CN111999317A - 一种家蚕血液型脓病的智能检测系统及方法 - Google Patents
一种家蚕血液型脓病的智能检测系统及方法 Download PDFInfo
- Publication number
- CN111999317A CN111999317A CN202010813793.4A CN202010813793A CN111999317A CN 111999317 A CN111999317 A CN 111999317A CN 202010813793 A CN202010813793 A CN 202010813793A CN 111999317 A CN111999317 A CN 111999317A
- Authority
- CN
- China
- Prior art keywords
- detection
- module
- sample
- silkworm
- image
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 158
- 241000255789 Bombyx mori Species 0.000 title claims abstract description 102
- 238000000034 method Methods 0.000 title claims abstract description 59
- 239000008280 blood Substances 0.000 claims abstract description 52
- 210000004369 blood Anatomy 0.000 claims abstract description 52
- 230000008569 process Effects 0.000 claims abstract description 34
- 238000012360 testing method Methods 0.000 claims abstract description 21
- 238000012545 processing Methods 0.000 claims description 61
- 238000000227 grinding Methods 0.000 claims description 28
- 230000008054 signal transmission Effects 0.000 claims description 21
- 239000000243 solution Substances 0.000 claims description 20
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 claims description 18
- 238000003860 storage Methods 0.000 claims description 17
- 241000237858 Gastropoda Species 0.000 claims description 16
- 238000013500 data storage Methods 0.000 claims description 16
- 238000002360 preparation method Methods 0.000 claims description 10
- 238000006243 chemical reaction Methods 0.000 claims description 9
- 230000005540 biological transmission Effects 0.000 claims description 8
- 238000004321 preservation Methods 0.000 claims description 8
- CSNNHWWHGAXBCP-UHFFFAOYSA-L Magnesium sulfate Chemical compound [Mg+2].[O-][S+2]([O-])([O-])[O-] CSNNHWWHGAXBCP-UHFFFAOYSA-L 0.000 claims description 6
- 238000005904 alkaline hydrolysis reaction Methods 0.000 claims description 6
- 230000035484 reaction time Effects 0.000 claims description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 4
- KEQXNNJHMWSZHK-UHFFFAOYSA-L 1,3,2,4$l^{2}-dioxathiaplumbetane 2,2-dioxide Chemical compound [Pb+2].[O-]S([O-])(=O)=O KEQXNNJHMWSZHK-UHFFFAOYSA-L 0.000 claims description 3
- 108010067770 Endopeptidase K Proteins 0.000 claims description 3
