稻谷作为我国的战略储备粮之一,其存储时间通常为1-3年。在稻谷储藏过程中,霉变是造成稻谷损失的原因之一。危害真菌孢子计数法是对霉变进行早期监测的一种手段,通常这种方法需要人工在显微镜下观察真菌孢子,费时费力。本文提出了一种基于深度学习的真菌孢子检测算法,实现了在显微图像中对真菌孢子的自动定位和识别。本文主要完成了以下几个方面的工作:(1)本文建立了真菌孢子显微图像数据集。数据集中包含三类真菌孢子图像:灰绿曲霉、青霉和白曲霉。利用标记软件LabelIMG对图像中真菌孢子的位置与种类进行了人工标记。运用数据增强技术,通过对图像的亮度、色度、对比度和锐度进行调整扩充了数据集。(2)本文提出了一种多层特征融合的卷积神经网络结构对真菌孢子进行特征提取。该结构选择VGG16作为主干,对高层特征图进行反卷积操作与低层特征图进行融合,并在低层引入Inception结构。(3)本文设计了一个针对聚集粘连的真菌孢子的损失函数。通过惩罚匹配到同一个ground-truth的边界框之间的IOU,推动边界框接近相关联的ground-truth,提高了定位准确度,改善了由于真菌孢子聚集粘连引起的漏检。(4)本文基于Faster R-CNN,提出了一种真菌孢子检测算法,实现了对显微图像中真菌孢子的定位和识别。利用基于多层特征融合的卷积神经网络结构提取特征图,然后通过RPN生成区域建议,针对真菌孢子的特点,调整了 RPN中anchor尺度的初始化设置及区域建议的采样策略,随后利用ROIAlign进行池化操作,最后利用分类网络进行分类和边界框回归。经过实验测试,本文方法的mAP为91.6%。