基于分形的PCV2疫苗图像识别算法研究的中期报告本研究旨在开发一种基于分形的PCV2疫苗图像识别算法。在前期研究中，我们首先收集和处理了一批PCV2疫苗的电子显微镜图像。通过使用不同的图像处理技术，我们成功地将原始图像转换为灰度图像，并将其二值化。下一步，我们运用了分形理论来量化图像的复杂度。我们使用分形维数作为图像复杂度的度量标准，并通过特征提取方法从每个图像中提取出3个不同的特征：分形维数、环境熵和像素归一化熵。最后，我们将这些特征输入到SVM分类器中，以实现对PCV2疫苗图像的分类识别。在本报告中，我们首先介绍了图像预处理过程中使用的技术，并介绍了分形维数、环境熵和像素归一化熵的定义。然后，我们讨论了使用SVM分类器进行图像识别的基本原理和流程。接下来，我们对所提出的算法进行了实验验证。我们选取了120张PCV2疫苗图像和120张非PCV2疫苗图像进行实验。实验结果表明，我们所提出的算法在PCV2疫苗图像识别上具有较高的准确率。具体而言，针对120张PCV2疫苗图像，算法的分类准确率可以达到93.3％，而在120张非PCV2疫苗图像中，分类准确率为85.0％。这表明所提出的算法对于PCV2疫苗图像的识别是比较有效的。最后，我们讨论了算法存在的一些不足之处，并提出了未来的改进方向。具体而言，我们将进一步研究如何通过使用更多的特征和优化分类器来提高算法的识别性能。同时，我们还将研究如何应用所提出的算法来实现PCV2疫苗的自动化质量控制。