一种基于机器学习的菌种扩培调控方法、设备及介质与流程

本发明涉及菌种扩培，尤其涉及一种基于机器学习的菌种扩培调控方法、设备及介质。

背景技术：

1、随着生物制造、微生物发酵和工业生物技术的快速发展，菌种扩培过程作为发酵生产过程中的关键环节，扩培效率和生长状态控制精度直接影响后续发酵产物的产量与质量。目前，工业菌种扩培过程通常采用不锈钢发酵罐，通过罐体夹套加热、内部搅拌以及温度传感器反馈控制方式实现培养环境调节。在实际应用中，为降低设备成本并提高耐腐蚀性能，部分扩培场景采用聚乙烯材质扩培反应器替代传统金属发酵罐，由于pe材料热传导性能较低，无法采用传统夹套式快速换热结构，通常需要通过外部循环加热方式实现温度调节，导致热量传递过程中存在明显的响应滞后和空间温度分布不均的问题。现有基于温度反馈的控制方式主要依赖实时温度变化进行滞后调节，当检测到温度偏离目标范围后再调整加热功率，难以及时适应菌种生长过程中代谢放热变化，容易造成局部温度波动，影响菌种扩培过程稳定性。

2、菌种扩培过程中的生长阶段判断通常依赖人工取样检测、光密度检测或单一理化参数分析方式。其中，传统光学检测方法容易受到扩培反应器材质、发酵液浑浊程度以及视窗污染等因素影响，尤其在采用半透明pe扩培反应器时，罐壁散射、视窗挂壁、气泡干扰以及高密度菌体交叠会降低图像采集质量，使基于图像的菌体数量统计和形态分析存在较大误差。现有菌体视觉分析方法通常针对清晰、低密度的显微图像环境设计，难以适用于扩培过程中菌体快速增殖、菌体相互黏连以及复杂背景干扰条件，导致无法准确获取菌体生物量变化信息。

3、现有菌种扩培控制方式通常采用固定工艺参数或单一模型进行阶段判断，不同菌种之间由于细胞形态、代谢速率、生长周期以及环境响应特性的差异，生长阶段变化规律存在明显不同，单一控制模型难以适应多菌种扩培需求。

技术实现思路

1、本发明的一个目的在于提出一种基于机器学习的菌种扩培调控方法、设备及介质，本发明提高复杂发酵环境下菌体实例掩模的完整性和准确性。

2、根据本发明实施例的一种基于机器学习的菌种扩培调控方法，包括：

3、在聚乙烯扩培反应器外部建立外循环加热回路，同步获取温度时序信息、ph时序信息、补料量时序信息与罐内发酵液图像，形成原始多模态采集信息，并分别进行预处理，得到标准化理化时序信息和标准化发酵液图像；

4、将标准化发酵液图像输入sam网络，输出与图像同分辨率的二维边界概率热力图b，并基于二维边界概率热力图b剔除挂壁污渍、气泡噪声与散射背景，得到目标流体区域图像；

5、将目标流体区域图像输入cellpose网络的向量流场生成模块，同时引入二维边界概率热力图b作为梯度约束，生成菌体向量流场并输出菌体实例掩模；

6、根据菌体实例掩模计算菌体计数、菌体平均直径、菌体密度、泡沫几何参数和液面高度，得到生物量表征信息；

7、将初步生物量时序表征信息与泡沫几何参数输入相位感知门控循环单元，生成时间相关风格向量，利用时间相关风格向量实时调节cellpose网络的实例掩模阈值与向量流场步长，输出经自适应分割优化的最终菌体实例掩模以及对应的最终生物量表征信息；

8、获取当前待扩培菌种的菌种特征标识编码，依据菌种特征标识编码在预设的异构专家模型字典中索引匹配相对应的xgboost基础决策树集群，将标准化理化时序信息与最终生物量表征信息拼接为多模态特征向量，连同菌种特征标识编码一同输入所述xgboost基础决策树集群，输出菌种生长阶段分类结果以及对应于外循环加热回路的外循环加热功率、外循环流速、补料速率和酸碱添加量的最优预测控制参数；

