CN103234865B - 微生物聚集体定量显微成像测定及评价方法 - Google Patents

Abstract

本发明公开了一种微生物聚集体性能的定量显微成像测定及评价方法，其特征是：首先标定待测微生物聚集体样本的灰度值与比重值标准关系曲线；然后利用数码显微镜获取由含有待测微生物聚集体的混合液制成的待测玻片的图像，由图像中所有微生物聚集体的分辨率、R值、G值和B值，计算所有待测微生物聚集体的灰度值和面积，并由灰度值以及灰度值和比重值标准关系曲线计算其比重值；最后采用模糊模式识别方法，对待测微生物聚集体的面积和比重值进行综合评价，获得级别特征值向量作为待测微生物聚集体的评价结果。本发明以一种高效、准确的方法实现了对微生物聚集体的定量分析和综合评价。

Description

微生物聚集体定量显微成像测定及评价方法

技术领域

本发明涉及生物处理中微生物聚集体性能的测定和评价方法，具体地说是涉及一种利用定量显微成像技术和模糊模式识别的方法测定和综合评价微生物聚集体性能的方法。

背景技术

微生物聚集体主要以活性污泥、生物膜、颗粒污泥等形式出现，是污水生物处理的主体，微生物聚集体的性能决定了污水净化以及固液分离的效果。

在污水生物处理过程中，通过细菌、真菌和原生动物等微生物的大量繁殖，加上污水中有机和无机胶体以及悬浮物等组成一种肉眼可见的绒絮状泥粒即为微生物聚集体，其对污水中污染物有很强的吸附能力和降解能力，颜色主要有深灰、灰褐、灰白等，大小约为0.02mm～0.2mm，表面积为20～100cm²/L，比重值稍大于水，静置时会发生沉淀。污水生物处理能力与其微生物聚集体的组成和结构密切相关，而水温、pH值、溶解氧等环境因素对微生物聚集体的新陈代谢有着重要的影响。

目前，对微生物聚集体性能的监测分析方法大都停留在定性观察阶段，采用主观指标进行判断，如松散程度，相对大小等等。也有研究尝试使用单个指标进行微生物聚集体的定量表征，如个体大小等，但是均停留在单因素评价的方面。目前针对微生物聚集体还没有精确定量的综合评价方法。

发明内容

本发明是为避免上述现有技术所存在的不足之处，提供一种微生物聚集体定量显微成像测定及评价方法，以便能够高效、准确地实现对微生物聚集体的定量分析和综合评价。

本发明为解决技术问题采用如下技术方案：

本发明微生物聚集体定量显微成像测定及评价方法，其特征是按如下步骤进行：

a、按如下步骤标定待测微生物聚集体样本的灰度值与比重值标准关系曲线：

a1、以1.0°Bx为糖度梯度，取糖度从5.0°Bx到21.0°Bx的蔗糖水溶液共17组，标记为蔗糖水溶液m，m＝1，2，…，17；

a2、从待测微生物聚集体样本中取含有微生物聚集体的混合液，测试所述混合液的质量浓度值，记为p，以蒸馏水作为溶剂将所述混合液稀释到质量浓度值为p/100，获得待标定混合液样本；

a3、使用胶头吸管从待标定混合液样本中吸取一个微生物聚集体，将所述微生物聚集体无初速滴入蔗糖水溶液1中，静置30秒；若所述微生物聚集体在所述蔗糖水溶液1中悬浮，则将蔗糖水溶液1的糖度标记为所述微生物聚集体的比重值，否则，将其取出并无初速滴入蔗糖水溶液2中，静置30秒，若所述微生物聚集体在所述蔗糖水溶液2中悬浮，则将蔗糖水溶液2的糖度标记为所述微生物聚集体的比重值，否则，将其取出并无初速滴入蔗糖水溶液3中，静置30秒，……以此类推，直到所述微生物聚集体在蔗糖水溶液m中悬浮，将蔗糖水溶液m的糖度标记为所述微生物聚集体的比重值；

a4、将所述微生物聚集体取出，置于蒸馏水中清洗两次，得到洁净微生物聚集体；将所述洁净微生物聚集体置于10ml水中形成洁净微生物聚集体混合液；

a5、吸取洁净微生物聚集体混合液，制成玻片，利用数码显微镜获取玻片图像，记录所述玻片图像中微生物聚集体所在区域的R值、G值和B值，并由所述R值、G值和B值计算得到所述微生物聚集体的灰度值；

a6、重复a3-a5，直到获得30组微生物聚集体的比重值和灰度值；采用最小二乘法处理所述30组微生物聚集体的比重值和灰度值，获取待测微生物聚集体样本的灰度值与比重值标准关系曲线；