- VMHLLURERBWHNL-UHFFFAOYSA-M Sodium acetate Chemical compound [Na+].CC([O-])=O VMHLLURERBWHNL-UHFFFAOYSA-M 0.000 claims description 3
- 238000007605 air drying Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 3
- 238000001085 differential centrifugation Methods 0.000 claims description 3
- 238000002474 experimental method Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 239000000706 filtrate Substances 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000009499 grossing Methods 0.000 claims description 3
- 238000010191 image analysis Methods 0.000 claims description 3
- 229910052943 magnesium sulfate Inorganic materials 0.000 claims description 3
- 235000019341 magnesium sulphate Nutrition 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 239000008055 phosphate buffer solution Substances 0.000 claims description 3
- 239000002244 precipitate Substances 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 235000017281 sodium acetate Nutrition 0.000 claims description 3
- 239000001632 sodium acetate Substances 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- KWIUHFFTVRNATP-UHFFFAOYSA-N Betaine Natural products C[N+](C)(C)CC([O-])=O KWIUHFFTVRNATP-UHFFFAOYSA-N 0.000 claims 1
- KWIUHFFTVRNATP-UHFFFAOYSA-O N,N,N-trimethylglycinium Chemical compound C[N+](C)(C)CC(O)=O KWIUHFFTVRNATP-UHFFFAOYSA-O 0.000 claims 1
- 229960003237 betaine Drugs 0.000 claims 1
- 238000004590 computer program Methods 0.000 claims 1
- 201000010099 disease Diseases 0.000 abstract description 6
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 abstract description 6
- 230000000384 rearing effect Effects 0.000 description 8
- 208000015181 infectious disease Diseases 0.000 description 5
- 235000008708 Morus alba Nutrition 0.000 description 3
- 240000000249 Morus alba Species 0.000 description 3
- 241000700605 Viruses Species 0.000 description 3
- 238000004659 sterilization and disinfection Methods 0.000 description 3
- 238000009395 breeding Methods 0.000 description 2
- 230000001488 breeding effect Effects 0.000 description 2
- 235000011389 fruit/vegetable juice Nutrition 0.000 description 2
- 230000009385 viral infection Effects 0.000 description 2
- 208000033809 Suppuration Diseases 0.000 description 1
