干细胞是一类具有自我复制能力的多潜能细胞。随着医疗技术的发展,干细胞的培养逐渐成为生物医学界普遍关注的问题。而传统的细胞培养箱的设计只仅限于将所需细胞培养完成,不但设备不统一,而且体积过大,需要频繁的人工干预,这导致了培养的细胞数量已远远不能满足市场需求。因此,全自动干细胞培养装置的研制刻不容缓。全自动干细胞培养装置对干细胞视觉识别算法的通用性、易用性、可靠性、高效性、平台算力等都有着独特的需求。本文结合了全自动干细胞培养装置对算法的需求,参考生物医学图像已有研究成果,系统的研究了干细胞图像的分割、定位、分类并对算法进行了实现,研究工作包括:1.对干细胞图像分割方案进行设计,分析了主流阈值分割算法中的直方图双峰法、自适应阈值法、Ostu法、二维最大熵阈值法,并引入量子粒子群优化算法对二维最大熵阈值法进行改进,提高了计算速度,降低了计算成本。2.对分割后的二值图像进行子图像定位与范围标定方案的设计,改进了深度优先搜索遍历和广度优先搜索遍历用于子图像的定位,并结合广度优先搜索遍历的工作原理与本文任务的技术需求,提出了沿边搜索算法作为子图像定位方案,经测试,该方案的效率要优于广度优先搜索遍历。3.对定位后的子图像的分类方案进行设计,引入了在图像分类领域性能优越的卷积神经网络算法替代传统的机器学习,充分考虑平台算力水平并对经典模型进行一定程度的简化以降低计算成本,使用样本图片的一半样本进行模型训练并对原图像进行分类测试,测试结果表明,该模型可以识别绝大多数同型细胞并能剔除误分割的背景与杂质,基本达到了设计要求。所获成果可以用于装置研制,具有工程应用价值。