CN108197598A - 一种噬线虫1号战线菌群的制配系统 - Google Patents

一种噬线虫1号战线菌群的制配系统 Download PDF

Info

Publication number
CN108197598A
CN108197598A CN201810074717.9A CN201810074717A CN108197598A CN 108197598 A CN108197598 A CN 108197598A CN 201810074717 A CN201810074717 A CN 201810074717A CN 108197598 A CN108197598 A CN 108197598A
Authority
CN
China
Prior art keywords
nematode
battle line
line bacterium
bites
bacterium
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
Application number
CN201810074717.9A
Other languages
English (en)
Inventor
曹凯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Individual
Original Assignee
Individual
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to CN201810074717.9A priority Critical patent/CN108197598A/zh
Publication of CN108197598A publication Critical patent/CN108197598A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
    • G06V20/695—Preprocessing, e.g. image segmentation

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
  • Apparatus Associated With Microorganisms And Enzymes (AREA)

Abstract

本发明属于菌群培养技术领域，公开了一种噬线虫1号战线菌群的制配系统包括：培养模块，用于对噬线虫1号战线菌的培养的装置；与培养模块相连接，用于对噬线虫1号战线菌的保存模块；与保存模块相连接，用于对保存模块添加水的注水模块、用于箱保存模块添加营养液及控制保存模块的溶氧浓度的补给模块和用于定期向外排水的排水模块；与培养模块和保存模块相连接，用于对培养、保存过程中检测的检测模块和给以提示警报的警报模块。本发明利用将自动化技术应用于菌群的培养过程中，能够有效的培养噬线虫1号战线菌群，操作简便，培养效率高。