- 208000036142 Viral infection Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 210000003608 fece Anatomy 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 206010025482 malaise Diseases 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N1/00—Sampling; Preparing specimens for investigation
- G01N1/28—Preparing specimens for investigation including physical details of (bio-)chemical methods covered elsewhere, e.g. G01N33/50, C12Q
- G01N1/286—Preparing specimens for investigation including physical details of (bio-)chemical methods covered elsewhere, e.g. G01N33/50, C12Q involving mechanical work, e.g. chopping, disintegrating, compacting, homogenising
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N1/00—Sampling; Preparing specimens for investigation
- G01N1/28—Preparing specimens for investigation including physical details of (bio-)chemical methods covered elsewhere, e.g. G01N33/50, C12Q
- G01N1/286—Preparing specimens for investigation including physical details of (bio-)chemical methods covered elsewhere, e.g. G01N33/50, C12Q involving mechanical work, e.g. chopping, disintegrating, compacting, homogenising
- G01N2001/2866—Grinding or homogeneising
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明属于家蚕疾病检测技术领域，公开了一种家蚕血液型脓病的智能检测系统及方法，所述室内多品种家蚕血液型脓病的智能试验系统包括检测样品制备模块、检测样品储存模块、图像采集模块、光源控制模块、显示模块、中央处理模块、信号传输模块、云服务器、图像处理模块、数据判断输出模块、数据储存模块和语音提示模块。本发明通过对检测样品进行图像采集，并将采集图像与通过试验获取的结果进行对比识别，能够提高家蚕血液型脓病试验检测结果的准确度，避免外界因素的干扰；同时本发明在多品种家蚕血液型脓病试验检测过程中，能够进行语音辅助操作，使操作试验者更加准确完成操作，并且提高整体装置的智能性。
Description
技术领域
本发明属于家蚕疾病检测技术领域，尤其涉及一种家蚕血液型脓病的智能检测系统及方法。
背景技术
目前，养蚕后特别是发生过脓病的蚕室、蚕具等,如不经消毒重复使用,则容易导致传染而发病。养蚕室、簇室、贮桑室等,如消毒不彻底,都能成为病毒传染来源。不洁水源若来源于洗过蚕具的塘水,未经消毒即用作蚕室和贮桑室用水,同样可以成为传染源。病毒传染的主要途径有食下传染和创伤传染2种。病蚕流出的浓汁或病蚕尸体,发现尚未流出浓汁的病蚕,如立即拾除,可消灭再传染的机会；病蚕排出的蚕粪中带有大量病毒,会污染蚕座内的桑叶,造成蚕座内的传染,使病毒迅速蔓延。病毒经食下或创伤侵入蚕体后,能否引起发病及发病率高低与蚕体本身的许多因素及环境条件有密切关系。蚕体对疾病的抵抗能力一方面取决于自身遗传基因,另一方面也受到生长发育过程中周边环境的影响。为了检测血液型脓病，家蚕血液型脓病的智能检测系统发挥着关键性的作用。但是现有技术中室内多品种家蚕血液型脓病的智能试验过程中，易受到外部因素的影响，降低检测的结果。同时现有技术中室内多品种家蚕血液型脓病的智能试验过程中，只能依靠试验者的记忆进行试验操作，易错误操作。
通过上述分析，现有技术存在的问题及缺陷为：
(1)现有技术中室内多品种家蚕血液型脓病的智能检测过程中，易受到外部因素的影响，降低检测的结果。
(2)现有技术中室内多品种家蚕血液型脓病的智能检测过程中，只能依靠试验者的记忆进行试验操作，易错误操作。
发明内容
针对现有技术存在的问题，本发明提供了一种家蚕血液型脓病的智能检测系统及方法。
本发明是这样实现的，一种家蚕血液型脓病的智能检测方法，所述家蚕血液型脓病的智能检测方法包括：
步骤一，剪去蚕的尾角或腹足，制作血液样本，对蚕的尾角或腹足进行研磨，滴入相应的溶液，再进行精细研磨检测样品；
步骤二，将制作完成的检测样品放置在专门的温度调节保温箱内部，分成3份，一份作为检测样品，另两份作为备用样品；
步骤三，利用电子显微镜获取检测样品的样品图像，并对所获取的检测样品图像进行处理；
