1.基于平皿实验和深度学习的抑菌程度识别方法，其特征在于，包括下述步骤：S1、确定药敏纸片位置：对原始图像进行预处理，确定好药敏纸片位置，便于测定其抑菌圈大小，并且切割成单个药敏纸片图像，作为深度学习模型的输入；

S2、测定抑菌圈大小：所述抑菌圈的大小是平皿实验中药物对应的抑菌标准中需要用到的指标，采用图像处理技术测定抑菌圈的直径；

S3、构造样本集：给深度学习模型构造带标签的样本集，用于训练模型；

S4、构建及训练模型：构建能够用来识别药敏纸片的模型，并用训练样本集进行训练；

S5、使用模型识别药敏纸片：模型训练完成之后的操作，此时模型可以接收训练集以外的图像，判断其所属的药物种类；

S6、判定药物的抑菌程度：通过模型识别出的药物种类，从数据库中查询对应的抑菌标准，再确定抑菌圈的直径属于标准中的哪一个区间，从而得到药物的抑菌程度。

2.根据权利要求1所述基于平皿实验和深度学习的抑菌程度识别方法，其特征在于，步骤S1中，原始图像包含一整个平皿，需要找到平皿中每个药敏纸片的位置，才能进行后续相应的抑菌圈识别与纸片识别的操作，具体方法为：首先，使用霍夫变换图像处理技术找到药敏纸片所在圆形区域，确定区域后，即可用作抑菌圈大小的识别；

其次，为了用模型识别纸片，还需要将这块圆形区域切割下来，构成单个纸片图像，作为模型的输入，用于识别纸片。

3.根据权利要求1或2所述基于平皿实验和深度学习的抑菌程度识别方法，其特征在于，所述药敏纸片通过下述方法制作：将药物名称按设定的间距行距印满整张滤纸片，使得打孔器无论在滤纸片上哪个位置打孔，都能让打下来的圆片包含整个药物名称。

4.根据权利要求1所述基于平皿实验和深度学习的抑菌程度识别方法，其特征在于，步骤S2中，通过测定抑菌圈大小来数值化药物的抑菌程度，所述识别抑菌圈大小具体为：抑菌圈是以药敏纸片为中心，故圆心已经确定，只需通过图像处理技术扫描药敏片周围，得到抑菌圈的半径即可。

5.根据权利要求1所述基于平皿实验和深度学习的抑菌程度识别方法，其特征在于，步骤S3中，构造样本集包括构造真实样本集和模拟样本集：S3.1、真实样本集：这里的样本为真实拍摄下的图像，只需人工标注纸片所属药物种类，样本即可构造成功；

S3.2、模拟样本集：由于药敏纸片的制作方法已知，所以可在计算机上模拟出类似的药敏纸片图像，所述模拟样本集的用于以足够大的样本集帮助深度学习模型初步学习到纸片图像的主要特征，之后再用数量较小的真实样本集来帮助模型进一步挖掘纸片图像的特征，并克服真实环境下的噪声。

6.根据权利要求1所述基于平皿实验和深度学习的抑菌程度识别方法，其特征在于，步骤S4中，构建模型包括下述内容：基于迁移学习的思想，利用Google在ImageNet数据集上训练好的Inception-v3模型，Inception-v3模型最后的全连接层输出1000个节点，再经过Softmax层后，输出ImageNet数据集中1000类样本中每一类的概率，将模型迁移到浑浊度识别问题上，替换Inception-v3模型的最后一层全连接层与Softmax层，使新的全连接层的输出节点为2，再经Softmax层后，能输出浑浊与清澈分别的概率，而构建后的模型其他部分保持与原Inception-v3模型相同。

7.根据权利要求6所述基于平皿实验和深度学习的抑菌程度识别方法，其特征在于，Inception结构是Inception-v3模型中的重要组成部分，它将不同的卷积层通过并联的方式结合在一起，使得神经网络具有不同的视野尺度，进一步提高了模型的表达能力；

Concat层为简单的拼接层，用于将多个神经网络节点矩阵拼接成一个节点矩阵；

Dropout层是一种良好的模型过拟合问题解决方案，它基于训练整体神经网络模型，并平均整个集合的结果，具体上，它在训练时的每次前向运算中以一定概率舍弃部分神经元，只保留剩下的神经元输出运算结果，即被舍弃的神经元的输出结果为0；

Softmax层用于将神经网络的输出变成一个概率分布；

假设原始神经网络的输出为y1,y2,…,yn，那么经过Softmax层处理之后的输出为：从公式中可以看出，经过Softmax层处理后的新输出满足概率分布的所有要求。

8.根据权利要求1所述基于平皿实验和深度学习的抑菌程度识别方法，其特征在于，步骤S3中，采用采用分步训练的方法来训练模型，具体包括下述步骤：首先，使用模拟样本集训练模型，使模型初步学习到纸片图像的主要特征；

其次，再使用真实样本集继续训练模型，微调模型参数，使模型学习到真实图像的特征，使其能应用到真实场景；

训练期间，选择保持最后一层全连接层之前的所有网络层的参数不变，只更新最后一层全连接层的参数。

9.根据权利要求1所述基于平皿实验和深度学习的抑菌程度识别方法，其特征在于，步骤S5中，识别药敏纸片的方法为：S5.1、使用模型预测图像中药敏纸片所属药物种类的概率分布；

S5.2、得到概率最大的药物种类。

10.根据权利要求1所述基于平皿实验和深度学习的抑菌程度识别方法，其特征在于，步骤S6中，判定药物的抑菌程度的方法为：S6.1、抑菌圈直径单位转化，即将像素转换为毫米；

S6.2、根据药物名称搜索数据库中对应的判定标准；

S6.3、依据判定标准由抑菌圈直径得到对应药物的抑菌度。