CN102676633A - 一种菌落自动计数方法 - Google Patents
一种菌落自动计数方法 Download PDFInfo
- Publication number
- CN102676633A CN102676633A CN2012100599555A CN201210059955A CN102676633A CN 102676633 A CN102676633 A CN 102676633A CN 2012100599555 A CN2012100599555 A CN 2012100599555A CN 201210059955 A CN201210059955 A CN 201210059955A CN 102676633 A CN102676633 A CN 102676633A
- Authority
- CN
- China
- Prior art keywords
- image
- bacterium colony
- petridish
- corrosion
- repeatedly
- 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.)
- Pending
Links
Images
Abstract
本发明属于环保领域中污染源自动监控技术领域,涉及一种菌落自动计数方法,包括:通过对目标物进行动态视频的检测,判断培养皿是否就位;对培养皿进行多次扫描拍摄取得多组原始目标图像;对原始目标图像进行灰度化处理,将彩色图像的R、G、B分量转化为灰度值表征每个像素点构成的图像;预处理;二值化;去除培养皿边缘确定菌落图像范围;使用多次膨胀和腐蚀结合起来的迭代腐蚀方法对菌落图像中的较大菌落进行极限分割;进行菌落计数。本发明算法简单,速度快且能够精确计数。
Description
技术领域
本发明属于环保领域中污染源自动监控技术领域,尤其涉及一种菌落计数检测方法。
背景技术
随着计算机视觉技术的快速发展,基于图像处理与视觉分析技术的颗粒物图像自动分析系统由于其能自动、快速、客观地统计图像中包含的颗粒数目并提取颗粒的各种特征参数,受到了国内外学者的普遍关注[1]。作为自动分析系统核心的计数算法问题也成为了国内外图像分割领域研究的一大热点。对于算法有很多研究,其中基于小波理论的图象分析一直是研究的热点。采用基于小波理论的图象分析法可以精确的实现菌种的自动分类,但是由于小波分析法运算量复杂,限制图像处理的速度[2]。分水岭算法是近几年新兴的一种数学形态学分割方法,在图形处理方面受到了广泛的应用。针对菌落图像特点,可以利用距离变换和分水岭算法来分割粘连菌落[3]。但是应用分水岭分割算法仍然存在对噪声敏感、处理低对比度图像易丢失重要信息以及合并国都分割的区域时需要大量的计算处理时间长等缺点[4]。
而对于菌落检测来说,实时实地的快速的检测是一个发展趋势,这样就要求研究一直行之有效的快速算法。
相关文献
[1]刘相滨,类圆性颗粒分割技术研究:[博士学位论文],湖南,湖南大学,2006
[2]王积分 赵增华 舒炎泰 天津大学学报第35卷第2期2002 03 151-154
[3]周莹莉,曾立波,刘均堂等,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,2003,18(4):460-464.
[4]Kim Jong-Bae,Kim Hang-Joon.Multiresolution-based watersheds for efficient image segmentation[J].Pattern Recognition Letters,2003,24:473-488.
发明内容
本发明的目的是克服现有技术的上述不足,提出一种算法简单,速度快且能够精确计的菌落自动计数方法。本发明利用动态视频监控的办法来提高菌落监测图像的质量并运用霍夫变换对于边缘进行处理,针对嵌入式自动分析系统对算法限制,通过对图像的多次膨胀腐蚀处理,减小了因初始点设置不同引入的误差,实现了精确计数,计数误差可控制在3%以内。
本发明的技术方案如下:
一种菌落自动计数方法,包括下列步骤:
1)通过对目标物进行动态视频的检测,判断培养皿是否就位;
2)对培养皿进行多次扫描拍摄取得多组原始目标图像;
3)对原始目标图像进行灰度化处理,将彩色图像的R、G、B分量转化为灰度值表征每个像素点构成的图像;
4)依次进行中值滤波、高斯平滑滤波的预处理,去除噪声;
5)通过对图像的灰度分布进行分析,选用适合的局部阈值分割法对去除了噪声的图像进行二值化;
6)去除培养皿边缘确定菌落图像范围;
7)选用十字形四邻域腐蚀模板,使用多次膨胀和腐蚀结合起来的迭代腐蚀方法对菌落图像中的较大菌落进行极限分割;
8)采用递归标记的方法对连通域进行标记,不同的连通域被赋予不同的标号值,最大标号值就是该图像中连通域的数目,从而得到菌落的数目。