步骤四，将一份备用样品加入少量磷酸缓冲液过滤，滤液使用差速离心法反复离心至乳白色，收集沉淀，用少量的PBS悬浮静置；
步骤五，溶于适量TE(pH 8.0)中，加入等体积碱解液(pH 10.8)，37℃碱解4h；10％HAc调pH值至7～8；加SDS和蛋白酶K至终浓度分别为0.5％100μg/mL，37℃水浴3h；
步骤六，加1/10体积的3mol/L醋酸钠溶液；加3倍体的冰乙醇沉淀DNA，漂洗、风干后的基因组DNA溶于TE，贮存备用；
步骤七，在不同浓度的反应组分和不同反应时间条件下，在实时浊度仪中进行LAMP反应，每隔6s测定1次浊度值，根据浊度值绘制浊度变化曲线，当浊度值大于0.25即可判为阳性；
步骤八，根据家蚕血液型脓病试验获取的图像样本对检测样品图像进行识别，对检测输出的样品结果进行输出，若检测血液样本出现六角形，大小均匀，折光性较强，则判定为家蚕血液型脓病；
步骤九，通过利用扬声器，用以对结果和实验操作过程，进行提示播音；通过显示器，显示出检测过程中有关的数据；
步骤十，通过数据储存模块对图像进行分类存储，并通过信号传输模块与云服务器连接，实现数据的传输、下载和共享。
进一步，步骤一中，精细研磨采用的具体方法为：
将粗磨完成的家蚕血液型脓病检测样品放置在研磨槽中，将研磨棒垂直放置；
手持中间位置，顺时针研磨三圈，逆时针研磨三圈，不断重复操作；
在研磨过程中，不断对研磨的检测样品进行观察。
进一步，步骤三中，对所获取的检测样品图像进行处理的具体过程为：
获取相应的样品图像检测去噪训练样本，确定样品图像中的圆形邻域；
计算圆形邻域样品图像的灰度值，并对灰度值进行排序，取其中间值作为中心像素灰度的新值；
通过圆形邻域对整体图像进行平滑处理。
进一步，步骤六中，冰乙醇沉淀DNA时为-20℃沉淀，过夜；然后利用预冷的75％乙醇漂洗2次，风干后的基因组DNA溶于TE，-20℃贮存备用。
进一步，步骤七中，不同浓度的反应组分为2～12mmol/L MgSO4、0.2～1.2mol/LBetaine和0.6～1.6mmol/L dNTPs；
不同反应时间为20min、40min、60min和80min。
进一步，步骤十中，所述数据储存模块对图像进行分类存储的方法为：
根据获取的家蚕血液型脓病检测样品图像，提取相应的特征；
构建K-NN算法模型中邻元素作为家蚕血液型脓病检测样品图像解析参数，读取每个图像的特征，并将放入数组；
读取每一图像中的特征，对图像进行分类，对图像进行类别标签和图像序号。
进一步，所述根据获取的家蚕血液型脓病检测样品图像，提取相应的特征，所采用的图像特征提取过程为：
确定家蚕血液型脓病检测样品图像中的检测区域，计算检测区域中的像素；
根据像素的数据，对像素进行排序，选取中间像素，并对周围的像素进行替换；
计算检测区域中的直方图，对该直方图进行归一化处理；
将得到的每个cell的统计直方图进行连接成为一个特征向量，整幅图的LBP纹理特征向量。
本发明的另一目的在于提供一种实施所述的家蚕血液型脓病的智能检测方法的家蚕血液型脓病的智能检测系统，所述家蚕血液型脓病的智能检测系统包括：
检测样品制备模块，与中央处理模块连接，提取蚕的尾角或腹足，制作成血液样本，对蚕的尾角或腹足进行研磨，滴入相应的溶液，再进行精细研磨检测样品；
检测样品储存模块，与中央处理模块连接，将制作完成的检测样品放置在专门的温度调节保温箱内部，分成3份，一份作为检测样品，另两份作为备用样品；
图像采集模块，与中央处理模块连接，利用专门的电子显微镜，对检测样品，获取相应的样品图像；
光源控制模块，与中央处理模块连接，在检测过程中，对光源进行控制，提供合适的辅助光源；
中央处理模块，分别与检测样品制备模块、检测样品储存模块、图像采集模块、光源控制模块、显示模块、信号传输模块、图像处理模块、数据判断输出、数据储存模块和语音提示模块连接，实现对各个模块的正常运行控制；
图像处理模块，与中央处理模块连接，根据多品种家蚕血液型脓病试验，利用图像处理程序，对所获取的检测样品图像进行处理；
数据判断输出模块，与中央处理模块连接，根据处理完成后的所获取的检测样品，对检测输出的样品结果进行输出，检测血液样本出现六角形，大小均匀，折光性较强，则判定为家蚕血液型脓病。
进一步，所述家蚕血液型脓病的智能检测系统进一步包括：
信号传输模块，与中央处理模块连接，通过将整体系统设置无线路由器，连接对应的无线网络，支撑多种协议的网络连接；
云服务器，与信号传输模块连接，通过信号传输模块与云服务器连接，实现数据的传输、下载和共享；
显示模块，与中央处理模块连接，通过利用显示器，显示出检测过程中有关的数据；
数据储存模块，与中央处理模块连接，通过利用整体系统的储存模块，对相应的数据进行储存；
语音提示模块，与中央处理模块连接，通过利用扬声器，用以对结果和实验操作过程，进行提示播音。
