与所述节点个数wi相同。 3.如权利要 求1所述的系统， 其特征在于， 所述根据所述训练集对Convi和全连接层进行 再训练， 得到训练好的神经网络， 具体为： 每次选取每个阶段的训练集中的训练样本输入到与阶段对应的子神经网络中， 对Convi 和全连接层进行第一阶段训练， 当准确率大于第一阈值， 则进入第二阶段训练， 否则， 增加 全连接层FC1的节点个数， 并在全连接层FC1增加全连接层， 直到准确率大于第一阈值； 所述第二阶段训练是每次利用同一个胚胎的各个阶段的训练集对Convi和全连接层进 行训练， 当准确 率大于第一阈值， 停止第二阶段训练， 否则， 对同一个胚胎的各个阶段的训 练集采用同样的方式进行增强， 利用增强后的训练集再进行训练。 4.如权利要求1所述的系统， 其特 征在于， 所述系统还 包括校正模块； 所述校正模块用于接收每个子卷积神经网络输出的分级的概率值， 计算所有概率值的 标准差， 当标准差大第二阈值， 在显示胚胎的分级信息的同时， 显示与所述概率值的平均值 偏差最大的阶段对应的图片。 5.如权利要求1所述的系统， 其特征在于， 所述对每个阶段设置一个子卷积神经网络， 具体为： 在可视化界面上， 显示配置子卷积神经网络的配置项， 所述配置项包括阶段名称以及 子神经网络具体结构， 所述具体结构为卷积层、 池化层、 全连接层和激活层的顺序、 个数， 所 述具体结构还 包括卷积层中卷积核大小和数量、 全连接层个数和节点数量。 6.一种计算机可读存储介质， 其特征在于， 所述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 理器执行时实现如下 所述的方法：权　利　要　求　书 1/2 页 2 CN 115511813 A 2步骤一、 获取家畜的融合细胞从激活后到移植前至少一个阶段的胚胎图片， 每个阶段 至少包括一个胚胎图片， 构建与每个阶段对应的图片集， 将预处理后的胚胎图片放入对应 的图片集中， 对所述图片集进行 标注， 得到每 个阶段的训练集、 验证集和 测试集； 步骤二、 对每个阶段设置一个子卷积神经网络， 利用每个阶段的训练集对子卷积神经 网络进行训练， 并通过与阶段对应的验证集调整超参数， 得到每个阶段对应的训练好的子 卷积神经网络； 在每个训练好的子卷积神经网络的最后一个卷积层连接一个卷积层Convi， 对每个卷积层C onvi的输出展平后进行特征融合操作， 作为全连接层FC1的输入； 保 持每个子 卷积神经网络的最后一个卷积层及最后一个卷积层的结构和参数不变， 根据所述训练集对 Convi和全连接层进行 再训练， 得到训练好的神经网络； 步骤三、 将待识别的融合细胞的胚胎图片输入到所述训练好的神经网络中， 得到胚胎 的分级信息 。 7.如权利要 求6所述的可读 存储介质， 其特征在于， 所述卷积层Convi中卷积核个 数和大 小根据所述阶段和全连接层FC1的节点数确定， 具体为： 获取阶段数K和全连接层FC1的节点数M， 得到为每个阶段分配的全连接层FC1的节点个 数 α 为各个阶段分配全连接层FC1节点个数的权 重； 从1×1、 3×3、 5×5中选择一个或多个作为所述卷积层Convi中卷积核， 使得所述卷积层 Convi输出的特 征图的特 征点与所述节点个数wi相同。 8.如权利要 求6所述的可读 存储介质， 其特征在于， 所述根据所述训练集对Convi和全连 接层进行 再训练， 得到训练好的神经网络， 具体为： 每次选取每个阶段的训练集中的训练样本输入到与阶段对应的子神经网络中， 对Convi 和全连接层进行第一阶段训练， 当准确率大于第一阈值， 则进入第二阶段训练， 否则， 增加 全连接层FC1的节点个数， 并在全连接层FC1增加全连接层， 直到准确率大于第一阈值； 所述第二阶段训练是每次利用同一个胚胎的各个阶段的训练集对Convi和全连接层进 行训练， 当准确 率大于第一阈值， 停止第二阶段训练， 否则， 对同一个胚胎的各个阶段的训 练集采用同样的方式进行增强， 利用增强后的训练集再进行训练。 9.如权利要求6所述的可读存 储介质， 其特 征在于， 在步骤三之后还 包括步骤四； 步骤四， 接收每个子卷积神经网络输出的分级的概率值， 计算所有概率值的标准差， 当 标准差大第二阈值， 在显示胚胎的分级信息的同时， 显示与所述概率值的平均值偏差最大 的阶段对应的图片。 10.如权利要求6所述的可读存储介质， 其特征在于， 所述对每个阶段设置一个子卷积 神经网络， 具体为： 在可视化界面上， 显示配置子卷积神经网络的配置项， 所述配置项包括阶段名称以及 子神经网络具体结构， 所述具体结构为卷积层、 池化层、 全连接层和激活层的顺序、 个数， 所 述具体结构还 包括卷积层中卷积核大小和数量、 全连接层个数和节点数量。权　利　要　求　书 2/2 页 3 CN 115511813 A 3