Description

一种噬线虫1号战线菌群的制配系统
技术领域
本发明属于菌群培养技术领域，尤其涉及一种噬线虫1号战线菌群的制配系统。
背景技术
目前，业内常用的现有技术是这样的：
目前，线虫对于农作物、林木和食用菌等都可以造成严重危害，轮作、种植抗病品种和改进栽培措施等方法对线虫有不同程度的防效。但是都存在很大的局限性，而使用杀线剂易造成环境污染，生态效益较差。因而，对噬线虫的研究被提上日程，噬线虫对线虫的防治有很大的生态意义。然而目前对噬线虫1 号战线菌群的配置方法系统不够完善，培养效率低，经常会产生杂菌污染。
噬线虫1号战线菌群培养图像读数的自动判读在培养中非常重要。噬线虫1 号战线菌群培养图像现有技术一采用一种基于图像灰度特征的Hough分割算法，用该算法分割出一个包含所有噬线虫1号战线菌群培养图像圆环区域，即信息显著区域；该方法通常要求摄像头相对位置大概固定，对比度低、有水泡、光照等干扰图像，定位的准确率降低，从而影响最终的准确性。
现有技术二首先利用彩色信息提取子图像区域，然后利用基于轮廓信息的 Hough变换定位噬线虫1号战线菌群培养图像中心，进而分割出圆环区域；该方法对于图像的质量要求较高，对不同颜色周围有水泡导致变形或者水泡分割等干扰的图像，提取的轮廓，即边缘往往有缺失、不准确；
现有技术三提出一种基于彩色特征的图像定位算法，该算法首先将RGB彩色空间图像归一化，即将图像的R、G、B三分量分别除以该三分量的总和得到归一化的r、g、b三分量，然后根据红色目标像素满足的条件：r>g，r>b，g<ratio (ratio是g的百分比阈值)二值化图像，最后提取红色区域；该算法采用了归一化的彩色空间模型虽然降低原始图像空间中R、G、B三分量的相关性和图像对比度的要求，但是在归一化和二值化图像过程中算法复杂度高，特别当图像分辨率较高时，耗时非常大；
另外周围有水泡干扰时，二值化后的图像含有很多噪点，不利于后续准确定位红图像回转中心。
然而对于光照不均、阴影等原因导致部分图像模糊不清或有水泡遮挡图像基部引起图像边界间断等情形的图像，p-分位法提取的往往会有粘连、破损、多虚图像等现象。
圆周灰度检测法、步长法、Hough变换法、模板匹配法。由于光照不均、阴影等原因导致部分模糊不清，存在误差，即使校正之后，依然存在误差。
综上所述，现有技术存在的问题是：
现有配置方法系统不够完善，培养效率低，经常会产生杂菌污染，无法满足生产者的需要。
目前的图像自动读数识别方法存在计算量大，速度慢，直接影响到系统的实时性。由于光照、阴影、基部被水泡遮挡等原因，导致不能很好的识别噬线虫1号战线菌群培养，校正后读数依然存有误差，降低自动判读的可靠性。
而且现有技术，温度控制不自动化。
解决上述技术问题的难度和意义：
本发明利用培养模块、保存模块、检测模块、补给模块、排水模块的自动控制检测功能，能够有效的培养噬线虫1号战线菌群，操作简便，培养效率高。
发明内容
针对现有技术存在的问题，本发明提供了一种噬线虫1号战线菌群的制配系统。
本发明是这样实现的，一种噬线虫1号战线菌群的制配系统，包括：
培养模块，用于对噬线虫1号战线菌的培养；所述培养模块内置温湿度调节模块与保存模块连接；
所述培养模块还集成有对噬线虫1号战线菌进行图像进行识别的图像处理模块；所述图像处理模块将噬线虫1号战线菌的彩色图像转化成灰度图像，并依次进行中值滤波、灰度拉伸、色差处理、迭代二值化、腐蚀膨胀交替处理，得到噬线虫1号战线菌所在连通区域，用质心法定位噬线虫1号战线菌运动中心；在色差变换图像上根据噬线虫1号战线菌运动中心采用阈值法分割出噬线虫1号战线菌个体，并对分割的噬线虫1号战线菌个体做腐蚀膨胀交替变换得到精确的噬线虫1号战线菌个体，用模板匹配算法得到噬线虫1号战线菌个体图像轮廓数据；进行所述图像轮廓数据校正，得出精准的噬线虫1号战线菌个体图像清晰数据；
与培养模块相连接，用于对噬线虫1号战线菌的保存模块；
与保存模块相连接，用于对保存模块添加水的注水模块、用于箱保存模块添加营养液及控制保存模块的溶氧浓度的补给模块和用于定期向外排水的排水模块；
与培养模块和保存模块相连接，用于对培养、保存过程中检测的检测模块和给以提示警报的警报模块。
进一步，所述图像处理模块的图像处理方法法包括：
步骤一，对RGB格式噬线虫1号战线菌图像I采用加权平均法灰度化；
其中，R，G，B分别为I的红绿蓝分量，g为灰度化后图像；
步骤二，对灰度图像g进行中值滤波和线性灰度拉伸；
h(x,y)＝Median[T[g(x,y)]|0＜x＜N,0＜y＜N]；
其中T灰度拉伸变换函数，N为中值滤波模板大小，取奇数；
步骤三，对噬线虫1号战线菌图像h作LRCD变换；
步骤四，二值化LRCD变换后噬线虫1号战线菌图像k，并做腐蚀膨胀交替变换去除噬线虫1号战线菌区域周围的干扰，得到噬线虫1号战线菌所在连通区域；
步骤五，精确定位红色噬线虫1号战线菌运动中心；
步骤六，分割出红色噬线虫1号战线菌个体；
步骤七，生成50幅M×M大小的模板图像，标号为0～49，并保存至大小为M×M×50的imgModel数组中；
