CN109447950A - 一种用于微生物的计数方法和系统 - Google Patents
一种用于微生物的计数方法和系统 Download PDFInfo
- Publication number
- CN109447950A CN109447950A CN201811155569.XA CN201811155569A CN109447950A CN 109447950 A CN109447950 A CN 109447950A CN 201811155569 A CN201811155569 A CN 201811155569A CN 109447950 A CN109447950 A CN 109447950A
- Authority
- CN
- China
- Prior art keywords
- microorganism
- image
- micro
- stitching
- counting
- 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.)
- Granted
Links
- 244000005700 microbiome Species 0.000 title claims abstract description 177
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000000605 extraction Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 4
- 238000000513 principal component analysis Methods 0.000 claims description 4
- 241000894007 species Species 0.000 claims description 4
- 238000004040 coloring Methods 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 3
- 238000001000 micrograph Methods 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 12
- 238000003708 edge detection Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 241000894006 Bacteria Species 0.000 description 1
- 239000002028 Biomass Substances 0.000 description 1
- 241000195493 Cryptophyta Species 0.000 description 1
- 241000233866 Fungi Species 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 241000700605 Viruses Species 0.000 description 1
- 208000003464 asthenopia Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- CNQCVBJFEGMYDW-UHFFFAOYSA-N lawrencium atom Chemical compound [Lr] CNQCVBJFEGMYDW-UHFFFAOYSA-N 0.000 description 1
- 230000000813 microbial effect Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 239000011800 void material Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06M—COUNTING MECHANISMS; COUNTING OF OBJECTS NOT OTHERWISE PROVIDED FOR
- G06M11/00—Counting of objects distributed at random, e.g. on a surface
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10056—Microscopic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30242—Counting objects in image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