作为优选实施方式,第1)步中,首先,采集第一幅图像并保存,此后每隔一定的帧数采集一幅图像,并与第一幅图像对比,做平滑滤波取均方图得方差,若方差很小即为没有待检测培养皿进入,删除该图像继续采集;若方差较大时,保留该图像作为对比图像,此后每采集所得图像均与该对比图像进行对比,经过多次平滑后若所得方差小于阈值时判定有待检测培养皿进入系统且为样本就位;
经过第5)步对图像进行二值化处理后,再进行一次形态学图像处理中的关闭操作,填补对于个别面积较大的菌落由于二值化引入的孔洞,之后再执行第6)步;
第7)步中,使用梯度算子进行图像处理得到候选边缘点,再根据培养皿为圆形的边缘形状,采用霍夫变换的方法进行培养皿边缘检测,从而去除培养皿边缘确定菌落图像范围;
第8)步的迭代腐蚀方法为:先使用腐蚀模板反复腐蚀目标图片,每次腐蚀操作以后均进行一次条件膨胀操作,用膨胀后的图像减去腐蚀得到的图像即可得到一个种子点,反复腐蚀操作以后直到图片变为空集结束算法,并保留目标消失之前最后的结果,该结果也为一个种子点;然后,将该种子点和多次腐蚀膨胀过程中所得的所有种子点做并集,得到的所有目标种子点,即是分离的菌落,此时完成对菌落图像中的较大菌落进行的极限分割。
腐蚀算法具有算法简单、效果直观和运算速度快等优点,能够为大量的图像处理提供了一种一致的有效方法。而以前提出的对图像只进行简单的腐蚀操作将重叠细菌分离为单个细菌的方法,图像处理试验效果与腐蚀和膨胀操作的初始点关系很大,初始点选择的不同最终结果会有所差异。本发明通过对图像的多次膨胀腐蚀处理,减小了因初始点设置不同引入的误差,实现了菌落的快速分割和精确计数。
附图说明
图1本发明算法的流程框图。
图2本发明采用的高斯滤波器。
图3本发明边缘检测的霍夫变换意图。
图4本发明边缘检测的霍夫变换意图。
图5本发明使用的膨胀腐蚀的十字形四邻域腐蚀模板。
图6进行“关闭”操作的二值图像的效果图,(a)为未进行“关闭”操作的二值图像,(b)为进行“关闭”操作后二值图像。
图7为举例说明的迭代腐蚀过程示意图。(a)为一副二值图像,(b)为腐蚀模板,(c)为第一次腐蚀结果,(d)为第一次膨胀结果,(e)为第二次腐蚀结果,(f)为第二次膨胀结果。
图8为菌落迭代腐蚀分割效果图,(a)为未分割前菌落灰度图,(b)为迭代腐蚀分割以后的菌落灰度图。
具体实施方式
参见图1,本发明包括四个主要步骤:图像动态稳定性检测、图像的预处理、培养皿边界区域定位和迭代腐蚀方法对菌落进行极限分割并计数。
具体方案如下:
1)图像采集
1、使用CCD摄像头对检测域进行检测区域实施动态的摄像监控。首先,采集第一幅图像并保存,此后每10帧采集一幅图像,并与第一幅图像对比,做平滑滤波取均方图得方差。若方差很小即为没有待检测培养皿进入,删除该图像继续采集;若方差较大时即为有待检测培养皿进入检测区,保留该图像作为对比图像,此后每采集所得图像均与该对比图像进行对比,10次平滑所得方差小于阈值时判定有待检测培养皿进入系统且为样本就位。
2、监测出培养皿进入系统且稳定后,CCD摄像头进行多次拍照,取得多组原始目标图像。
3、对拍照所得图像进行灰度化即把彩色图像的R、G、B分量转化为灰度值表征每个像素点构成的图像,转化公式如下:
Gray(x,y)=0.299*R(x,y)+0.587*G(x,y)+0.114*B(x,y)(1)
2)图像处理
1、利用中值滤波方式滤除CCD摄像头产生的随机局部亮点。中值滤波是采用一个含有奇数个点的滑动窗口,用窗口中各点的灰度值的中值来代替窗口中心点像素的灰度值。
2、采用高斯平滑的方式对图像进行平滑滤波,去除图像频域分析中的高频部分的噪声。高斯滤波的方法是用奇数点的滑动窗口在图像上进行滑动,将与窗口中心点对应的图像像素点的灰度用窗口内各个点对应图像像素点灰度值的加权平均值代替。
3、首先要对图像的灰度分布进行分析,对目标区域图像做灰度直方图分布,由于图像的灰度直方图分布的双峰趋势很不明显,因此在设计中采用局部阈值的方法对图像进行二值化。对图像选取一个介于gmin和gmax的阈值T,阈值T的确定一般利用公式:
T=T((x,y),f(x,y),q(x,y)) (2)
式中(x,y)表示像素点在图像中的坐标,f(x,y)是像素点(x,y)处的灰度值;q(x,y)是该点邻域的某种局部性质。而局部阈值方法中阈值是根据f(x,y)和q(x,y)选取的,所得的阈值是与图像的某个局部区域相关的,对不同的区域使用不同的阈值。选择适当的阈值,并通过该阈值把图像中的像素按其灰度值分为两类:
3)图像分割及计数
1、采用霍夫变换的方法进行培养皿边缘检测,从而去除培养皿边缘确定菌落图像范围。霍夫变换可以利用图像的全局特性将目标边缘像素连接起来组成目标区域的封闭边界,或者直接对图像中已知形状的目标进行检测。由于培养皿边缘检测属于形状已知的边缘检测,且曲线形状简单,所以采用比较适合的霍夫变换的方法进行检测。
对于培养皿的边缘,通常为标准的圆形,圆的一般方程为:
(x-a)2+(y-b)2=r2 (6)
式中有3个参数a,b,r。显然,在参数空间中,公式(6)表示的是一个三维圆锥面。它表示的物理意义是,图像空间中的圆对应着参数空间中的一个点,而图像空间的一个点(x,y)对应着参数空间中的一个三维直立圆锥,该点约束了通过该点一族圆的参数(a,b,r),如图3所示。