步骤八，用模板匹配法识别红色噬线虫1号战线菌读数；初始化一个累加器，红色噬线虫1号战线菌图像ffi(i＝1,2,3,4)与50幅模板图像进行逐一匹配，如果红色噬线虫1号战线菌图像与模板图像在相同位置处对应的像素灰度值为 0，则累加器增1，当与全部模板图像匹配完成后，累加器取值最大的模板就是待测噬线虫1号战线菌指向的最佳匹配，记为Pij(i＝1,2,3,4j＝0,1,2,...,49)，则红色噬线虫1号战线菌读数为其中 10-c(c＝1,2,3,4)为噬线虫1号战线菌精度，int为下取整；
步骤九，根据噬线虫1号战线菌之间的相互关联，进行噬线虫1号战线菌读数校正，得到精确的噬线虫1号战线菌读数，需要校正的模板为：
进一步，所述步骤四具体步骤如下：
(1)对噬线虫1号战线菌图像k应用迭代式阈值算法二值化为图像bw；
(2)用半径为6的圆盘结构元素腐蚀图像bw，得到bw1；
(3)填充二值图像bw1中的空洞，得到bw2；
(4)用半径为16的圆盘结构元素膨胀图像bw2，得到bw3；
(5)用半径为12的圆盘结构元素腐蚀图像bw3，得到bw4；
(6)用半径为16的圆盘结构元素对图像bw4作开运算，得到bw5；
(7)用4邻域标记二值图像bw5，得到标记图Lab；
(8)由Lab计算各连通区域的面积，移除比各红色噬线虫1号战线菌面积大的或者面积小的连通区域，得到红噬线虫1号战线菌所在连通区域，得到bw6；
所述步骤五具体步骤如下：
(1)根据步骤四，如果二值图像bw6仅含有4个连通区域，则利用质心法求取噬线虫1号战线菌运动中心；
其中，xi，yi为第i个连通域各点的坐标向量，Ni为第i个连通域的像素总数；
(2)根据步骤四，如果二值图像bw6仅含有3个连通区域，则计算这3个连通区域的质心，然后用最小二乘拟合这3个质心所在的圆心，即表盘圆心，计算3个子表盘中心的距离和表盘圆心到3个子表盘中心连线的斜率，判断缺失的子表盘，最后确定缺失子表盘的中心；
1)计算3个连通区域的质心，即噬线虫1号战线菌运动中心，分别记为 (x1,y1)，(x2,y2)，(x3,y3)，并据此拟合圆心，记为(x0,y0)，半径为r0；
2)计算3个子表盘中心间的距离：
3)计算表盘中心到3个子表盘中心连线的斜率：
4)判断缺失子表盘，并拟合出缺失的噬线虫1号战线菌运动中心：
按照从上至下，从右至左的顺序，将4个红色噬线虫1号战线菌依次标号为第1、2、3和4枚红色噬线虫1号战线菌，4个红色噬线虫1号战线菌的运动中心所在的圆心到它们的连线的斜率取值范围分别为，[mink1,maxk1]、 [mink2,maxk2]、[mink3,maxk3]和[mink4,maxk4]，具体判断和计算如下：
若k1∈[mink2,maxk2]∩k2∈[mink3,maxk3]∩k3∈[mink4,maxk4]，则判断为第1枚红色噬线虫1号战线菌缺失，设红色噬线虫1号战线菌运动中心为(x,y)，它的运动中心到第2枚红色噬线虫1号战线菌运动中心的距离取为 d＝(d12+d23)/2，它到表盘圆心的距离为r0，求解如下二元二次方程组：
得解为
得到所缺失的第1枚红色噬线虫1号战线菌运动中心为 (max(xa,xb),min(ya,yb))；
若k1∈[mink1,maxk1]∩k2∈[mink3,maxk3]∩k3∈[mink4,maxk4]，则判断为第 2枚红色噬线虫1号战线菌缺失，设红色噬线虫1号战线菌运动中心为(x,y)，它的运动中心到第1枚红色噬线虫1号战线菌运动中心的距离取为d＝d23，它到表盘圆心的距离为r0，求解如下二元二次方程组：
得解为
得到所缺失的第2枚红色噬线虫1号战线菌运动中心为 (min(xa,xb),max(ya,yb))；
若k1∈[mink1,maxk1]∩k2∈[mink2,maxk2]∩k3∈[mink4,maxk4]，则判断为第3枚红色噬线虫1号战线菌缺失，设红色噬线虫1号战线菌运动中心为(x,y)，它的运动中心到第4枚红色噬线虫1号战线菌运动中心的距离取为d＝d12，它到表盘圆心的距离为r0，求解如下二元二次方程组：
得解为
得到所缺失的第3枚红色噬线虫1号战线菌运动中心为 (max(xa,xb),max(ya,yb))；
若k1∈[mink1,maxk1]∩k2∈[mink2,maxk2]∩k3∈[mink3,maxk3]，则判断为第 4枚红色噬线虫1号战线菌缺失，设红色噬线虫1号战线菌运动中心为(x,y)，它的运动中心到第3枚红色噬线虫1号战线菌运动中心的距离取为 d＝(d12+d23)/2，它到表盘圆心的距离为r0，求解如下二元二次方程组：
得解为
得到所缺失的第4枚红色噬线虫1号战线菌运动中心为 (min(xa,xb),min(ya,yb))；
所述步骤六具体步骤如下：
(1)根据各子表盘的噬线虫1号战线菌运动中心，在LRCD变换后噬线虫 1号战线菌图像k中分别截取M×M的噬线虫1号战线菌图像fi(i＝1,2,3,4)；
(2)根据Ostu最佳阈值算法，对噬线虫1号战线菌图像fi(i＝1,2,3,4) 二值化为nfi(i＝1,2,3,4)；
(3)用半径为1的圆盘结构元素对二值化图像nfi(i＝1,2,3,4)作腐蚀运算，并用4邻域标记腐蚀后的二值图像；
(4)计算各连通区域的面积，移除比噬线虫1号战线菌三角形面积大的连通区域，得到二值化图像n1fi(i＝1,2,3,4)；