结合上述的所有技术方案，本发明所具备的优点及积极效果为：本发明通过检测样品制备模块提取蚕的尾角或腹足，制作成血液样本，对蚕的尾角或腹足进行研磨，滴入相应的溶液，再进行精细研磨检测样品。检测样品储存模块将制作完成的检测样品放置在专门的温度调节保温箱内部，分成3份，一份作为检测样品，另两份作为备用样品。图像采集模块利用专门的电子显微镜，对检测样品，获取相应的样品图像。光源控制模块在检测过程中，对光源进行控制，提供合适的辅助光源。显示模块通过利用显示器，显示出检测过程中有关的数据。信号传输模块通过将整体系统设置无线路由器，连接对应的无线网络，支撑多种协议的网络连接。云服务器通过信号传输模块与云服务器连接，实现数据的传输、下载和共享。图像处理模块根据多品种家蚕血液型脓病试验，利用图像处理程序，对所获取的检测样品图像进行处理。数据判断输出根据处理完成后的所获取的检测样品，对检测输出的样品结果进行输出，检测血液样本出现六角形，大小均匀，折光性较强，则判定为家蚕血液型脓病。语音提示模块通过利用扬声器，用以对结果和实验操作过程，进行提示播音。本发明通过对检测样品进行图像采集，并将采集图像与通过试验获取的结果进行对比识别，能够提高家蚕血液型脓病试验检测结果的准确度，避免外界因素的干扰；同时本发明在多品种家蚕血液型脓病试验检测过程中，能够进行语音辅助操作，使操作试验者更加准确完成操作，并且提高整体装置的智能性。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例中所需要使用的附图做简单的介绍，显而易见地，下面所描述的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的家蚕血液型脓病的智能检测系统结构示意图。
图2是本发明实施例提供的家蚕血液型脓病的智能检测方法流程图。
图3是本发明实施例提供的家蚕血液型脓病检测样品精细研磨方法流程图。
图4是本发明实施例提供的样品图像去噪方法流程图。
图5是本发明实施例提供的数据储存模块对图像分类方法流程图。
图中：1、检测样品制备模块；2、检测样品储存模块；3、图像采集模块；4、光源控制模块；5、显示模块；6、中央处理模块；7、信号传输模块；8、云服务器；9、图像处理模块；10、数据判断输出；11、数据储存模块；12、语音提示模块。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
针对现有技术存在的问题，本发明提供了一种家蚕血液型脓病的智能检测系统及方法，下面结合附图对本发明作详细的描述。
如图1所示，本发明实施例提供的家蚕血液型脓病的智能检测系统包括：
检测样品制备模块1，与中央处理模块6连接，提取蚕的尾角或腹足，制作成血液样本，对蚕的尾角或腹足进行研磨，滴入相应的溶液，再进行精细研磨检测样品。
检测样品储存模块2，与中央处理模块6连接，将制作完成的检测样品放置在专门的温度调节保温箱内部，分成3份，一份作为检测样品，另两份作为备用样品。
图像采集模块3，与中央处理模块6连接，利用专门的电子显微镜，对检测样品，获取相应的样品图像。
光源控制模块4，与中央处理模块6连接，在检测过程中，对光源进行控制，提供合适的辅助光源。
显示模块5，与中央处理模块6连接，通过利用显示器，显示出检测过程中有关的数据。
中央处理模块6，分别与检测样品制备模块1、检测样品储存模块2、图像采集模块3、光源控制模块4、显示模块5、信号传输模块7、图像处理模块9、数据判断输出10、数据储存模块11和语音提示模块12连接，实现对各个模块的正常运行控制。
信号传输模块7，与中央处理模块6连接，通过将整体系统设置无线路由器，连接对应的无线网络，支撑多种协议的网络连接。
云服务器8，与信号传输模块7连接，通过信号传输模块与云服务器连接，实现数据的传输、下载和共享。
图像处理模块9，与中央处理模块6连接，根据多品种家蚕血液型脓病试验，利用图像处理程序，对所获取的检测样品图像进行处理。
数据判断输出模块10，与中央处理模块6连接，根据处理完成后的所获取的检测样品，对检测输出的样品结果进行输出，检测血液样本出现六角形，大小均匀，折光性较强，则判定为家蚕血液型脓病。
数据储存模块11，与中央处理模块6连接，通过利用整体系统的储存模块，对相应的数据进行储存。
语音提示模块12，与中央处理模块6连接，通过利用扬声器，用以对结果和实验操作过程，进行提示播音。
如图2所示，本发明实施例提供的家蚕血液型脓病的智能检测方法，包括：
S101，剪去蚕的尾角或腹足，制作血液样本，对蚕的尾角或腹足进行研磨，滴入相应的溶液，再进行精细研磨检测样品；
S102，将制作完成的检测样品放置在专门的温度调节保温箱内部，分成3份，一份作为检测样品，另两份作为备用样品；
S103，利用电子显微镜获取检测样品的样品图像，并对所获取的检测样品图像进行处理；
S104，将一份备用样品加入少量磷酸缓冲液过滤，滤液使用差速离心法反复离心至乳白色，收集沉淀，用少量的PBS悬浮静置；
S105，溶于适量TE(pH 8.0)中，加入等体积碱解液(pH 10.8)，37℃碱解4h；10％HAc调pH值至7～8；加SDS和蛋白酶K至终浓度分别为0.5％100μg/mL，37℃水浴3h；
S106，加1/10体积的3mol/L醋酸钠溶液；加3倍体的冰乙醇沉淀DNA，漂洗、风干后的基因组DNA溶于TE，贮存备用；
S107，在不同浓度的反应组分和不同反应时间条件下，在实时浊度仪中进行LAMP反应，每隔6s测定1次浊度值，根据浊度值绘制浊度变化曲线，当浊度值大于0.25即可判为阳性；
S108，根据家蚕血液型脓病试验获取的图像样本对检测样品图像进行识别，对检测输出的样品结果进行输出，若检测血液样本出现六角形，大小均匀，折光性较强，则判定为家蚕血液型脓病；
S109，通过利用扬声器，用以对结果和实验操作过程，进行提示播音；通过显示器，显示出检测过程中有关的数据；
S110，通过数据储存模块对图像进行分类存储，并通过信号传输模块与云服务器连接，实现数据的传输、下载和共享。
如图3所示，本发明实施例中的步骤S101中，精细研磨采用的具体方法为：
