CN107688597B - 一种大型真菌识别方法 - Google Patents
一种大型真菌识别方法 Download PDFInfo
- Publication number
- CN107688597B CN107688597B CN201710456761.1A CN201710456761A CN107688597B CN 107688597 B CN107688597 B CN 107688597B CN 201710456761 A CN201710456761 A CN 201710456761A CN 107688597 B CN107688597 B CN 107688597B
- Authority
- CN
- China
- Prior art keywords
- fungus
- image
- database
- identification
- identification system
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Library & Information Science (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Multimedia (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
涉及真菌识别方法领域,具体涉及一种大型真菌识别方法及含有实现该方法的指令的计算机可读介质。具体地,所述大型真菌识别方法包括如下步骤:S1:对待识别的大型真菌进行图像录入;S2:通过真菌识别系统对S1中录入的真菌图像通进行识别,并处理该图像;S3:对处理后的图像进行存储。本发明实现了真菌识别的快捷化,有效的消除了真菌辨认仅凭老一辈模糊传授和自身掌握知识不牢的缺陷。将真菌导入识别系统,可方便快捷准确无误识别真菌并了解相应知识,并且有利于提高人体或动物体的安全性。
Description
技术领域
本发明涉及真菌识别方法领域,具体涉及一种大型真菌识别方法。
背景技术
我国各地大型真菌资源非常丰富,其中部分大型真菌以其鲜美的味道、丰富的营养而成为家喻户晓的食用菌,如松乳菇;部分大型真菌因其极高的药用价值,在经历了人类社会长期的实践检验后,至今仍然作为重要的中药材在为人类健康服务,如灵芝、蛹虫草等;还有些大型真菌在筛选新药及寻找特效抗肿瘤药物方面效果突出,从而引起了医学及生物学界的广泛关注,如冬虫夏草;此外,甚至一些可引起人和动物中毒的毒菌,也有其特殊价值,其毒素及毒性机理的研究都有着非常重要的意义,如白蘑菇。
但近些年来,由于缺乏相应的真菌辨别识别知识和高效手段,全国各地因误食有毒真菌而中毒的报道屡见不鲜,并且往往在误食后出现不良反应后才意识到问题严重性,寻求医生帮助,但可能延误最佳治疗时机。因此,开发出的一种操作简便、实用性强的大型真菌识别方法具有重要的意义。
发明内容
为了改善现有技术中的上述问题,本发明提供一种大型真菌识别方法,包括如下步骤:
S1:对待识别的大型真菌进行图像录入;
S2:通过真菌识别系统对S1中录入的真菌图像通进行识别,并处理该图像;
S3:对处理后的图像进行存储。
优选地,S1中,通过客户端对待识别的大型真菌进行图像录入,例如扫描录入。
优选地,S2通过如下步骤进行:
S2.1:通过所述真菌识别系统的图像处理模块对所述真菌的一张或多张图像进行背景处理;优选地,所述背景处理包含降低背景底色和凸显真菌实物;
S2.2:通过所述真菌识别系统的成像模块对图像处理后的所述图像进行所述成像识别,并生成单个的真菌模拟图像;
S2.3:所述真菌识别系统中的成像模块调用所述成像识别系统中的真菌数据库的数据;所述成像模块将单个的所述真菌模拟图像与所述真菌识别系统中的大型真菌数据库的数据进行匹配,根据设定的匹配值,高于所述匹配值的所述真菌视为相同图像;
S2.4:所述真菌识别系统识别所有的所述真菌后,所述真菌识别系统通过成像整合模块对不同图像中所述真菌重复部分进行删减整合;
S2.5:通过所述真菌识别系统中的图像生成模块将删减整合后的所述真菌生成处理后的图像。
优选地,所述步骤S2.3中,所述匹配值为60~100。所述匹配值可通过真菌菌盖、菌柄、菌环、菌托实体特征及菌褶形状、菌体着生情况,包括离生、延生、弯生、直生,菌肉色泽、质地、大小方面评分。例如,所述真菌的菌盖、菌柄、菌环、菌托实体特征分值为40,菌褶形状和菌体着生情况为40,菌肉色泽、质地为20。
优选地,所述步骤S2.3中,当高于所述匹配值的真菌图像为多个时,所述真菌识别系统默认匹配值最高的为相同图像。
优选地,所述步骤S2.3中,所述成像模块将单个的所述真菌模拟图像与所述大型真菌数据库的数据进行匹配,当低于所述匹配值时,向客户端对所述真菌进行识别的提醒,由客户端选择更新识别或放弃识别;当所述客户端选择更新识别时,由客户端再次进行新的图像录入和背景处理;当所述客户端选择放弃识别时,所述真菌识别系统选择匹配值最高的为相同图像,并同时对此图像进行颜色区别性标示。
优选地,所述真菌识别系统将高于所述匹配值的图像设置为黑色边框,低于所述匹配值的图像设置为红色边框。
优选地,当所述客户端选择放弃识别后,所述客户端选择所述真菌识别系统非工作状态时的任一时间进行更新识别,即所述客户端输入所述真菌数据库不具备的图像。
优选地,所述真菌数据库存储真菌图像有100张作为“后台”。所述后台为网页数据库连接下同一菌体不同拍摄背景下的图像。
更加优选地,所述大型真菌数据库具有备份数据库和更新数据库,所述备份数据库用于所述真菌存储备份,所述更新数据库用于保存所述客户端输入的所述真菌数据库不具备的新的图像。
