1.一种海水盐度定量检测方法,其特征在于,包括:获得待检测的液晶光学图像,所述液晶光学图像由偏光显微镜通过采集经待测海水浸润后的液晶芯片形成;
对所述液晶光学图像进行预处理;
基于目标检测算法对预处理后的所述液晶光学图像进行目标单元的提取;
将提取的所述目标单元输入至预训练得到的目标模型中,由所述目标模型对所述目标单元进行特征提取以及对提取的图像特征进行计算,生成海水盐度预测值,所述目标模型由引入了坐标注意力机制的卷积神经网络形成;
接收所述目标模型输出的所述海水盐度预测值。
2.根据权利要求1所述的海水盐度定量检测方法,其特征在于,所述对所述液晶光学图像进行预处理,包括:对所述液晶光学图像进行旋转矫正、数据清洗处理。
3.根据权利要求2所述的海水盐度定量检测方法,其特征在于,所述液晶光学图像包括多张,所述对所述液晶光学图像进行旋转矫正、数据清洗处理,包括:将多张所述液晶光学图像的尺寸统一至目标尺寸,所述目标尺寸与目标模型对输入数据的输入要求匹配;
将尺寸调整后的所述液晶光学图像在指定角度范围内随机进行水平和竖直翻转;
对翻转后的所述液晶光学图像进行像素值标准化处理,以使处理后的所述液晶光学图像的像素均值及标准差满足所述输入要求。
4.根据权利要求1所述的海水盐度定量检测方法,其特征在于,所述基于目标检测算法对预处理后的所述液晶光学图像进行目标单元的提取,包括:基于指定的目标检测算法对预处理后的所述液晶光学图像进行目标检测和分割处理,以基于所述目标检测算法中的置信度过滤掉低质量图像,保留高质量图像,并同时确定出所述高质量图像中对应每组液晶的单元格区域,所述指定的目标检测算法包括YOLO系列算法。
5.根据权利要求1所述的海水盐度定量检测方法,其特征在于,所述方法还包括:递归便利高效卷积神经网络模型中的所有子模块,并将所述坐标注意力机制引入高效卷积神经网络中,使所述坐标注意力机制代替所述高效卷积神经网络中通道注意力机制;
获取所述高效卷积神经网络中分类器的输入特征数,并基于所述输入特征数对所述分类器的最后一层进行设置,以使所述分类器形成线性层;
将当前处理得到的高效卷积神经网络确定为所述目标模型的初始模型;
对所述初始模型进行训练,得到所述目标模型。
6.根据权利要求5所述的海水盐度定量检测方法,其特征在于,所述对所述初始模型进行训练,包括:获得训练数据,所述训练数据包括海水的不同盐度值及与不同盐度值的海水对应的训练用液晶光学图像的目标单元;
基于所述训练数据,并以均方误差作为损失函数,学习率为0.0001,迭代次数为100的标准训练所述初始模型;
采用10折交叉验证法评估训练后的初始模型的泛化性能。
7.根据权利要求6所述的海水盐度定量检测方法,其特征在于,所述方法还包括:将所述训练数据划分为训练集和验证集;
在每次迭代计算过程中,基于所述训练集迭代所有数据批次,以计算损失结果;
将损失结果反向传播,并据此更新所述初始模型的参数;
计算并记录每个批次的R2值。
8.根据权利要求7所述的海水盐度定量检测方法,其特征在于,所述采用10折交叉验证法评估训练后的初始模型的泛化性能,包括:采用所述10折交叉验证法于验证集上对完成一次迭代计算的初始模型进行性能评估,同时计算并记录本次性能评估的R2值;
将验证阶段的R2值达到新高,或训练阶段、验证阶段的R2值同时达到新高时,保存当前模型状态,得到所述目标模型。
9.根据权利要求1所述的海水盐度定量检测方法,其特征在于,所述液晶芯片为液晶光流控芯片,所述液晶光流控芯片在制备时包括:基于光刻技术制备硅片模板;
使用聚二甲基硅氧烷对所述硅片模板进行倒模,得到聚二甲基硅氧烷光流控芯片;
将所述聚二甲基硅氧烷光流控芯片置于真空、干燥环境中进行液晶填充得到液晶光流控芯片;
所述获得待检测的液晶光学图像,包括:
将所述液晶光流控芯片置于所述偏光显微镜下,并利用待测海水浸润所述液晶光流控芯片,以通过所述偏光显微镜采集多张满足时间维度的液晶光学图像。
10.一种海水盐度定量检测装置,其特征在于,包括:获得模块,用于获得待检测的液晶光学图像,所述液晶光学图像由偏光显微镜通过采集经待测海水浸润后的液晶芯片形成;
预处理模块,用于对所述液晶光学图像进行预处理;
提取模块,用于根据目标检测算法对预处理后的所述液晶光学图像进行目标区域的提取;
输入模块,用于将提取的所述目标单元输入至预训练得到的目标模型中,由所述目标模型对所述目标单元进行特征提取以及对提取的图像特征进行计算,生成海水盐度预测值,所述目标模型由引入了坐标注意力机制的卷积神经网络形成;
接收模块,用于接收所述目标模型输出的所述海水盐度预测值。