9、按照所述最优预测控制参数实时调节外循环加热回路中的变频循环泵转速、可调功率加热器输出功率、蠕动泵补料速率与酸碱添加量，实现基于菌种生长阶段识别的外循环加热回路闭环调控，维持聚乙烯扩培反应器内温度、ph与营养物质浓度在目标工艺范围。

10、可选的，所述在聚乙烯扩培反应器外部建立外循环加热回路，同步获取温度时序信息、ph时序信息、补料量时序信息与罐内发酵液图像，并分别进行预处理，包括：

11、在聚乙烯扩培反应器外部建立外循环加热回路，于外循环加热回路的主循环管线上安装温度传感器、ph传感器、补料量计量传感器、变频循环泵以及可调功率加热器，并在聚乙烯扩培反应器的透光观察视窗外侧设置工业相机采集单元，按照预设采集周期同步获取温度时序信息、ph时序信息、补料量时序信息与罐内发酵液图像，形成原始多模态采集信息，对原始多模态采集信息中的温度时序信息、ph时序信息和补料量时序信息进行滤波和归一化处理，得到标准化理化时序信息，对原始多模态采集信息中的罐内发酵液图像进行亮度均衡化和色彩标准化处理，得到标准化发酵液图像。

12、可选的，所述将标准化发酵液图像输入sam网络，输出与图像同分辨率的二维边界概率热力图b，包括：

13、读取标准化发酵液图像的图像高度、图像宽度和图像通道数量，依次提取每一个像素位置在各图像通道下的像素值，按照像素位置和图像通道进行矩阵化排列，得到标准化发酵液图像输入数据；

14、将标准化发酵液图像输入数据输入sam网络，得到与标准化发酵液图像输入数据同分辨率的sam边界响应图；

15、对sam边界响应图进行边界概率归一化处理，得到二维边界概率热力图；

16、根据二维边界概率热力图对标准化发酵液图像进行边界二值化处理，得到边界二值掩模；

17、根据边界二值掩模提取边界连通区域集合，确定初始发酵液主体边界并生成发酵液主体掩模；

18、基于初始发酵液主体边界对边界连通区域集合进行非主体区域分类，得到挂壁污渍掩模、气泡噪声掩模和散射背景掩模；

19、基于发酵液主体掩模、挂壁污渍掩模、气泡噪声掩模和散射背景掩模，生成目标流体区域掩模；

20、利用目标流体区域掩模对标准化发酵液图像进行像素级区域筛选，得到目标流体区域图像。

21、可选的，所述将目标流体区域图像输入cellpose网络的向量流场生成模块，包括：

22、读取目标流体区域图像和二维边界概率热力图b，将目标流体区域图像与二维边界概率热力图b按照相同像素位置建立一一对应关系，得到边界约束输入数据；

23、从边界约束输入数据中提取目标流体区域图像，并输入cellpose网络的特征编码层和特征解码层，得到目标流体区域特征图；

24、将二维边界概率热力图b进行特征映射，得到边界约束特征图，将目标流体区域特征图与边界约束特征图按照图像通道方向进行拼接，得到边界约束融合特征图；

25、将边界约束融合特征图输入cellpose网络的向量流场回归头，通过向量流场回归头对边界约束融合特征图进行逐像素回归映射，分别得到初始菌体向量流场和菌体像素置信图；

26、基于二维边界概率热力图b构建边界梯度约束能量项，利用边界梯度约束能量项对初始菌体向量流场进行边界一致性约束，得到菌体向量流场；

27、按照菌体向量流场对目标流体区域图像中的每一个像素位置进行流场积分，得到菌体中心汇聚点集合；

28、对菌体中心汇聚点集合进行聚类处理，并结合菌体像素置信图剔除低置信度像素位置，得到菌体实例掩模。

29、可选的，所述根据菌体实例掩模计算菌体计数、菌体平均直径、菌体密度、泡沫几何参数和液面高度，包括：

30、读取菌体实例掩模，对菌体实例掩模中的每一个菌体实例区域进行实例编号，由全部互不重叠的菌体实例区域组成菌体实例区域集合；

31、根据菌体实例区域集合中菌体实例区域的数量，统计菌体计数，计算每一个菌体实例区域的菌体平均直径；

32、根据菌体实例区域集合和目标流体区域掩模对应的有效像素区域，计算菌体密度；

33、根据菌体实例掩模在纵向像素方向上的菌体覆盖变化确定液面位置，并根据液面位置计算液面高度；

34、根据菌体实例掩模在液面位置邻域内的低菌体覆盖区域确定泡沫候选区域，并根据泡沫候选区域计算泡沫几何参数；

35、将菌体计数、菌体平均直径、菌体密度、泡沫几何参数和液面高度按照预设顺序进行特征排列，得到生物量表征信息。

36、可选的，所述5、将初步生物量时序表征信息与泡沫几何参数输入相位感知门控循环单元，生成时间相关风格向量，包括：

37、获取连续若干个采集周期内分别得到的生物量表征信息，得到初步生物量时序表征信息；

38、对初步生物量时序表征信息与泡沫几何参数进行同量纲归一化处理，并按照采集时间顺序构建相位感知门控循环单元的时序输入向量；

39、根据相位感知门控循环单元的时序输入向量，生成扩培视觉相位特征向量；

40、将相位感知门控循环单元的时序输入向量和扩培视觉相位特征向量输入相位感知门控循环单元，得到当前采集周期对应的相位感知隐藏状态；

41、根据当前采集周期对应的相位感知隐藏状态进行非线性映射，生成时间相关风格向量；

42、利用时间相关风格向量实时生成自适应实例掩模阈值和自适应向量流场步长，并调节cellpose网络的实例掩模阈值与向量流场步长；

43、按照自适应向量流场步长对菌体向量流场重新执行流场积分，并按照自适应实例掩模阈值执行实例掩模判定，输出经自适应分割优化的最终菌体实例掩模；

44、根据经自适应分割优化的最终菌体实例掩模，重新计算菌体计数、菌体平均直径、菌体密度、泡沫几何参数和液面高度，得到最终生物量表征信息。

45、可选的，所述获取当前待扩培菌种的菌种特征标识编码，依据菌种特征标识编码在预设的异构专家模型字典中索引匹配相对应的xgboost基础决策树集群，包括：

46、读取当前扩培任务登记信息，获取当前待扩培菌种的菌种特征标识编码，并进行编码完整性校验；

47、依据菌种特征标识编码在预设的异构专家模型字典中进行索引匹配，得到与当前待扩培菌种相对应的xgboost基础决策树集群；

48、将标准化理化时序信息与最终生物量表征信息拼接为多模态特征向量，通过特征级拼接，得到xgboost输入特征向量；

49、将xgboost输入特征向量输入xgboost基础决策树集群，输出菌种生长阶段分类结果和生长阶段概率向量；

50、根据xgboost输入特征向量和生长阶段概率向量，输出对应于外循环加热回路的外循环加热功率、外循环流速、补料速率和酸碱添加量的最优预测控制参数。

51、可选的，所述按照所述最优预测控制参数实时调节外循环加热回路中的变频循环泵转速、可调功率加热器输出功率、蠕动泵补料速率与酸碱添加量，包括：

52、读取最优预测控制参数，并按照外循环加热功率、外循环流速、补料速率和酸碱添加量的预设控制顺序进行控制参数解析，得到控制目标参数组；

53、根据控制目标参数组中的外循环加热功率生成可调功率加热器输出功率指令，并按照可调功率加热器的额定功率范围对可调功率加热器输出功率指令进行限幅处理；

54、根据控制目标参数组中的外循环流速生成变频循环泵转速指令，并将变频循环泵转速指令发送至外循环加热回路中的变频循环泵；

55、根据控制目标参数组中的补料速率和酸碱添加量，分别生成蠕动泵补料转速指令和酸碱添加执行时长，并分别控制蠕动泵和酸碱添加执行器；

56、采集聚乙烯扩培反应器内的实时温度、实时ph和营养物质浓度估计值，并分别与目标温度范围、目标ph范围和目标营养物质浓度范围进行比较，得到工艺范围判定结果；

57、根据工艺范围判定结果对可调功率加热器输出功率指令、变频循环泵转速指令、蠕动泵补料转速指令和酸碱添加执行时长进行实时闭环执行；

58、将可调功率加热器输出功率指令作用于外循环加热回路中的可调功率加热器，将变频循环泵转速指令作用于外循环加热回路中的变频循环泵，将蠕动泵补料转速指令作用于蠕动泵，将酸碱添加执行时长作用于酸碱添加执行器，实现基于菌种生长阶段识别的外循环加热回路闭环调控，维持聚乙烯扩培反应器内温度、ph与营养物质浓度在目标工艺范围。

59、一种计算机设备，所述计算机设备包括处理器和存储器，所述存储器存储可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现一种基于机器学习的菌种扩培调控方法。

60、一种可读存储介质，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现一种基于机器学习的菌种扩培调控方法。

61、本发明的有益效果是：

62、（1）本发明通过构建基于sam边界先验约束的改进cellpose菌体实例分割方法，将sam网络输出的二维边界概率热力图作为cellpose网络向量流场生成过程中的边界约束信息，实现了复杂扩培视觉环境下菌体边界特征与空间流场特征的协同优化。通过sam网络对标准化发酵液图像进行类别无关的全局边界结构提取，获得能够反映发酵液主体边界、菌体区域边界以及环境干扰边界的二维边界概率热力图，并进一步将二维边界概率热力图映射至cellpose网络特征空间，与目标流体区域特征图进行融合，使cellpose网络在生成菌体向量流场时同时受到局部菌体形态信息和全局边界结构信息约束，通过构建边界梯度约束能量项，对初始菌体向量流场进行边界一致性优化，使菌体像素在流场积分过程中能够更加准确地向对应菌体中心汇聚点移动，从而降低高密度菌体交叠区域中的实例分割错误，提高复杂发酵环境下菌体实例掩模的完整性和准确性。

63、（2）本发明通过引入相位感知门控循环单元，对连续采集周期内的初步生物量时序表征信息和泡沫几何参数进行时序建模，生成与菌种扩培过程动态变化相匹配的时间相关风格向量，并利用时间相关风格向量自适应调节cellpose网络的实例掩模阈值和向量流场步长。通过中的更新门、重置门和相位门对连续采集周期内的生物量变化趋势进行动态编码，使模型能够感知不同扩培阶段对应的视觉变化状态，并根据时间相关风格向量实时调整实例掩模阈值和向量流场步长，使cellpose网络由固定参数分割方式转变为面向菌种生长过程的动态自适应分割方式，从而提高菌体实例分割结果在不同生长阶段下的一致性，并进一步提升基于视觉信息计算菌体计数、菌体平均直径、菌体密度、泡沫几何参数和液面高度的稳定性，为后续菌种生长阶段识别提供更加准确的生物量表征信息。

64、（3）本发明通过构建基于菌种特征标识编码索引的异构专家xgboost基础决策树集群，并融合标准化理化时序信息与最终生物量表征信息，实现了面向不同菌种的自适应生长阶段识别与外循环加热回路预测控制。通过菌种特征标识编码在预设异构专家模型字典中进行索引匹配，使不同菌种能够调用对应的xgboost基础决策树集群，并将标准化理化时序信息与最终生物量表征信息进行特征级融合，使模型同时利用温度变化、ph变化、补料变化以及菌体视觉生长变化进行综合判断；同时，xgboost基础决策树集群输出菌种生长阶段分类结果和对应的外循环加热功率、外循环流速、补料速率以及酸碱添加量的最优预测控制参数，并通过闭环反馈机制根据实时温度、ph以及营养物质浓度估计值进行残差修正，使外循环加热回路能够由传统的滞后反馈控制转变为基于菌体生长状态预测的主动调节控制，提高聚乙烯扩培反应器在低导热条件下的温度稳定性和扩培过程控制精度。