对于图像空间中的一个圆,它的半径是固定不变的,圆周上的各个点组成的集合在参数空间中就表现为r相等,而a,b不等的各个圆锥的集合。如图4所示。显然,图像空间中圆上的点映射到参数空间中的一族圆锥的交点正好对应于圆的圆心坐标和圆的半径。
对参数空间适当量化,构造一个三维的累加数组A(a,b,r),对图像空间所存在的圆边界形状检测时,先计算图像每点强度的梯度信息,然后根据适当阈值求出边缘,再计算与边缘上的每一点像素距离为r的所有点(a,b),同时A累加:
A(a,b,r)=A(a,b,r)+1 (7)
改变r值(可以根据先验知识确定其变化范围,减少计算量)再重复上述过程,当对全部边缘点变换完成后,所有累加数组的值进行检验,其峰值的坐标就对应着图像空间中圆的圆心和半径。
2、选用十字形四邻域模板(如图5所示),使用多次膨胀和腐蚀结合起来的迭代腐蚀方法对菌落图像中的较大菌落进极限分割。迭代腐蚀算法是一种形态学图像处理的方法。形态学图像处理得基本思想是用具有一定形态的结构元素,去度量和提取图像中的对应形状,以达到对图像分析和识别的目的。
迭代腐蚀是一种聚类快速分割算法,它把膨胀和腐蚀结合起来对图像进分割。该算法用到了条件膨胀和极限腐蚀的概念:
条件膨胀是一种受限膨胀的概念,它的限制条件X通常为一个限定集合,膨胀的效果被限制在该集合内,条件膨胀可表示为:
极限腐蚀是指反复腐蚀一个目标直到它消失,并保留目标消失之前最后的结果,该结果也被称为目标的种子。令 其中b表示腐蚀模板,k表示腐蚀次数。目标最终的种子点gk是fk中的元素,若1>□,则gk在f1中消失。
迭代腐蚀的第一步是:
极限腐蚀的第二步是从f的腐蚀中减去上述膨胀结果:
gk=fk-Uk (10)
如果图像中有多个目标,可求他们各自gk的并集就得到了最终腐蚀了的目标集合f。也就是说,最终腐蚀图像是:
g=Uk=i,mgk (11)
式中m代表腐蚀的次数。
由于菌落形状并不可能是标准的凸集,所以在迭代腐蚀结束后,得到的结果图像不仅包括被完全腐蚀 掉的菌落种子点,还可能包括从较大菌落上腐蚀下来的“碎片”。这些“碎片”的存在会导致同一菌落被重复计数从而影响计数精度。为了消除这些“碎片”,在一次腐蚀结束后,对腐蚀结果进行多次条件膨胀,从而尽可能的“粘连”碎片,膨胀条件为该次腐蚀前的二值图像,该次迭代腐蚀的结果可表示为:
式中{b}表示进行多次膨胀,膨胀模板为b。
3、菌落计数的过程就是对图像分割得到的种子点图像进行计数的过程,这个问题可以转化为对二值图像上的连通域进行标记的问题。连通域标记就是用不同的标号把不同的连通域标记出来,而同一连通域中的像素拥有相同的标号。本发明采用递归标记的方法对连通域进行标记。递归标记方法利用了递归调用方法,原理是按照从上到下、从左至右的顺序对图像进行扫描,如果未被标记的发现目标点,则进行深度优先的遍历直至找出完整的连通域并对赋予同一标号值。算法结束后,不同的连通域被赋予不同的标号值,最大标号值就是该图像中连通域的数目。
该算法首先把二值图像中的非零像素值定义为-1,寻找联通与的过程也就变成了寻找“-1”像素值的过程,找到的像素被赋予一个新的标号并调用search方法在邻域中寻找值为“-1”的像素,并对这些像素递归的调用search方法。我们用B代表原始的二值图像,LB表示标记后的图像,则该方法的伪代码可表示为:搜索结束后,同一连通域的特征点都被保存在同一个数组中。这些特征点分别是该连通域中最左、最右、最上、最下的四点。通过这些特征点可以计算出每个连通域的几何中心,并标记在原图像上。
下面是对本发明一个实施实例的菌落检测方法说明:
1)使用CCD摄像头采集第一幅图像并保存,此后每10帧采集一幅图像,并与第一幅图像对比,做平滑滤波取均方图得方差。若方差小于5%即为没有待检测培养皿进入,删除该图像继续采集;若方差大于50%时即为有待检测培养皿进入检测区,保留该图像作为对比图像,此后每采集所得图像均与该对比图像进行对比,10次平滑所得方差小于阈值(5%)时判定有待检测培养皿进入系统且为样本就位。
2)系统稳定后,CCD摄像头进行多次拍照,保存多组采集图像作为原始目标图像。
3)利用公式原始目标图像进行灰度化后得到灰度图像。
Gray(x,y)=0.299*R(x,y)+0.587*G(x,y)+0.114*B(x,y)
4)编译中值滤波函数为medianBlur(const Mat&src,Mat& dst,int ksize),src和dst分别表示原图像和滤波后图像,ksize表示中值滤波器尺寸,我们选择ksize=3表示滤波器尺寸为3*3。对图像进行中值滤波。
5)编译高斯滤波函数GaussianBlur(const Mat& src,Mat& dst,Size ksize,double sigmaX,double sigmaY=0,int borderType=BORDER_DEFAULT)
src和dst分别表示原图像和高斯滤波后的图像;ksize表示滤波器尺寸,这里我们选择如图2所示的5*5高斯滤波模板对图像进行高斯平滑滤波。
6)由于图像中光强分布不匀且并没有表现出明显的分布规律,使用公式:T=T((x,y),f(x,y),q(x,y))选取适当的阈值T,然后利用公式:
进行局部阈值的方法对图像进行二值化。用较大的窗口模板计算窗口内像素灰度值的均值(mean),并在此基础上加上一个合适的偏移(offset)作为该窗口中心像素的阈值(T=mean+offset)。再对局部阈值后的二值图像上进行了一次形态学图像处理中的关闭操作,填补对于个别面积较大的菌落,出现一些细小的“缝隙”和“孔洞”(效果如图6所示)。
7)在阈值处理后,使用霍夫变换原理检测培养皿边缘(检测效果如下图所示)并去除该边缘,由于培养皿外区域的像素值都为0,而培养皿内部像素值相对较高,一步到位地去除培养皿边缘。
8)在算法中选用图5中十字形四邻域模板。由公式(9)到(12)所示过程对图像进行改进的迭代腐蚀处理。
下面由三次迭代腐蚀来简要的描述本发明采用的多次腐蚀迭代算法(如图7所示):如图(a)所示的二值图像被图(b)所示的模板进行腐蚀。第一次腐蚀使得两个区域收缩并分离,结果见图(c)。图(d)为图(c)用模板(b)进行膨胀的结果。第二次腐蚀由图(c)得到图(e),对图(e)进行膨胀得到图(f)。第三次腐蚀得到空集,算法结束。用图(a)减去图(e)得到第一个种子点,用图(c)减去图(f)得到第二个种子点,图(e)为第三个种子点。最终的结果为这三个种子点的并集。
9)利用递归标记方法用B代表原始的二值图像,LB表标记后的图像,把二值图像中的非零像素值定义为-1,寻找联通与的过程也就变成了寻找“-1”像素值的过程,找到的像素被赋予一个新的标号并调用search方法在邻域中寻找值为“-1”的像素,并对这些像素递归的调用search方法。搜索结束后,同一连通域的特征点都被保存在同一个数组中,完成菌落的计数。
Claims (5)
1.一种菌落自动计数方法,包括下列步骤:
1)通过对目标物进行动态视频的检测,判断培养皿是否就位;
2)对培养皿进行多次扫描拍摄取得多组原始目标图像;
3)对原始目标图像进行灰度化处理,将彩色图像的R、G、B分量转化为灰度值表征每个像素点构成的图像;
4)依次进行中值滤波、高斯平滑滤波的预处理,去除噪声;
5)通过对图像的灰度分布进行分析,选用适合的局部阈值分割法对去除了噪声的图像进行二值化;
6)去除培养皿边缘确定菌落图像范围;
7)选用十字形四邻域腐蚀模板,使用多次膨胀和腐蚀结合起来的迭代腐蚀方法对菌落图像中的较大菌落进行极限分割;
8)采用递归标记的方法对连通域进行标记,不同的连通域被赋予不同的标号值,最大标号值就是该图像中连通域的数目,从而得到菌落的数目。
2.根据权利要求1所述的菌落自动计数方法,其特征在于,第1)步中,首先,采集第一幅图像并保存,此后每隔一定的帧数采集一幅图像,并与第一幅图像对比,做平滑滤波取均方图得方差,若方差很小即为没有待检测培养皿进入,删除该图像继续采集;若方差较大时,保留该图像作为对比图像,此后每采集所得图像均与该对比图像进行对比,经过多次平滑后若所得方差小于阈值时判定有待检测培养皿进入系统且为样本就位。
3.根据权利要求1所述的菌落自动计数方法,其特征在于,经过第5)步对图像进行二值化处理后,再进行一次形态学图像处理中的关闭操作,填补对于个别面积较大的菌落由于二值化引入的孔洞,之后再执行第6)步。
4.根据权利要求1所述的菌落自动计数方法,其特征在于,第7)步中,使用梯度算子进行图像处理得到候选边缘点,再根据培养皿为圆形的边缘形状,采用霍夫变换的方法进行培养皿边缘检测,从而去除培养皿边缘确定菌落图像范围。
5.根据权利要求1所述的菌落自动计数方法,其特征在于,第8)步的迭代腐蚀方法为:先使用腐蚀模板反复腐蚀目标图片,每次腐蚀操作以后均进行一次条件膨胀操作,用膨胀后的图像减去腐蚀得到的图像即可得到一个种子点,反复腐蚀操作以后直到图片变为空集结束算法,并保留目标消失之前最后的结果,该结果也为一个种子点;然后,将该种子点和多次腐蚀膨胀过程中所得的所有种子点做并集,得到的所有目标种子点,即是分离的菌落,此时完成对菌落图像中的较大菌落进行的极限分割。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012100599555A CN102676633A (zh) | 2012-03-08 | 2012-03-08 | 一种菌落自动计数方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012100599555A CN102676633A (zh) | 2012-03-08 | 2012-03-08 | 一种菌落自动计数方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102676633A true CN102676633A (zh) | 2012-09-19 |
Family
ID=46809184
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2012100599555A Pending CN102676633A (zh) | 2012-03-08 | 2012-03-08 | 一种菌落自动计数方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102676633A (zh) |