- Apparatus Associated With Microorganisms And Enzymes (AREA)
Abstract
本发明公开了一种用于微生物的计数方法及系统，其方法包括：获取多张带有微生物的样本的显微图像；分别对所述显微图像进行两两对比，并查找位于两张所述显微图像上的重复区域，根据所述重复区域将所述显微图像进行拼接，形成带有没有重复特征的拼接图像；对所述拼接图像内的微生物的数量进行统计，并根据数量统计值、以及所述拼接图像的面积，计算所述拼接图像内的微生物密度值；根据所述微生物密度值和所述样本的面积，计算所述样本内的微生物的数量。本发明能够使微生物的辨识和计数的地点和时间不局限于实验室和实验室观察的时长，并使这项工作可以随时随地进行。
Description
技术领域
本发明属于微生物检测技术领域，具体涉及一种用于微生物的计数方法和系统。
背景技术
微生物包括细菌、病毒、真菌以及一些小型的原生生物、后生动物、藻类等在内的一大类生物群体，虽然微生物的个体微小，但是与人类关系密切，因为其涵盖有益跟有害的众多种类，因此，微生物被广泛涉及食品、医药、工农业、环保等诸多领域，进而对微生物进行观察和统计具有重要的意义。
目前，计数框计数法是一种常用的对微生物数量的统计方法，其是将规定体积的微生物水样滴在划分成网格或长条状的计数框内，在显微镜下统计大概1/4网格中的微生物数量，并求出每个网格所含微生物的平均数，进而根据网格总数估算总个体数。但是，在对微生物进行计数的全过程都需要检测人员对显微镜操作观察的同时进行计数，检测人员常常因为视觉疲劳或操作失误而导致微生物辨识或统计错误，而为了避免对计数框全部网格进行人工计数的工作量和工作时长较大的问题，一般检测人员只对其中的少部分网格进行计数，因此，检测的样本数较少会导致统计结果准确性较差。
发明内容
针对上述现有技术存在的不足之处，本发明提供了一种用于微生物的计数方法和系统。
为了实现上述发明目的，本发明提供以下技术方案：
本发明一方面提供了一种用于微生物的计数方法，包括：
获取多张带有微生物的样本的显微图像；
分别对所述显微图像进行两两对比，并查找位于两张所述显微图像上的重复区域，根据所述重复区域将所述显微图像进行拼接，形成带有没有重复特征的拼接图像；
对所述拼接图像内的微生物的数量进行统计，并根据数量统计值、以及所述拼接图像的面积，计算所述拼接图像内的微生物密度值；
根据所述微生物密度值和所述样本的面积，计算所述样本内的微生物的数量。
本发明另一方面提供了一种用于微生物的计数系统，包括：
图像获取模块，用于获取多张带有微生物的样本的显微图像；
图像拼接模块，用于分别对所述显微图像进行两两对比，并查找位于两张所述显微图像上的重复区域，根据所述重复区域将所述显微图像进行拼接，形成带有没有重复特征的拼接图像；
微生物密度值计算模块，用于对所述拼接图像内的微生物的数量进行统计，并根据数量统计值、以及所述拼接图像的面积，计算所述拼接图像内的微生物密度值；
微生物数量计算模块，用于根据所述微生物密度值和所述样本的面积，计算所述样本内的微生物的数量。
本发明提供的一种用于微生物的计数方法及系统，通过将多张显微图像根据重复区域进行拼接，形成一张带有没有重复特征的拼接图像，来完成对微生物的数量进行统计，使微生物的辨识和计数的地点和时间不局限于实验室和实验室观察的时长，并使这项工作可以随时随地进行，并且还可以根据获取的显微图像的数量来增加统计面积，增加统计的准确性；同时通过图像拼接，而不是简单地对若干帧单独的图像进行计数并加和，可以排除相同位置重复计数造成的干扰，并尽可能减少图像边缘长度，以减少不完整微生物的出现，增加了计数的准确率。
附图说明
图1为本发明示例性实施例的一种用于微生物的计数方法的流程示意图；
图2为本发明示例性实施例的又一种用于微生物的计数方法的流程示意图；
图3为本发明示例性实施例的另一种用于微生物的计数方法的流程示意图；
图4为本发明示例性实施例的另又一种用于微生物的计数方法的流程示意图；
图5为本发明示例性实施例的再一种用于微生物的计数方法的流程示意图；
图6为本发明示例性实施例的再又一种用于微生物的计数方法的流程示意图；
图7为本发明示例性实施例的再另一种用于微生物的计数方法的流程示意图；
图8为本发明示例性实施例的又再一种用于微生物的计数方法的流程示意图；
图9为本发明示例性实施例的一种用于微生物的计数系统的模块连接示意图；
图10为本发明示例性实施例的又一种用于微生物的计数系统的模块连接示意图；
图11为本发明示例性实施例的另一种用于微生物的计数系统的模块连接示意图；
图12为本发明示例性实施例的另又一种用于微生物的计数系统的模块连接示意图；
图13为本发明示例性实施例的再一种用于微生物的计数系统的模块连接示意图；
图14为本发明示例性实施例的再又一种用于微生物的计数系统的模块连接示意图；
图15为本发明示例性实施例的再另一种用于微生物的计数系统的模块连接示意图
