一种食品微生物定性与定量的检测方法技术

技术编号:17594416 阅读:68 留言:0更新日期:2018-03-31 08:26
本发明专利技术属于食品检测技术领域,公开了一种食品微生物定性与定量的检测方法,确定待测样品中的目标微生物类群、目标微生物和非目标生物、以及不存在于所述待测样品中的参考微生物图像信息,根据所述目标微生物类群、所述目标微生物、所述参考微生物和所述非目标生物的参考基因组序列,通过图像处理单元获得所述目标微生物类群的特征区域图像信息、所述目标微生物的特征区域图像信息和所述参考微生物的特征区域图像信息;对所述目标微生物类群和所述目标微生物进行定性和定量分析;本发明专利技术解决了现有技术中无法计算微生物定性与定量的可靠性,使得结论实用性差,而且没有从食品的成分图像信息上进行分析的问题。

A qualitative and quantitative detection method for food microorganism

The invention belongs to the technical field of food detection, discloses a detection method of food microbiology of qualitative and quantitative, determine the sample of target microorganisms, microbial target and non target organisms, and is not present in the measured reference image signal in a sample of microbial information, according to the reference genome sequence of the target microorganism and the target microorganisms, the reference microorganism and the non target organisms, characteristics of the regional image information, the target microorganisms of the target microbial feature region of the image information and the reference image information obtained by the microbial characteristics of regional image processing unit; qualitative and quantitative analysis of the microorganism the target and the target microorganism; the invention solves the reliability of calculation of microbial qualitative and quantitative in the prior art It makes the conclusion less practical and has no analysis on the image information of the ingredients of the food.