S201：将粗磨完成的家蚕血液型脓病检测样品放置在研磨槽中，将研磨棒垂直放置；
S202：手持中间位置，顺时针研磨三圈，逆时针研磨三圈，不断重复操作；
S203：在研磨过程中，不断对研磨的检测样品进行观察。
如图4所示，本发明实施例中的步骤S103中，对所获取的检测样品图像进行处理的具体过程为：
S301：获取相应的样品图像检测去噪训练样本，确定样品图像中的圆形邻域；
S302：计算圆形邻域样品图像的灰度值，并对灰度值进行排序，取其中间值作为中心像素灰度的新值；
S303：通过圆形邻域对整体图像进行平滑处理。
本发明实施例中的步骤S106中，冰乙醇沉淀DNA时为-20℃沉淀，过夜；然后利用预冷的75％乙醇漂洗2次，风干后的基因组DNA溶于TE，-20℃贮存备用。
本发明实施例中的步骤S107中，不同浓度的反应组分为2～12mmol/L MgSO4、0.2～1.2mol/LBetaine和0.6～1.6mmol/L dNTPs；
不同反应时间为20min、40min、60min和80min。
如图5所示，本发明实施例中的步骤S110中，所述数据储存模块对图像进行分类存储的方法为：
S401：根据获取的家蚕血液型脓病检测样品图像，提取相应的特征；
S402：构建K-NN算法模型中邻元素作为家蚕血液型脓病检测样品图像解析参数，读取每个图像的特征，并将放入数组；
S403：读取每一图像中的特征，对图像进行分类，对图像进行类别标签和图像序号。
本发明实施例中根据获取的家蚕血液型脓病检测样品图像，提取相应的特征，所采用的图像特征提取过程为：
确定家蚕血液型脓病检测样品图像中的检测区域，计算检测区域中的像素；
根据像素的数据，对像素进行排序，选取中间像素，并对周围的像素进行替换；
计算检测区域中的直方图，对该直方图进行归一化处理；
将得到的每个cell的统计直方图进行连接成为一个特征向量，整幅图的LBP纹理特征向量。
本发明中的检测样品制备模块1提取蚕的尾角或腹足，制作成血液样本，对蚕的尾角或腹足进行研磨，滴入相应的溶液，再进行研磨支撑检测样品；检测样品储存模块2将制作完成的检测样品放置在专门的温度调节保温箱内部，分成3份，一份作为检测样品，另两份作为备用样品。图像采集模块3利用专门的电子显微镜，对检测样品，获取相应的样品图像；光源控制模块4在检测过程中，对光源进行控制，提供合适的辅助光源。
根据检测的数据样本，中央处理模块6，分别与检测样品制备模块1、检测样品储存模块2、图像采集模块3、光源控制模块4、显示模块5、信号传输模块7、图像处理模块9、数据判断输出10、数据储存模块11和语音提示模块12连接，实现对各个模块的正常运行控制。图像处理模块9根据多品种家蚕血液型脓病试验，利用图像处理程序，对所获取的检测样品图像进行处理；数据判断输出10根据处理完成后的所获取的检测样品，对检测输出的样品进行输出，检测血液样本出现六角形，大小均匀，折光性较强，则判定为家蚕血液型脓病。数据储存模块11，通过利用整体系统的储存模块，对相应的数据进行储存；语音提示模块12，通过利用扬声器，用以对结果和实验操作过程，进行提示播音；显示模块5，通过利用显示器，显示出检测过程中有关的数据。信号传输模块7通过将整体系统设置无线路由器，连接对应的无线网络，支撑多种协议的网络连接；云服务器8通过信号传输模块与云服务器连接，实现数据的传输、下载和共享。
以上所述，仅为本发明较优的具体的实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种家蚕血液型脓病的智能检测方法，其特征在于，所述家蚕血液型脓病的智能检测方法包括：
步骤一，剪去蚕的尾角或腹足，制作血液样本，对蚕的尾角或腹足进行研磨，滴入相应的溶液，再进行精细研磨检测样品；
步骤二，将制作完成的检测样品放置在专门的温度调节保温箱内部，分成3份，一份作为检测样品，另两份作为备用样品；
步骤三，利用电子显微镜获取检测样品的样品图像，并对所获取的检测样品图像进行处理；
步骤四，将一份备用样品加入少量磷酸缓冲液过滤，滤液使用差速离心法反复离心至乳白色，收集沉淀，用少量的PBS悬浮静置；
步骤五，溶于适量TE中，加入等体积碱解液，37℃碱解4h；10％HAc调pH值至7～8；加SDS和蛋白酶K至终浓度分别为0.5％100μg/mL，37℃水浴3h；
步骤六，加1/10体积的3mol/L醋酸钠溶液；加3倍体的冰乙醇沉淀DNA，漂洗、风干后的基因组DNA溶于TE，贮存备用；
步骤七，在不同浓度的反应组分和不同反应时间条件下，在实时浊度仪中进行LAMP反应，每隔6s测定1次浊度值，根据浊度值绘制浊度变化曲线，当浊度值大于0.25即可判为阳性；
步骤八，根据家蚕血液型脓病试验获取的图像样本对检测样品图像进行识别，对检测输出的样品结果进行输出，若检测血液样本出现六角形，大小均匀，折光性较强，则判定为家蚕血液型脓病；
步骤九，通过利用扬声器，用以对结果和实验操作过程，进行提示播音；通过显示器，显示出检测过程中有关的数据；
步骤十，通过数据储存模块对图像进行分类存储，并通过信号传输模块与云服务器连接，实现数据的传输、下载和共享。
2.如权利要求1所述的家蚕血液型脓病的智能检测方法，其特征在于，步骤一中，精细研磨采用的具体方法为：
将粗磨完成的家蚕血液型脓病检测样品放置在研磨槽中，将研磨棒垂直放置；
手持中间位置，顺时针研磨三圈，逆时针研磨三圈，不断重复操作；