图16为本发明示例性实施例的又再一种用于微生物的计数系统的模块连接示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图1所示，一种用于微生物的计数方法，包括：
S100、获取多张带有微生物的样本的显微图像。
在对样本进行显微成像后，对显微图像进行去噪、增强等预处理后，根据迭代阈值和数学形态学的边缘检测，将显微图像分为背景和有效区域两个部分进行分割来完成有效区域图像的提取，其中，微生物的样本是放置在计数框内，以方便对微生物的数量统计。
作为一优选实施方式，如图2所示，在获取多张带有微生物的样本的显微图像时，包括：
S101、对显微图像上的带有微生物形貌特征的有效区域图像进行提取；
S102、根据有效区域图像上的微生物的形貌特征，对样本内的微生物的种类进行识别。
具体而言，如图3所示，对样本内的微生物的种类进行识别时，包括：
S102-1、提取显微图像内的微生物形貌特征；
S102-2、通过主成分分析法对显微图像的微生物形貌特征进行降维；
S102-3、根据预先训练的微生物图像模型对降维后的显微图像进行微生物种类识别；其中，微生物图像模型基于微生物图像训练集训练得到，微生物图像训练集包含按照微生物类别和微生物形貌特征分类的多个图像组。
根据主成分分析法对显微图像的微生物形貌特征进行降维，在降低显微图像特征数量的同时保留目标图像的关键特征，并且由于从显微图像中提取微生物的形貌特征并基于提取的微生物的形貌特征进行微生物的识别，并且微生物图像模型是基于微生物类别和微生物形貌特征分类的多个图像组的微生物训练集训练得到，因此，相对于传统的微生物种类识别方法，能够更准确地反映显微图像内的微生物种类、以及对显微图像内的微生物进行分类，提高了分类的准确性。
S103、分别对不同种类的微生物在有效区域图像上对应的区域进行涂色。
S104、根据有效区域图像上的颜色信息，分别对有效区域图像进行二次图像提取，获得在有效区域图像内的不同种类的微生物分别对应的颜色区域图像。
通过分别对不同种类的微生物在有效区域图像上对呀的区域进行涂色，可以方便对微生物的种类进行区分，在根据颜色对有效区域进行二次图像提取，不但可以方便对同一种微生物进行提取，而且还能根据提取的颜色区域图像的面积，对某一种微生物所占的数量比例进行估算。
S200、分别对显微图像进行两两对比，并查找位于两张显微图像上的重复区域，根据重复区域将显微图像进行拼接，形成带有没有重复特征的拼接图像；。
其中，如图4所示，在分别对显微图像进行两两对比，并查找位于两张显微图像上的重复区域，根据重复区域将显微图像进行拼接，形成带有没有重复特征的拼接图像时，包括：
S201、通过将位于两张显微图像上的带有微生物形貌特征和/或带有相同背底的区域进行对比，并查找位于两张显微图像上的重复区域；
S202、获取重复区域的深度图后，根据深度图将两张显微图像进行拼接，形成拼接图像。
S300、对拼接图像内的微生物的数量进行统计，并根据数量统计值、以及拼接图像的面积，计算拼接图像内的微生物密度值。
其中，如图5所示，在对拼接图像内的微生物的数量进行统计时，包括：
S301、通过对有效区域图像进行边缘检测，分析有效区域图像边缘的几何形状；
S302、根据有效区域图像的的几何形状，将拼接处相对吻合的有效区域图像进行依次拼接，形成第一拼接图像；
S303、分析拼接处上的空白区域的面积，并根据空白区域的面积对第一拼接图像的边缘进行图片剪切形成填充图像；
S304、将填充图像填充到空白区域内，形成布满微生物形貌特征的第二拼接图像；
S305、通过第二拼接图像，对拼接图像内的微生物的数量进行统计。
在本实施例中，通过先对有效区域图像的边缘进行分析，将有效区域图像进行依次拼接后，再从第一拼接图像的边缘提取填充图像对第一拼接图像进行拼接，确保了拼接图像内部存在空白区域，进而提高了显微图像内的微生物的计数准确率。
其中，如图6所示，在对拼接图像内的微生物的数量进行统计时，包括：
S306、对拼接图像的边缘进行等分形成两个计数图像；
S307、分析一计数图像上与拼接图像的边缘相对应处，将形貌不完整的微生物进行数量统计；
S308、分析另一计数图像上与拼接图像的边缘相对应处，将形貌不完整的微生物不进行数量统计。
S400、根据微生物密度值和样本的面积，计算样本内的微生物的数量。
其中，如图7所示，对拼接图像内的微生物的数量进行统计时，包括：
S309、对每一颜色区域图像内的微生物的数量进行统计，并根据此数量统计值、以及拼接图像的面积，计算拼接图像内的每一微生物密度值；
S3010、根据每一微生物密度值和样本的面积，计算样本内的每一微生物的数量。
进一步的，如图8所示，对拼接图像内的微生物的数量进行统计时，还包括：
S3011、将每一所述颜色区域图像与有效区域图像进行面积对比，获得每种微生物占全部微生物的数量比例；
