菌落识别方法及相关设备与流程
本发明涉及图像处理和病原体微生物药敏检测,尤其涉及一种菌落识别方法及相关设备。
背景技术:
1、在快速药敏实验过程中,对fish(荧光原位杂交)菌落光斑进行识别会存在以下技术问题:
2、传统的检测系统采用低孔数(如16和32)的孔板,然而随着孔板的孔数(如192及384个)增加,光学传感器对整板进行拍照时,由于光学系统的衍射极限、镜头畸变或光路散射这会导致附近孔间产生光斑,导致正常菌落光斑与串扰产生的光斑叠加或聚集,形成孔间串扰、光斑重叠、高亮饱和及类别不平衡,使得斑区面积占比和总光强的读数偏高,影响图像碎片检测逻辑,同时光斑颗粒之间的重叠和相互遮挡概率增大,单一阈值的分类方法容易产生误判,无法进行准确的判读。
技术实现思路
1、旨在至少解决现有技术中存在的技术问题之一,本发明提供一种菌落识别方法及相关设备。
2、本发明的一方面提供了一种fish菌落识别方法,包括:
3、获取用于承载细菌悬液的孔板上每个孔位的孔位图像,对所述孔位图像执行特征提取,得到光斑分布特征;
4、若所述光斑分布特征满足图像碎片检测条件时,根据所述光斑分布特征确定用于图像碎片检测的动态阈值;
5、对所述孔位图像通过所述动态阈值进行图像碎片检测,得到图像碎片检测结果,所述图像碎片检测结果用于指示是否执行菌落识别;
6、根据图像碎片检测结果对孔位图像进行菌落识别,得到菌落识别结果。
7、根据所述的菌落识别方法,其中光斑分布特征用于表征孔位图像中光斑颗粒的光强特征、面积分布特征及形态分布特征。
8、根据所述的菌落识别方法,其中图像碎片检测条件包括第一预设阈值区间和第二预设阈值区间,所述第一预设阈值区间由孔板类型和用于fish的光学系统参数确定,所述第二预设阈值区间由fish的荧光信号强度基准确定;
9、若所述面积分布特征的斑区面积占比超过第一预设阈值区间或所述光强特征的总光强超过第二预设阈值区间,则满足所述图像碎片检测条件。
10、根据所述的菌落识别方法,其中根据所述光斑分布特征确定用于图像碎片检测的动态阈值,包括:
11、对所述光斑分布特征的每种特征信息进行排序,将预设比例位置的值作为光斑分布特征的统计基准值;
12、将所述统计基准值通过预设比例系数进行放大并与基础阈值进行对比,以较大值作为所述动态阈值。
13、根据所述的菌落识别方法,其中方法还包括:
14、对孔位每次执行光斑分布特征统计时,以孔位序号作为标识进行缓存遍历,若存在相同标识则直接读取孔位序号的光斑分布特征,否则执行统计计算,将统计计算结果与孔位标识进行关联存储。
15、根据所述的菌落识别方法,其中对孔位图像通过动态阈值进行图像碎片检测,得到图像碎片检测结果,包括:
16、将所述孔位图像中每个光斑颗粒从动态阈值中选取至少两个判定参数进行联合判定,得到光斑颗粒为图像碎片或有效菌落信号的图像碎片检测结果,其中判定参数包括面积判定参数、形态判定参数及光强判定参数。
17、根据所述的菌落识别方法,其中方法还包括:
18、将光斑颗粒通过多个图像碎片检测规则进行级联检测,得到级联检测结果,其中图像碎片检测规则包括基于尺寸和形状的图像碎片规则、基于失焦特征的图像碎片规则及基于密度分析的图像碎片规则。
19、根据所述的菌落识别方法,其中根据图像碎片检测结果对孔位图像进行检测,得到菌落识别结果,包括:
20、对孔位图像中的图像碎片通过菌落分类模型进行检测,得到菌落识别结果,所述菌落分类模型的训练步骤包括:
21、获取数据集,所述数据集包括图像碎片样本;
22、对图像碎片样本采用代价敏感随机森林作为分类器进行训练,采用roc最优阈值方法进行训练优化,以及,对图像碎片样本进行分类时得到的预测概率采用概率差判定和置信度判定进行约束。