【技术实现步骤摘要】
一种食品微生物定性与定量的检测方法
本专利技术属于食品检测
,尤其涉及一种食品微生物定性与定量的检测方法。
技术介绍
食品容易受多种有害微生物污染,给人的生命健康造成危害,因此,食品微生物精确地定性与定量检测是十分必要的。现有食品微生物定性与定量检测技术包括形态学计数、芯片检测、16SrRNA测序、宏基因组测序和实时定量PCR(PolymeraseChainReaction,聚合酶链式反应)。形态学计数检测需要对微生物进行预培养,耗时长,不可培养微生物不可检测,一次仅能够检测一种微生物,通量低,在计数时抽样量有限,且结果粗糙,无法对种以下的分类单元进行区分。芯片检测所需的待测样品的DNA量大,需要对微生物进行预培养及富集处理,检测结果不准确,且无法做定量检测。16SrRNA测序无法对种以下的分类单元进行区分。宏基因组测序深度有限,对于低含量的微生物的定量检测准确度很差。实时定量PCR一次只能检测一种微生物,通量低。综上所述,现有技术存在的问题是:无法计算微生物定性与定量的可靠性,使得结论实用性差;而且没有从食品的成分图像信息上进行分析。
技术实现思路
针对现有技术存在的问题,本专利技术提供了一种食品微生物定性与定量的检测方法。本专利技术是这样实现的,一种食品微生物定性与定量的检测方法,所述食品微生物定性与定量的检测方法,包括:确定待测样品中的目标微生物类群、目标微生物和非目标生物、以及不存在于所述待测样品中的参考微生物图像信息,所述待测样品为食品;根据所述目标微生物类群、所述目标微生物、所述参考微生物和所述非目标生物的参考基因组序列,通过图像处理单元获得所述目标微生物类群的特征区域图像信息、所述目标微生物的特征区域图像信息和所述参考微生物的特征区域图像信息;对所述目标微生物类群和所述目标微生物进行定性和定量分析;所述图像处理单元包括:X射线源、X射线探测器、CCD相机、自动旋转台、待成像测样品搁置箱、窄带滤波片及控制单元;所述窄带滤波片置于CCD相机的镜头前;所述窄带滤波片、CCD相机均位于X射线源、待成像活体动物模型搁置箱和X射线探测器连线的垂直方向;所述待成像测样品搁置箱安置在自动旋转台上,所述待成像测样品搁置箱、自动旋转台均位于X射线源与X射线探测器之间;所述X射线源、X射线探测器、CCD相机、自动旋转台均通过导线连接控制单元;所述X射线探测器用与接收并探测X射线源发射的X射线;所述CCD相机,用来接收短波红外光;所述自动旋转台,用与固定待成像测样品搁置箱并进行旋转以采集多个角度下的X射线投影数据和光学投影数据;所述窄带滤波片,用来滤除标示带宽之外波长的光;所述控制单元用于控制X射线源、X射线探测器、CCD相机、自动旋转台的运行以及参数设置;还用于控制光学数据和X射线投影数据的采集和重建,融合双模态的成像;所述控制单元还包括控制模块、数据采集模块、处理器模块、目标图像获取模块、非负图像获取模块、分解模块、稀疏化处理模块、重建模块;所述控制模块通过导线分别连接控制X射线源、X射线探测器、CCD相机、自动旋转台;所述数据采集模块,用于获取X射线探测器的投影数据;所述处理器模块,用于对所述数据采集模块获取的投影数据进行处理;所述目标图像获取模块,用于根据所述处理的投影数据进行迭代处理,以获取目标图像;所述非负图像获取模块,用于对所述目标图像进行非负处理,获取所述目标图像的非负图像;所述分解模块,用于对所述非负图像进行非线性分解,获取第一非负图像和第二非负图像;所述稀疏化处理模块,用于对所述第一非负图像和第二非负图像进行稀疏化处理,获取满足预定条件的最优化稀疏解;所述重建模块,用于根据所述最优化稀疏解获取重建图像;所述目标图像获取模块根据所述处理的投影数据进行迭代处理,以获取目标图像中,迭代处理模型的公式表示为:其中,X为所述目标图像,M为系统矩阵,G为所述投影数据,i表示迭代次数,Xi表示第i次迭代后得到的迭代结果;λ表示收敛系数,且λ∈(0,1),MT表示对矩阵M的转置;具体包括:设置所述目标图像的初始值,并根据预先设置的迭代次数利用所述迭代处理模型对所述目标图像中的每个像素点进行迭代更新,获取所述目标图像,所述迭代处理模型中的像素点的当前灰度值与前次迭代的灰度值一致逼近;所述非负图像获取模块对所述目标图像进行非负处理中,将所述目标图像中灰度值小于0的像素点置零;所述数据采集模块获取X射线探测器的投影数据之前,需先获取X射线探测器的投影图像序列集,对所述投影图像序列集进行预处理后获取所述投影数据;所述融合双模态的成像中,采用多变量分析方法融合最终得到双模态的图像;所述多变量分析方法包括:用n表示重建图像的个体总数,而各个体都有m个特征量,将得到的重建图像分为两组,一组是测试集,包含一个个体,一组是训练集,包括除测试集中所含个体外的图像,共n-1个个体;用所述训练集训练所述线性支持向量机,得出训练后支持向量机:根据以下公式计算得到权值向量w,w为一个m维列向量,其中的每个元素对应一个特征量;yi(wTxi+b)-1+ξi≥0s.t.ξi≥0;其中,γ是惩罚参数,用来实现算法复杂度和错分样本数的折中;ξi测量错分程度;yi为每个人的类属性;xi为每个个体的特征向量;b为常数;用已知类属性的所述测试集来评估所述训练后支持向量机的性能:用所述训练后支持向量机来判断所述测试集的类属性,所述训练后支持向量机会给出属性标签1或-1,其中1为待测食品微生物含量超标图像,-1为正常图像,通过所述训练后支持向量机得出的判断结果与所述测试集的实际类属性相比较,两者若一致,则所述训练后支持向量机分类正确,否则,则分类错误;重新将n个个体分为测试集和训练集,所述测试集包含一个个体,且该个体与前一次测试的测试集中的个体不相同,余下的所有个体作为训练集,然后训练所述线性支持向量机,得出训练后支持向量机,然后再评估得出的所述训练后支持向量机的性能;重复训练n-1次后停止;将每个特征的n次权值求平均权值,并依据平均权值将特征由大到小进行排序,去除排序最低的特征量;所得出的该轮n次测试中的分类正确率和上一轮n次测试的分类正确率比较的结果判断是否停止。进一步,所述处理器模块对所述数据采集模块获取的投影数据的处理方法包括:1)利用含有M个阵元的阵列天线接收来自数据采集模块获取的投影数据的跳频信号,对每一路接收信号进行采样,得到采样后的M路离散时域混合信号m=1,2,…,M;2)对M路离散时域混合信号进行重叠加窗短时傅里叶变换,得到M个混合信号的时频域矩阵p=0,1,…,P-1,q=0,1,…,Nfft-1,其中P表示总的窗数,Nfft表示FFT变换长度;(p,q)表示时频索引,具体的时频值为这里Nfft表示FFT变换的长度,p表示加窗次数,Ts表示采样间隔,fs表示采样频率,C为整数,表示短时傅里叶变换加窗间隔的采样点数,C<Nfft,且Kc=Nfft/C为整数。进一步,所述处理器模块对所述数据采集模块获取的投影数据的处理方法还包括:对得到的跳频混合信号时频域矩阵进行预处理;包括:第一步,对进行去低能量预处理,即在每一采样时刻p,将幅值小于门限ε的值置0,得到门限ε的设定根据接收信号的平均能量来确定;第二步,找出p时刻(p=0,1,2本文档来自技高网...
一种食品微生物定性与定量的检测方法