更加优选地,所述真菌识别系统含有定期更新系统,所述定期更新系统调用所述更新数据库中数据,将更新后的所述真菌数据库反馈给更新后的所述客户端。
优选地,步骤S3中,客户端选择生成所述真菌图像保存格式和保存路径,所述客户端对所述真菌图像进行存储。
更加优选的,所述真菌图像的存储格式可以为任何适宜的格式,例如JPEG格式或PNG格式。
本发明还提供一种用于大型真菌识别的计算机可读介质,所述可读介质包含计算机可读指令,所述指令被运行时可操作用以进行所述大型真菌识别方法及其步骤。
本发明的有益效果
本发明实现了真菌识别的快捷化,有效的消除了真菌辨认仅凭老一辈模糊传授和自身掌握知识不牢的缺陷。将真菌导入识别系统,可方便快捷准确无误识别真菌并了解相应知识,并且有利于提高人体或动物体的安全性。
附图说明
图1为本发明前期采集的各类大型真菌示意图。
具体实施方式
下文将结合具体实施例对本发明的纯化工艺更进一步的详细说明。下列实施例仅为示例性地说明和解释本发明,而不应被解释为对本发明保护范围的限制。凡基于本发明上述内容所实现的技术方案,均应涵盖在本发明旨在保护的范围内。
除非另有说明,以下实施例中使用的原料均为市售商品。
实施例1:大型真菌自动识别方法
S1、客户通过客户端对要识别的白色蘑菇进行扫描录入;
S2、扫描录入的所述白色蘑菇通过真菌识别系统进行识别;
S2.1、通过所述真菌识别系统的图像处理模块对所述真菌进行每张图像的背景处理,所述背景处理包含降低背景底色和凸显真菌实物;
S2.2、再通过所述真菌识别系统的成像模块对图像处理后的所述单张图像进行所述成像识别,并生成单个的真菌模拟图像;
S2.3、所述真菌识别系统中的成像模块调用所述成像识别系统中的真菌数据库的数据;所述成像模块将单个的所述真菌模拟图像与所述真菌识别系统中的大型真菌数据库的数据进行匹配,匹配数据包括菌盖、菌褶、菌环、菌托、菌肉颜色。后菌盖展开呈伞状,白色。菌盖凸镜形至平展形,白色,但中部奶油色。菌肉白色。菌褶白色至近白色,较密。菌柄长7—9cm,粗0.5—1cm,近圆柱形或略向上收细,白至近白色,基部膨大,近球形。菌环生于菌 柄顶部或近顶部,薄,膜质,白色,不活动或在菌盖张开时从菌柄撕离。菌托肥厚呈苞状。菌 托薄,膜质,内外表面白色。与数据库中白毒伞匹配值为90,已高于所述匹配值,白色蘑菇可视为白毒伞;
S2.4、所述真菌识别系统识别所述真菌后,所述真菌识别系统通过成像整合模块对不同图像中所述真菌重复部分进行删减整合;
S2.5、通过所述真菌识别系统中的图像生成模块将删减整合后的所述真菌生成新的图像
S3、所述客户端选择生成所述真菌图像保存格式和保存路径,所述客户端对所述真菌图像进行存储。
所述真菌数据库存储真菌图像有100张作为“后台”所述后台为网页数据库连接下同一菌体不同拍摄背景下的图像。
所述真菌图像的保存格式为JPEG格式。
实施例2:大型真菌自动识别方法
在实施例1的基础上,所述步骤S2.3中,高于所述匹配值的真菌图像为多个,所述真菌识别系统默认匹配值最高的为相同图像。
所述步骤S2.3中,所述成像模块将单个的所述真菌模拟图像与所述大型真菌数据库的数据进行匹配时,当低于所述匹配值时,提醒所述客户端对所述真菌进行识别,所述客户端选择更新识别或放弃识别,当所述客户端选择更新识别时,由客户端再次进行新的图像录入和背景处理;当所述客户端选择放弃识别时,所述真菌识别系统默认匹配值最高的为相同图像,并同时对此图像进行颜色区别性标示。
所述真菌识别系统默认高于所述匹配值的图像为黑色边框,低于所述匹配值的图像为红色边框。
当所述客户端选择放弃识别后,所述客户端选择所述真菌识别系统非工作状态时的任一时间进行所述更新识别,即所述客户端输入所述真菌数据库不具备的新的图像。
所述大型真菌数据库具有备份数据库和更新数据库,所述备份数据库用于所述真菌存储备份,所述更新数据库用于保存所述客户端输入的所述真菌数据库不具备的新的图像。
所述真菌识别系统含有定期更新系统,所述定期更新系统调用所述更新数据库中数据,将更新后的所述真菌数据库反馈给更新后的所述客户端。
所述真菌图像的保存格式为PNG格式。
以上,对本发明的实施方式进行了说明。但是,本发明不限定于上述实施方式。凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (2)
1.一种大型真菌识别方法,包括如下步骤:
S1:通过客户端对待识别的大型真菌进行图像扫描录入;
S2:通过真菌识别系统对S1中录入的真菌图像通进行识别,并处理该图像;
S3:客户端选择生成所述真菌图像保存格式和保存路径,所述客户端对所述真菌图像进行存储;
其中,S2通过如下步骤进行:
S2.1:通过所述真菌识别系统的图像处理模块对所述真菌的一张或多张图像进行背景处理;所述背景处理包含降低背景底色和凸显真菌实物;
S2.2:通过所述真菌识别系统的成像模块对图像处理后的所述图像进行所述成像识别,并生成单个的真菌模拟图像;
S2.3:所述真菌识别系统中的成像模块调用所述成像识别系统中的真菌数据库的数据;所述成像模块将单个的所述真菌模拟图像与所述真菌识别系统中的大型真菌数据库的数据进行匹配,根据设定的匹配值,高于所述匹配值的所述真菌视为相同图像;当高于所述匹配值的真菌图像为多个时,所述真菌识别系统默认匹配值最高的为相同图像;
所述匹配值为60~100,其中所述真菌的菌盖、菌柄、菌环、菌托实体特征分值为40,菌褶形状和菌体着生情况为40,菌肉色泽、质地为20;
