一种基于Android平台的真菌毒素含量检测方法技术

本发明专利技术公开了一种基于Android平台的真菌毒素含量检测方法，步骤一、利用生物技术对真菌毒素进行荧光标记，黄曲霉、赭曲霉和玉米赤霉烯酮这三种毒素分别被荧光标记成红、绿、蓝小球，用980nm波长的激光激发拍摄图像，拍照得到980图像；然后再用488nm波长的激光激发拍摄图像，拍照得到488图像作为检测信号；步骤二、对980图像依序进行HSV颜色分离、滤波处理、二值化和去噪；再分别对红、绿、蓝小球的二值图像进行连通域的提取；步骤三、对488图像进行二值化、去噪处理和HSV颜色分离，与980图像不同颜色的连通域匹配，得到三种不同毒素的亮度值，由亮度值与浓度值间的关系，间接得到三种不同真菌毒素浓度值。本发明专利技术实现了对不同种类的真菌毒素进行同时检测，运算速度快。

【技术实现步骤摘要】
一种基于Android平台的真菌毒素含量检测方法
本专利技术涉及图像处理和软件开发
，具体涉及一种真菌毒素含量检测方法。
技术介绍
食品安全作为全球公共性卫生安全问题，直接关系民生。真菌毒素(Mycotoxins)作为产毒真菌生长中的分泌物，是食品及农产品中的主要污染物之一。据联合国粮食农业组织(FoodandAgricultureOrganizationoftheUnitedNations)的统计，世界各地每年被真菌毒素污染的谷物约占25％，其中2％受严重污染的农产品会因此丧失营养价值及经济价值，给整个粮食产业造成数百亿美元的巨大损失。现阶段发现的真菌毒素有300余种，其中常见的种类有黄曲霉毒素(Aflatoxins,AFB1)、赭曲霉毒素(Ochratoxin，OTA)、玉米赤霉烯酮(Zearalenone，ZEN)等。它们皆不易于溶于水，可溶于有机溶液，具有熔点高，化学性质相对稳定的理化性质。真菌毒素主要通过污染饲料、谷物、食物从而间接对人畜的健康造成危害。为了防止食品污染，对食品进行真菌毒素的检测至关重要。而目前传统的检测方法需要昂贵的仪器，并且操作繁琐，不能达到大批量即时便携检测的目的。AndroidStudio是一款集成开发工具软件，在该平台上可以对基于Android的项目进行开发调试，而且还拥有可视化布局编辑器，极大地方便了开发人员在应用开发过程中的可预览效果，方便及时进行调整和修改。OpenCV是一个开放源代码的计算机视觉和机器学习软件库。由于具有高效率和轻量级的优势，常作为计算机视觉应用领域通用的设施，便于将机器感知应用于商品产业领域。
技术实现思路
基于现有技术，本专利技术提出了一种基于Android平台的真菌毒素含量检测方法，将食品安全检测与日常生活中常见的智能手机结合，以Android开发技术、图像处理技术等为理论基础对毒素的荧光强度进行检测，得到真菌毒素含量，从而实现对食品中多种真菌毒素的同时检测。本专利技术的一种基于Android平台的真菌毒素含量检测方法，该方法包括以下步骤：步骤一、利用生物技术对真菌毒素进行荧光标记，黄曲霉、赭曲霉和玉米赤霉烯酮这三种毒素分别被荧光标记成红、绿、蓝小球，用980nm波长的激光激发拍摄图像，拍照得到980图像；然后再用488nm波长的激光激发拍摄图像，拍照得到二抗标记的488图像，作为检测信号；步骤二、对980图像依序进行以下处理：(2-1)对980图像进行颜色分离，设定H、S、V三通道范围对图像的分离判断依据如下：当满足100<H<124、43<S<255、46<V<255时，分离出红色小球；当满足35<H<77、43<S<255、46<V<255时，分离出绿色小球；当满足156<H<180、43<S<255、46<V<255时，分离出蓝色小球；(2-2)对980图像颜色分离后图像进行灰度化处理，将原来的三通道图像变为单通道图像；(2-3)对进行灰度处理后的图像进行噪声干扰的滤除处理，调用高斯滤波GaussianBlur函数继续对图像进行滤波处理，高斯滤波GaussianBlur函数表达式为：其中，(u,v)表示图像的坐标值；σ表示标准差；将灰度图像和高斯核函数进行卷积操作得到滤波处理后的图像；(2-4)对经上述去噪处理后的图像进行二值化处理，即选用单阈值化方法将图像分割为只有0和1两个值的二值图像，分割为背景和待测物两个部分，灰度值判断公式如下：其中，f(x,y)为灰度图像上(x,y)点处对应的灰度值，(x,y)为坐标值；T为图像阈值，根据图像由自适应阈值确定具体值，若该点灰度值大于选择的阈值T，则f(x,y)取1；若该点灰度值小于或等于选择的阈值T，则f(x,y)取0；(2-5)利用开运算对经二值化处理后的图像进行去噪处理，表达式为：OPEN(A)＝D(E(X))其中，X为被测图像，A为被测图像的每一像素点，D()为膨胀运算函数，E()为腐蚀运算函数；该表达式是先执行腐蚀运算，通过减小图像中的像素面积来消除图像中待测小球的所有边界点，去除噪声点的干扰；再膨胀执行膨胀运算，通过增大图像中的像素面积来合并所有与被测物接触的背景点，以使得到的待测物小球完整，避免小球中间出现孔洞；腐蚀运算表达式为：膨胀运算表达式为：其中，B为扫描图像每个像素点的3×3结构元素，用结构元素与二值图像进行与操作，Ba为结构元素B平移距离a后的下一个像素点区域，A与B的交集为A被B腐蚀的区域；A与B的并集为A被B膨胀的区域；(2-6)分别对红、绿、蓝小球的二值图像进行连通域的提取；通过调用findContours函数对分离颜色通道后的二值图像进行连通域提取，该函数输出的contours参数为连通域位置，调用drawContours函数画出连通域具体位置。得到红、绿、蓝小球的连通域位置记为RED、GREEN、BLUE；步骤三、对488图像进行以下处理：(3-1)与步骤(2-4)同样的方式进行二值化处理和与步骤(2-5)同样的方式进行去除噪声处理；(3-2)对488图像也进行HSV处理，其中所得v通道的亮度值即为小球在图像中的亮度平均值；用488图像与RED、GREEN、BLUE作与运算从而实现不同颜色的连通域匹配，得到三种不同毒素的亮度值，由亮度值与浓度值间的关系，间接得到三种不同真菌毒素的浓度值；最终，OTA、ZEN、AFB1的亮度值x与浓度值y间满足：488图像显示红、绿、蓝三种小球的亮度信息值，OTA：y＝10-0.12839x+14.59849(ng/ml)ZEN：y＝10-0.03131x+14.59849(ng/ml)AFB1：y＝10-0.0784x+9.7425(ng/ml)。与相比，本专利技术具有以下优点：1、能够实现对不同种类的真菌毒素进行同时检测；2、能够提高运算速度，有利于缩短运算时间。附图标记图1为本专利技术的一种基于Android平台的真菌毒素含量检测方法流程图；图2为传统的RGB颜色分离得到的图像模拟区域图，(a)原图、(b)红色小球检测图、(c)绿色小球检测图、(d)蓝色小球检测图；图3为本专利技术HSV分离得到的图像模拟区域图，(a)原图、(b)红色小球检测图、(c)绿色小球检测图、(d)蓝色小球检测图；图4为形态学运算的腐蚀过程模拟示意图；图5为形态学运算的膨胀过程模拟示意图；图6是亮度与浓度值间的线性关系图。具体实施方式本专利技术通过拍照得到毒素图像后，以Android开发技术、图像处理技术等为理论基础对毒素的荧光强度进行检测，通过相应的荧光强度和毒素间的线性关系，得到真菌毒素含量，从而实现对食品中多种真菌毒素的同时检测。故本设计先后对图像进行了灰度化处理、高斯低通滤波、二值化、开运算、提取连通域操作。下面将结合附图对本专利技术的实施方式作进一步的详细描述。如图1所示，为本专利技术的一种基于Android平台的真菌毒素含量检测方法流程图。具体包括以下步骤：步骤一、利用生物技术对真菌毒素进行荧光标记，将本文档来自技高网...

