[發明專利]一種大腸桿菌動態生長監測方法

有效

• 申請號: 202010087823.8
• 申請日: 2020-02-12
• 公開（公告）號: CN111368643B
• 公開（公告）日: 2023-04-14
• 發明（設計）人: 徐瑩;陳揚孜;王旭
• 申請（專利權）人: 杭州電子科技大學
• 主分類號: G06V20/10
• 分類號: G06V20/10;G06V30/148;G06V10/48;G06V10/74;G06T7/136;G06T7/155;G06T7/33;G06T7/62;G06F17/18;C12Q1/689;C12Q1/10
• 代理公司: 杭州君度專利代理事務所(特殊普通合伙) 33240
• 代理人: 朱亞冠

1.一種大腸桿菌動態生長監測方法，基于以下裝置包括攝像機、置物臺、輸入面板；所述置物臺上下方均設有led燈,用以光照射置物臺；置物臺四周設有四個方向的可移動擋板，通過電機驅動可移動擋板移動，使得剛好放置培養皿及其蓋子；所述攝像機位于置物臺的正上方，用于獲取置物臺上培養皿及其蓋子的圖像；攝像機將拍攝到的圖像傳輸到上位機系統；所述輸入面板用于輸入培養皿規格與拍照指令，并傳送至控制模塊；輸入培養時間傳送至上位機系統用于標記拍攝的圖像；所述控制模塊收到拍照指令，控制攝像機進行拍攝；收到培養皿規格數據，控制電機驅動調整可移動擋板距離；其特征在于該方法包括以下步驟：

步驟(1)、獲得拍攝機得到的含有大腸桿菌菌落的培養皿與含標記信息的培養皿蓋圖像，然后裁剪為菌落培養皿圖像和標記圖像；

步驟(2)、使用OCR自動識別字符系統提取標記圖像中的字符，與訓練集中事先存儲的字符特征進行模式匹配，得到培養皿上的標記信息，包括編號、稀釋梯度；根據識別的標記信息對相應菌落圖像進行標記序號；

步驟(3)、對步驟(1)菌落圖像使用canny算子檢測圖像邊緣，通過hough變換檢測圓，存儲檢測圓里半徑最小的圓心位置和半徑，根據圓心位置和半徑去除圖像中的培養皿邊緣，得到去除培養皿邊緣的菌落灰度圖像；然后對灰度圖像進行閾值分割，得到菌落的二值圖像；

步驟(4)、計算步驟(3)二值圖像中各菌落區域質心點坐標和面積，根據區域離散性選擇性保存獨立菌落質心位置，得到質心點疊加到步驟(3)灰度圖像中的疊加圖；

步驟(5)、菌落生長過程中區域范圍逐漸增大，顏色也會發生細微的變化，而每個獨立菌落的質心位置基本不發生變化，因此以質心點為特征點對當前時刻菌落圖像進行配準:將當前時刻菌落圖像旋轉至與上一時刻即存儲的標記序號較當前圖像小1的菌落圖像方向相同，使菌落區域質心部分基本重合，然后利用上一時刻菌落圖像的質心位置更新當前時刻菌落圖像的質心位置，進而獲取各獨立菌落培養至該時間段的顏色，面積特征信息；

5.1基于SURF算法思想，利用梯度直方圖和鄰域主方向構造特征描述算子；

對當前時刻菌落圖像和上一時刻菌落圖像均做如下處理：

1)以圖像的菌落區域質心點為中心，角度為60°的扇形滑動窗口統計窗口內小波響應值總和；以步長為0.2弧度旋轉滑動窗口，再次統計小波響應值總和，總和最大的方向即為主方向；

小波響應值的計算如下：以圖像的菌落區域質心點作為中心，半徑6S的圓形鄰域內，S＝1.2*L/9為質心點的尺度，L為圖像高斯卷積得到的高斯尺度空間，計算質心點在X方向和Y方向的Haar小波響應運算得到小波響應值，其中haar小波模板長度為4S；并以質心點為中心對小波響應值進行高斯加權；

2)沿上述特征點的主方向選取一個正方形框，邊長為20S，劃分為16個區域，每個區域統計25個像素點的水平和垂直方向的Haar小波響應dy和dx；以質心點為中心，對dy和dx進行高斯加權計算，得到每個區域的4維特征矢量，因此每個質心點的描述子由64維特征矢量組成；

5.2利用前后兩個時刻圖像的各質心點的特征矢量，根據公式(3)篩選出歐氏距離最近與次近的質心點，然后計算最近歐氏距離和次近歐氏距離的比值，若大于給定閾值則認為最近歐氏距離的質心點為誤匹配，并剔除該匹配對，若否則作為前后兩個時刻圖像的特征匹配對，直至找到圖像的所有匹配對，即可實現圖像配準；

其中為上一時刻i-1保存的菌落圖像I_i-1的特征點α和當前時刻i待配準的菌落圖像I_i的特征點β的特征描述子；分別為兩個特征點α和β特征描述子的j維特征矢量；

5.3將當前時刻的菌落圖像更新為配準后的圖像作為下一時刻配準的基準圖像，同時將配準后當前時刻菌落圖像的各質心點對應區域的面積，顏色信息同上一時刻該區域存儲的信息以及當前時刻的培養時間對應保存在一起，并制作菌落的生長曲線；若當前時刻出現新長出來的菌落，即獨立菌落質心點數增加，則將增加的質心點更新在初始時刻圖像中；

步驟(6)、重復上述步驟對后續培養時刻的培養皿進行拍照和處理，最后得到各獨立菌落動態的生長特征，根據菌落的生長曲線獲得菌落對數期內的生長速率，由生長速率判斷菌落的生長期；拍攝初始時刻圖像時在拍攝裝置面板鍵入的培養時間即該批次菌落的延遲期時間；將延遲期時間和對數期內的生長速率兩個特征量傳送到提前訓練的回歸模型預測菌液濃度；

6.1建立回歸模型：訓練集為對多個濃度不同的菌液樣本制成的培養皿進行動態監測得到對應樣本的兩個自變量：延遲期時間x₁和對數期內的生長率x₂，樣本因變量為菌液濃度y；

設回歸方程為h(x)＝a₀+a₁x₁+a₂x₂，a₀，a₁和a₂為回歸系數，該方程即為回歸模型的函數表達式；由回歸方程得到回歸模型的損失函數：

m為訓練集樣本總數，h(x(i))為第i個樣本的自變量輸入到回歸方程h(x)得到的預測值，y(i)為第i個樣本的實際菌液濃度；損失函數J(a₀，a₁，a₂)是將預測值和真實值之間的差值平方和除以2m，表示預測值和真實值之間的差距，使損失函數J(a₀，a₁，a₂)最小即可得到回歸方程h(x)中的回歸系數，進而得到建立的回歸模型；

6.2將延時期時間、生長速率這兩個變量按照相應特征分類歸一化到[0，1]區間內，歸一化后的數據傳送到回歸模型中，得到該樣本對應預測菌液濃度r₁。