(5)填充二值化图像n1fi(i＝1,2,3,4)中的空洞，据此分别用半径为16 和13的圆盘结构元素作膨胀和腐蚀操作，最后分割出红色噬线虫1号战线菌图像ffi(i＝1,2,3,4)；
所述步骤七具体步骤如下
1)生成噬线虫1号战线菌指向0刻度时的噬线虫1号战线菌模板，噬线虫 1号战线菌模板由顶角为18度的等腰三角形和圆形组成，三角形三个顶点坐标分别为：
(x10,y10)＝(M/2,M/9)
(x20,y20)＝(M/2-(M/2)tan(81π/180),M/2)；
(x30,y30)＝(M/2+(M/2)tan(81π/180),M/2)
圆形的圆心和半径分别为：
将三角形内部和圆心内部像素置为0，外部置为255；得到噬线虫1号战线菌指向0刻度的模板；
2)生成噬线虫1号战线菌指向i(i＝1,2,...,49)刻度时的噬线虫1号战线菌模板；将1)中三角形顶点和圆心绕模板中心(M/2,M/2)旋转t＝πi/25分别得到下面新坐标：
将三角形内部和圆心内部像素置为0，外部置为255；得到噬线虫1号战线菌指向i(i＝1,2,...,49)刻度时的噬线虫1号战线菌模板；
所述步骤九具体步骤如下：
1)计算当前需要校正的噬线虫1号战线菌的下一个噬线虫1号战线菌的模板；
2)根据下一个噬线虫1号战线菌的模板，判断当前噬线虫1号战线菌读数进位或退位；
(1)若下一个噬线虫1号战线菌的模板匹配值在0～9，则将当前噬线虫1号战线菌的模板匹配值加2，保证当前噬线虫1号战线菌读数进位，这里规定模板 48,49加2进位后为模板0；
(2)若下一个噬线虫1号战线菌的模板匹配值在30～49，则将当前噬线虫1 号战线菌的模板匹配值减2，保证当前噬线虫1号战线菌读数退位，这里规定模板0,1减2退位后为模板49；
3)计算当前精确的噬线虫1号战线菌读数。
4、如权利要求1所述的噬线虫1号战线菌群的制配系统，其特征在于，所述温湿度调节模块的温湿度信号处理模型表示为：
其中，N为时频重叠信号的信号分量个数，n(t)是加性高斯白噪声，si(t)为时频重叠信号的信号分量，表示为式中Ai表示信号分量的幅度，ai(m)表示信号分量的码元符号，p(t)表示成型滤波函数， Ti表示信号分量的码元周期，fci表示信号分量的载波频率，表示信号分量的相位。
进一步，所述保存模块内置消毒模块和pH值检测模块与培养模块连接。
进一步，所述补给模块内置定时器；
所述排水模块内置超声波检测器。
综上所述，本发明的优点及积极效果为：
本发明利用培养模块、保存模块、检测模块、补给模块、排水模块的自动控制检测功能，能够有效的培养噬线虫1号战线菌群，操作简便，培养效率高。
本发明在3.30GHZ Intel Core i5-4590CPU,4GB Ram PC的Windows 7x64 系统上使用版本8.5.0(R2015a)Matlab软件做测试实验。实验随机选取从检表平台上采集的200幅水表图像，图片分辨率为2048×1536，保存格式为.jpg，测试现有技术和本发明对图像运动中心的定位性能，结果如表1所示：
定位方法 实验图像(幅) 定位正确(幅) 准确率(％) 运行时间(幅/s)
技术一 200 178 89 0.91
技术二 200 181 90.5 0.79
技术三 200 185 92.5 287
技术四 200 186 93 0.53
本发明 200 199 99.5 0.58
表1.
实验结果表明，本发明可以准确识别199幅水表图像读数，准确率达到99.5％，比其他现有技术准确率都要高，为了比较现有技术和本发明的读数校正方法性能，从上述200幅图片中随机抽取10幅，编号为1～10，以人工读数为判别准则，结果如表2所示：
识别方法 1 2 3 4 5 6 7 8 9 10
现有技术 0.0282 0.0308 0.8048 0.5534 0.2129 0.8448 0.9119 0.6558 0.7339 0.5529
本发明 0.0282 0.0308 0.8048 0.5534 0.2129 0.8438 0.9119 0.6548 0.7339 0.5519
表2
从表2可以看出，现有技术进行读数校正之后图像读数依然不准确，而本发明进行读数校正后图像识别读数准确。提高了图像读数自动判读的准确率。
本发明的温湿度调节模块的温湿度信号处理模型表示为：
其中，N为时频重叠信号的信号分量个数，n(t)是加性高斯白噪声，si(t)为时频重叠信号的信号分量，表示为式中Ai表示信号分量的幅度，ai(m)表示信号分量的码元符号，p(t)表示成型滤波函数， Ti表示信号分量的码元周期，fci表示信号分量的载波频率，表示信号分量的相位。相比于现有技术提高了近7个百分点，为噬线虫1号战线菌的培养提供了保证。
附图说明
图1是本发明实施例提供的噬线虫1号战线菌群的制配系统结构示意图；
图中：1、培养模块；2、保存模块；3、注水模块；4、补给模块；5、排水模块；6、检测模块；7、报警模块。
具体实施方式
为能进一步了解本发明的发明内容、特点及功效，兹例举以下实施例，并配合附图详细说明如下。
现有配置方法系统不够完善，培养效率低，经常会产生杂菌污染，无法满足生产者的需要。
本发明的噬线虫1号战线菌群可进行颜色实验。
如图1所示，本发明实施例提供的噬线虫1号战线菌群的制配系统包括：
培养模块1，用于对噬线虫1号战线菌的培养的装置；
与培养模块1相连接，用于对噬线虫1号战线菌的保存模块2；
与保存模块2相连接，用于对保存模块添加水的注水模块3、用于箱保存模块添加营养液及控制保存模块的溶氧浓度的补给模块4和用于定期向外排水的排水模块5；
与培养模块1和保存模块2相连接，用于对培养、保存过程中检测的检测模块6和给以提示警报的警报模块7。
作为本发明的优选实施例，所述培养模块1内置温湿度调节模块。
作为本发明的优选实施例，所述保存模块2内置消毒模块和PH值检测模块。
作为本发明的优选实施例，所述补给模块5内置定时器。
作为本发明的优选实施例，所述排水模块6内置超声波检测器。
下面结合具体分析对本发明作进一步描述。
本发明实施例提供的培养模块，集成有对噬线虫1号战线菌进行图像进行识别的图像处理模块；所述图像处理模块将噬线虫1号战线菌的彩色图像转化成灰度图像，并依次进行中值滤波、灰度拉伸、色差处理、迭代二值化、腐蚀膨胀交替处理，得到噬线虫1号战线菌所在连通区域，用质心法定位噬线虫1 号战线菌运动中心；在色差变换图像上根据噬线虫1号战线菌运动中心采用阈值法分割出噬线虫1号战线菌个体，并对分割的噬线虫1号战线菌个体做腐蚀膨胀交替变换得到精确的噬线虫1号战线菌个体，用模板匹配算法得到噬线虫1 号战线菌个体图像轮廓数据；进行所述图像轮廓数据校正，得出精准的噬线虫1 号战线菌个体图像清晰数据；
与培养模块相连接，用于对噬线虫1号战线菌的保存模块；
与保存模块相连接，用于对保存模块添加水的注水模块、用于箱保存模块添加营养液及控制保存模块的溶氧浓度的补给模块和用于定期向外排水的排水模块；
与培养模块和保存模块相连接，用于对培养、保存过程中检测的检测模块和给以提示警报的警报模块。
所述图像处理模块的图像处理方法法包括：
步骤一，对RGB格式噬线虫1号战线菌图像I采用加权平均法灰度化；
其中，R，G，B分别为I的红绿蓝分量，g为灰度化后图像；
步骤二，对灰度图像g进行中值滤波和线性灰度拉伸；
h(x,y)＝Median[T[g(x,y)]|0＜x＜N,0＜y＜N]；
其中T灰度拉伸变换函数，N为中值滤波模板大小，取奇数；
步骤三，对噬线虫1号战线菌图像h作LRCD变换；
步骤四，二值化LRCD变换后噬线虫1号战线菌图像k，并做腐蚀膨胀交替变换去除噬线虫1号战线菌区域周围的干扰，得到噬线虫1号战线菌所在连通区域；
步骤五，精确定位红色噬线虫1号战线菌运动中心；
步骤六，分割出红色噬线虫1号战线菌个体；
步骤七，生成50幅M×M大小的模板图像，标号为0～49，并保存至大小为M×M×50的imgModel数组中；
步骤八，用模板匹配法识别红色噬线虫1号战线菌读数；初始化一个累加器，红色噬线虫1号战线菌图像ffi(i＝1,2,3,4)与50幅模板图像进行逐一匹配，如果红色噬线虫1号战线菌图像与模板图像在相同位置处对应的像素灰度值为0，则累加器增1，当与全部模板图像匹配完成后，累加器取值最大的模板就是待测噬线虫1号战线菌指向的最佳匹配，记为Pij(i＝1,2,3,4j＝0,1,2,...,49)，则红色噬线虫1号战线菌读数为其中 10-c(c＝1,2,3,4)为噬线虫1号战线菌精度，int为下取整；
步骤九，根据噬线虫1号战线菌之间的相互关联，进行噬线虫1号战线菌读数校正，得到精确的噬线虫1号战线菌读数，需要校正的模板为：
所述步骤四具体步骤如下：
(1)对噬线虫1号战线菌图像k应用迭代式阈值算法二值化为图像bw；
(2)用半径为6的圆盘结构元素腐蚀图像bw，得到bw1；
(3)填充二值图像bw1中的空洞，得到bw2；
(4)用半径为16的圆盘结构元素膨胀图像bw2，得到bw3；
(5)用半径为12的圆盘结构元素腐蚀图像bw3，得到bw4；
(6)用半径为16的圆盘结构元素对图像bw4作开运算，得到bw5；
(7)用4邻域标记二值图像bw5，得到标记图Lab；
(8)由Lab计算各连通区域的面积，移除比各红色噬线虫1号战线菌面积大的或者面积小的连通区域，得到红噬线虫1号战线菌所在连通区域，得到bw6；
所述步骤五具体步骤如下：
(1)根据步骤四，如果二值图像bw6仅含有4个连通区域，则利用质心法求取噬线虫1号战线菌运动中心；
其中，xi，yi为第i个连通域各点的坐标向量，Ni为第i个连通域的像素总数；
(2)根据步骤四，如果二值图像bw6仅含有3个连通区域，则计算这3个连通区域的质心，然后用最小二乘拟合这3个质心所在的圆心，即表盘圆心，计算3个子表盘中心的距离和表盘圆心到3个子表盘中心连线的斜率，判断缺失的子表盘，最后确定缺失子表盘的中心；
1)计算3个连通区域的质心，即噬线虫1号战线菌运动中心，分别记为 (x1,y1)，(x2,y2)，(x3,y3)，并据此拟合圆心，记为(x0,y0)，半径为r0；
2)计算3个子表盘中心间的距离：
3)计算表盘中心到3个子表盘中心连线的斜率：
4)判断缺失子表盘，并拟合出缺失的噬线虫1号战线菌运动中心：
按照从上至下，从右至左的顺序，将4个红色噬线虫1号战线菌依次标号为第1、2、3和4枚红色噬线虫1号战线菌，4个红色噬线虫1号战线菌的运动中心所在的圆心到它们的连线的斜率取值范围分别为，[mink1,maxk1]、 [mink2,maxk2]、[mink3,maxk3]和[mink4,maxk4]，具体判断和计算如下：