Cited By (33)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103308430A (zh) * | 2013-06-03 | 2013-09-18 | 浙江大学 | 一种测量种子千粒重的方法及装置 |
CN104091170A (zh) * | 2014-06-13 | 2014-10-08 | 电子科技大学 | 基于机器视觉的霉菌自动辨别方法 |
CN104463892A (zh) * | 2014-12-24 | 2015-03-25 | 福州大学 | 基于水平集及GVF Snake精确定位的菌落图像分割方法 |
CN105335982A (zh) * | 2015-11-02 | 2016-02-17 | 江苏大学 | 一种粘连菌落的分割方法 |
CN105374045A (zh) * | 2015-12-07 | 2016-03-02 | 湖南科技大学 | 一种基于形态学的图像特定形状尺寸目标快速分割方法 |
CN105466921A (zh) * | 2015-11-23 | 2016-04-06 | 北京普析通用仪器有限责任公司 | 一种多样品同时检测的方法 |
CN105491279A (zh) * | 2015-11-19 | 2016-04-13 | 北京工业大学 | 一种菌落的图像采集和识别方法 |
CN105654457A (zh) * | 2014-11-14 | 2016-06-08 | 富士通株式会社 | 图像处理装置和方法 |
CN106127293A (zh) * | 2016-07-06 | 2016-11-16 | 太仓诚泽网络科技有限公司 | 一种昆虫自动计数系统及其计数方法 |
CN106148177A (zh) * | 2015-03-27 | 2016-11-23 | 中国科学院青岛生物能源与过程研究所 | 一种基于微流芯片与智能手机的快速活菌计数系统 |
CN106447020A (zh) * | 2016-09-13 | 2017-02-22 | 上海海事大学 | 一种智能菌落计数方法 |
CN106485313A (zh) * | 2016-10-18 | 2017-03-08 | 山东省农业科学院农业质量标准与检测技术研究所 | 一种菌落快速记数方法 |
CN106709927A (zh) * | 2016-12-27 | 2017-05-24 | 浙江大学 | 一种复杂背景下声学图像中的目标提取方法 |
CN106780504A (zh) * | 2017-01-22 | 2017-05-31 | 中国农业大学 | 一种基于距离保持水平集的牛肉图像中背长肌自动分割方法 |
CN108109133A (zh) * | 2017-10-31 | 2018-06-01 | 青岛大学 | 一种基于数字图像处理技术的蚕卵自动计数方法 |
CN108197598A (zh) * | 2018-01-25 | 2018-06-22 | 曹凯 | 一种噬线虫1号战线菌群的制配系统 |
CN108368532A (zh) * | 2015-09-16 | 2018-08-03 | 默克专利股份公司 | 用于微生物菌落的早期检测和标识的方法、用于执行该方法的装置和计算机程序 |
CN108765491A (zh) * | 2018-05-31 | 2018-11-06 | 成都信息工程大学 | 一种sar图像舰船目标检测方法 |
CN108830858A (zh) * | 2018-06-20 | 2018-11-16 | 天津大学 | 一种基于红外和光学影像双模成像信息的活体菌落计数方法 |
CN109447945A (zh) * | 2018-09-21 | 2019-03-08 | 河南农业大学 | 基于机器视觉和图形处理的小麦基本苗快速计数方法 |
CN110499233A (zh) * | 2019-08-27 | 2019-11-26 | 广东环凯生物科技有限公司 | 一种用于菌落计数器的光源系统、计数器和计数方法 |
CN110910403A (zh) * | 2019-11-16 | 2020-03-24 | 厦门梓蔓生物科技有限公司 | 一种基于图像处理的工业大麻种子计数方法 |
CN111178173A (zh) * | 2019-12-14 | 2020-05-19 | 杭州电子科技大学 | 一种目标菌落生长特征识别方法 |
CN111429361A (zh) * | 2020-02-17 | 2020-07-17 | 马健锦 | 一种基于机器视觉的菌落计数方法 |
CN112017157A (zh) * | 2020-07-21 | 2020-12-01 | 中国科学院西安光学精密机械研究所 | 一种光学元件激光损伤阈值测试中损伤点识别方法 |