S3012、将微生物的名称作为横坐标，将与名称对应的微生物的数量比例作为纵坐标，进行坐标绘图。
进一步的，作为图1至图8方法的具体实现，本发明实施例提供了一种用于微生物的计数系统，如图9所示，系统包括：有效区域图像提取模块、图像拼接模块、微生物密度值计算模块和微生物数量计算模块。
图像获取模块100，用于获取多张带有微生物的样本的显微图像；
图像拼接模块200，用于分别对显微图像进行两两对比，并查找位于两张显微图像上的重复区域，根据重复区域将显微图像进行拼接，形成带有没有重复特征的拼接图像；
微生物密度值计算模块300，用于对拼接图像内的微生物的数量进行统计，并根据数量统计值、以及拼接图像的面积，计算拼接图像内的微生物密度值；
微生物数量计算模块400，用于根据微生物密度值和样本的面积，计算样本内的微生物的数量。
作为一优选实施方式，如图10所示，图像获取模块100包括：
有效区域图像获取单元101，用于对显微图像上的带有微生物形貌特征的有效区域图像进行提取；
识别单元102，用于根据有效区域图像上的微生物的形貌特征，对样本内的微生物的种类进行识别；
涂色单元103，用于分别对不同种类的微生物在有效区域图像上对应的区域进行涂色；
二次图像提取单元104，用于根据有效区域图像上的颜色信息，分别对有效区域图像进行二次图像提取，获得在有效区域图像内的不同种类的微生物分别对应的颜色区域图像。
进一步的，如图11所示，微生物密度值计算模块300包括：
二次统计单元309，用于对每一颜色区域图像内的微生物的数量进行统计，并根据此数量统计值、以及拼接图像的面积，计算拼接图像内的每一微生物密度值；
二次计数单元3010，用于根据每一微生物密度值和样本的面积，计算样本内的每一微生物的数量。
其中，如图12所示，微生物密度值计算模块300还包括：
数量比例计算单元3011，用于将每一颜色拼接图像与有效区域图像进行面积对比，获得每种微生物占全部微生物的数量比例；
绘图单元3012，用于将微生物的名称作为横坐标，将与名称对应的微生物的数量比例作为纵坐标，进行坐标绘图。
作为一优选实施方式，如图13所示，识别单元102包括：
特征提取子单元102-1，用于提取显微图像内的微生物形貌特征；
降维子单元102-2，用于通过主成分分析法对显微图像的微生物形貌特征进行降维；
识别子单元102-3，用于根据预先训练的微生物图像模型对降维后的显微图像进行微生物种类识别；其中，微生物图像模型基于微生物图像训练集训练得到，微生物图像训练集包含按照微生物类别和微生物形貌特征分类的多个图像组。
作为又一优选实施方式，如图14所示，图像拼接模块200，包括：
重复区域获取单元201，用于通过将位于两张显微图像上的带有微生物形貌特征和/或带有相同背底的区域进行对比，并查找位于两张显微图像上的重复区域；
拼接单元202，用于获取重复区域的深度图后，根据深度图将两张所述显微图像进行拼接，形成拼接图像。
作为又一优选实施方式，如图15所示，微生物密度值计算模块300还包括：
边缘检测单元301，用于通过对有效区域图像进行边缘检测，分析有效区域图像边缘的几何形状；
第一拼接图像单元302，用于根据有效区域图像的的几何形状，将拼接处相对吻合的有效区域图像进行依次拼接，形成第一拼接图像；
填充图像剪切单元303，用于分析拼接处上的空白区域的面积，并根据空白区域的面积对第一拼接图像的边缘进行图片剪切形成填充图像；
拼接图像填充单元304，用于将填充图像填充到空白区域内，形成布满微生物形貌特征的拼接图像；
统计单元305，用于通过第二拼接图像，对拼接图像内的微生物的数量进行统计。
作为又一优选实施方式，如图16所示，微生物密度值计算模块300还包括：
计数图像形成单元306，用于对拼接图像的边缘进行等分形成两个计数图像；
第一边缘数量统计单元307，用于分析一计数图像上与拼接图像的边缘相对应处，将形貌不完整的微生物进行数量统计；
第二边缘数量统计单元308，用于分析另一计数图像上与拼接图像的边缘相对应处，将形貌不完整的微生物不进行数量统计。
需要说明的是，本发明实施例提供的一种用于微生物的计数系统所涉及各功能单元的其他相应描述，可以参考图1、2、3、4、5、6、7中的对应描述，在此不再赘述。
基于上述如图1、2、3、4、5、6、7、8所示方法，相应的，本发明实施例还提供了一种存储设备，其上存储有计算机程序，该程序被处理器执行时实现上述如图1、2、3、4、5、6、7、8所示的一种用于微生物的计数方法。
基于上述如图1、2、3、4、5、6、7、8所示方法和如图9、10、11、12、13、14、15、16所示虚拟装置的实施例，为了实现上述目的，本发明实施例还提供了一种用于微生物的计数系统，该实体装置包括存储设备和处理器；存储设备，用于存储计算机程序；处理器，用于执行计算机程序以实现上述如图1、2、3、4、5、6、7、8所示的一种用于微生物的计数方法。
通过应用本发明的技术方案，本发明提供的一种用于微生物的计数方法及系统，通过将显微图像内带有微生物的有效区域图像进行拼接后，来完成对微生物的数量进行统计，使微生物的辨识和计数的地点和时间不局限于实验室和实验室观察的时长，并使这项工作可以随时随地进行，因此，还可以增加统计面积，增加统计的准确性；同时通过图像拼接，而不是简单地对若干帧单独的图像进行计数并加和，可以排除相同位置重复计数造成的干扰，并尽可能减少图像边缘长度，以减少不完整微生物的出现，增加了计数的准确率。
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制；尽管参照较佳实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者对部分技术特征进行等同替换；而不脱离本发明技术方案的精神，其均应涵盖在本发明请求保护的技术方案范围当中。
Claims (10)
1.一种用于微生物的计数方法，其特征在于，包括：
获取多张带有微生物的样本的显微图像；
分别对所述显微图像进行两两对比，并查找位于两张所述显微图像上的重复区域，根据所述重复区域将所述显微图像进行拼接，形成带有没有重复特征的拼接图像；
对所述拼接图像内的微生物的数量进行统计，并根据数量统计值、以及所述拼接图像的面积，计算所述拼接图像内的微生物密度值；
根据所述微生物密度值和所述样本的面积，计算所述样本内的微生物的数量。
2.根据权利要求1所述的一种用于微生物的计数方法，其特征在于，在获取多张带有微生物的样本的显微图像时，包括：
对所述显微图像上的带有微生物形貌特征的有效区域图像进行提取；
根据所述有效区域图像上的微生物的形貌特征，对所述样本内的微生物的种类进行识别；
分别对不同种类的微生物在所述有效区域图像上对应的区域进行涂色；
根据所述有效区域图像上的颜色信息，分别对所述有效区域图像进行二次图像提取，获得在所述有效区域图像内的不同种类的微生物分别对应的颜色区域图像。
3.根据权利要求2所述的一种用于微生物的计数方法，其特征在于，对所述拼接图像内的微生物的数量进行统计时，包括：
对每一所述颜色区域图像内的微生物的数量进行统计，并根据此数量统计值、以及所述拼接图像的面积，计算所述拼接图像内的每一微生物密度值；
根据所述每一微生物密度值和所述样本的面积，计算所述样本内的每一微生物的数量。
4.根据权利要求3所述的一种用于微生物的计数方法，其特征在于，对所述拼接图像内的微生物的数量进行统计时，还包括：
将每一所述颜色区域图像与所述有效区域图像进行面积对比，获得每种微生物占全部微生物的数量比例；
将微生物的名称作为横坐标，将与名称对应的微生物的数量比例作为纵坐标，进行坐标绘图。
5.根据权利要求2所述的一种用于微生物的计数方法，其特征在于，在根据所述有效区域图像上的微生物的形貌特征，对所述样本内的微生物的种类进行识别时，包括：
提取所述显微图像内的微生物形貌特征；
通过主成分分析法对所述显微图像的微生物形貌特征进行降维；
根据预先训练的微生物图像模型对降维后的所述显微图像进行微生物种类识别；其中，所述微生物图像模型基于微生物图像训练集训练得到，所述微生物图像训练集包含按照微生物类别和微生物形貌特征分类的多个图像组。
6.根据权利要求1所述的一种用于微生物的计数方法，其特征在于，在分别对所述显微图像进行两两对比，并查找位于两张所述显微图像上的重复区域，根据所述重复区域将所述显微图像进行拼接，形成带有没有重复特征的拼接图像时，包括：
通过将位于两张所述显微图像上的带有微生物形貌特征和/或带有相同背底的区域进行对比，并查找位于两张所述显微图像上的重复区域；
获取所述重复区域的深度图后，根据所述深度图将两张所述显微图像进行拼接，形成拼接图像。
7.根据权利要求1所述的一种用于微生物的计数方法，其特征在于，在对所述拼接图像内的微生物的数量进行统计时，包括：
对所述拼接图像的边缘进行等分形成两个计数图像；
分析一所述计数图像上与所述拼接图像的边缘相对应处，将形貌不完整的微生物进行数量统计；
分析另一所述计数图像上与所述拼接图像的边缘相对应处，将形貌不完整的微生物不进行数量统计。
8.根据权利要求1所述的一种用于微生物的计数系统，其特征在于，包括：
图像获取模块，用于获取多张带有微生物的样本的显微图像；
图像拼接模块，用于分别对所述显微图像进行两两对比，并查找位于两张所述显微图像上的重复区域，根据所述重复区域将所述显微图像进行拼接，形成带有没有重复特征的拼接图像；
微生物密度值计算模块，用于对所述拼接图像内的微生物的数量进行统计，并根据数量统计值、以及所述拼接图像的面积，计算所述拼接图像内的微生物密度值；
微生物数量计算模块，用于根据所述微生物密度值和所述样本的面积，计算所述样本内的微生物的数量。
9.一种存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现权利要求1至7中任一项所述的一种用于微生物的计数方法。
10.一种用于微生物的计数系统，包括存储介质、处理器及存储在存储介质上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1至8任一项所述的用于微生物的计数方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811155569.XA CN109447950B (zh) | 2018-09-30 | 2018-09-30 | 一种用于微生物的计数方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811155569.XA CN109447950B (zh) | 2018-09-30 | 2018-09-30 | 一种用于微生物的计数方法和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109447950A true CN109447950A (zh) | 2019-03-08 |
| CN109447950B CN109447950B (zh) | 2023-12-15 |
Family
ID=65545562
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811155569.XA Active CN109447950B (zh) | 2018-09-30 | 2018-09-30 | 一种用于微生物的计数方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109447950B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110033452A (zh) * | 2019-04-17 | 2019-07-19 | 北京云量互动科技有限公司 | 基于图像处理技术的冷柜货架商品统计方法及系统 |
| CN117649407A (zh) * | 2024-01-29 | 2024-03-05 | 深圳三方圆检测监管服务有限公司 | 食品质量检测方法、设备、系统及存储介质 |
| CN117649407B (zh) * | 2024-01-29 | 2024-05-14 | 深圳三方圆检测监管服务有限公司 | 食品质量检测方法、设备、系统及存储介质 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6002789A (en) * | 1997-06-24 | 1999-12-14 | Pilot Industries, Inc. | Bacteria colony counter and classifier |
| CN101424680A (zh) * | 2008-12-11 | 2009-05-06 | 东华大学 | 异形纤维计算机自动识别装置与方法 |
| CN101794406A (zh) * | 2010-04-06 | 2010-08-04 | 湖南省植物保护研究所 | 烟粉虱成虫密度自动计数系统 |
| CN101877074A (zh) * | 2009-11-23 | 2010-11-03 | 常州达奇信息科技有限公司 | 基于多元特征的结核杆菌目标识别计数算法 |
| CN103865786A (zh) * | 2014-03-27 | 2014-06-18 | 程涛 | 细菌检测方法及系统 |
| CN104331712A (zh) * | 2014-11-24 | 2015-02-04 | 齐齐哈尔格林环保科技开发有限公司 | 一种藻类细胞图像自动分类方法 |
| JP2017035042A (ja) * | 2015-08-11 | 2017-02-16 | 大日本印刷株式会社 | コロニー検出システム、コロニー検出方法、及び、プログラム |
| CN106570534A (zh) * | 2016-11-15 | 2017-04-19 | 福建农林大学 | 全自动微小昆虫诱集检测方法及其系统 |
-
2018
- 2018-09-30 CN CN201811155569.XA patent/CN109447950B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6002789A (en) * | 1997-06-24 | 1999-12-14 | Pilot Industries, Inc. | Bacteria colony counter and classifier |
| CN101424680A (zh) * | 2008-12-11 | 2009-05-06 | 东华大学 | 异形纤维计算机自动识别装置与方法 |
| CN101877074A (zh) * | 2009-11-23 | 2010-11-03 | 常州达奇信息科技有限公司 | 基于多元特征的结核杆菌目标识别计数算法 |
| CN101794406A (zh) * | 2010-04-06 | 2010-08-04 | 湖南省植物保护研究所 | 烟粉虱成虫密度自动计数系统 |
| CN103865786A (zh) * | 2014-03-27 | 2014-06-18 | 程涛 | 细菌检测方法及系统 |
| CN104331712A (zh) * | 2014-11-24 | 2015-02-04 | 齐齐哈尔格林环保科技开发有限公司 | 一种藻类细胞图像自动分类方法 |
| JP2017035042A (ja) * | 2015-08-11 | 2017-02-16 | 大日本印刷株式会社 | コロニー検出システム、コロニー検出方法、及び、プログラム |
| CN106570534A (zh) * | 2016-11-15 | 2017-04-19 | 福建农林大学 | 全自动微小昆虫诱集检测方法及其系统 |
Non-Patent Citations (3)
| Title |
|---|
| BARTOSZ ZIELINSKI等: "Deep learning approach to bacterial colony classification", 《BING》 * |
| 曹辉: "生物细胞图像拼接方法研究", 《中国优秀硕士学位论文全文数据库(电子期刊)信息科技辑》, vol. 2016, no. 06 * |
| 鲁静: "乳品微生物自动检测系统的设计", 《湖北第二师范学院学报》, vol. 27, no. 8 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110033452A (zh) * | 2019-04-17 | 2019-07-19 | 北京云量互动科技有限公司 | 基于图像处理技术的冷柜货架商品统计方法及系统 |
| CN110033452B (zh) * | 2019-04-17 | 2021-06-08 | 北京云量互动科技有限公司 | 基于图像处理技术的冷柜货架商品统计方法及系统 |
| CN117649407A (zh) * | 2024-01-29 | 2024-03-05 | 深圳三方圆检测监管服务有限公司 | 食品质量检测方法、设备、系统及存储介质 |
| CN117649407B (zh) * | 2024-01-29 | 2024-05-14 | 深圳三方圆检测监管服务有限公司 | 食品质量检测方法、设备、系统及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109447950B (zh) | 2023-12-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109977780A (zh) | 一种基于深度学习算法的硅藻的检测与识别方法 | |
| CN110414577A (zh) | 一种基于深度学习的激光雷达点云多目标地物识别方法 | |
| CN104200217B (zh) | 基于一种复合核函数的高光谱分类方法 | |
| CN106780498A (zh) | 基于逐像素点深度卷积网络上皮和基质组织自动分割方法 | |
| CN109544507A (zh) | 一种病理图像处理方法及系统、设备、存储介质 | |
| CN104915667B (zh) | 一种基于移动终端的答题卡识别分析方法及系统 | |
| CN103955938A (zh) | 一种基于移动互联网模式和叶片颜色分析的小麦生长状态诊断方法 | |
| CN107292314A (zh) | 一种基于cnn的鳞翅目昆虫种类自动鉴别方法 | |
| CN104680524A (zh) | 一种叶类蔬菜病害诊断方法 | |
| Goëau et al. | A new fine‐grained method for automated visual analysis of herbarium specimens: A case study for phenological data extraction | |
| CN104820841B (zh) | 基于低阶互信息和光谱上下文波段选择的高光谱分类方法 | |
| CN111289512B (zh) | 一种基于深度卷积神经网络的水稻籽粒碱消值高通量测定方法 | |
| CN106127205A (zh) | 一种适用于室内轨道机器人的数字仪表图像的识别方法 | |
| CN110223202A (zh) | 一种教学道具识别与评分的方法及系统 | |
| CN110175657A (zh) | 一种图像多标签标记方法、装置、设备及可读存储介质 | |
| Liew et al. | Cell detection for bee comb images using circular Hough transformation | |
| CN113128335A (zh) | 微体古生物化石图像检测、分类及发现方法、系统及应用 | |
| CN114299490B (zh) | 一种肿瘤微环境异质性评价方法 | |
| CN112016618A (zh) | 一种用于对图像语义分割模型泛化能力的度量方法 | |
| US20180089495A1 (en) | Method for scoring pathology images using spatial analysis of tissues | |
| CN109447950A (zh) | 一种用于微生物的计数方法和系统 | |
| CN103093231A (zh) | 一种合金中第二相的自动识别与定量分析方法 | |
| Zhang et al. | An automated bacterial colony counting system | |
| CN110807754B (zh) | 基于深度语义分割的真菌显微图像分割检测方法及系统 | |
| CN112767349B (zh) | 一种网织红细胞识别方法和系统 |
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: 100071 Beijing Fengtai Auto Museum West Road No. 8 Courtyard 1 Building 6 Floor 606 Applicant after: BEIJING INSIGHTS VALUE TECHNOLOGY Co.,Ltd. Address before: Room 020, 4th Floor, Building 3, No. 4, Anningzhuang Road, Qinghe, Haidian District, Beijing 100085 Applicant before: BEIJING INSIGHTS VALUE TECHNOLOGY Co.,Ltd. |
|
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: 100070 Beijing Fengtai Auto Museum West Road No. 8 Courtyard 1 Building 6 Floor 606 Applicant after: Beijing Yingshi Ruida Technology Co.,Ltd. Address before: 100071 Beijing Fengtai Auto Museum West Road No. 8 Courtyard 1 Building 6 Floor 606 Applicant before: BEIJING INSIGHTS VALUE TECHNOLOGY Co.,Ltd. |
|
| CB02 | Change of applicant information | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20230410 Address after: Unit 02, 12th Floor, 501, Building 3, Yard 20, Jinhe East Road, Chaoyang District, Beijing, 100020 Applicant after: IBM (CHINA) INVESTMENT CO.,LTD. Address before: 100070 Beijing Fengtai Auto Museum West Road No. 8 Courtyard 1 Building 6 Floor 606 Applicant before: Beijing Yingshi Ruida Technology Co.,Ltd. |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20231215 Address after: New York grams of Armand Patentee after: International Business Machines Corp. Address before: Unit 02, 12th Floor, 501, Building 3, Yard 20, Jinhe East Road, Chaoyang District, Beijing, 100020 Patentee before: IBM (CHINA) INVESTMENT CO.,LTD. |
|
| TR01 | Transfer of patent right |