若k1∈[mink2,maxk2]∩k2∈[mink3,maxk3]∩k3∈[mink4,maxk4]，则判断为第1枚红色噬线虫1号战线菌缺失，设红色噬线虫1号战线菌运动中心为(x,y)，它的运动中心到第2枚红色噬线虫1号战线菌运动中心的距离取为 d＝(d12+d23)/2，它到表盘圆心的距离为r0，求解如下二元二次方程组：
得解为
得到所缺失的第1枚红色噬线虫1号战线菌运动中心为 (max(xa,xb),min(ya,yb))；
若k1∈[mink1,maxk1]∩k2∈[mink3,maxk3]∩k3∈[mink4,maxk4]，则判断为第 2枚红色噬线虫1号战线菌缺失，设红色噬线虫1号战线菌运动中心为(x,y)，它的运动中心到第1枚红色噬线虫1号战线菌运动中心的距离取为d＝d23，它到表盘圆心的距离为r0，求解如下二元二次方程组：
得解为
得到所缺失的第2枚红色噬线虫1号战线菌运动中心为 (min(xa,xb),max(ya,yb))；
若k1∈[mink1,maxk1]∩k2∈[mink2,maxk2]∩k3∈[mink4,maxk4]，则判断为第3枚红色噬线虫1号战线菌缺失，设红色噬线虫1号战线菌运动中心为(x,y)，它的运动中心到第4枚红色噬线虫1号战线菌运动中心的距离取为d＝d12，它到表盘圆心的距离为r0，求解如下二元二次方程组：
得解为
得到所缺失的第3枚红色噬线虫1号战线菌运动中心为 (max(xa,xb),max(ya,yb))；
若k1∈[mink1,maxk1]∩k2∈[mink2,maxk2]∩k3∈[mink3,maxk3]，则判断为第 4枚红色噬线虫1号战线菌缺失，设红色噬线虫1号战线菌运动中心为(x,y)，它的运动中心到第3枚红色噬线虫1号战线菌运动中心的距离取为 d＝(d12+d23)/2，它到表盘圆心的距离为r0，求解如下二元二次方程组：
得解为
得到所缺失的第4枚红色噬线虫1号战线菌运动中心为 (min(xa,xb),min(ya,yb))；
所述步骤六具体步骤如下：
(1)根据各子表盘的噬线虫1号战线菌运动中心，在LRCD变换后噬线虫 1号战线菌图像k中分别截取M×M的噬线虫1号战线菌图像fi(i＝1,2,3,4)；
(2)根据Ostu最佳阈值算法，对噬线虫1号战线菌图像fi(i＝1,2,3,4) 二值化为nfi(i＝1,2,3,4)；
(3)用半径为1的圆盘结构元素对二值化图像nfi(i＝1,2,3,4)作腐蚀运算，并用4邻域标记腐蚀后的二值图像；
(4)计算各连通区域的面积，移除比噬线虫1号战线菌三角形面积大的连通区域，得到二值化图像n1fi(i＝1,2,3,4)；
(5)填充二值化图像n1fi(i＝1,2,3,4)中的空洞，据此分别用半径为16 和13的圆盘结构元素作膨胀和腐蚀操作，最后分割出红色噬线虫1号战线菌图像ffi(i＝1,2,3,4)；
所述步骤七具体步骤如下
1)生成噬线虫1号战线菌指向0刻度时的噬线虫1号战线菌模板，噬线虫 1号战线菌模板由顶角为18度的等腰三角形和圆形组成，三角形三个顶点坐标分别为：
(x10,y10)＝(M/2,M/9)
(x20,y20)＝(M/2-(M/2)tan(81π/180),M/2)；
(x30,y30)＝(M/2+(M/2)tan(81π/180),M/2)
圆形的圆心和半径分别为：
将三角形内部和圆心内部像素置为0，外部置为255；得到噬线虫1号战线菌指向0刻度的模板；
2)生成噬线虫1号战线菌指向i(i＝1,2,...,49)刻度时的噬线虫1号战线菌模板；将1)中三角形顶点和圆心绕模板中心(M/2,M/2)旋转t＝πi/25分别得到下面新坐标：
将三角形内部和圆心内部像素置为0，外部置为255；得到噬线虫1号战线菌指向i(i＝1,2,...,49)刻度时的噬线虫1号战线菌模板；
所述步骤九具体步骤如下：
1)计算当前需要校正的噬线虫1号战线菌的下一个噬线虫1号战线菌的模板；
2)根据下一个噬线虫1号战线菌的模板，判断当前噬线虫1号战线菌读数进位或退位；
(1)若下一个噬线虫1号战线菌的模板匹配值在0～9，则将当前噬线虫1号战线菌的模板匹配值加2，保证当前噬线虫1号战线菌读数进位，这里规定模板 48,49加2进位后为模板0；
(2)若下一个噬线虫1号战线菌的模板匹配值在30～49，则将当前噬线虫1 号战线菌的模板匹配值减2，保证当前噬线虫1号战线菌读数退位，这里规定模板0,1减2退位后为模板49；
3)计算当前精确的噬线虫1号战线菌读数。
4、如权利要求1所述的噬线虫1号战线菌群的制配系统，其特征在于，所述温湿度调节模块的温湿度信号处理模型表示为：
其中，N为时频重叠信号的信号分量个数，n(t)是加性高斯白噪声，si(t)为时频重叠信号的信号分量，表示为式中Ai表示信号分量的幅度，ai(m)表示信号分量的码元符号，p(t)表示成型滤波函数， Ti表示信号分量的码元周期，fci表示信号分量的载波频率，表示信号分量的相位。
以上所述仅是对本发明的较佳实施例而已，并非对本发明作任何形式上的限制，凡是依据本发明的技术实质对以上实施例所做的任何简单修改，等同变化与修饰，均属于本发明技术方案的范围内。

Claims (6)

1.一种噬线虫1号战线菌群的制配系统，其特征在于，所述噬线虫1号战线菌群的制配系统包括：
培养模块，用于对噬线虫1号战线菌的培养；所述培养模块内置温湿度调节模块与保存模块连接；
所述培养模块还集成有对噬线虫1号战线菌进行图像进行识别的图像处理模块；所述图像处理模块将噬线虫1号战线菌的彩色图像转化成灰度图像，并依次进行中值滤波、灰度拉伸、色差处理、迭代二值化、腐蚀膨胀交替处理，得到噬线虫1号战线菌所在连通区域，用质心法定位噬线虫1号战线菌运动中心；在色差变换图像上根据噬线虫1号战线菌运动中心采用阈值法分割出噬线虫1号战线菌个体，并对分割的噬线虫1号战线菌个体做腐蚀膨胀交替变换得到精确的噬线虫1号战线菌个体，用模板匹配算法得到噬线虫1号战线菌个体图像轮廓数据；进行所述图像轮廓数据校正，得出精准的噬线虫1号战线菌个体图像清晰数据；
与培养模块相连接，用于对噬线虫1号战线菌的保存模块；
与保存模块相连接，用于对保存模块添加水的注水模块、用于箱保存模块添加营养液及控制保存模块的溶氧浓度的补给模块和用于定期向外排水的排水模块；
与培养模块和保存模块相连接，用于对培养、保存过程中检测的检测模块和给以提示警报的警报模块。
2.如权利要求1所述的噬线虫1号战线菌群的制配系统，其特征在于，
所述图像处理模块的图像处理方法法包括：
步骤一，对RGB格式噬线虫1号战线菌图像I采用加权平均法灰度化；
其中，R，G，B分别为I的红绿蓝分量，g为灰度化后图像；
步骤二，对灰度图像g进行中值滤波和线性灰度拉伸；
h(x,y)＝Median[T[g(x,y)]0＜x＜N,0＜y＜N]；
其中T灰度拉伸变换函数，N为中值滤波模板大小，取奇数；
步骤三，对噬线虫1号战线菌图像h作LRCD变换；
步骤四，二值化LRCD变换后噬线虫1号战线菌图像k，并做腐蚀膨胀交替变换去除噬线虫1号战线菌区域周围的干扰，得到噬线虫1号战线菌所在连通区域；
步骤五，精确定位红色噬线虫1号战线菌运动中心；
步骤六，分割出红色噬线虫1号战线菌个体；
步骤七，生成50幅M×M大小的模板图像，标号为0～49，并保存至大小为M×M×50的imgModel数组中；
步骤八，用模板匹配法识别红色噬线虫1号战线菌读数；初始化一个累加器，红色噬线虫1号战线菌图像ffi(i＝1,2,3,4)与50幅模板图像进行逐一匹配，如果红色噬线虫1号战线菌图像与模板图像在相同位置处对应的像素灰度值为0，则累加器增1，当与全部模板图像匹配完成后，累加器取值最大的模板就是待测噬线虫1号战线菌指向的最佳匹配，记为Pij(i＝1,2,3,4j＝0,1,2,...,49)，则红色噬线虫1号战线菌读数为其中10-c(c＝1,2,3,4)为噬线虫1号战线菌精度，int为下取整；
步骤九，根据噬线虫1号战线菌之间的相互关联，进行噬线虫1号战线菌读数校正，得到精确的噬线虫1号战线菌读数，需要校正的模板为：
3.如权利要求2所述的噬线虫1号战线菌群的制配系统，其特征在于，所述步骤四具体步骤如下：
(1)对噬线虫1号战线菌图像k应用迭代式阈值算法二值化为图像bw；
(2)用半径为6的圆盘结构元素腐蚀图像bw，得到bw1；
(3)填充二值图像bw1中的空洞，得到bw2；
(4)用半径为16的圆盘结构元素膨胀图像bw2，得到bw3；
(5)用半径为12的圆盘结构元素腐蚀图像bw3，得到bw4；
(6)用半径为16的圆盘结构元素对图像bw4作开运算，得到bw5；
(7)用4邻域标记二值图像bw5，得到标记图Lab；
(8)由Lab计算各连通区域的面积，移除比各红色噬线虫1号战线菌面积大的或者面积小的连通区域，得到红噬线虫1号战线菌所在连通区域，得到bw6；
所述步骤五具体步骤如下：
(1)根据步骤四，如果二值图像bw6仅含有4个连通区域，则利用质心法求取噬线虫1号战线菌运动中心；
其中，xi，yi为第i个连通域各点的坐标向量，Ni为第i个连通域的像素总数；
(2)根据步骤四，如果二值图像bw6仅含有3个连通区域，则计算这3个连通区域的质心，然后用最小二乘拟合这3个质心所在的圆心，即表盘圆心，计算3个子表盘中心的距离和表盘圆心到3个子表盘中心连线的斜率，判断缺失的子表盘，最后确定缺失子表盘的中心；
1)计算3个连通区域的质心，即噬线虫1号战线菌运动中心，分别记为(x1,y1)，(x2,y2)，(x3,y3)，并据此拟合圆心，记为(x0,y0)，半径为r0；
2)计算3个子表盘中心间的距离：
3)计算表盘中心到3个子表盘中心连线的斜率：
4)判断缺失子表盘，并拟合出缺失的噬线虫1号战线菌运动中心：
按照从上至下，从右至左的顺序，将4个红色噬线虫1号战线菌依次标号为第1、2、3和4枚红色噬线虫1号战线菌，4个红色噬线虫1号战线菌的运动中心所在的圆心到它们的连线的斜率取值范围分别为，[mink1,maxk1]、[mink2,maxk2]、[mink3,maxk3]和[mink4,maxk4]，具体判断和计算如下：
若k1∈[mink2,maxk2]∩k2∈[mink3,maxk3]∩k3∈[mink4,maxk4]，则判断为第1枚红色噬线虫1号战线菌缺失，设红色噬线虫1号战线菌运动中心为(x,y)，它的运动中心到第2枚红色噬线虫1号战线菌运动中心的距离取为d＝(d12+d23)/2，它到表盘圆心的距离为r0，求解如下二元二次方程组：
得解为
得到所缺失的第1枚红色噬线虫1号战线菌运动中心为(max(xa,xb),min(ya,yb))；
若k1∈[mink1,maxk1]∩k2∈[mink3,maxk3]∩k3∈[mink4,maxk4]，则判断为第2枚红色噬线虫1号战线菌缺失，设红色噬线虫1号战线菌运动中心为(x,y)，它的运动中心到第1枚红色噬线虫1号战线菌运动中心的距离取为d＝d23，它到表盘圆心的距离为r0，求解如下二元二次方程组：
得解为
得到所缺失的第2枚红色噬线虫1号战线菌运动中心为(min(xa,xb),max(ya,yb))；
若k1∈[mink1,maxk1]∩k2∈[mink2,maxk2]∩k3∈[mink4,maxk4]，则判断为第3枚红色噬线虫1号战线菌缺失，设红色噬线虫1号战线菌运动中心为(x,y)，它的运动中心到第4枚红色噬线虫1号战线菌运动中心的距离取为d＝d12，它到表盘圆心的距离为r0，求解如下二元二次方程组：
得解为
得到所缺失的第3枚红色噬线虫1号战线菌运动中心为(max(xa,xb),max(ya,yb))；
若k1∈[mink1,maxk1]∩k2∈[mink2,maxk2]∩k3∈[mink3,maxk3]，则判断为第4枚红色噬线虫1号战线菌缺失，设红色噬线虫1号战线菌运动中心为(x,y)，它的运动中心到第3枚红色噬线虫1号战线菌运动中心的距离取为d＝(d12+d23)/2，它到表盘圆心的距离为r0，求解如下二元二次方程组：
得解为
得到所缺失的第4枚红色噬线虫1号战线菌运动中心为(min(xa,xb),min(ya,yb))；
所述步骤六具体步骤如下：
(1)根据各子表盘的噬线虫1号战线菌运动中心，在LRCD变换后噬线虫1号战线菌图像k中分别截取M×M的噬线虫1号战线菌图像fi(i＝1,2,3,4)；
(2)根据Ostu最佳阈值算法，对噬线虫1号战线菌图像fi(i＝1,2,3,4)二值化为nfi(i＝1,2,3,4)；
(3)用半径为1的圆盘结构元素对二值化图像nfi(i＝1,2,3,4)作腐蚀运算，并用4邻域标记腐蚀后的二值图像；
(4)计算各连通区域的面积，移除比噬线虫1号战线菌三角形面积大的连通区域，得到二值化图像n1fi(i＝1,2,3,4)；
(5)填充二值化图像n1fi(i＝1,2,3,4)中的空洞，据此分别用半径为16和13的圆盘结构元素作膨胀和腐蚀操作，最后分割出红色噬线虫1号战线菌图像ffi(i＝1,2,3,4)；
所述步骤七具体步骤如下
1)生成噬线虫1号战线菌指向0刻度时的噬线虫1号战线菌模板，噬线虫1号战线菌模板由顶角为18度的等腰三角形和圆形组成，三角形三个顶点坐标分别为：
圆形的圆心和半径分别为：
将三角形内部和圆心内部像素置为0，外部置为255；得到噬线虫1号战线菌指向0刻度的模板；
2)生成噬线虫1号战线菌指向i(i＝1,2,...,49)刻度时的噬线虫1号战线菌模板；将1)中三角形顶点和圆心绕模板中心(M/2,M/2)旋转t＝πi/25分别得到下面新坐标：
将三角形内部和圆心内部像素置为0，外部置为255；得到噬线虫1号战线菌指向i(i＝1,2,...,49)刻度时的噬线虫1号战线菌模板；
所述步骤九具体步骤如下：
1)计算当前需要校正的噬线虫1号战线菌的下一个噬线虫1号战线菌的模板；
2)根据下一个噬线虫1号战线菌的模板，判断当前噬线虫1号战线菌读数进位或退位；
(1)若下一个噬线虫1号战线菌的模板匹配值在0～9，则将当前噬线虫1号战线菌的模板匹配值加2，保证当前噬线虫1号战线菌读数进位，这里规定模板48,49加2进位后为模板0；
(2)若下一个噬线虫1号战线菌的模板匹配值在30～49，则将当前噬线虫1号战线菌的模板匹配值减2，保证当前噬线虫1号战线菌读数退位，这里规定模板0,1减2退位后为模板49；
3)计算当前精确的噬线虫1号战线菌读数。
4.如权利要求1所述的噬线虫1号战线菌群的制配系统，其特征在于，所述温湿度调节模块的温湿度信号处理模型表示为：
其中，N为时频重叠信号的信号分量个数，n(t)是加性高斯白噪声，si(t)为时频重叠信号的信号分量，表示为式中Ai表示信号分量的幅度，ai(m)表示信号分量的码元符号，p(t)表示成型滤波函数，Ti表示信号分量的码元周期，fci表示信号分量的载波频率，表示信号分量的相位。
5.如权利要求1所述的噬线虫1号战线菌群的制配系统，其特征在于，所述保存模块内置消毒模块和pH值检测模块与培养模块连接。
6.如权利要求1所述的噬线虫1号战线菌群的制配系统，其特征在于，所述补给模块内置定时器；
所述排水模块内置超声波检测器。
CN201810074717.9A 2018-01-25 2018-01-25 一种噬线虫1号战线菌群的制配系统 Pending CN108197598A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810074717.9A CN108197598A (zh) 2018-01-25 2018-01-25 一种噬线虫1号战线菌群的制配系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810074717.9A CN108197598A (zh) 2018-01-25 2018-01-25 一种噬线虫1号战线菌群的制配系统

