当今世界,辅助生殖技术已经成为普遍现象,通过使用体外受精等技术用来治疗不孕不育症。目前医生只能通过显微镜观察体外发育胚胎细胞的形态特征,来粗略评价胚胎细胞发育状况。这种人工视觉观察不仅费时费力,还可能导致体外受精结果不尽人意。为了能够增加了体外受精中选择胚胎过程的客观性,加速了识别结果和效率,本文以卵裂期胚胎细胞质量分类为研究内容,分别提出了两种不同方式的算法,并设计和实现了智能分类系统。具体工作内容如下:1、基于传统的图像处理技术对卵裂期胚胎细胞进行质量分类。由于数据集的缺少,创建数据集。针对胚胎细胞图像的模糊性,使用Frangi滤波算法突出卵裂球的轮廓分布,结合膨胀和Zhang-Suen细化算法去除双边缘现象,通过Hough圆检测和椭圆拟合去重,计算出卵裂期胚胎图片中卵裂球的个数、近似细胞中心和轮廓位置;最终计算出一百张测试集图片卵裂球的平均准确率为86.55%。再根据训练集结果,通过三个判定条件对胚胎细胞图片进行质量分类,求得两千多张胚胎图像分类结果准确率为80.71%。2、基于HRNet网络模型算法对卵裂期胚胎细胞进行质量分类。与传统的图像处理技术不同,首先需要预处理原始胚胎图片数据,对图片进行Otsu’s二值化处理,通过查找轮廓位置截取出矩形大小的胚胎细胞图像,创建新的数据集。然后通过实现HRNet网络,进行参数设置和优化算法的比较,求出测试集质量分类的准确率为77.54%;并分别实现了Alex Net、VGG、Res Net-50和Inception-V2网络模型的胚胎质量分类,最终得出HRNet网络模型分类效果最优。但由于测试集准确率算法太低,因此通过胚胎细胞特征的单独分类,再构建SVM分类器进行胚胎的质量分类;最终求出测试集的质量分类的准确率为89.57%,效果优于传统的图像处理技术。3、设计并实现出一个集合以上两种算法的卵裂期胚胎细胞质量智能分类系统。该系统由基于pyqt5的客户端和基于Flask框架的服务器端组成。通过客户端上传图片数据,服务器端调用算法处理,将结果返回客户端显示。