【技术保护点】
一种食品微生物定性与定量的检测方法,其特征在于,所述食品微生物定性与定量的检测方法,包括:确定待测样品中的目标微生物类群、目标微生物和非目标生物、以及不存在于所述待测样品中的参考微生物图像信息,所述待测样品为食品;根据所述目标微生物类群、所述目标微生物、所述参考微生物和所述非目标生物的参考基因组序列,通过图像处理单元获得所述目标微生物类群的特征区域图像信息、所述目标微生物的特征区域图像信息和所述参考微生物的特征区域图像信息;对所述目标微生物类群和所述目标微生物进行定性和定量分析;所述图像处理单元包括:X射线源、X射线探测器、CCD相机、自动旋转台、待成像测样品搁置箱、窄带滤波片及控制单元;所述窄带滤波片置于CCD相机的镜头前;所述窄带滤波片、CCD相机均位于X射线源、待成像活体动物模型搁置箱和X射线探测器连线的垂直方向;所述待成像测样品搁置箱安置在自动旋转台上,所述待成像测样品搁置箱、自动旋转台均位于X射线源与X射线探测器之间;所述X射线源、X射线探测器、CCD相机、自动旋转台均通过导线连接控制单元;所述X射线探测器用与接收并探测X射线源发射的X射线;所述CCD相机,用来接收短波红外光;所述自动旋转台,用与固定待成像测样品搁置箱并进行旋转以采集多个角度下的X射线投影数据和光学投影数据;所述窄带滤波片,用来滤除标示带宽之外波长的光;所述控制单元用于控制X射线源、X射线探测器、CCD相机、自动旋转台的运行以及参数设置;还用于控制光学数据和X射线投影数据的采集和重建,融合双模态的成像;所述控制单元还包括控制模块、数据采集模块、处理器模块、目标图像获取模块、非负图像获取模块、分解模块、稀疏化处理模块、重建模块;所述控制模块通过导线分别连接控制X射线源、X射线探测器、CCD相机、自动旋转台;所述数据采集模块,用于获取X射线探测器的投影数据;所述处理器模块,用于对所述数据采集模块获取的投影数据进行处理;所述目标图像获取模块,用于根据所述处理的投影数据进行迭代处理,以获取目标图像;所述非负图像获取模块,用于对所述目标图像进行非负处理,获取所述目标图像的非负图像;所述分解模块,用于对所述非负图像进行非线性分解,获取第一非负图像和第二非负图像;所述稀疏化处理模块,用于对所述第一非负图像和第二非负图像进行稀疏化处理,获取满足预定条件的最优化稀疏解;所述重建模块,用于根据所述最优化稀疏解获取重建图像;所述目标图像获取模块根据所述处理的投影数据进行迭代处理,以获取目标图像中,迭代处理模型的公式表示为:...