在研磨过程中，不断对研磨的检测样品进行观察。
3.如权利要求1所述的家蚕血液型脓病的智能检测方法，其特征在于，步骤三中，对所获取的检测样品图像进行处理的具体过程为：
获取相应的样品图像检测去噪训练样本，确定样品图像中的圆形邻域；
计算圆形邻域样品图像的灰度值，并对灰度值进行排序，取其中间值作为中心像素灰度的新值；
通过圆形邻域对整体图像进行平滑处理。
4.如权利要求1所述的家蚕血液型脓病的智能检测方法，其特征在于，步骤六中，冰乙醇沉淀DNA时为-20℃沉淀，过夜；然后利用预冷的75％乙醇漂洗2次，风干后的基因组DNA溶于TE，-20℃贮存备用。
5.如权利要求1所述的家蚕血液型脓病的智能检测方法，其特征在于，步骤七中，不同浓度的反应组分为2～12mmol/L MgSO4、0.2～1.2mol/L Betaine和0.6～1.6mmol/LdNTPs；
不同反应时间为20min、40min、60min和80min。
6.如权利要求1所述的家蚕血液型脓病的智能检测方法，其特征在于，所述数据储存模块对图像进行分类存储的方法为：
根据获取的家蚕血液型脓病检测样品图像，提取相应的特征；
构建K-NN算法模型中邻元素作为家蚕血液型脓病检测样品图像解析参数，读取每个图像的特征，并将放入数组；
读取每一图像中的特征，对图像进行分类，对图像进行类别标签和图像序号。
7.如权利要求6所述的家蚕血液型脓病的智能检测方法，其特征在于，所述根据获取的家蚕血液型脓病检测样品图像，提取相应的特征，所采用的图像特征提取过程为：
确定家蚕血液型脓病检测样品图像中的检测区域，计算检测区域中的像素；
根据像素的数据，对像素进行排序，选取中间像素，并对周围的像素进行替换；
计算检测区域中的直方图，对该直方图进行归一化处理；
将得到的每个cell的统计直方图进行连接成为一个特征向量，整幅图的LBP纹理特征向量。
8.一种实施如权利要求1-7所述的家蚕血液型脓病的智能检测方法的家蚕血液型脓病的智能检测系统，其特征在于，所述家蚕血液型脓病的智能检测系统包括：
检测样品制备模块，与中央处理模块连接，提取蚕的尾角或腹足，制作成血液样本，对蚕的尾角或腹足进行研磨，滴入相应的溶液，再进行精细研磨检测样品；
检测样品储存模块，与中央处理模块连接，将制作完成的检测样品放置在专门的温度调节保温箱内部，分成3份，一份作为检测样品，另两份作为备用样品；
图像采集模块，与中央处理模块连接，利用专门的电子显微镜，对检测样品，获取相应的样品图像；
光源控制模块，与中央处理模块连接，用于在检测过程中，对光源进行控制，提供合适的辅助光源；
中央处理模块，分别与检测样品制备模块、检测样品储存模块、图像采集模块、光源控制模块、显示模块、信号传输模块、图像处理模块、数据判断输出、数据储存模块和语音提示模块连接，实现对各个模块的正常运行控制；
图像处理模块，与中央处理模块连接，根据多品种家蚕血液型脓病试验，利用图像处理程序，对所获取的检测样品图像进行处理；
数据判断输出模块，与中央处理模块连接，根据处理完成后的所获取的检测样品，对检测输出的样品结果进行输出，检测血液样本出现六角形，大小均匀，折光性较强，则判定为家蚕血液型脓病；
信号传输模块，与中央处理模块连接，通过将整体系统设置无线路由器，连接对应的无线网络，支撑多种协议的网络连接；
云服务器，与信号传输模块连接，通过信号传输模块与云服务器连接，实现数据的传输、下载和共享；
显示模块，与中央处理模块连接，通过利用显示器，显示出检测过程中有关的数据；
数据储存模块，与中央处理模块连接，通过利用整体系统的储存模块，对相应的数据进行储存；
语音提示模块，与中央处理模块连接，通过利用扬声器，用以对结果和实验操作过程，进行提示播音。
9.一种存储在计算机可读介质上的计算机程序产品，包括计算机可读程序，供于电子装置上执行时，提供用户输入接口以实施如权利要求1～6任意一项所述的家蚕血液型脓病的智能检测方法。
10.一种计算机可读存储介质，储存有指令，当所述指令在计算机上运行时，使得计算机执行如权利要求1～6任意一项所述的家蚕血液型脓病的智能检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010813793.4A CN111999317A (zh) | 2020-08-13 | 2020-08-13 | 一种家蚕血液型脓病的智能检测系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010813793.4A CN111999317A (zh) | 2020-08-13 | 2020-08-13 | 一种家蚕血液型脓病的智能检测系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111999317A true CN111999317A (zh) | 2020-11-27 |
Family
ID=73472221
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010813793.4A Pending CN111999317A (zh) | 2020-08-13 | 2020-08-13 | 一种家蚕血液型脓病的智能检测系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111999317A (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100055701A1 (en) * | 2008-08-27 | 2010-03-04 | Yigang Tong | Fusion proteins for imaging the nucleus and chromosomes of live cells |