CN112668405A (zh) * | 2020-12-10 | 2021-04-16 | 哈尔滨师范大学 | 一种土壤细菌数量的精确提取方法 |
CN112734654A (zh) * | 2020-12-23 | 2021-04-30 | 中国科学院苏州纳米技术与纳米仿生研究所 | 一种图像处理方法、装置、设备和存储介质 |
CN113538386A (zh) * | 2021-07-22 | 2021-10-22 | 山东润一智能科技有限公司 | 一种菌落计数方法、装置、存储介质、设备 |
CN113822094A (zh) * | 2020-06-02 | 2021-12-21 | 苏州科瓴精密机械科技有限公司 | 基于图像识别工作位置的方法、系统,机器人及存储介质 |
CN113870268A (zh) * | 2021-12-06 | 2021-12-31 | 华北理工大学 | 一种基于连通分量检测的统计球团矿数量的方法 |
CN114170598A (zh) * | 2021-12-10 | 2022-03-11 | 四川大学 | 菌落高度扫描成像装置、可辨别非典型菌落的菌落自动计数设备及方法 |
CN114723804A (zh) * | 2022-04-13 | 2022-07-08 | 盐城工学院 | 一种基于图像分类的菌落计数方法 |
CN117274293A (zh) * | 2023-11-17 | 2023-12-22 | 广东省农业科学院动物科学研究所 | 基于图像特征的细菌菌落精确划分方法 |
-
2012
- 2012-03-08 CN CN2012100599555A patent/CN102676633A/zh active Pending
Non-Patent Citations (4)
Title |
---|
《数据采集与处理》 20031231 周莹莉等 "基于图像处理的菌落自动计数方法及其实现" 第460-464页 1-5 第18卷, 第4期 * |
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》 * |
章毓晋编著: "《图像工程(中册)——图像分析(第2版)》", 31 May 2007, article ""3.图像聚类快速分割"", pages: 418-420 * |
章毓晋编著: "《图像工程(中册)——图像分析(第2版)》", 31 May 2007, 清华大学出版社 * |
Cited By (50)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103308430A (zh) * | 2013-06-03 | 2013-09-18 | 浙江大学 | 一种测量种子千粒重的方法及装置 |
CN103308430B (zh) * | 2013-06-03 | 2016-01-20 | 浙江大学 | 一种测量种子千粒重的方法及装置 |
CN104091170A (zh) * | 2014-06-13 | 2014-10-08 | 电子科技大学 | 基于机器视觉的霉菌自动辨别方法 |
CN104091170B (zh) * | 2014-06-13 | 2018-01-12 | 电子科技大学 | 基于机器视觉的霉菌自动辨别方法 |
CN105654457A (zh) * | 2014-11-14 | 2016-06-08 | 富士通株式会社 | 图像处理装置和方法 |
CN104463892A (zh) * | 2014-12-24 | 2015-03-25 | 福州大学 | 基于水平集及GVF Snake精确定位的菌落图像分割方法 |
CN104463892B (zh) * | 2014-12-24 | 2017-06-06 | 福州大学 | 基于水平集及GVF Snake精确定位的菌落图像分割方法 |
CN106148177A (zh) * | 2015-03-27 | 2016-11-23 | 中国科学院青岛生物能源与过程研究所 | 一种基于微流芯片与智能手机的快速活菌计数系统 |
CN108368532B (zh) * | 2015-09-16 | 2022-04-26 | 默克专利股份公司 | 用于微生物菌落的早期检测和标识的方法、用于执行该方法的装置和计算机程序 |
CN108368532A (zh) * | 2015-09-16 | 2018-08-03 | 默克专利股份公司 | 用于微生物菌落的早期检测和标识的方法、用于执行该方法的装置和计算机程序 |
CN105335982A (zh) * | 2015-11-02 | 2016-02-17 | 江苏大学 | 一种粘连菌落的分割方法 |
CN105335982B (zh) * | 2015-11-02 | 2018-04-17 | 江苏大学 | 一种粘连菌落的分割方法 |
CN105491279A (zh) * | 2015-11-19 | 2016-04-13 | 北京工业大学 | 一种菌落的图像采集和识别方法 |