所述成像模块将单个的所述真菌模拟图像与所述大型真菌数据库的数据进行匹配,当低于所述匹配值时,向客户端对所述真菌进行识别的提醒,由客户端选择更新识别或放弃识别;当所述客户端选择更新识别时,由客户端再次进行新的图像录入和背景处理;当所述客户端选择放弃识别时,所述真菌识别系统选择匹配值最高的为相同图像,并同时对此图像进行颜色区别性标示,并且所述客户端选择所述真菌识别系统非工作状态时的任一时间进行更新识别,即所述客户端输入所述真菌数据库不具备的图像;所述真菌数据库存储真菌图像有100张作为后台,所述后台为网页数据库连接下同一菌体不同拍摄背景下的图像;所述大型真菌数据库具有备份数据库和更新数据库,所述备份数据库用于所述真菌存储备份,所述更新数据库用于保存所述客户端输入的所述真菌数据库不具备的新的图像;
S2.4:所述真菌识别系统识别所有的所述真菌后,所述真菌识别系统通过成像整合模块对不同图像中所述真菌重复部分进行删减整合;
S2.5:通过所述真菌识别系统中的图像生成模块将删减整合后的所述真菌生成处理后的图像;
所述真菌识别系统将高于所述匹配值的图像设置为黑色边框,低于所述匹配值的图像设置为红色边框;
所述真菌识别系统含有定期更新系统,所述定期更新系统调用所述更新数据库中数据,将更新后的所述真菌数据库反馈给更新后的所述客户端。
2.如权利要求1所述的识别方法,其中所述真菌图像的存储格式选自JPEG格式或PNG格式。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710456761.1A CN107688597B (zh) | 2017-06-16 | 2017-06-16 | 一种大型真菌识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710456761.1A CN107688597B (zh) | 2017-06-16 | 2017-06-16 | 一种大型真菌识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107688597A CN107688597A (zh) | 2018-02-13 |
CN107688597B true CN107688597B (zh) | 2021-12-21 |
Family
ID=61152686
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710456761.1A Active CN107688597B (zh) | 2017-06-16 | 2017-06-16 | 一种大型真菌识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107688597B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110197514A (zh) * | 2019-06-13 | 2019-09-03 | 南京农业大学 | 一种基于生成式对抗网络的蘑菇表型图像生成方法 |
CN114550165A (zh) * | 2022-02-21 | 2022-05-27 | 杭州睿胜软件有限公司 | 有毒近似物种的识别方法、系统及可读存储介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103488798A (zh) * | 2013-10-14 | 2014-01-01 | 大连民族学院 | 一种甲骨文自动识别方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10347123B4 (de) * | 2003-10-02 | 2005-07-28 | Petra Dr.-Ing. Perner | Verfahren zur automatischen Bestimmung auf einem Träger gesammelter luftgetragener Partikel insbesondere Pilzsporen |
CN202583083U (zh) * | 2011-12-06 | 2012-12-05 | 李同强 | 食用菌杂质数字识别系统 |
CN103500220B (zh) * | 2013-10-14 | 2017-02-22 | 大连民族学院 | 一种照片中人物识别方法 |
JP6291850B2 (ja) * | 2014-01-14 | 2018-03-14 | 株式会社リコー | プログラム、画像認識装置、画像認識方法 |
CN106096569B (zh) * | 2016-06-20 | 2019-07-09 | 广州中国科学院先进技术研究所 | 一种手指静脉识别方法 |
-
2017
- 2017-06-16 CN CN201710456761.1A patent/CN107688597B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103488798A (zh) * | 2013-10-14 | 2014-01-01 | 大连民族学院 | 一种甲骨文自动识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107688597A (zh) | 2018-02-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Pitt et al. | Aspergillus, its sexual states and the new International Code of Nomenclature | |