23、根据所述的菌落识别方法,其中对数据集中样本在训练时的预测概率采用概率差判定和置信度判定对预测分类概率进行约束,包括:
24、所述概率差判定包括获取数据集中样本的最高类别的预测概率和第二高的预测概率,若最高类别的预测概率和第二高的预测概率的差值超过预设差异阈值,则将样本添加至疑难样本库;
25、所述置信度判定包括获取数据集中样本的最高类别的预测概率,若最高类别的预测概率低于预设置信度阈值,则将样本添加至疑难样本库;
26、通过疑难样本库对菌落分类模型进行迭代优化。
27、本发明的另外一方面还公开了一种菌落识别装置,包括:
28、第一模块,用于获取用于承载细菌悬液的孔板上每个孔位的孔位图像,对所述孔位图像执行特征提取,得到光斑分布特征;
29、第二模块,用于当所述光斑分布特征满足图像碎片检测条件时,根据所述光斑分布特征确定用于图像碎片检测的动态阈值;
30、第三模块,用于对所述孔位图像通过所述动态阈值进行图像碎片检测,得到图像碎片检测结果,所述图像碎片检测结果用于指示是否执行菌落识别;
31、第四模块,用于根据图像碎片检测结果对孔位图像进行菌落识别,得到菌落识别结果。
32、本发明实施例的另一方面提供了一种电子设备,包括处理器以及存储器;
33、所述存储器用于存储程序;
34、所述处理器执行所述程序实现如前文所描述的方法。
35、本发明实施例还公开了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器可以从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行前文所描述的方法。
36、本发明的有益效果为:通过生成用于光斑颗粒判定的动态阈值,对高密度场景下的孔位图像中的光斑颗粒进行自适应条件的判定,有效抑制高密度场景下的误判率,提升了高通量环境下的菌落计数准确性与药敏结果识别的可靠性。
1.一种fish菌落识别方法,其特征在于,包括:
2.根据权利要求1所述的菌落识别方法,其特征在于,所述光斑分布特征用于表征孔位图像中光斑颗粒的光强特征、面积分布特征及形态分布特征。
3.根据权利要求2所述的菌落识别方法,其特征在于,所述图像碎片检测条件包括第一预设阈值区间和第二预设阈值区间,所述第一预设阈值区间由孔板类型和用于fish的光学系统参数确定,所述第二预设阈值区间由fish的荧光信号强度基准确定;
4.根据权利要求2所述的菌落识别方法,其特征在于,所述根据所述光斑分布特征确定用于图像碎片检测的动态阈值,包括:
5.根据权利要求4所述的菌落识别方法,其特征在于,所述方法还包括:
6.根据权利要求2所述的菌落识别方法,其特征在于,所述对孔位图像通过动态阈值进行图像碎片检测,得到图像碎片检测结果,包括:
7.根据权利要求5所述的菌落识别方法,其特征在于,所述方法还包括:
8.根据权利要求1所述的菌落识别方法,其特征在于,所述根据图像碎片检测结果对孔位图像进行检测,得到菌落识别结果,包括:
9.根据权利要求8所述的菌落识别方法,其特征在于,所述对数据集中样本在训练时的预测概率采用概率差判定和置信度判定对预测分类概率进行约束,包括:
10.一种菌落识别装置,其特征在于,包括:
11.一种电子设备,其特征在于,包括处理器以及存储器;
12.一种计算机可读存储介质,其特征在于,所述存储介质存储有程序,所述程序被处理器执行实现如权利要求1-9中任一项所述的菌落识别方法。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com