b、以面积和比重值作为两项评价指标，按如下步骤计算待测微生物聚集体样本的评价指标值x_ij；

其中i为评价指标类型，i＝1，2；j为待测微生物聚集体编号，j＝1，2，…，n；

当i＝1时，x_1j为第j个待测微生物聚集体的面积；

当i＝2时，x_2j为第j个待测微生物聚集体比重值；

具体步骤如下：

b1、取含有待测微生物聚集体的混合液制成待测玻片，利用数码显微镜获取待测玻片图像；将所述待测玻片图像的羽化值固定为10，选取所述待测玻片图像中所有的待测微生物聚集体，并从1到n对所有待测微生物聚集体进行编号，n＝1，2，3……；记录n个待测微生物聚集体的分辨率、R值、G值和B值；

b2、根据b1所得的分辨率、R值、G值和B值，逐一计算n个待测微生物聚集体的灰度值和面积x_1j；

b3、利用步骤a获得的灰度值与比重值标准关系曲线和步骤b2获得的灰度值，分别获取n个待测微生物聚集体的比重值x_2j；

c、采用模糊模式识别方法，对所述待测微生物聚集体的面积x_1j和比重值x_2j进行综合评价，获得级别特征值向量H(j)，以所述级别特征值向量H(j)作为待测微生物聚集体的评价结果，具体步骤如下：

c1、将所述待测微生物聚集体的评价指标值x_ij写入实测值矩阵X：

$X=\left[\begin{array}{cccc}{x}_{11}& x_{12}& ...& x_{1n}\\ x_{21}& x_{22}& ...& x_{2n}\end{array}\right]=\left(x_{\mathrm{ij}}\right)$

c2、将x_ij的最大值记为y_il，将x_ij的最小值记为y_ic；

c3、将x_ij按评价指标类型分别进行级别分类，每个级别的标准值设为y_ih，其中y_1h表示第h个级别面积的标准值，y_2h表示第h个级别比重值的标准值，设h为1，2，…，5，将y_ih写入评价指标矩阵Y：

$Y=\left[\begin{array}{cccc}{y}_{11}& y_{12}& ...& y_{15}\\ y_{21}& y_{22}& ...& y_{25}\end{array}\right]=\left(y_{\mathrm{ih}}\right)$

c4、根据模糊数学相对隶属度的概念，将实测值矩阵X转化为对应的相对隶属度矩阵R，将评价指标矩阵Y转化为对应的相对隶属度矩阵S：

$R=\left[\begin{array}{cccc}{r}_{11}& r_{12}& ...& r_{1n}\\ r_{21}& r_{22}& ...& r_{2n}\end{array}\right]=\left(r_{\mathrm{ij}}\right)$

$S=\left[\begin{array}{cccc}{s}_{11}& s_{12}& ...& s_{15}\\ s_{21}& s_{22}& ...& s_{25}\end{array}\right]=\left(s_{\mathrm{ih}}\right)$

其中：

$r_{\mathrm{ij}}=\left\{\begin{array}{cc}0& ,x_{\mathrm{ij}}\&le;y_{\mathrm{ic}}\\ \frac{x_{\mathrm{ij}}-y_{\mathrm{ic}}}{y_{i1}-y_{\mathrm{ic}}}& ,y_{\mathrm{ic}}<x_{\mathrm{ij}}<y_{i1}\\ 1& ,y_{i1}\&le;x_{\mathrm{ij}}\end{array}\right.$

$s_{\mathrm{ih}}=\left\{\begin{array}{cc}0& ,y_{\mathrm{ih}}\&le;y_{\mathrm{ic}}\\ \frac{y_{\mathrm{ih}}-y_{\mathrm{ic}}}{y_{i1}-y_{\mathrm{ic}}}& ,y_{\mathrm{ic}}<y_{\mathrm{ih}}<y_{i1}\\ 1& ,y_{i1}\&le;y_{\mathrm{ih}}\end{array}\right.$

c5、判断第j个待测微生物聚集体的面积相对隶属度r_1j在矩阵S的第1行向量(s₁₁，s₁₂，...，s₁₅)所处的级别上限值b_1j和级别下限值a_1j，判断第j个待测微生物聚集体的比重值相对隶属度r_2j在矩阵S的第2行向量(s₂₁，s₂₂，...，s₂₅)所处的级别上限值b_2j和级别下限值a_2j，取a_1j、a_2j中最小的值作为第j个待测微生物聚集体的级别下限值a_j，取b_1j、b_2j中最大的值作为第j个待测微生物聚集体的级别上限值b_j；

c6、建立实测值矩阵X的权重矩阵，将所述权重矩阵归一化得综合权重矩阵W：

$W=\left[\begin{array}{cccc}{w}_{11}& w_{12}& ...& w_{1n}\\ w_{21}& w_{22}& ...& w_{2n}\end{array}\right]=\left(w_{\mathrm{ij}}\right)$

