一种大肠杆菌动态生长监测方法技术

本发明专利技术公开一种大肠杆菌动态生长监测方法。本发明专利技术提供一种将大肠杆菌菌落图像与前时刻图像实现配准的方法，使两幅图像角度一致，得到各菌落的质心位置，进而快速得到培养皿中的菌落数目；可定位到每个菌落，统计各菌落在该生长时刻的大小，颜色信息，根据培养时间计算出生长速度，判断菌落在各个时间节点处于哪一生长阶段，进而得到生长曲线；提供一种使用回归模型根据菌落延迟期时间，对数期内的生长速率两个变量值预测菌液浓度，与传统计数法得到的浓度做对比，筛选出实验过程中的错误样本；基于菌落生长的特征，建立回归模型可较精确的预测大肠杆菌菌液浓度，相比于易受外界环境干扰的传统计数法，本方法更精确，得到的数据可靠性更高。

A method for dynamic growth monitoring of Escherichia coli

【技术实现步骤摘要】
一种大肠杆菌动态生长监测方法
本专利技术涉及生物医学图像处理领域，主要涉及一种大肠杆菌菌落动态生长监测跟踪预测菌液浓度方法。
技术介绍
大肠杆菌菌落分析在食品，生物监测，医疗机构等领域有着基本且重要的作用。在食品卫生质量检测领域，常用来分析样品中所含对人体危害严重的大肠杆菌含量，根据细菌数目的多少可作为食品质量标准可反映出新鲜度和卫生状况。在医疗领域，研究人员可提取病人排泄物样本，根据中样本中相关大肠杆菌数目协助医生快速判断病人的病因以及病人病情的严重程度。随着科技的发展，数字图像处理技术日趋成熟，应用的领域也愈加广泛，将图像处理技术应用于菌落分析，是目前实现自动化智能化的大趋势，这不仅减少人工操作，一定程度上还提高了处理速度和识别准确率。常用的菌落分析技术是对培养皿上的菌落进行计数，由计数结果计算菌液浓度，计数结果的准确性取决于粘连菌落分割效果，国内外学者研究了很多粘连菌落分割的算法，比如早些年的周莹莉使用迭代阈值法计算最佳阈值对图像进行阈值分割；陆宗琪利用像素属性找到粘连区域连接线上的像素点实现粘连菌落分割，但缺点是适用范围本文档来自技高网...

【技术保护点】
1.一种大肠杆菌动态生长监测方法，基于以下装置包括摄像机、置物台、输入面板；所述置物台上下方均设有led灯,用以光照射置物台；置物台四周设有四个方向的可移动挡板，通过电机驱动可移动挡板移动，使得刚好放置培养皿及其盖子；所述摄像机位于置物台的正上方，用于获取置物台上培养皿及其盖子的图像；摄像机将拍摄到的图像传输到上位机系统；所述输入面板用于输入培养皿规格与拍照指令，并传送至控制模块；输入培养时间传送至上位机系统用于标记拍摄的图像；所述控制模块收到拍照指令，控制摄像机进行拍摄；收到培养皿规格数据，控制电机驱动调整可移动挡板距离；其特征在于该方法包括以下步骤：/n步骤(1)、获得拍摄机得到的含有大肠...

