CN101544950B - 罐头食品郝式霉菌计测法中的检样方法 - Google Patents
罐头食品郝式霉菌计测法中的检样方法 Download PDFInfo
- Publication number
- CN101544950B CN101544950B CN2009100502952A CN200910050295A CN101544950B CN 101544950 B CN101544950 B CN 101544950B CN 2009100502952 A CN2009100502952 A CN 2009100502952A CN 200910050295 A CN200910050295 A CN 200910050295A CN 101544950 B CN101544950 B CN 101544950B
- Authority
- CN
- China
- Prior art keywords
- visual field
- instrumentation
- hao
- mould
- automatically
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Landscapes
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种罐头食品郝式霉菌计测法中的检样方法,利用图像测量的方法,实现了霉菌菌丝长度的计算机测量、阳性视野自动计数、保存与报表等功能。一方面有利于提高“郝式霉菌计测法”的检测可靠性,降低对检测结果的争议,并减小了操作人员的视觉疲劳。另一面,由于计量过程和结果采用电脑化处理,也有利于检测机构的信息化管理。
Description
技术领域
本发明涉及食品安全检测领域,特别涉及一种罐头食品郝式霉菌计测法中的检样方法。
背景技术
国家标准GB/T 4789.15“霉菌直接镜检计数法”是对罐头食品霉菌含量进行检测的行业规范。在该标准中,明确指出“常用的方法是郝式霉菌计测法”。郝氏(Howard)霉菌计测法也得到了联合国粮农组织(FAO)和世界卫生组织(WHO)认可的。所用设备主要包括物方检测视野为1.382mm,放大倍数为100倍左右的生物显微镜,以及具有标准刻度(0.23mm)的测微器。
在“郝式霉菌计测法”的执行过程中,目前多采用单目或双目生物显微镜,检测人员通过测微器进行目测,以判断霉菌菌丝长度是否超过测微器的刻度值(0.23mm),若超过则判读为阳性视野,并进行手工计数。这种计测方式会产生几个问题:(1)人为误差普遍存在:霉菌菌丝的几何形状一般不是直线而是弧线并多有分叉,同一段霉菌,不同的操作人员很可能做出不同的判断,从而引起对检测结果的争议。(2)“郝式霉菌计测法”要求每一检样要观察100个视野,检测人员直接利用显微镜的目镜观察很容易造成视觉疲劳。并进一步加剧人为误差。
发明内容
本发明是针对现在郝式霉菌计测法中检样人为误差大的问题,提出了一种罐头食品郝式霉菌计测法中的检样方法,利用图像测量的方法,实现了霉菌菌丝长度的计算机测量、阳性视野自动计数、保存与报表等功能。解决了人为误差问题。
本发明的技术方案为:一种罐头食品郝式霉菌计测法中的检样方法,包括罐头食品郝式霉菌计测法中的检样装置,该装置包括带光源的生物显微镜工作台、郝氏计测玻片、×10物镜、×10目镜、30万像素CMOS数码摄像头、USB2.0数据线和笔记本电脑,郝氏计测玻片位于生物显微镜的工作台上方,×10物镜和×10目镜叠加位于郝氏计测玻片的上方,×10目镜上安装30万像素的CMOS摄像头,CMOS摄像头通过USB2.0数据线与计算机连接,所述检样方法包括以下步骤:
1)霉菌图像采集:将涂片后的郝氏计测玻片,放置到生物显微镜的工作台上,采用×10倍物镜和×10倍目镜放大,安装在目镜上方的30万像素的CMOS摄像头通过USB2.0数据线与笔记本电脑连接,实现霉菌图像的采集;
2)测微网格自动生成:按照步骤1)采集一副标准视野图,计算机将标准圆形视野图像与背景圆图像的中心错开,以确保特征识别算法的操作对象是直径为1.382mm的标准圆视野,对圆视野特征进行识别,同时实现6×6网格的自动化分,计算出测量系统标定值为:1.382×1000/圆视野特征直径的像素距离=3.755μm,将网格图像和系统标定值存盘,以用作霉菌菌丝长度测量时的计算标准;
3)疑似阳性视野计算机测量:将步骤2)的6×6测微网格自动加载计算机屏幕上,转动工作台的XY向旋钮,即可依次观测到数个标准视野的霉菌图像,对照计算机屏幕上的测微网格,检测人员可以方便地对霉菌菌丝长度明显超过1个网格值的阳性视野进行判别,并自动累加计数阳性视野数、将疑似阳性视野图像存盘,待100个视野检测完毕后,对疑似阳性视野中的霉菌菌丝长度进行多点拟合测量,计算机根据3.755μm的标定值再乘以菌丝曲线的像素长度即可计算出霉菌菌丝的实际长度,若长度之和超过0.23mm则判为阳性视野数;
4)测试报表自动生成:将阳性视野计数结果以及食品批次信息记入Excel文件中,当一检样检测完毕后自动生成Excel报表。
本发明的有益效果在于:本发明罐头食品郝式霉菌计测法中的检样装置及方法,一方面有利于提高“郝式霉菌计测法”的检测可靠性,降低对检测结果的争议,并减小了操作人员的视觉疲劳。另一面,由于计量过程和结果采用电脑化处理,也有利于检测机构的信息化管理。
附图说明
图1为本发明罐头食品郝式霉菌计测法中的检样装置结构示意图;
图2为本发明罐头食品郝式霉菌计测法中的检样方法中测微网格自动生成图;
图3为本发明罐头食品郝式霉菌计测法中的检样方法中疑似阳性视野霉菌菌丝长度多点测量图。
具体实施方式
罐头食品郝式霉菌计测法中的检样方法主要包括以下几个步骤:1.霉菌图像采集,2测微网格自动生成,3疑似阳性视野计算机测量,4测试报表自动生成。
1、霉菌图像采集:
如图1所示罐头食品郝式霉菌计测法中的检样装置结构示意图,装置包括生物显微镜的工作台1(含光源)、郝氏计测玻片2、×10物镜3、×10目镜4、30万像素CMOS数码摄像头、USB2.0数据线6和笔记本电脑7(配图像采集与测量程序),郝氏计测玻片2位于生物显微镜的工作台1上方,×10物镜3、×10目镜4位于郝氏计测玻片2的上方,×10目镜4上安装30万像素的CMOS摄像头5,CMOS摄像头5通过USB2.0数据线6与计算机7连接。
按照国标GB/T 4789.15规定的操作步骤涂片后,将郝氏计测玻片(含有5×5=25个直径为1.382mm,高度为0.1毫米的Howard标准计测室)放置到生物显微镜的工作台上。此外,为了满足GB/T 4789.15规定的90~125倍的放大率,采用×10倍物镜和×10倍目镜。在目镜上方安装30万像素的CMOS摄像头。CMOS摄像头通过USB2.0数据线与计算机连接,通过我们自行开发的OpenCV程序即可实现霉菌图像的采集。需要说明的是,为了照顾检测人员的目测习惯,我们在显微镜转塔的上另加了一组目镜。并通过镜筒结构尺寸设计,使该组目镜成像与CMOS摄像头成像清晰度一致。
与PCI插槽的图像采集卡相比,采用上述USB2.0接口的图像采集方法,不仅实现了热插拔、安装方便,成本也大大较低。
通过USB2.0接口CMOS摄像头实时获取霉菌视频图像的主要方法:
(1)定义图像指针和视频捕获指针:IplImage*frame;CvCapture*capture=cvCaptureFromCAM(0)。
(2)循环获得摄像头捕获的图像帧:for(;;)frame=cvQueryFrame(capture);cvShowImage(″霉菌图像”,frame)。
(3)按照“郝式霉菌计测法”规定检测完100个视野后,按下Esc键即可退出霉菌图像采集模块:switch(c=cvWaitKey(1));case 27:cvReleaseCapture(&capture);cvDestroyWindow(″霉菌图像″)。
2、测微网格自动生成
按照GB/T 4789.15规定,在霉菌检测中需要在目镜上安装一片测微器。测微器用精密加工的方法刻化有长度为一个标准视野直径的六分之一的短线(1.382mm/6=0.23mm)。以此作为目测菌丝长度的参照。
在本发明中,我们采用了数字图像特征识别技术,可自动生成网格,将标准视野自动划分为6×6格,如图2所示。据此,我们可以省去在目镜上安装测微器的检测步骤,降低了仪器安装、调试成本,提高了检测效率。
测微网格自动生成的主要方法:
(1)按照“1.霉菌图像采集方法”所述,采集一副标准视野图(由精密加工技术可保证其直径为GB/T 4789.15规定的1.382mm)。
(2)将标准圆形视野图像与背景圆图像的中心错开,形成一个类似日偏食的图案。以确保特征识别算法的操作对象是直径为1.382mm的标准圆视野。
(3)调用OpenCV中的Hough圆特征识别函数:cvHoughCircles(pE,storage,CV_HOUGH_GRADIENT,1,pE->height/4,200,100);其中,pE是视野图像指针,参数storage保存视野特征值(圆心,直径),其余5个参数为Hough算法参量。
(4)在识别出圆视野特征的同时,即可编程实现6×6网格的自动化分。同时计算出测量系统标定值为:1.382×1000/圆视野特征直径的像素距离=3.755μm。
(5)将网格图像和系统标定值存盘,以用作霉菌菌丝长度测量时的计算标准。
3、疑似阳性视野计算机测量与计数方法
打开“霉菌图像采集”菜单,6×6测微网格自动加载计算机屏幕上。转动工作台的XY向旋钮,即可在依次观测到5×5=25个标准视野的霉菌图像。
对照计算机屏幕上的测微网格,检测人员可以方便地对霉菌菌丝长度明显超过1个网格值的阳性视野进行判别,按下数字键“1”,即可将该阳性视野以.jpg格式图像文件存储到计算机上,并自动累加计数阳性视野数。具体实现方法为:(1)c=cvWaitKey(1)语句负责读取按键信息,如果c=49(数字键”1”的ASCII编码)则阳性视野数自动加1:num=num+1.(2)同时,对阳性视野进行自动编号,并以jPg图片格式进行保存:str.Format(″picture/第%d 幅阳性视野图像.jpg″,num);cvSaveImage(str,frame)。