CN105466921A (zh) * | 2015-11-23 | 2016-04-06 | 北京普析通用仪器有限责任公司 | 一种多样品同时检测的方法 |
CN105374045B (zh) * | 2015-12-07 | 2017-11-14 | 湖南科技大学 | 一种基于形态学的图像特定形状尺寸目标快速分割方法 |
CN105374045A (zh) * | 2015-12-07 | 2016-03-02 | 湖南科技大学 | 一种基于形态学的图像特定形状尺寸目标快速分割方法 |
CN106127293A (zh) * | 2016-07-06 | 2016-11-16 | 太仓诚泽网络科技有限公司 | 一种昆虫自动计数系统及其计数方法 |
CN106447020A (zh) * | 2016-09-13 | 2017-02-22 | 上海海事大学 | 一种智能菌落计数方法 |
CN106447020B (zh) * | 2016-09-13 | 2018-11-23 | 上海海事大学 | 一种智能菌落计数方法 |
CN106485313B (zh) * | 2016-10-18 | 2018-09-28 | 山东省农业科学院农业质量标准与检测技术研究所 | 一种菌落快速记数方法 |
CN106485313A (zh) * | 2016-10-18 | 2017-03-08 | 山东省农业科学院农业质量标准与检测技术研究所 | 一种菌落快速记数方法 |
CN106709927A (zh) * | 2016-12-27 | 2017-05-24 | 浙江大学 | 一种复杂背景下声学图像中的目标提取方法 |
CN106780504B (zh) * | 2017-01-22 | 2019-11-01 | 中国农业大学 | 一种基于距离保持水平集的牛肉图像中背长肌自动分割方法 |
CN106780504A (zh) * | 2017-01-22 | 2017-05-31 | 中国农业大学 | 一种基于距离保持水平集的牛肉图像中背长肌自动分割方法 |
CN108109133A (zh) * | 2017-10-31 | 2018-06-01 | 青岛大学 | 一种基于数字图像处理技术的蚕卵自动计数方法 |
CN108109133B (zh) * | 2017-10-31 | 2021-10-12 | 青岛大学 | 一种基于数字图像处理技术的蚕卵自动计数方法 |
CN108197598A (zh) * | 2018-01-25 | 2018-06-22 | 曹凯 | 一种噬线虫1号战线菌群的制配系统 |
CN108765491A (zh) * | 2018-05-31 | 2018-11-06 | 成都信息工程大学 | 一种sar图像舰船目标检测方法 |
CN108830858B (zh) * | 2018-06-20 | 2021-08-03 | 天津大学 | 一种基于红外和光学影像双模成像信息的活体菌落计数方法 |
CN108830858A (zh) * | 2018-06-20 | 2018-11-16 | 天津大学 | 一种基于红外和光学影像双模成像信息的活体菌落计数方法 |
CN109447945B (zh) * | 2018-09-21 | 2021-11-30 | 河南农业大学 | 基于机器视觉和图形处理的小麦基本苗快速计数方法 |
CN109447945A (zh) * | 2018-09-21 | 2019-03-08 | 河南农业大学 | 基于机器视觉和图形处理的小麦基本苗快速计数方法 |
CN110499233A (zh) * | 2019-08-27 | 2019-11-26 | 广东环凯生物科技有限公司 | 一种用于菌落计数器的光源系统、计数器和计数方法 |
CN110910403A (zh) * | 2019-11-16 | 2020-03-24 | 厦门梓蔓生物科技有限公司 | 一种基于图像处理的工业大麻种子计数方法 |
CN111178173A (zh) * | 2019-12-14 | 2020-05-19 | 杭州电子科技大学 | 一种目标菌落生长特征识别方法 |
CN111178173B (zh) * | 2019-12-14 | 2022-02-11 | 杭州电子科技大学 | 一种目标菌落生长特征识别方法 |
CN111429361A (zh) * | 2020-02-17 | 2020-07-17 | 马健锦 | 一种基于机器视觉的菌落计数方法 |
CN113822094B (zh) * | 2020-06-02 | 2024-01-16 | 苏州科瓴精密机械科技有限公司 | 基于图像识别工作位置的方法、系统,机器人及存储介质 |
CN113822094A (zh) * | 2020-06-02 | 2021-12-21 | 苏州科瓴精密机械科技有限公司 | 基于图像识别工作位置的方法、系统,机器人及存储介质 |
CN112017157B (zh) * | 2020-07-21 | 2023-04-11 | 中国科学院西安光学精密机械研究所 | 一种光学元件激光损伤阈值测试中损伤点识别方法 |
