一种基于高光谱技术鉴定木霉菌的方法技术

本发明专利技术公开了一种基于高光谱技术鉴定木霉菌的方法，首先准备木霉样本，用高光谱扫描仪获取样本的原始高光谱三维图像，对原始高光谱三维图像进行校正和背景删除后对高光谱图像中每个像素点一定波长范围内的近红外光谱采用小波变换进行去噪预处理后，提取样本近红外图像的平均光谱数据，接着对光谱数据平均值采用二阶导数选取特征波长，然后再基于特征波长对应的光谱数据建立PLS‑DA模型，PLS‑DA模型采用全交互验证进行参数寻优，最后利用模型对样本的预测集进行判别，实验证明利用本发明专利技术的方法建立的模型可以有效地对木霉菌进行鉴定分类。

A method for identification of Trichoderma based on hyperspectral technology

The invention discloses a method for identification of Trichoderma based on Hyperspectral technology. First, the samples of Trichoderma are prepared, the original hyperspectral three-dimensional images of the samples are acquired by a hyperspectral scanner, and the original hyperspectral three-dimensional images are corrected and the background is deleted. Then, the near infrared light in a certain wavelength range of each pixel in the hyperspectral image is obtained. After denoising the spectrum with wavelet transform, the average spectral data of the sample near infrared image are extracted, and then the characteristic wavelengths are selected by second derivative. Then the PLS_DA model is established based on the corresponding spectral data of the characteristic wavelengths. The PLS_DA model is optimized by full interactive validation. Then the model is used to discriminate the prediction set of the sample, and the experiment proves that the model established by the method of the invention can effectively identify and classify Trichoderma.

【技术实现步骤摘要】
一种基于高光谱技术鉴定木霉菌的方法
本专利技术涉及微生物快速鉴定领域，具体涉及一种基于高光谱技术鉴定木霉菌的方法。
技术介绍
在自然界中，木霉菌是一种重要的生防真菌，广泛分布在农业土壤、森林等环境中。木霉菌作为植物病害的重要生防因子，在国内外植物病害的生物防治中具有重要地位，并已作为商品化制剂(如生物化肥、生物农药、植物生长促生制剂等)在多个国家推广和使用，取得了良好的生防、促生效果。因此，对木霉菌的鉴定是木霉资源的挖掘和利用的技术保障和基础。1794年，Persoon首次发现木霉属。1871年，Harz提出对木霉属进行界定，提出木霉菌的表观形态特征是分类学的重要依据。随着分子生物学的兴起，木霉菌的分类鉴定工作逐步深入发展。90年代末期，各种分子生物学方法如限制性片段长度多态性(RestrictionFragmentLengthPolymorphism,RFLP)分析技术、随机扩增多态性DNA技术(RandomAmplifiedPolymorphicDNA,RAPD)以及序列分析(如ITS序列、28SrDNA上的D1和D2区间序列、线粒体rDNA上的小亚基序列等)等技术，开始应用于木霉属的分类鉴定方面。传统的木霉菌鉴定方法是依据其形态特征，而木霉菌的形态特征可变性较强，依赖于鉴定人的经验，鉴定结果难免有失偏颇。另一方面，利用分子生物学手段鉴定木霉菌，虽然特异性好、灵敏度高，但是需要专业人员完成，操作繁复，耗时长，成本高，难在普通实验室条件下推广应用，而且不适用于大批量的木霉菌资源的鉴定。因此，发展客观稳定的鉴定手段日益迫切。高光谱技术将二维图像技术与光谱技术有机结合在一起，作为一种快速的、无损检测方式在微生物检测领域得到了广泛应用。中国专利CN101556242A公布了用傅立叶红外光谱鉴定鉴定微生物的方法，包括：a)培养对照微生物；b)采集对照微生物的红外图谱；c)在3000-2800cm-1和1800至700cm-1区间内的一个或多个谱段建立微生物鉴别模型；d)在与步骤a)中相同的条件下培养待测微生物；e)在与步骤b)中相同的条件下采集待测微生物的红外图谱；f)将步骤e)中获得的红外图谱代入微生物鉴别模型中确定待测微生物的归属。该方法利用傅立叶红外光谱建立鉴定模型并使用该模型鉴定中草药中的6种细菌。
技术实现思路
为克服现有检测木霉菌方法准确率低、操作繁复、耗时长、成本高的不足，本专利技术提出一种基于高光谱技术鉴定木霉菌的方法，能快速准确的对木霉菌进行鉴定。一种基于高光谱技术鉴定木霉菌的方法，包括如下步骤：(1)准备测试样本，每种木霉样本以2:1的比例随机划分为建模集S1和测试集S2；(2)用高光谱扫描仪获得放置在平台上的不同木霉样本中每个像素点在各个波长下的图像信息，得到木霉样本的原始高光谱三维图像；(3)对获得的木霉样本的原始高光谱三维图像进行校正和背景删除；(4)对高光谱图像中每个像素点一定波长范围内的近红外光谱采用小波变换进行去噪预处理后，提取木霉样本近红外图像的平均光谱数据，记为X1，将对应近红外光谱的木霉种类记为Y1；(5)对经过小波变换预处理后的近红外光谱数据X1进行特征波长选择，记特征波长为X2；(6)将所得数据(X2，Y1)分别代入步骤(1)已划分的建模集S1和预测集S2；(7)以X2为输入和Y1为输出，根据建模集S1建立PLS-DA(偏最小二乘判别分析)模型；(8)将步骤(6)中的预测集S2的近红外光谱数据输入步骤(7)中建立的PLS-DA模型，对不同品种的木霉菌进行定性分析。作为优选，所述的步骤(1)中的样本为同一时期培养的木霉样本，从而保证分析健康板栗与霉变板栗的高光谱图像时不受其他因素干扰。作为优选，所述的步骤(1)中建模集S1和预测集S2比例为2:1。作为优选，所述的步骤(2)中高光谱扫描仪摄像头距离平台高度为25-30cm，平台移动速度为20-25mm/s，曝光时间1-3ms，从而确保能够获取清晰的高光谱图像。作为优选，所述的步骤(2)中的高光谱扫描仪的扫描波长范围为874-1734nm，扫描方式为线扫描。作为优选，所述的步骤(4)中去噪预处理方法为选择975-1646nm范围内的近红外光谱小波函数为db7，分解为3的小波变换进行去噪预处理，从而能够最大程度上减少光谱噪声对光谱曲线带来的影响。作为优选，所述的步骤(5)中采用二阶导数(secondderivativespectra,2ndDerspectra)进行特征波长选择，从而确保所选特征波长能最大程度上反映相关化学物质在健康板栗和霉变板栗中所发生的变化，大大减少建模数据量，缩短建模时间。所选取的特征波长分别为：985nm、999nm、1015nm、1119nm、1150nm、1183nm、1210nm、1237nm、1281nm、1342nm、1375nm、1429nm、1477nm、1558nm、1585nm、1626nm、1636nm。作为优选，所述的步骤(7)建立的PLS-DA模型采用全交互验证，判别阈值设定为0.5。建立PLS-DA模型为：Y1＝-9.923X1+5.860X2-8.430X3-12.831X4-2.589X5+37.192X6-2.416X7+11.739X8+17.887X9-15.375X10-44.428X11-4.992X12+12.248X13+15.132X14-7.087X15-2.832X16+9.698X17+1.668其中，Y1为对木霉品种的判定，Xa代表对应特征波长的反射率图像中某一木霉的反射率；其中a为1～17。与传统的、分子生物鉴定木霉菌的方法相比，本专利技术的优点为：不需要昂贵的试剂，建立模型后，只需获取所需检测样本的高光谱图像进行预处理，提取其平均光谱数据，并将相应的特征波长下的反射率图像中样本的反射率代入模型中，即可得到不同木霉品种的检测结果，模型建好后操作简单，能实现对木霉菌快速、准确的鉴定。附图说明图1为本专利技术基于高光谱技术鉴定木霉菌的方法流程图；图2为本专利技术实施例1提取深绿木霉、哈茨木霉高光谱图像的平均光谱。具体实施方式为了更为具体地描述本专利技术，下面结合附图及具体实施方式对本专利技术的技术方案进行详细说明。如图1所示，本实施例利用高光谱技术鉴定深绿木霉(保藏编号：CCTCCNO.M2016702)、哈茨木霉(保藏编号：CCTCCNO.M2016709)，包括如下步骤：(1)准备测试样本，在马铃薯葡萄糖琼脂培养基上培养深绿木霉，哈茨木霉样本，按培养皿个数比例2:1随机划分为建模集S1和测试集S2。(2)用高光谱扫描仪获得放置在平台上的样本中每个像素点在各个波长下的图像信息，得到样本的原始高光谱三维图像，高光谱扫描仪摄像头距离平台高度为26.5cm，平台移动速度为23.5mm/s，曝光时间2ms，扫描仪的扫描波长范围为874-1734nm，扫描方式为线扫描。(3)对获得的样本的原始高光谱三维图像进行校正和背景删除。(4)对高光谱图像中每一个像素点975-1646nm波长范围内的近红外光谱用小波函数为db7，分解尺度为3的小波变换进行去噪预处理。预处理后，提取样本近红外图像素点光谱，从S1中选择两类木霉各600个像素点光谱记为X1，将对应近红外光谱的木霉种类记为Y本文档来自技高网...