对于人眼难以直接判断是否为阳性的视野,即所谓的“疑似阳性视野”,可做如下处理:(1)检测人员可按下数字键“0”暂时将其保存。(2)计算机可自动对疑似阳性视野进行编号并计数:numY=numY+1;str2.Format(″picture/第%d幅疑似阳性视野图像.jpg″,numY);cvSaveImage(str2,frame)。(3)待100个视野检测完毕后,点击“O”快捷按钮,即可依次调取疑似阳性视野的图片。(4)点击“t”快捷按钮,即可对疑似阳性视野中的霉菌菌丝长度进行多点拟合测量。计算机根据3.755μm的标定值再乘以菌丝曲线的像素长度即可计算出霉菌菌丝的实际长度。若长度之和超过0.23mm则阳性视野数自动加1。如图3所示,为了显示更加清晰,我们将视野图像进行了滤波和取反处理。6×6网格是计算机自动生成的测微网格,可以明显看出上下左右4条线段与视野外边缘相切,完全符合“郝式霉菌计测法”的要求。0.251mm是对菌丝多点拟合后的测量结果,可见其长度超过网格的间距0.23mm,可以判读为阳性视野。
4、测试报表自动生成
作为一个完整的罐头食品霉菌计算机检测系统,有必要为客户自动生成检测报表。为此,我们通过OpenCV编程,通过调用ActiveX控件将上述的阳性视野计数结果以及食品批次等信息一并写入一个Excel文件中。当一检样检测完毕后,直接点击“报表”菜单,即可打开Excel文件进行打印。图4是生成的Excel报表的一个实例。
Claims (1)
1.一种罐头食品郝式霉菌计测法中的检样方法,包括罐头食品郝式霉菌计测法中的检样装置,该装置包括带光源的生物显微镜工作台、郝氏计测玻片、×10物镜、×10目镜、30万像素CMOS数码摄像头、USB2.0数据线和笔记本电脑,郝氏计测玻片位于生物显微镜的工作台上方,×10物镜和×10目镜叠加位于郝氏计测玻片的上方,×10目镜上安装30万像素的CMOS摄像头,CMOS摄像头通过USB2.0数据线与计算机连接,所述检样方法包括以下步骤:
1)霉菌图像采集:将涂片后的郝氏计测玻片,放置到生物显微镜的工作台上,采用×10倍物镜和×10倍目镜放大,安装在目镜上方的30万像素的CMOS摄像头通过USB2.0数据线与笔记本电脑连接,实现霉菌图像的采集;
2)测微网格自动生成:按照步骤1)采集一副标准视野图,计算机将标准圆形视野图像与背景圆图像的中心错开,以确保特征识别算法的操作对象是直径为1.382mm的标准圆视野,对圆视野特征进行识别,同时实现6×6网格的自动化分,计算出测量系统标定值为:1.382×1000/圆视野特征直径的像素距离=3.755μm,将网格图像和系统标定值存盘,以用作霉菌菌丝长度测量时的计算标准;
3)疑似阳性视野计算机测量:将步骤2)的6×6测微网格自动加载计算机屏幕上,转动工作台的XY向旋钮,即可依次观测到数个标准视野的霉菌图像,对照计算机屏幕上的测微网格,检测人员可以方便地对霉菌菌丝长度明显超过1个网格值的阳性视野进行判别,并自动累加计数阳性视野数、将疑似阳性视野图像存盘,待100个视野检测完毕后,对疑似阳性视野中的霉菌菌丝长度进行多点拟合测量,计算机根据3.755μm的标定值再乘以菌丝曲线的像素长度即可计算出霉菌菌丝的实际长度,若长度之和超过0.23mm则判为阳性视野数;
4)测试报表自动生成:将阳性视野计数结果以及食品批次信息记入Excel文件中,当一检样检测完毕后自动生成Excel报表。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009100502952A CN101544950B (zh) | 2009-04-30 | 2009-04-30 | 罐头食品郝式霉菌计测法中的检样方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009100502952A CN101544950B (zh) | 2009-04-30 | 2009-04-30 | 罐头食品郝式霉菌计测法中的检样方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101544950A CN101544950A (zh) | 2009-09-30 |
CN101544950B true CN101544950B (zh) | 2012-03-07 |
Family
ID=41192328
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2009100502952A Expired - Fee Related CN101544950B (zh) | 2009-04-30 | 2009-04-30 | 罐头食品郝式霉菌计测法中的检样方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101544950B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101986154A (zh) * | 2010-08-06 | 2011-03-16 | 淮阴工学院 | 食品霉变评判新方法 |
CN104830680A (zh) * | 2015-03-24 | 2015-08-12 | 临沂大学 | 一种非接触式显微测量辅助装置及其测量方法 |
CN109269964A (zh) * | 2018-10-15 | 2019-01-25 | 深圳博大博聚科技有限公司 | 一种基于图像识别法细胞计数仪的人工计数和校验装置 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1807831A (zh) * | 2006-01-26 | 2006-07-26 | 中国石化胜利油田有限公司孤岛采油厂 | 新型聚合物微球调剖堵水工艺的室内评价方法 |
-
2009
- 2009-04-30 CN CN2009100502952A patent/CN101544950B/zh not_active Expired - Fee Related
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1807831A (zh) * | 2006-01-26 | 2006-07-26 | 中国石化胜利油田有限公司孤岛采油厂 | 新型聚合物微球调剖堵水工艺的室内评价方法 |
Non-Patent Citations (2)
Title |
---|
周莹莉等.基于图像处理的菌落自动计数方法及其实现.《数据采集与处理》.2004,第18卷(第04期),第460-463页. * |
宁正元.第四章 计算机在微生物学研究中的应用.《计算机在生物科学研究中的应用》.厦门大学出版社,2006,第114-115页. * |
Also Published As
Publication number | Publication date |
---|---|
CN101544950A (zh) | 2009-09-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110119680B (zh) | 一种基于图像识别的电气柜接线自动查错系统 | |
Çelik et al. | Development of a machine vision system: real-time fabric defect detection and classification with neural networks | |
DK2973397T3 (en) | Tissue-object-based machine learning system for automated assessment of digital whole-slide glass | |
Megahed et al. | A review and perspective on control charting with image data | |
CN107085846B (zh) | 工件表面缺陷图像识别方法 | |
CN106529559A (zh) | 一种指针式圆形多仪表盘实时读数识别方法 | |
CN108074231A (zh) | 一种基于卷积神经网络的磁片表面缺陷检测方法 | |
CN115018844B (zh) | 一种基于人工智能的塑料薄膜质量评估方法 | |
CN102837497B (zh) | 一种印刷机精度检测装置及精度检测的方法 | |
Hortinela et al. | Identification of abnormal red blood cells and diagnosing specific types of anemia using image processing and support vector machine | |
CN103324943A (zh) | 一种复杂设备面板图像多子区状态识别方法 | |
CN214747807U (zh) | 一种芯片检测设备 | |
CN101544950B (zh) | 罐头食品郝式霉菌计测法中的检样方法 | |
CN113128555B (zh) | 一种用于列车闸片部件异常检测的方法 | |
CN109881356B (zh) | 基于svm图像分类的袜机织针在线检测装置及方法 | |
CN112132781A (zh) | 一种纹理缺陷检测方法及装置 | |
CN111539939A (zh) | 一种基于机器视觉的缺陷检测方法及装置 | |
CN109241948A (zh) | 一种数控刀具视觉识别方法及装置 | |
CN101419151A (zh) | 一种基于显微图像的工业用精对苯二甲酸粒径分布估计方法 | |
CN108898187A (zh) | 一种自动识别配电房指示设备图像的方法及装置 | |
CN109557098A (zh) | 基于机器视觉的金属表面检测系统 | |
Wang et al. | Design of machine vision applications in detection of defects in high-speed bar copper | |
Hortinela IV et al. | Development of abnormal red blood cells classifier using image processing techniques with support vector machine | |
CN110530894A (zh) | 导光板亮点缺陷检测方法 | |
CN113020428B (zh) | 级进模的加工监控方法、装置、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20120307 Termination date: 20150430 |
|
EXPY | Termination of patent right or utility model |