一种基于Logistic四参数模型和MASCA算法的微生物鉴定系统及方法技术方案

本发明专利技术提供一种基于Logistic四参数模型和MASCA算法的微生物鉴定系统及方法，该系统包括：微生物培养部，具有置于孵育板上且内部放置有基液的多个孵育孔，用于培养待鉴定微生物；采集计算部，具有用于采集每个孵育孔内待鉴定微生物的菌液的图像并得到图像的灰度值的CCD相机以及与CCD相机连接的并基于预定规则将该灰度值转化为微生物菌液浊度值的计算机；曲线生成部，用于根据对数生长期间微生物菌液的浊度值及其对应生长时间内每个孵育孔内的待鉴定微生物的生长曲线；微生物判别部，用于将生长曲线与标准生长曲线数据库中已知微生物的标准生长曲线进行匹配，从而得到待鉴定微生物的种类；该方法采用上述微生物鉴定系统进行鉴定，最终得到待鉴定微生物的种类。

A Microbial Identification System and Method Based on Logistic Four-parameter Model and MASCA Algorithms

【技术实现步骤摘要】
一种基于Logistic四参数模型和MASCA算法的微生物鉴定系统及方法
本专利技术属于生物鉴定技术中的数据处理和数字计算领域，具体涉及一种基于Logistic四参数模型和MASCA算法的微生物鉴定系统及方法。
技术介绍
国内微生物鉴定系统的研究从20世纪末开始，起步较晚。在传统的微分类鉴定中，微生物鉴定的主要依据是形态学特征、生理生化反应特征、生态学特征以及血清学反应、对噬菌体的敏感性等。虽然国内的微生物鉴定仪价格适中，适合广泛使用，但其性能参差不齐，人为因素影响较大。有些微生物新种、亚种也不能被鉴定，并且国内读数仪均使用比浊和比色技术，鉴定速度相对较慢。随着仪器分析技术快速进步和计算机广泛应用，微生物种类鉴定渐渐地由传统的形态学观察和人工、生理生化实验鉴定转入基于仪器自动化分析的鉴定系统阶段。因此，借助新的技术手段分析微生物特征达到鉴定目的是非常有效的。通过对不同特征来鉴别微生物的方法各有不同，而微生物特征除了包括形态学特征、生理化特征，还具有呈指数生长的特性。每种微生物具有不同的生长曲线，其对数生长期间的数量随时间的变化可得到一条具有该微生物生长特性的生长曲线。因此，为了满足市场需求，基于生长曲线设计出一种操作简便，流程自动化和结果准确的微生物鉴定方法势在必行。
技术实现思路
本专利技术是为了解决上述问题而进行的，目的在于提供一种基于Logistic四参数模型和MASCA算法的微生物鉴定系统及方法。本专利技术提供了一种基于Logistic四参数模型和MASCA算法的微生物鉴定系统，用于鉴定微生物的种类，具有这样的特征，包括：微生物培养部，具有置于孵育板上且内部放置有基液的多个孵育孔，用于培养待鉴定微生物；采集计算部，具有用于采集每个孵育孔内待鉴定微生物的菌液图像并得到图像的灰度值的CCD相机以及与CCD相机连接的并基于预定规则将该灰度值转化为微生物菌液浊度值的计算机；曲线生成部，用于根据微生物对数生长期间菌液的浊度值及其对应生长时间来获得每个孵育孔内的待鉴定微生物的生长曲线；以及微生物判别部，用于将生长曲线与标准生长曲线数据库中已知微生物的标准生长曲线进行匹配，从而得到待鉴定微生物的种类，其中，曲线生成部采用Logistic四参数模型为拟合模型，并利用Lewenberg-Marquardt算法将浊度值与对应生长时间进行拟合，并采用MATLAB进行编程，从而得到待鉴定微生物的生长曲线。在本专利技术提供的基于Logistic四参数模型和MASCA算法的微生物鉴定系统中，还可以具有这样的特征：其中，培养待鉴定微生物的孵育孔的数量为48个，孵育孔内的基液与培养标准生长曲线数据库中已知微生物的基液相同，均含有四唑类氧化还原染色剂、胶质以及47种不同的碳源物质。在本专利技术提供的基于Logistic四参数模型和MASCA算法的微生物鉴定系统中，还可以具有这样的特征：其中，Logistic四参数模型的表达式为：式中，y表示浊度值；x表示时间；A1表示浊度值y的最小值；A2表示浊度值y的最大值；x0为最大生长比率点；p是浊度值增长速率参数。在本专利技术提供的基于Logistic四参数模型和MASCA算法的微生物鉴定系统中，还可以具有这样的特征：其中，MASCA算法即为多层惩罚系数调整相似度的算法，包括绝对异常调整算法、显著异常调整算法以及大概率异常惩罚算法。本专利技术还提供了一种采用上述基于Logistic四参数模型和MASCA算法的微生物鉴定系统的微生物鉴定方法，包括如下步骤：步骤1，设定待鉴定微生物的培养时间；步骤2，将待鉴定微生物放入多个孵育孔内进行培养，得到待鉴定微生物的微生物菌液；步骤3，采用CCD相机每20分钟采集孵育板的每个孵育孔内的微生物菌液的图像，获得每个孵育孔内的微生物菌液的亮度、颜色或纹理变化信息，进而得到每个孵育孔内的微生物菌液的实时的灰度值，然后通过计算机将灰度值转化为浊度值；步骤4，待待鉴定微生物的培养达到设定的时间后，计算机控制CCD相机停止采集图像；步骤5，曲线生成部选取待鉴定微生物在对数生长期间的浊度值以及与浊度值相对应的时间，而后根据Logistic四参数模型并采用MATLAB进行编程，分别做出待鉴定微生物在每个孵育孔内的生长曲线；步骤6，微生物判别部先根据Logistic四参数模型建立已知微生物的标准生长曲线数据库，而后在鉴别过程中利用夹角余弦定理和归一化处理方法将待鉴定微生物的生长曲线与标准生长曲线数据库中的每种已知微生物的标准生长曲线进行对比，得到原始相似度；步骤7，微生物判别部将各个孵育孔的阴阳性数据与已知微生物库中的每种已知微生物的相应板孔信息进行对比，根据匹配程度的综合信息，通过MASCA算法来调整原始相似度，得到调整后相似度，而后通过对调整后相似度进行高低排序判别出待鉴定微生物的种类，若都不匹配，则将该待鉴定微生物存入标准生长曲线数据库中。在本专利技术提供的基于Logistic四参数模型和MASCA算法的微生物鉴定方法，还可以具有这样的特征：其中，步骤6中的标准生长曲线的获得具有如下子步骤：将已知微生物放入多个孵育孔内进行培养，而后鉴别孵育孔的阴阳性，并在相应的孵育孔内通过logistic四参数模型得到已知微生物的多组待定生长曲线，将多组待定生长曲线取平均值得到标准生长曲线。在本专利技术提供的基于Logistic四参数模型和MASCA算法的微生物鉴定方法，还可以具有这样的特征：步骤6中的原始相似度的获得具有如下子步骤：将待鉴定微生物在各个孵育孔的生长曲线与每种已知微生物的标准生长曲线通过夹角余弦定理获得单孔相似程度，然后对各个孵育孔的相似程度做归一化处理，得到原始相似度。专利技术的作用与效果根据本专利技术所涉及的基于Logistic四参数模型和MASCA算法的微生物鉴定系统，因为具有微生物培养部，所以能够用于培养待鉴定微生物；因为采集计算部具有CCD相机以及计算机，所以能够采集待鉴定微生物的微生物菌液的图像并且获得图像的灰度值，进而将灰度值转化为浊度值；因为具有的曲线生成部采用Logistic四参数模型以及Lewenberg-Marquardt算法将浊度值与对应生长时间进行拟合，并采用MATLAB进行编程，所以能够得到待鉴定微生物的生长曲线；因为具有微生物判别部，所以能够根据待鉴定微生物的生长曲线和已知标准曲线通过夹角余弦定理和MASCA算法对其种类进行判别。根据本专利技术所涉及的基于Logistic四参数模型和MASCA算法的微生物鉴定方法，因为采集计算部的CCD相机与计算机相连，所以能及时获取到CCD相机反馈的图像信息，将采集到的灰度值及时处理，还能够在达到设定的时间后，通过计算机控制相机停止采集，避免消耗不必要的采集时间，并且将灰度值转换为浊度值；因为通过曲线生成部生成的生长曲线是贯穿于整个培养生长的过程的，所以能够较好的判别微生物的特性；因为曲线生成部采用用logistic四参数模型对浊度值和相应生长时间进行处理，所以得到的生长曲线是非常准确的；因为微生物判别部采用MASCA算法对原始相似度进行调整，所以避免了出现特殊误差的情况，提高了准确性和鲁棒性，并且达到了快速高效的鉴定微生物的目的。因此，本专利技术的基于Logistic四参数模型和MASCA算法的微生物鉴定系统及方法，具有高可行性，有效解本文档来自技高网...

【技术保护点】
1.一种基于Logistic四参数模型和MASCA算法的微生物鉴定系统，用于鉴定待鉴定微生物的种类，其特征在于，包括：微生物培养部，具有置于孵育板上的且内部放置有基液的多个孵育孔，用于培养所述待鉴定微生物；采集计算部，具有用于采集每个所述孵育孔内的待鉴定微生物的微生物菌液的图像并得到图像的灰度值的CCD相机以及与所述CCD相机连接的并基于预定规则将该灰度值转化为所述微生物菌液的浊度值的计算机；曲线生成部，用于根据对数生长期间所述微生物菌液的所述浊度值及其对应生长时间来获得每个所述孵育孔内的所述待鉴定微生物的生长曲线；微生物判别部，用于将所述生长曲线与标准生长曲线数据库中已知微生物的标准生长曲线进行匹配，从而得到所述待鉴定微生物的种类，其中，所述曲线生成部采用Logistic四参数模型为拟合模型，并利用Lewenberg‑Marquardt算法将所述浊度值与所述对应生长时间进行拟合，并采用MATLAB进行编程，从而得到所述待鉴定微生物的所述生长曲线。

【技术特征摘要】
1.一种基于Logistic四参数模型和MASCA算法的微生物鉴定系统，用于鉴定待鉴定微生物的种类，其特征在于，包括：微生物培养部，具有置于孵育板上的且内部放置有基液的多个孵育孔，用于培养所述待鉴定微生物；采集计算部，具有用于采集每个所述孵育孔内的待鉴定微生物的微生物菌液的图像并得到图像的灰度值的CCD相机以及与所述CCD相机连接的并基于预定规则将该灰度值转化为所述微生物菌液的浊度值的计算机；曲线生成部，用于根据对数生长期间所述微生物菌液的所述浊度值及其对应生长时间来获得每个所述孵育孔内的所述待鉴定微生物的生长曲线；微生物判别部，用于将所述生长曲线与标准生长曲线数据库中已知微生物的标准生长曲线进行匹配，从而得到所述待鉴定微生物的种类，其中，所述曲线生成部采用Logistic四参数模型为拟合模型，并利用Lewenberg-Marquardt算法将所述浊度值与所述对应生长时间进行拟合，并采用MATLAB进行编程，从而得到所述待鉴定微生物的所述生长曲线。2.根据权利要求1所述的基于Logistic四参数模型和MASCA算法的微生物鉴定系统，其特征在于：其中，培养所述待鉴定微生物的所述孵育孔的数量为48个，所述孵育孔内的所述基液与培养所述标准生长曲线数据库中所述已知微生物的基液相同，均含有四唑类氧化还原染色剂、胶质以及47种不同的碳源物质。3.根据权利要求1所述的基于Logistic四参数模型和MASCA算法的微生物鉴定系统，其特征在于：其中，所述Logistic四参数模型的表达式为：式中，y表示浊度值；x表示时间；A1表示浊度值y的最小值；A2表示浊度值y的最大值；x0为最大生长比率点；p是浊度值增长速率参数。4.根据权利要求1所述的基于Logistic四参数模型和MASCA算法的微生物鉴定系统，其特征在于：其中，所述MASCA算法为多层惩罚系数调整相似度的算法，包括绝对异常调整算法、显著异常调整算范以及大概率异常惩罚算法。5.一种采用如权利要求1-4中任意一项所述的基于Logistic四参数模型和MASCA算法的微生物鉴定系统的微生物鉴定方法，包括如下步骤：步骤1，设定所述待鉴定微生物的培养时间；步骤2，将所述待鉴定微生物放入所述多个孵育孔内进行培养，得到所述待鉴定微生物的所...

【专利技术属性】
技术研发人员：黄鹏杰，林勇，张绍康，吕琳，裴潇倜，余莹，徐晓丽，许小敏，
申请(专利权)人：上海理工大学，
类型：发明
国别省市：上海,31