式中w_ij表示样本j的评价指标i的权重，且

c7、按式(1)计算级别特征值向量H(j)：

$H\left(j\right)=\underset{h=1}{\overset{5}{\mathrm{\&Sigma;}}}{\mathrm{\&mu;}}_{\mathrm{hj}}h---\left(1\right)$

式(1)中：

$u_{\mathrm{hj}}=\left\{\begin{array}{cc}0& ,h<a_j\mathrm{or},h>b_j\\ \frac{1}{\underset{k=a_j}{\overset{b_j}{\mathrm{\&Sigma;}}}\left\{\frac{\underset{i=1}{\overset{2}{\mathrm{\&Sigma;}}}[w_{\mathrm{ij}}(r_{\mathrm{ij}}-s_{\mathrm{ih}}){]}^2}{\underset{i=1}{\overset{2}{\mathrm{\&Sigma;}}}[w_{\mathrm{ij}}(r_{\mathrm{ij}}-s_{\mathrm{ik}}){]}^2}\right\}}& ,a_j\&le;h\&le;b_j,d_{\mathrm{hj}}\&NotEqual;0\\ 1& ,d_{\mathrm{hj}}=0\end{array}\right.;$

$d_{\mathrm{hj}}=\left\{\underset{i=1}{\overset{2}{\mathrm{\&Sigma;}}}\right[w_{\mathrm{ij}}(r_{\mathrm{ij}}-s_{\mathrm{ih}}){]}^2{\}}^{\frac{1}{2}}$ 。

与已有技术相比，本发明的有益效果体现在：

1、本发明以定量显微成像技术为基础，结合模糊模式识别方法，实现了对微生物聚集体的定量分析和综合评价；

2、本发明的测定方法简单，测定结果精确，为污水生物处理中微生物聚集体的性能提供了直观的检测标准。

附图说明

图1为实施例1中待测微生物聚集体样本的灰度值与比重值标准关系曲线。

具体实施方式

实施例1：养殖废水中微生物聚集体的性能研究

1、待测微生物聚集体制备：准备1个1L好氧批式反应器，接种25mL污泥，加入含有蔗糖为1.90g，NH₄Cl为0.0764g的模拟养殖废水至容积为755mL。将曝气头放入上述反应器中，进行曝气实验，在实验进行的3h取样，作为待测微生物聚集体。

2、待测微生物聚集体性能测试

a、标定待测微生物聚集体样本的灰度值与比重值标准关系曲线，具体步骤如下：

a1、以1.0°Bx为糖度梯度，取糖度从5.0°Bx到21.0°Bx的蔗糖水溶液共17组，标记为蔗糖水溶液m，1≤m≤17；

a2、从待测微生物聚集体样本中取含有微生物聚集体的混合液，测试混合液的质量浓度值，以蒸馏水作为溶剂将质量浓度值稀释到1/100，获得待标定混合液样本；

a3、使用胶头吸管从待标定混合液样本中吸取一个微生物聚集体，将微生物聚集体无初速滴入蔗糖水溶液1中，静置30秒；若微生物聚集体在蔗糖水溶液1中悬浮，则将蔗糖水溶液1的糖度标记为微生物聚集体的比重值，否则，将其取出并无初速滴入蔗糖水溶液2中，静置30秒，若微生物聚集体在蔗糖水溶液2中悬浮，则将蔗糖水溶液2的糖度标记为微生物聚集体的比重值，否则，将其取出并无初速滴入蔗糖水溶液3中，静置30秒，……以此类推，直到微生物聚集体在蔗糖水溶液m中悬浮，将蔗糖水溶液m的糖度标记为微生物聚集体的比重值；

a4、将微生物聚集体取出，置于蒸馏水中清洗两次，得到洁净微生物聚集体；将洁净微生物聚集体置于10ml水中形成洁净微生物聚集体混合液；

a5、吸取洁净微生物聚集体混合液，制成玻片，利用数码显微镜获取玻片图像，记录玻片图像中微生物聚集体所在区域的R值、G值和B值，并由R值、G值和B值计算得到所述微生物聚集体的灰度值；

a6、重复a3-a5，直到获得30组微生物聚集体的比重值和灰度值；采用最小二乘法处理30组微生物聚集体的比重值和灰度值，获取待测微生物聚集体样本的灰度值与比重值标准关系曲线，如图1所示；

b、以面积和比重值作为两项评价指标，计算待测微生物聚集体样本的评价指标值x_ij；

其中i为评价指标类型，i＝1，2；j为待测微生物聚集体编号，j＝1，2，…，n；

当i＝1时，x_1j为第j个待测微生物聚集体的面积；

当i＝2时，x_2j为第j个待测微生物聚集体比重值；

具体步骤如下：

b1、取含有待测微生物聚集体的混合液制成待测玻片，利用数码显微镜获取待测玻片图像；将待测玻片图像的羽化值固定为10，选取待测玻片图像中所有的待测微生物聚集体，并从1到n对所有待测微生物聚集体进行编号，n＝1，2，3…，8；记录8个待测微生物聚集体的分辨率、R值、G值和B值；