Mengistu et al. | Ethiopian coffee plant diseases recognition based on imaging and machine learning techniques | |
CN111400536B (zh) | 一种基于轻量化深度神经网络的低成本番茄叶片病害识别方法 | |
CN107688597B (zh) | 一种大型真菌识别方法 | |
Prabha et al. | Study on banana leaf disease identification using image processing methods | |
CN113094464A (zh) | 可扩展的农作物病害分析库的建立以及辅助鉴定方法 | |
Patel et al. | A survey on the plant leaf disease detection techniques | |
Krings et al. | An enigmatic fossil fungus from the 410 Ma Rhynie chert that resembles Macrochytrium (Chytridiomycota) and Blastocladiella (Blastocladiomycota) | |
CN111340773B (zh) | 一种视网膜图像血管分割方法 | |
Sakhamuri et al. | RETRACTED: An Overview on Prediction of Plant Leaves Disease using Image Processing Techniques | |
Rao et al. | Identification of medicinal plants using deep learning | |
Tadele et al. | Sesame disease detection using a deep convolutional neural network | |
Herrera et al. | The ectomycorrhizal association of Tricholoma matsutake and two allied species, T. bakamatsutake and T. fulvocastaneum, with native hosts in subtropical China | |
CN109583358A (zh) | 一种医疗卫生监督快速精准执法方法 | |
CN113222996A (zh) | 心脏分割质量评估方法、装置、设备及存储介质 | |
Rossi et al. | Fireworks under the microscope: a spectacular new species of Zodiomyces from the Thaxter collection | |
Harini et al. | Identification of leaf diseases in tomato plant based on wavelets and PCA | |
CN106354838B (zh) | 一种基于语义共鸣色彩的数据可视化方法 | |
US20050108252A1 (en) | Incremental process system and computer useable medium for extracting logical implications from relational data based on generators and faces of closed sets | |
CN114937172A (zh) | 一种基于改进yolov3的葡萄病害识别方法及系统 | |
Senanayake et al. | Identifying medicinal plants and their fungal diseases | |
CN110674872B (zh) | 一种高维磁共振影像的分类方法及装置 | |
Sreekanth et al. | Fruit detection using improved K-means algorithm | |
Fan et al. | A new species of Melanospora on truffles from China | |
Panda et al. | Cotton Leaf Disease Detection Using Image Processing |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information |
Address after: 445000 Enshi Tujia and Miao Autonomous Prefecture, Xueyuan Road, Hubei, No. 39 Applicant after: Hubei National University Address before: 445000 Enshi Tujia and Miao Autonomous Prefecture, Xueyuan Road, Hubei, No. 39 Applicant before: Hubei Institute for Nationalities |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |