[發明專利]一種霉菌檢測方法及系統

有效

• 申請號: 201910933103.6
• 申請日: 2019-09-29
• 公開（公告）號: CN110689534B
• 公開（公告）日: 2022-08-09
• 發明（設計）人: 王涵;劉狀;吳鋒
• 申請（專利權）人: 珠海中科先進技術研究院有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;C12Q1/04;C12M1/00;C12M1/34
• 代理公司: 廣州嘉權專利商標事務所有限公司 44205
• 代理人: 張志輝

1.一種霉菌檢測方法，其特征在于，包括以下步驟：

S100、獲取多個霉菌衣物的樣本圖像；

S200、對所述多個樣本圖像進行圖像處理及標簽貼紙，得到學習數據庫，基于所述學習數據庫進行判別模型訓練；

所述S200還包括：

S210、對所述樣本圖像進行裁剪操作，得到預處理樣本圖像，并計算霉菌面積大小；

S220、對所述預處理樣本圖像進行標簽貼紙，其中標簽貼紙包括對應樣本圖像的紋理、顏色、霉菌的標識面積以及污染程度信息；

所述紋理包括霉菌菌絲占整個菌落比重和霉菌菌球占整個菌落比重；計算霉菌總標識面積占截取霉菌面積的百分比作為霉菌密度指標，所述霉菌密度指標作為污染程度信息；

S300、采集待檢測衣物圖像數據，基于所述判別模型進行圖像判別計算；

S400、輸出所述判別模型的圖像判別計算結果，其中所述計算結果包括所述標簽貼紙的信息。

2.根據權利要求1所述的霉菌檢測方法，其特征在于，所述S200還包括：

S230、對標簽貼紙后的樣本圖像進行數據庫擴充操作，得到擴充后的學習數據庫。

3.根據權利要求2所述的霉菌檢測方法，其特征在于：

所述S210還包括：S211、將所述樣本圖像進行顏色空間變化，即將RGB空間轉化為LAB空間；

所述對標簽貼紙后的樣本圖像進行數據庫擴充操作包括：使用Python實現灰度化、通過浮點算法、整數算法、平均值算法、移位法、單通道法、二值化法讀取原圖像以及灰度變換對所述樣本圖像進行處理，得到擴充的數據庫。

4.根據權利要求2所述的霉菌檢測方法，其特征在于，所述S220還包括：

S221、使用判別模型，對所述樣本圖像進行標簽貼紙；

S222、對所述樣本圖像中的輪廓進行逐一遍歷，對顏色、灰度以及紋理形狀進行分類識別，完成標簽貼紙。

5.根據權利要求2所述的霉菌檢測方法，其特征在于，所述S220還包括：

基于生成模型對所述樣本圖像進行標簽貼紙；

對所述樣本圖像中的輪廓進行逐一遍歷，對顏色、灰度以及紋理形狀尋找與目標相似度最大的區域，分離并進行標簽貼紙；

其中所述生成模型包括但不限于基于SR算法的模型、基于PCA算法的模型以及基于隨機森林算法的模型。

6.根據權利要求2至5任一所述的霉菌檢測方法，其特征在于，所述紋理包括霉菌菌絲以及霉菌菌球。

7.根據權利要求2至5任一所述的霉菌檢測方法，其特征在于，所述污染程度為霉菌總標識面積與裁剪操作后霉菌面積的比值，計算式為：

其中P≥0.85為重度污染；

0.85P≥0.60為中度污染；

P0.60為輕度污染。

8.根據權利要求1所述的霉菌檢測方法，其特征在于，所述判別模型包括但不限于基于SVM算法的模型、神經網絡以及基于adaboost算法的模型。

9.一種霉菌檢測系統，用于實現如權利要求1-8任一項所述的霉菌檢測方法，其特征在于，包括：

樣本采集模塊，用于采集多個霉菌衣物的樣本圖像，其中采集方式包括網絡爬取；

樣本圖像處理模塊，用于對所述多個樣本圖像進行圖像處理及標簽貼紙，得到學習數據庫，基于所述學習數據庫進行判別模型訓練；

學習庫模塊，用于存儲處理后的樣本圖像和判別模型；

圖像采集模塊，用于采集待檢測衣物圖像數據；

運算模塊，用于基于判別模型對所述待檢測衣物圖像數據進行霉菌檢測識別。

10.根據權利要求9所述的菌檢測系統，其特征在于，所述樣本圖像處理模塊包括：

轉換單元，用于將所述樣本圖像進行由RGB空間轉換為LAB空間的操作；

裁剪及計算單元，用于對所述樣本圖像進行裁剪操作，得到預處理樣本圖像，并計算霉菌面積大小；

標簽貼紙單元，用于對所述預處理樣本圖像進行標簽貼紙，其中標簽貼紙包括對應樣本圖像的紋理、顏色、霉菌的標識面積以及污染程度信息；

數據庫擴充單元，用于對標簽貼紙后的樣本圖像進行數據庫擴充操作，得到擴充后的學習數據庫。