Publications (1)

Publication Number Publication Date
CN108197598A true CN108197598A (zh) 2018-06-22

Family

ID=62590720

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810074717.9A Pending CN108197598A (zh) 2018-01-25 2018-01-25 一种噬线虫1号战线菌群的制配系统

Country Status (1)

Country Link
CN (1) CN108197598A (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101368154A (zh) * 2008-06-18 2009-02-18 华中农业大学 一种人肠道菌群连续培养的系统及方法
CN102676633A (zh) * 2012-03-08 2012-09-19 天津大学 一种菌落自动计数方法
US20160194597A1 (en) * 2013-09-24 2016-07-07 Fujitsu Limited Colony inspection device, colony inspection method, and recording medium
CN106447020A (zh) * 2016-09-13 2017-02-22 上海海事大学 一种智能菌落计数方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101368154A (zh) * 2008-06-18 2009-02-18 华中农业大学 一种人肠道菌群连续培养的系统及方法
CN102676633A (zh) * 2012-03-08 2012-09-19 天津大学 一种菌落自动计数方法
US20160194597A1 (en) * 2013-09-24 2016-07-07 Fujitsu Limited Colony inspection device, colony inspection method, and recording medium
CN106447020A (zh) * 2016-09-13 2017-02-22 上海海事大学 一种智能菌落计数方法

Similar Documents

Publication Publication Date Title
Vidović et al. Crop row detection by global energy minimization
CN107563384B (zh) 基于广义Hough聚类的粘连猪的头尾识别方法
CN113256580A (zh) 一种目标菌落特征自动识别方法
CN110610506A (zh) 一种基于图像处理技术的姬松茸子实体生长参数检测方法
CN109711389A (zh) 一种基于Faster R-CNN和HMM的哺乳母猪姿态转换识别方法
CN105913425B (zh) 一种基于自适应椭圆分块和小波变换的多猪轮廓提取方法
CN115797813B (zh) 基于航拍图像的水环境污染检测方法
CN109359604B (zh) 面向巡检机器人的阴影干扰下仪表识别方法
CN111145205B (zh) 基于红外图像的多猪只场景下猪体温检测方法
CN110309808A (zh) 一种大范围尺度空间下的自适应烟雾根节点检测方法
CN113837037A (zh) 一种植物种类识别方法、系统、电子设备及存储介质
CN104050674B (zh) 一种显著性区域检测方法及装置
CN111445511A (zh) 一种图像中圆的检测方法
Xiaomei et al. Research on the location of citrus picking point based on structured light camera
CN112507869B (zh) 基于机器视觉的水下目标物行为观测和水体环境监测方法
CN103177244A (zh) 水下显微图像中快速检测目标生物的方法
CN108197598A (zh) 一种噬线虫1号战线菌群的制配系统
Hu et al. Image segmentation method for crop nutrient deficiency based on fuzzy c-means clustering algorithm
CN110853097A (zh) 一种应用于饼干表面图案打印设备的饼干识别定位方法
CN116030346A (zh) 基于马尔可夫判别器的非成对弱监督云检测方法及系统
CN107256399B (zh) 一种基于Gamma分布超像素方法和基于超像素TMF的SAR图像海岸线检测方法
CN102436659B (zh) 一种基于阴阳离散点采样模型的图像分析方法
CN113688819B (zh) 一种基于标记点的目标物期望点跟踪匹配方法
Li et al. Vision-based Navigation Line Extraction by Combining Crop Row Detection and RANSAC Algorithm
Braginskii et al. Identification of plants condition using digital images

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
AD01 Patent right deemed abandoned

Effective date of abandoning: 20220830

AD01 Patent right deemed abandoned