【技术保护点】
1.一种基于高光谱技术鉴定木霉菌的方法，包括如下步骤：(1)准备测试样本，每种木霉样本以2:1的比例随机划分为建模集S1和测试集S2；(2)用高光谱扫描仪获得放置在平台上的不同木霉样品中每个像素点在各个波长下的图像信息，得到木霉样本的原始高光谱三维图像；(3)对获得的木霉样本的原始高光谱三维图像进行校正和背景删除；(4)对高光谱图像中每个像素点一定波长范围内的近红外光谱采用小波变换进行去噪预处理后，提取木霉样本近红外图像的平均光谱数据，记为X1，将对应近红外光谱的木霉种类记为为Y1；(5)对经过小波变换预处理后的近红外光谱数据X1进行特征波长选择，记特征波长为X2；(6)将所得数据(X2，Y1)分别代入步骤(1)已划分的建模集S1和预测集S2；(7)以X2为输入和Y1为输出，根据建模集S1建立PLS‑DA模型；(8)将步骤(6)中的预测集S2的近红外光谱数据输入步骤(7)中建立的PLS‑DA模型，对不同品种的木霉菌进行定性分析。

【技术特征摘要】
1.一种基于高光谱技术鉴定木霉菌的方法，包括如下步骤：(1)准备测试样本，每种木霉样本以2:1的比例随机划分为建模集S1和测试集S2；(2)用高光谱扫描仪获得放置在平台上的不同木霉样品中每个像素点在各个波长下的图像信息，得到木霉样本的原始高光谱三维图像；(3)对获得的木霉样本的原始高光谱三维图像进行校正和背景删除；(4)对高光谱图像中每个像素点一定波长范围内的近红外光谱采用小波变换进行去噪预处理后，提取木霉样本近红外图像的平均光谱数据，记为X1，将对应近红外光谱的木霉种类记为为Y1；(5)对经过小波变换预处理后的近红外光谱数据X1进行特征波长选择，记特征波长为X2；(6)将所得数据(X2，Y1)分别代入步骤(1)已划分的建模集S1和预测集S2；(7)以X2为输入和Y1为输出，根据建模集S1建立PLS-DA模型；(8)将步骤(6)中的预测集S2的近红外光谱数据输入步骤(7)中建立的PLS-DA模型，对不同品种的木霉菌进行定性分析。2.根据权利要求1所述的基于高光谱技术的鉴定木霉菌的方法，其特征在于，所述的步骤(1)中的样本为同一时期培养的木霉样本。3.根据权利要求1所述的基于高光谱技术的鉴定木霉菌的方法，其特征在于，所述的步骤(1)中建模集S1和预测集S2比例为2:1。4.根据权利要求1所述的基于高光谱技术的鉴定木霉菌的方法，其特征在于，所述的步骤(2)中高光谱扫描仪摄像头距离平台高度为25-30cm，平台移动速度为20-25mm/s，曝光时间1-3ms。5.根据权利要求1所述的基于高光谱技术的鉴定木霉菌的方法，其特征在于，所述的步骤(2)中的高光谱扫描仪的扫描波长范围为975-...

【专利技术属性】
技术研发人员：苏珍珠，章初龙，林福呈，何勇，冯雷，冯晓晓，朱素素，
申请(专利权)人：浙江大学，
类型：发明
国别省市：浙江,33