b2、根据b1所得的分辨率、R值、G值和B值，逐一计算8个待测微生物聚集体的灰度值和面积x_1j；

b3、利用步骤a获得的灰度值与比重值标准关系曲线和步骤b2获得的灰度值，分别获取8个待测微生物聚集体的比重值x_2j；

c、采用模糊模式识别方法，对待测微生物聚集体的面积x_1j和比重值x_2j进行综合评价，获得级别特征值向量，以级别特征值向量作为待测微生物聚集体的评价结果，具体步骤如下：

c1、将待测微生物聚集体的评价指标值x_ij写入实测值矩阵X：

$X=\left[\begin{array}{cccc}{x}_{11}& x_{12}& ...& x_{1n}\\ x_{21}& x_{22}& ...& x_{2n}\end{array}\right]=\left(x_{\mathrm{ij}}\right)$

$=\left[\begin{array}{cccccccc}87.0& 74.2& 39.2& 73.1& 53.7& 57.5& 55.4& 61.3\\ 1.0129085& 1.0112556& 1.0129382& 1.0131280& 1.0117283& 1.0116509& 1.0103029& 1.0139058\end{array}\right]$

c2、将x_ij的最大值记为y_il，将x_ij的最小值记为y_ic；

c3、将x_ij按评价指标类型分别进行级别分类，每个级别的标准值设为y_ih，其中y_1h表示第h个级别面积的标准值，y_2h表示第h个级别比重值的标准值，h＝1，2，…，5，将y_ih写入评价指标矩阵Y：

$Y=\left[\begin{array}{cccc}{y}_{11}& y_{12}& ...& y_{15}\\ y_{21}& y_{22}& ...& y_{25}\end{array}\right]=\left(y_{\mathrm{ih}}\right)$

$=\left[\begin{array}{ccccc}50& 80& 110& 140& 170\\ 1.010& 1.011& 1.012& 1.013& 1.014\end{array}\right]$

c4、根据模糊数学相对隶属度的概念，将实测值矩阵X转化为对应的相对隶属度矩阵R，将评价指标矩阵Y转化为对应的相对隶属度矩阵S：

$R=\left[\begin{array}{cccc}{r}_{11}& r_{12}& ...& r_{1n}\\ r_{21}& r_{22}& ...& r_{2n}\end{array}\right]=\left(r_{\mathrm{ij}}\right)$

$=\left[\begin{array}{cccccccc}0.48& 0.40& 0.18& 0.39& 0.27& 0.30& 0.28& 0.32\\ 0.73& 0.31& 0.73& 0.78& 0.43& 0.41& 0.08& 0.98\end{array}\right]$

$S=\left[\begin{array}{cccc}{s}_{11}& s_{12}& ...& s_{15}\\ s_{21}& s_{22}& ...& s_{25}\end{array}\right]=\left(s_{\mathrm{jh}}\right)$

$=\left[\begin{array}{ccccc}0.00& 0.25& 0.5& 0.75& 1.00\\ 0.00& 0.25& 0.5& 0.75& 1.00\end{array}\right]$

其中

$r_{\mathrm{ij}}=\left\{\begin{array}{cc}1& ,x_{\mathrm{ij}}\&le;y_{\mathrm{ic}}\\ \frac{x_{\mathrm{ij}}-y_{\mathrm{ic}}}{y_{\mathrm{ic}}-y_{i1}}& ,y_{i1}<x_{\mathrm{ij}}<y_{\mathrm{ic}}\\ 0& ,y_{\mathrm{ij}}\&le;x_{i1}\end{array}\right.$

$s_{\mathrm{ih}}=\left\{\begin{array}{cc}1& ,y_{\mathrm{ih}}\&le;y_{\mathrm{ic}}\\ \frac{y_{\mathrm{ih}}-y_{\mathrm{ic}}}{y_{\mathrm{ic}}-y_{i1}}& ,y_{i1}<y_{\mathrm{ih}}<y_{\mathrm{ic}}\\ 0& ,y_{\mathrm{ih}}\&le;y_{i1}\end{array}\right.$

c5、判断第j个待测微生物聚集体的面积相对隶属度r_1j在矩阵S的第1行向量(s₁₁，s₁₂，...，s₁₅)所处的级别上限值b_1j和级别下限值a_1j，判断第j个待测微生物聚集体的比重值相对隶属度r_2j在矩阵S的第2行向量(s₂₁，s₂₂，...，s₂₅)所处的级别上限值b_2j和级别下限值a_2j，取a_1j、a_2j中最小的值作为第j个待测微生物聚集体的级别下限值a_j，取b_1j、b_2j中最大的值作为第j个待测微生物聚集体的级别上限值b_j；

c6、建立实测值矩阵X的权重矩阵，将权重矩阵归一化得综合权重矩阵W：

$W=\left[\begin{array}{cccc}{w}_{11}& w_{12}& ...& w_{1n}\\ w_{21}& w_{22}& ...& w_{2n}\end{array}\right]=\left(w_{\mathrm{ij}}\right)$

$=\left[\begin{array}{cccccccc}0.22& 0.35& 0.10& 0.18& 0.21& 0.24& 0.62& 0.12\\ 0.78& 0.65& 0.90& 0.82& 0.79& 0.76& 0.38& 0.88\end{array}\right]$

式中w_ij表示样本j的评价指标i的权重，且

c7、按式(1)计算级别特征值向量。

$H\left(j\right)=\underset{h=1}{\overset{5}{\mathrm{\&Sigma;}}}{\mathrm{\&mu;}}_{\mathrm{hj}}h---\left(1\right)$

式(1)中：

$u_{\mathrm{hj}}=\left\{\begin{array}{cc}0& ,h<a_j\mathrm{or},h>b_j\\ \frac{1}{\underset{k=a_j}{\overset{b_j}{\mathrm{\&Sigma;}}}\left\{\frac{\underset{i=1}{\overset{2}{\mathrm{\&Sigma;}}}[w_{\mathrm{ij}}(r_{\mathrm{ij}}-s_{\mathrm{ih}}){]}^2}{\underset{i=1}{\overset{2}{\mathrm{\&Sigma;}}}[w_{\mathrm{ij}}(r_{\mathrm{ij}}-s_{\mathrm{ik}}){]}^2}\right\}}& ,a_j\&le;h\&le;b_j,d_{\mathrm{hj}}\&NotEqual;0\\ 1& ,d_{\mathrm{hj}}=0\end{array}\right.;$

$d_{\mathrm{hj}}=\left\{\underset{i=1}{\overset{2}{\mathrm{\&Sigma;}}}\right[w_{\mathrm{ij}}(r_{\mathrm{ij}}-s_{\mathrm{ih}}){]}^2{\}}^{\frac{1}{2}}$

计算的到：H(j)＝[3.85 2.23 3.89 3.98 2.80 2.70 1.96 4.74]

由级别特征值向量可以看出：养殖废水中微生物聚集体的聚集化程度总体级别在1.96-4.74之间，表明高浓度有机废水中微生物聚集体聚集化程度较明显；多数聚集体级别集中在3级左右，聚集体综合性能一般。

实施例2：测试曝气时间对养殖废水中微生物聚集体的性能影响

1、待测微生物聚集体制备：准备1个1L好氧批式反应器，接种25mL污泥，加入含有蔗糖为1.90g，NH₄Cl为0.0764g的模拟养殖废水至容积为755mL。将曝气头放入上述反应器中，进行曝气实验，在实验进行的在实验进行的3h，6h，9h，12h，24h，48h，72h和96h时分别取样，作为8组待测微生物聚集体。

2、对3h时所取样品进行分析，重复实施例1步骤2的a、b，得到n个待测微生物聚集体的面积和比重值，分别计算面积和比重的平均值，记为x₁₁和x₂₁。按相同方法，分别计算6h、9h，12h，24h，48h，72h和96h的样品中待测微生物聚集体的平均面积和平均比重值，平均面积依次记为x_1j：x₁₂、x₁₃、x₁₄、x₁₅、x₁₆、x₁₇、x₁₈，平均比重值分别记为x_2j：x₂₂、x₂₃、x₂₄、x₂₅、x₂₆、x₂₇、x₂₈。

3、采用模糊模式识别方法，对待测微生物聚集体的面积x_1j和比重值x_2j进行综合评价，获得级别特征值向量，以级别特征值向量作为待测微生物聚集体的评价结果，具体步骤如下：

c1、将待测微生物聚集体的评价指标值x_ij写入实测值矩阵X：

$X=\left[\begin{array}{cccc}{x}_{11}& x_{12}& ...& x_{1n}\\ x_{21}& x_{22}& ...& x_{2n}\end{array}\right]=\left(x_{\mathrm{ij}}\right)$

$=\left[\begin{array}{cccccccc}62.7& 50.0& 53.7& 99.4& 90.7& 99.0& 160.0& 141.3\\ 1.0122273& 1.0121885& 1.0121193& 1.0111807& 1.0117812& 1.0118572& 1.0134121& 1.0132349\end{array}\right]$

c2、将x_ij的最大值记为y_il，将x_ij的最小值记为y_ic；

c3、将x_ij按评价指标类型分别进行级别分类，每个级别的标准值设为y_ih，其中y_1h表示第h个级别面积的标准值，y_2h表示第h个级别比重值的标准值，h＝1，2，…，5，将y_ih写入评价指标矩阵Y：

$Y=\left[\begin{array}{cccc}{y}_{11}& y_{12}& ...& y_{15}\\ y_{21}& y_{22}& ...& y_{25}\end{array}\right]=\left(y_{\mathrm{ih}}\right)$

$=\left[\begin{array}{ccccc}50& 80& 110& 140& 170\\ 1.010& 1.011& 1.012& 1.013& 1.014\end{array}\right]$

c4、根据模糊数学相对隶属度的概念，将实测值矩阵X转化为对应的相对隶属度矩阵R，将评价指标矩阵Y转化为对应的相对隶属度矩阵S：

$R=\left[\begin{array}{cccc}{r}_{11}& r_{12}& ...& r_{1n}\\ r_{21}& r_{22}& ...& r_{2n}\end{array}\right]=\left(r_{\mathrm{ij}}\right)$ $=\left[\begin{array}{cccccccc}0.33& 0.25& 0.27& 0.55& 0.50& 0.56& 0.94& 0.82\\ 0.56& 0.55& 0.53& 0.30& 0.45& 0.46& 0.85& 0.81\end{array}\right]$

$S=\left[\begin{array}{cccc}{s}_{11}& s_{12}& ...& s_{15}\\ s_{21}& s_{22}& ...& s_{25}\end{array}\right]=\left(s_{\mathrm{jh}}\right)$

$=\left[\begin{array}{ccccc}0.00& 0.25& 0.5& 0.75& 1.00\\ 0.00& 0.25& 0.5& 0.75& 1.00\end{array}\right]$

其中

$r_{\mathrm{ij}}=\left\{\begin{array}{cc}1& ,x_{\mathrm{ij}}\&le;y_{\mathrm{ic}}\\ \frac{x_{\mathrm{ij}}-y_{\mathrm{ic}}}{y_{\mathrm{ic}}-y_{i1}}& ,y_{i1}<x_{\mathrm{ij}}<y_{\mathrm{ic}}\\ 0& ,y_{\mathrm{ij}}\&le;x_{i1}\end{array}\right.$

$s_{\mathrm{ih}}=\left\{\begin{array}{cc}1& ,y_{\mathrm{ih}}\&le;y_{\mathrm{ic}}\\ \frac{y_{\mathrm{ih}}-y_{\mathrm{ic}}}{y_{\mathrm{ic}}-y_{i1}}& ,y_{i1}<y_{\mathrm{ih}}<y_{\mathrm{ic}}\\ 0& ,y_{\mathrm{ih}}\&le;y_{i1}\end{array}\right.$

c5、判断第j个待测微生物聚集体的面积相对隶属度r_1j在矩阵S的第1行向量(s₁₁，s₁₂，...，s₁₅)所处的级别上限值b_1j和级别下限值a_1j，判断第j个待测微生物聚集体的比重值相对隶属度r_2j在矩阵S的第2行向量(s₂₁，s₂₂，...，s₂₅)所处的级别上限值b_2j和级别下限值a_2j，取a_1j、a_2j中最小的值作为第j个待测微生物聚集体的级别下限值a_j，取b_1j、b_2j中最大的值作为第j个待测微生物聚集体的级别上限值b_j；

c6、建立实测值矩阵X的权重矩阵，将权重矩阵归一化得综合权重矩阵W：

$W=\left[\begin{array}{cccc}{w}_{11}& w_{12}& ...& w_{1n}\\ w_{21}& w_{22}& ...& w_{2n}\end{array}\right]=\left(w_{\mathrm{ij}}\right)$

$=\left[\begin{array}{cccccccc}0.58& 0.52& 0.55& 0.82& 0.73& 0.74& 0.72& 0.70\\ 0.42& 0.48& 0.45& 0.18& 0.27& 0.26& 0.28& 0.30\end{array}\right]$

式中w_ij表示样本j的评价指标i的权重，且

c7、按式(1)计算级别特征值向量。

$H\left(j\right)=\underset{h=1}{\overset{5}{\mathrm{\&Sigma;}}}{\mathrm{\&mu;}}_{\mathrm{hj}}h$ 式(1)

式(1)中：

$u_{\mathrm{hj}}=\left\{\begin{array}{cc}0& ,h<a_j\mathrm{or},h>b_j\\ \frac{1}{\underset{k=a_j}{\overset{b_j}{\mathrm{\&Sigma;}}}\left\{\frac{\underset{i=1}{\overset{2}{\mathrm{\&Sigma;}}}[w_{\mathrm{ij}}(r_{\mathrm{ij}}-s_{\mathrm{ih}}){]}^2}{\underset{i=1}{\overset{2}{\mathrm{\&Sigma;}}}[w_{\mathrm{ij}}(r_{\mathrm{ij}}-s_{\mathrm{ik}}){]}^2}\right\}}& ,a_j\&le;h\&le;b_j,d_{\mathrm{hj}}\&NotEqual;0\\ 1& ,d_{\mathrm{hj}}=0\end{array}\right.;$

$d_{\mathrm{hj}}=\left\{\underset{i=1}{\overset{2}{\mathrm{\&Sigma;}}}\right[w_{\mathrm{ij}}(r_{\mathrm{ij}}-s_{\mathrm{ih}}){]}^2{\}}^{\frac{1}{2}}$

计算的到：H(j)＝[2.77 2.71 2.65 3.05 3.00 3.03 4.84 4.12]

养殖废水中微生物聚集体的性能研究表明：聚集化程度总体级别在2.77-4.82之间，表明高浓度有机废水中微生物聚集体聚集化程度较明显，其中，在曝气时间为72h时，聚集化程度最大，曝气时间为9h聚集化程度最低，3h与6h变化不大，9h之后聚集化程度逐步增大。在9个小时的曝气时间下，综合性能最低，在72个小时的曝气时间下，综合性能最高，可见较长的曝气时间有利于提高微生物聚集体的综合性能。

Claims (1)

1.微生物聚集体定量显微成像测定及评价方法，其特征是按如下步骤进行：

a、按如下步骤标定待测微生物聚集体样本的灰度值与比重值标准关系曲线：

a1、以1.0°Bx为糖度梯度，取糖度从5.0°Bx到21.0°Bx的蔗糖水溶液共17组，标记为蔗糖水溶液m，m＝1，2，…，17；

a2、从待测微生物聚集体样本中取含有微生物聚集体的混合液，测试所述混合液的质量浓度值，记为p，以蒸馏水作为溶剂将所述混合液稀释到质量浓度值为p/100，获得待标定混合液样本；

a3、使用胶头吸管从待标定混合液样本中吸取一个微生物聚集体，将所述微生物聚集体无初速滴入蔗糖水溶液1中，静置30秒；若所述微生物聚集体在所述蔗糖水溶液1中悬浮，则将蔗糖水溶液1的糖度标记为所述微生物聚集体的比重值，否则，将其取出并无初速滴入蔗糖水溶液2中，静置30秒，若所述微生物聚集体在所述蔗糖水溶液2中悬浮，则将蔗糖水溶液2的糖度标记为所述微生物聚集体的比重值，否则，将其取出并无初速滴入蔗糖水溶液3中，静置30秒，……以此类推，直到所述微生物聚集体在蔗糖水溶液m中悬浮，将蔗糖水溶液m的糖度标记为所述微生物聚集体的比重值；

a4、将所述微生物聚集体取出，置于蒸馏水中清洗两次，得到洁净微生物聚集体；将所述洁净微生物聚集体置于10ml水中形成洁净微生物聚集体混合液；

a5、吸取洁净微生物聚集体混合液，制成玻片，利用数码显微镜获取玻片图像，记录所述玻片图像中微生物聚集体所在区域的R值、G值和B值，并由所述R值、G值和B值计算得到所述微生物聚集体的灰度值；

a6、重复a3-a5，直到获得30组微生物聚集体的比重值和灰度值；采用最小二乘法处理所述30组微生物聚集体的比重值和灰度值，获取待测微生物聚集体样本的灰度值与比重值标准关系曲线；

b、以面积和比重值作为两项评价指标，按如下步骤计算待测微生物聚集体样本的评价指标值x_ij；

其中i为评价指标类型，i＝1，2；j为待测微生物聚集体编号，j＝1，2，…，n；

当i＝1时，x_1j为第j个待测微生物聚集体的面积；

当i＝2时，x_2j为第j个待测微生物聚集体比重值；

具体步骤如下：

b1、取含有待测微生物聚集体的混合液制成待测玻片，利用数码显微镜获取待测玻片图像；将所述待测玻片图像的羽化值固定为10，选取所述待测玻片图像中所有的待测微生物聚集体，并从1到n对所有待测微生物聚集体进行编号，n＝1，2，3……；记录n个待测微生物聚集体的分辨率、R值、G值和B值；

b2、根据b1所得的分辨率、R值、G值和B值，逐一计算n个待测微生物聚集体的灰度值和面积x_1j；

b3、利用步骤a获得的灰度值与比重值标准关系曲线和步骤b2获得的灰度值，分别获取n个待测微生物聚集体的比重值x_2j；

c、采用模糊模式识别方法，对所述待测微生物聚集体的面积x_1j和比重值x_2j进行综合评价，获得级别特征值向量H(j)，以所述级别特征值向量H(j)作为待测微生物聚集体的评价结果，具体步骤如下：

c1、将所述待测微生物聚集体的评价指标值x_ij写入实测值矩阵X：

$X=\left[\begin{array}{cccc}{x}_{11}& x_{12}& ...& x_{1n}\\ x_{21}& x_{22}& ...& x_{2n}\end{array}\right]=\left(x_{\mathrm{ij}}\right)$

c2、将x_ij的最大值记为y_il，将x_ij的最小值记为y_ic；

c3、将x_ij按评价指标类型分别进行级别分类，每个级别的标准值设为y_ih，其中y_1h表示第h个级别面积的标准值，y_2h表示第h个级别比重值的标准值，设h为1，2，…，5，将y_ih写入评价指标矩阵Y：

$Y=\left[\begin{array}{cccc}{y}_{11}& y_{12}& ...& y_{15}\\ y_{21}& y_{22}& ...& y_{25}\end{array}\right]=\left(y_{\mathrm{ih}}\right)$

c4、根据模糊数学相对隶属度的概念，将实测值矩阵X转化为对应的相对隶属度矩阵R，将评价指标矩阵Y转化为对应的相对隶属度矩阵S：

$R=\left[\begin{array}{cccc}{r}_{11}& r_{12}& ...& r_{1n}\\ r_{21}& r_{22}& ...& r_{2n}\end{array}\right]=\left(r_{\mathrm{ij}}\right)$

$S=\left[\begin{array}{cccc}{s}_{11}& s_{12}& ...& s_{15}\\ s_{21}& s_{22}& ...& s_{25}\end{array}\right]=\left(s_{\mathrm{ih}}\right)$

其中：

$r_{\mathrm{ij}}=\left\{\begin{array}{cc}0& ,x_{\mathrm{ij}}\&le;y_{\mathrm{ic}}\\ \frac{x_{\mathrm{ij}}-y_{\mathrm{ic}}}{y_{i1}-y_{\mathrm{ic}}}& ,y_{\mathrm{ic}}<x_{\mathrm{ij}}<y_{i1}\\ 1& ,y_{i1}\&le;x_{\mathrm{ij}}\end{array}\right.$

$s_{\mathrm{ih}}=\left\{\begin{array}{cc}0& ,y_{\mathrm{ih}}\&le;y_{\mathrm{ic}}\\ \frac{y_{\mathrm{ih}}-y_{\mathrm{ic}}}{y_{i1}-y_{\mathrm{ic}}}& ,y_{\mathrm{ic}}<y_{\mathrm{ih}}<y_{i1}\\ 1& ,y_{i1}\&le;y_{\mathrm{ih}}\end{array}\right.$

c5、判断第j个待测微生物聚集体的面积相对隶属度r_1j在矩阵S的第1行向量(s₁₁，s₁₂，...，s₁₅)所处的级别上限值b_1j和级别下限值a_1j，判断第j个待测微生物聚集体的比重值相对隶属度r_2j在矩阵S的第2行向量(s₂₁，s₂₂，...，s₂₅)所处的级别上限值b_2j和级别下限值a_2j，取a_1j、a_2j中最小的值作为第j个待测微生物聚集体的级别下限值a_j，取b_1j、b_2j中最大的值作为第j个待测微生物聚集体的级别上限值b_j；

c6、建立实测值矩阵X的权重矩阵，将所述权重矩阵归一化得综合权重矩阵W：

$W=\left[\begin{array}{cccc}{w}_{11}& w_{12}& ...& w_{1n}\\ w_{21}& w_{22}& ...& w_{2n}\end{array}\right]=\left(w_{\mathrm{ij}}\right)$

式中w_ij表示样本j的评价指标i的权重，且

c7、按式(1)计算级别特征值向量H(j)：

$H\left(j\right)=\underset{h=1}{\overset{5}{\mathrm{\&Sigma;}}}{\mathrm{\&mu;}}_{\mathrm{hj}}h---\left(1\right)$

式(1)中：

$u_{\mathrm{hj}}=\left\{\begin{array}{cc}0& ,h<a_j\mathrm{or},h>b_j\\ \frac{1}{\underset{k=a_j}{\overset{b_j}{\mathrm{\&Sigma;}}}\left\{\frac{\underset{i=1}{\overset{2}{\mathrm{\&Sigma;}}}[w_{\mathrm{ij}}(r_{\mathrm{ij}}-s_{\mathrm{ih}}){]}^2}{\underset{i=1}{\overset{2}{\mathrm{\&Sigma;}}}[w_{\mathrm{ij}}(r_{\mathrm{ij}}-s_{\mathrm{ik}}){]}^2}\right\}}& ,a_j\&le;h\&le;b_j,d_{\mathrm{hj}}\&NotEqual;0\\ 1& ,d_{\mathrm{hj}}=0\end{array}\right.;$

$d_{\mathrm{hj}}=\left\{\underset{i=1}{\overset{2}{\mathrm{\&Sigma;}}}\right[w_{\mathrm{ij}}(r_{\mathrm{ij}}-s_{\mathrm{ih}}){]}^2{\}}^{\frac{1}{2}}.$