【技术保护点】
1.一种基于Android平台的真菌毒素含量检测方法，其特征在于，该方法包括以下步骤：步骤一、利用生物技术对真菌毒素进行荧光标记，黄曲霉、赭曲霉和玉米赤霉烯酮这三种毒素分别被荧光标记成红、绿、蓝小球，用980nm波长的激光激发拍摄图像，拍照得到980图像；然后再用488nm波长的激光激发拍摄图像，拍照得到二抗标记的488图像，作为检测信号；步骤二、对980图像依序进行以下处理：(2‑1)对980图像进行颜色分离，设定H、S、V三通道范围对图像的分离判断依据如下：当满足100

【技术特征摘要】
1.一种基于Android平台的真菌毒素含量检测方法，其特征在于，该方法包括以下步骤：步骤一、利用生物技术对真菌毒素进行荧光标记，黄曲霉、赭曲霉和玉米赤霉烯酮这三种毒素分别被荧光标记成红、绿、蓝小球，用980nm波长的激光激发拍摄图像，拍照得到980图像；然后再用488nm波长的激光激发拍摄图像，拍照得到二抗标记的488图像，作为检测信号；步骤二、对980图像依序进行以下处理：(2-1)对980图像进行颜色分离，设定H、S、V三通道范围对图像的分离判断依据如下：当满足100<H<124、43<S<255、46<V<255时，分离出红色小球；当满足35<H<77、43<S<255、46<V<255时，分离出绿色小球；当满足156<H<180、43<S<255、46<V<255时，分离出蓝色小球；(2-2)对980图像颜色分离后图像进行灰度化处理，将原来的三通道图像变为单通道图像；(2-3)对进行灰度处理后的图像进行噪声干扰的滤除处理，调用高斯滤波GaussianBlur函数继续对图像进行滤波处理，高斯滤波GaussianBlur函数表达式为：其中，(u,v)表示图像的坐标值；σ表示标准差；将灰度图像和高斯核函数进行卷积操作得到滤波处理后的图像；(2-4)对经上述去噪处理后的图像进行二值化处理，即选用单阈值化方法将图像分割为只有0和1两个值的二值图像，分割为背景和待测物两个部分，灰度值判断公式如下：其中，f(x,y)为灰度图像上(x,y)点处对应的灰度值，(x,y)为坐标值；T为图像阈值，根据图像由自适应阈值确定具体值，若该点灰度值大于选择的阈值T，则f(x,y)取1；若该点灰度值小于或等...

【专利技术属性】
技术研发人员：张淑芳，彭康，朱彤，徐红爽，王汉杰，杨旻晔，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津,12