【技术特征摘要】
1.一种大肠杆菌动态生长监测方法，基于以下装置包括摄像机、置物台、输入面板；所述置物台上下方均设有led灯,用以光照射置物台；置物台四周设有四个方向的可移动挡板，通过电机驱动可移动挡板移动，使得刚好放置培养皿及其盖子；所述摄像机位于置物台的正上方，用于获取置物台上培养皿及其盖子的图像；摄像机将拍摄到的图像传输到上位机系统；所述输入面板用于输入培养皿规格与拍照指令，并传送至控制模块；输入培养时间传送至上位机系统用于标记拍摄的图像；所述控制模块收到拍照指令，控制摄像机进行拍摄；收到培养皿规格数据，控制电机驱动调整可移动挡板距离；其特征在于该方法包括以下步骤：
步骤(1)、获得拍摄机得到的含有大肠杆菌菌落的培养皿与含标记信息的培养皿盖图像，然后裁剪为菌落培养皿图像和标记图像；
步骤(2)、使用OCR自动识别字符系统提取标记图像中的字符，与训练集中事先存储的字符特征进行模式匹配，得到培养皿上的标记信息，包括编号、稀释梯度等；根据识别的标记信息对相应菌落图像进行标记序号；
步骤(3)、对步骤(1)菌落图像使用canny算子检测图像边缘，通过hough变换检测圆，存储检测圆里半径最小的圆心位置和半径，根据圆心位置和半径去除图像中的培养皿边缘，得到去除培养皿边缘的菌落灰度图像；然后对灰度图像进行阈值分割，得到菌落的二值图像；
步骤(4)、计算步骤(3)二值图像中各菌落区域质心点坐标和面积，根据区域离散性选择性保存独立菌落质心位置，得到质心点叠加到步骤(3)灰度图像中的叠加图；
步骤(5)、菌落生长过程中区域范围逐渐增大，颜色也会发生细微的变化，而每个独立菌落的质心位置基本不发生变化，因此以质心点为特征点对当前时刻菌落图像进行配准:将当前时刻菌落图像旋转至与上一时刻即存储的标记序号较当前图像小1的菌落图像方向相同，使菌落区域质心部分基本重合，然后利用上一时刻菌落图像的质心位置更新当前时刻菌落图像的质心位置，进而获取各独立菌落培养至该时间段的颜色，面积特征信息；
5.1基于SURF算法思想，利用梯度直方图和邻域主方向构造特征描述算子；
对当前时刻菌落图像和上一时刻菌落图像均做如下处理：
1)以图像的菌落区域质心点为中心，角度为60°的扇形滑动窗口统计窗口内小波响应值总和；以步长为0.2弧度旋转滑动窗口，再次统计小波响应值总和，总和最大的方向即为主方向；
小波响应值的计算如下：以图像的菌落区域质心点作为中心，半径6S(S＝1.2*L/9为质心点的尺度，L为图像高斯卷积得到的高斯尺度空间)的圆形邻域内，计算质心点在X方向和Y方向的Haar小波响应运算(其中haar小波模板长度为4S)得到小波响应值；并以质心点为中心对小波响应值进行高斯加权；
2)沿上述特征点的主方向选取一个正方形框，边长为20S，划分为16个区域，每个区域统计25个像素点的水平和垂直方向的Haar小波响应dy和dx；以质心点为中心，对dy和dx进行高斯加权计算，得到每个区域的4维特征矢量，因此每个质心点的描述子由64维特征矢量组成；
5.2利用前后两个时刻图像的各质心点的特征矢量，根据公式(3)筛选出欧氏距离最近与次近的质心点，然后计算最近欧氏距离和次近欧氏距离的比值，若大于给定阈值则认为最近欧氏距离的质心点为误匹配，并剔除该匹配对，若否则作为前后两个时刻图像的特征匹配对，直至找到图像的所有匹配对，即可实现图像配准；



其中为上一时刻i-1保存的菌落图像Ii-1的特征点α和当前时刻i待配准的菌落图像Ii的特征点β的特征描述子；分别为两个特征点α和β特征描述子的j维特征矢量；
5.3将当前时刻的菌落图像更新为配准后的图像作为下一时刻配准的基准图像，同时将配准后当前时刻菌落图像的各质心点对应区域的面积，颜色信息同上一时刻该区域存储的信息以及当前时刻的培养时间对应保存在一起，并制作菌落的生长曲线；若当前时刻出现新长出来的菌落，即独立菌落质心点数增加，则将增加的质心点更新在初始时刻图像中；
步骤(6)、重复上述步骤对后续培养时刻的培养皿进行拍照和处理，最后得到各独立菌落动态的生长特征，根据菌落的生长曲线获得菌落对数期内的生长速率，由生长速率判断菌落的生长期；拍摄初始时刻图像时在拍摄装置面板键入的培养时间即该批次菌落的延迟期时间；将延迟期时间和对数期内的生长速率两个特征量传送到提前训练的回归模型预测菌液浓度；
6.1建立回归模型：训练集为对多个浓度不同的菌液样本制成的培养皿进行动态监测得到对应样本的两个自变量：延迟期时间x1和对数期内的生长率x2，样本因变量为菌液浓度y；
设回归方程为h(x)＝a0+a1x1+a2x2，a0，a1和a2为回归系数，该方程即为回归模型的函数表达式；由回归方程得到回归模型的损失函数：



m为训练集样本总数，h(x(i))为第i个样本的自变量输入到回归方程h(x)得到的预测值，y(i)为第i个样本的实际菌液浓度；损失函数J(a0，a1，a2)是将预测值和真实值之间的差值平方和除以2m，表示预测值和真...

【专利技术属性】
技术研发人员：徐莹，陈扬孜，王旭，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：浙江;33