【技术特征摘要】
1.一种食品微生物定性与定量的检测方法,其特征在于,所述食品微生物定性与定量的检测方法,包括:确定待测样品中的目标微生物类群、目标微生物和非目标生物、以及不存在于所述待测样品中的参考微生物图像信息,所述待测样品为食品;根据所述目标微生物类群、所述目标微生物、所述参考微生物和所述非目标生物的参考基因组序列,通过图像处理单元获得所述目标微生物类群的特征区域图像信息、所述目标微生物的特征区域图像信息和所述参考微生物的特征区域图像信息;对所述目标微生物类群和所述目标微生物进行定性和定量分析;所述图像处理单元包括:X射线源、X射线探测器、CCD相机、自动旋转台、待成像测样品搁置箱、窄带滤波片及控制单元;所述窄带滤波片置于CCD相机的镜头前;所述窄带滤波片、CCD相机均位于X射线源、待成像活体动物模型搁置箱和X射线探测器连线的垂直方向;所述待成像测样品搁置箱安置在自动旋转台上,所述待成像测样品搁置箱、自动旋转台均位于X射线源与X射线探测器之间;所述X射线源、X射线探测器、CCD相机、自动旋转台均通过导线连接控制单元;所述X射线探测器用与接收并探测X射线源发射的X射线;所述CCD相机,用来接收短波红外光;所述自动旋转台,用与固定待成像测样品搁置箱并进行旋转以采集多个角度下的X射线投影数据和光学投影数据;所述窄带滤波片,用来滤除标示带宽之外波长的光;所述控制单元用于控制X射线源、X射线探测器、CCD相机、自动旋转台的运行以及参数设置;还用于控制光学数据和X射线投影数据的采集和重建,融合双模态的成像;所述控制单元还包括控制模块、数据采集模块、处理器模块、目标图像获取模块、非负图像获取模块、分解模块、稀疏化处理模块、重建模块;所述控制模块通过导线分别连接控制X射线源、X射线探测器、CCD相机、自动旋转台;所述数据采集模块,用于获取X射线探测器的投影数据;所述处理器模块,用于对所述数据采集模块获取的投影数据进行处理;所述目标图像获取模块,用于根据所述处理的投影数据进行迭代处理,以获取目标图像;所述非负图像获取模块,用于对所述目标图像进行非负处理,获取所述目标图像的非负图像;所述分解模块,用于对所述非负图像进行非线性分解,获取第一非负图像和第二非负图像;所述稀疏化处理模块,用于对所述第一非负图像和第二非负图像进行稀疏化处理,获取满足预定条件的最优化稀疏解;所述重建模块,用于根据所述最优化稀疏解获取重建图像;所述目标图像获取模块根据所述处理的投影数据进行迭代处理,以获取目标图像中,迭代处理模型的公式表示为:其中,X为所述目标图像,M为系统矩阵,G为所述投影数据,i表示迭代次数,Xi表示第i次迭代后得到的迭代结果;λ表示收敛系数,且λ∈(0,1),MT表示对矩阵M的转置;具体包括:设置所述目标图像的初始值,并根据预先设置的迭代次数利用所述迭代处理模型对所述目标图像中的每个像素点进行迭代更新,获取所述目标图像,所述迭代处理模型中的像素点的当前灰度值与前次迭代的灰度值一致逼近;所述非负图像获取模块对所述目标图像进行非负处理中,将所述目标图像中灰度值小于0的像素点置零;所述数据采集模块获取X射线探测器的投影数据之前,需先获取X射线探测器的投影图像序列集,对所述投影图像序列集进行预处理后获取所述投影数据;所述融合双模态的成像中,采用多变量分析方法融合最终得到双模态的图像;所述多变量分析方法包括:用n表示重建图像的个体总数,而各个体都有m个特征量,将得到的重建图像分为两组,一组是测试集,包含一个个体,一组是训练集,包括除测试集中所含个体外的图像,共n-1个个体;用所述训练集训练所述线性支持向量机,得出训练后支持向量机:根据以下公式计算得到权值向量w,w为一个m维列向量,其中的每个元素对应一个特征量;yi(wTxi+b)-1+ξi≥0s.t.ξi≥0;其中,γ是惩罚参数,用来实现算法复杂度和错分样本数的折中;ξi测量错分程度;yi为每个人的类属性;xi为每个个体的特征向量;b为常数;用已知类属性的所述测试集来评估所述训练后支持向量机的性能:用所述训练后支持向量机来判断所述测试集的类属性,所述训练后支持向量机会给出属性标签1或-1,其中1为待测食品微生物含量超标图像,-1为正常图像,通过所述训练后支持向量机得出的判断结果与所述测试集的实际类属性相比较,两者若一致,则所述训练后支持向量机分类正确,否则,则分类错误;重新将n个个体分为测试集和训练集,所述测试集包含一个个体,且该个体与前一次测试的测试集中的个体不相同,余下的所有个体作为训练集,然后训练所述线性支持向量机,得出训练后支持向量机,然后再评估得出的所述训练后支持向量机的性能;重复训练n-1次后停止;将每个特征的n次权值求平均权值,并依据平均权值将特征由大到小进行排序,去除排序最低的特征量;所得出的该轮n次测试中的分类正确率和上一轮n次测试的分类正确率比较的结果判断是否停止。2.如权利要求1所述食品微生物定性与定量的检测方法,其特征在于,所述处理器模块对所述数据采集模块获取的投影数据的处理方法包括:1)利用含有M个阵元的阵列天线接收来自数据采集模块获取的投影数据的跳频信号,对每一路接收信号进行采样,得到采样后的M路离散时域混合信号2)对M路离散时域混合信号进行重叠加窗短时傅里叶变换,得到M个混合信号的时频域矩阵其中P表示总的窗数,Nfft表示FFT变换长度;(p,q)表示时频索引,具体的时频值为这里Nfft表示FFT变换的长度,p表示...

【专利技术属性】
技术研发人员:贾国军赵凤舞马振贵王剑虹王春霖杨玲
申请(专利权)人:兰州职业技术学院
类型:发明
国别省市:甘肃,62

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1