CN112017157A (zh) * | 2020-07-21 | 2020-12-01 | 中国科学院西安光学精密机械研究所 | 一种光学元件激光损伤阈值测试中损伤点识别方法 |
CN112668405A (zh) * | 2020-12-10 | 2021-04-16 | 哈尔滨师范大学 | 一种土壤细菌数量的精确提取方法 |
CN112734654A (zh) * | 2020-12-23 | 2021-04-30 | 中国科学院苏州纳米技术与纳米仿生研究所 | 一种图像处理方法、装置、设备和存储介质 |
CN112734654B (zh) * | 2020-12-23 | 2024-02-02 | 中国科学院苏州纳米技术与纳米仿生研究所 | 一种图像处理方法、装置、设备和存储介质 |
CN113538386A (zh) * | 2021-07-22 | 2021-10-22 | 山东润一智能科技有限公司 | 一种菌落计数方法、装置、存储介质、设备 |
CN113870268A (zh) * | 2021-12-06 | 2021-12-31 | 华北理工大学 | 一种基于连通分量检测的统计球团矿数量的方法 |
CN114170598A (zh) * | 2021-12-10 | 2022-03-11 | 四川大学 | 菌落高度扫描成像装置、可辨别非典型菌落的菌落自动计数设备及方法 |
CN114723804A (zh) * | 2022-04-13 | 2022-07-08 | 盐城工学院 | 一种基于图像分类的菌落计数方法 |
CN117274293A (zh) * | 2023-11-17 | 2023-12-22 | 广东省农业科学院动物科学研究所 | 基于图像特征的细菌菌落精确划分方法 |
CN117274293B (zh) * | 2023-11-17 | 2024-03-15 | 广东省农业科学院动物科学研究所 | 基于图像特征的细菌菌落精确划分方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102676633A (zh) | 一种菌落自动计数方法 | |
US20220383633A1 (en) | Method for recognizing seawater polluted area based on high-resolution remote sensing image and device | |
CN103942803B (zh) | 基于sar图像的水域自动检测方法 | |
CN106709426B (zh) | 基于红外遥感图像的舰船目标检测方法 | |
CN106650812B (zh) | 一种卫星遥感影像的城市水体提取方法 | |
CN107092871B (zh) | 基于多尺度多特征融合的遥感影像建筑物检测方法 | |
CN109272548B (zh) | 一种浮选过程气泡直径的测量方法 | |
CN104021574A (zh) | 路面病害自动识别方法 | |
CN101634706B (zh) | 高分辨率sar图像中桥梁目标的自动检测方法 | |
CN106815583B (zh) | 一种基于mser和swt相结合的夜间车辆车牌定位方法 | |
CN109117802A (zh) | 面向大场景高分遥感影像的舰船检测方法 | |
CN111027446B (zh) | 一种高分辨率影像的海岸线自动提取方法 | |
CN101634705B (zh) | 基于方向信息测度的sar图像目标变化检测方法 | |
CN103984946A (zh) | 一种基于K-means的高分辨率遥感地图道路提取方法 | |
CN104951799A (zh) | 一种sar遥感影像溢油检测识别方法 | |
CN101587189B (zh) | 用于合成孔径雷达图像的纹理基元特征提取方法 | |
CN110334760B (zh) | 一种基于resUnet的光学元器件损伤检测方法及系统 | |
CN104021553B (zh) | 一种基于像素点分层的声纳图像目标检测方法 | |
CN104282026A (zh) | 基于分水岭算法和最小生成树的分布均匀性评估方法 | |
CN103778627A (zh) | 一种基于sar图像的海域溢油检测方法 | |
CN106529551B (zh) | 面向包装行业的类圆对象智能识别计数检测方法 | |
CN110211128B (zh) | 基于遥感影像和dem的黄土高原梯田提取方法 | |
CN101976342A (zh) | 一种基于时空协同判定的“猫眼”效应目标识别方法 | |
CN110310263B (zh) | 一种基于显著性分析和背景先验的sar图像居民区检测方法 | |
CN105205485B (zh) | 基于多类类间最大方差算法的大尺度图像分割算法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20120919 |