植物表皮细胞和气孔计数，有对 CV， yolo 这些比较熟悉的大佬帮忙看看吗

[cuberwr1]

起因

我们研究植物气孔发育时候会拍很多叶表皮的显微照片，需要对照片里面的细胞和气孔进行计数，在这个过程中我发现数这些要花很多时间，想着有没有可能自动化一下。

目标

需要统计图里细胞和气孔的数量，如果准确度很高不需要人工校验，准确度不够的话可能需要绘制识别的区域人工校验，这种图半年大概产出了两千多张。

图里的红色圈里是细胞，形状不规则，还有可能出现层叠遮挡。

绿色圈是气孔，大小方向可能不一样，特征挺明显。

进展

1.原图是蔡司显微镜的 czi 文件，我写了个脚本转成了 jpg ，原图灰度集中，不同部分明暗差距很大，在这里拉伸了下灰度，再做了一点点其他处理，源码：

import czifile
import numpy as np
from PIL import Image
import os
import cv2 as cv

def convert(path,name):
    czi = czifile.imread(path)
    czi = np.squeeze(czi, axis=None)
    czi = czi / 256
    im = Image.fromarray(czi)
    if im.mode != "RGB":
        im = im.convert("RGB")
    im.save("./jpg/"+name + ".jpg")

def findAllFile(base):
    for root, ds, fs in os.walk(base):
        for f in fs:
            fullname = os.path.join(root, f)
            yield [fullname,f]
            
def convertAndEnance(path,name):
    czi = czifile.imread(path)
    czi = np.squeeze(czi, axis=None)
    czi = czi / 256
    clahe = cv.createCLAHE(clipLimit=4, tileGridSize=(8, 8))
    czi = czi.astype(np.uint8)
    out = clahe.apply(czi)
    out = np.power(out/255.0, 0.8)
    im=Image.fromarray(out*255)
    if im.mode != "RGB":
        im = im.convert("RGB")
    im.save("./jpg/"+name + ".jpg")

def main():
    base = './czi/'
    j=0
    for i in findAllFile(base):
        convertAndEnance(i[0],i[1])
        j+=1
        print(j/2025,j,'/2025')

main()

• 了解了下现在常用的 RCNN 和 YOLO ，感觉可以比较准确的识别气孔，但是细胞的效果不太确定，因为没有标注所以没训练，不知道实际效果。

• 问题 1：要训练到比较精准计数误差 5%内大概需要多少标注的数据

• 问题 2：哪家数据标注的靠谱还便宜，一张图大概有 60 左右气孔，细胞七八十个，大概要多少成本

之前看到有做类似的论文，但是形态差异比较大，感觉迁移训练可能不太行，发了邮件问也没回应。

• 看到一篇论文 eCognition 可以做这些事，还没深入了解

• 试过 segmentAnything 和基于这个的 labelAnything ，能分割出一部分，但是效果很不好

要是有大佬能给评估下可行性和成本指条路就好了

[woooooOOOO]

问题 1：要训练到比较精准计数误差 5%内大概需要多少标注的数据
你先找个预训练的，然后自己标个 100 张去训练，使用旋转等数据增强方式。
问题 2：哪家数据标注的靠谱还便宜，一张图大概有 60 左右气孔，细胞七八十个，大概要多少成本
这只能找大学生标了，比如猪八戒网上买的。按工作量算钱，你看看你一天能标几个，然后想下一天准备给别人多少钱，应该一天 100 差不多吧。

感觉迁移训练可能不太行，发了邮件问也没回应。
迁移肯定比你自己从头训练好，发了邮件不回也正常，直接去找开源的。

segmentAnything 毕竟是通用的分割，你这个还得是专门用于细胞分割的效果会好一点。


最好的方法我觉得就是找个开源预训练模型，任务和你差不多的，你再标一些，迁移训练，最后结果人工校对，可以省下不少时间。

[youngce]

如果是研究拟南芥或者水稻，这种模式植物，还是值得做一做自动化的，加油

[SeaRecluse]

看上去应该需要语义分割模型而不是 yolo

[alalida]

https://link.springer.com/article/10.1007/s10462-021-10082-4

看看这个，应该是你要的

[cuberwr1]

@youngce 哈哈哈，是拟南芥

[cuberwr1]

@woooooOOOO 我是在别人开源的项目下面找到的邮箱，原文是说模型太大没传 github ，可以邮件找他要，我再等等吧，顺便再看看别的。昨天又找到一个类似项目 https://github.com/jsnagai/Automated-Stomata-Classification-and-Detection-in-Microscope-Images-of-Maize-Cultivars ，但是配环境什么的整了挺久也没跑起来，然后现在在试着在 colab 上跑

[cuberwr1]

@SeaRecluse 好的我去看看

[cuberwr1]

@alalida 好的，我去看看，谢谢

[yesh0]

（感觉楼上的微生物和植物其实还是有挺大不同的）
但查了一下也的确有挺多做气孔计数的，不知道适不适用：
StomaAI: https://nph.onlinelibrary.wiley.com/doi/full/10.1111/nph.18765
StomataCounter: https://nph.onlinelibrary.wiley.com/doi/full/10.1111/nph.15892

[cuberwr1]

@yesh0 谢谢，这个很有帮助