| CN106868222A (zh) * | 2017-04-07 | 2017-06-20 | 江苏大学 | 一种检测家蚕二分浓核病毒的lamp引物及其试剂盒 |
-
2020
- 2020-08-13 CN CN202010813793.4A patent/CN111999317A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100055701A1 (en) * | 2008-08-27 | 2010-03-04 | Yigang Tong | Fusion proteins for imaging the nucleus and chromosomes of live cells |
| CN106868222A (zh) * | 2017-04-07 | 2017-06-20 | 江苏大学 | 一种检测家蚕二分浓核病毒的lamp引物及其试剂盒 |
Non-Patent Citations (8)
| Title |
|---|
| 唐芬芬 等: "应用环介导等温扩增技术( LAMP) 快速检测家蚕核型多角体病毒的研究" * |
| 唐芬芬;张永红;邵榆岚;朱峰;白兴荣;: "云南家蚕核型多角体病毒分离株的毒力测定及系统进化分析" * |
| 唐芬芬;杨伟克;邵榆岚;谢道燕;廖鹏飞;杨海;白兴荣;: "应用环介导等温扩增技术(LAMP)快速检测家蚕核型多角体病毒的研究" * |
| 李俊;屈达才;邱靖芸;: "家蚕核型多角体病毒多角体的快速提取方法" * |
| 梁湘;李俊;陈慧珠;卓秋红;龙羽燕;屈达才;: "家蚕核型多角体病毒LAMP可视化检测技术的建立" * |
| 费伟英: "蚕病的早期诊断方法" * |
| 赵献立;王志明;: "机器学习算法在农业机器视觉系统中的应用" * |
| 黄宏华,蔡健荣: "利用计算机视觉检测家蚕微粒子病的改进研究" * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8755571B2 (en) | Image method for classifying insects and classifying process for insects | |
| CN102124964B (zh) | 海水养殖智能化管理系统 | |
| CN113283352B (zh) | 一种基于显微图像的类器官活力评价方法及系统 | |
| CN115662538B (zh) | 毒性预测模型的构建方法及预测模型、预测方法及装置 | |
| CN113128385B (zh) | 一种有毒藻类监测预警方法及系统 | |
| CN116434226B (zh) | 循环肿瘤细胞分析仪 | |
| CN112634987A (zh) | 一种单样本肿瘤dna拷贝数变异检测的方法和装置 | |
| CN107449717A (zh) | 一种测定睡莲科植物基因组大小的方法 | |
| CN111999317A (zh) | 一种家蚕血液型脓病的智能检测系统及方法 | |
| Luo et al. | Detection and quantification of cotton trichomes by deep learning algorithm | |
| CN112507821B (zh) | 基于高内涵成像的细胞耐药性检测方法、介质及电子设备 | |
| CN113421221A (zh) | 一种检测早期iPSCs质量的方法、存储介质及装置 | |
| Vijayan et al. | A deep learning-based toolkit for 3D nuclei segmentation and quantitative analysis in cellular and tissue context | |
| CN115330690A (zh) | 基于线段检测的脆杆藻群体中细胞个体的计数方法及系统 | |
| CN107991977A (zh) | 一种水产养殖智能监控系统及其监控方法 | |
| CN112568183A (zh) | 一种基于物联网的家禽育种选种系统及选种方法 | |
| Rozov et al. | FlowerMorphology: fully automatic flower morphometry software | |
| CN113723400A (zh) | 一种基于红外图像的电解槽极板故障识别方法、系统、终端及可读存储介质 | |
| CN112614104A (zh) | 一种红细胞重叠的分割计数方法及终端 | |
| CN112329537A (zh) | 一种基于yolov3算法的粪便有形成分的检测方法 | |
| CN112322690B (zh) | 一种基于心肌细胞兴奋收缩偶联信号检测苦味物质的方法 | |
| Askari Asli Ardeh et al. | Diagnosis of Rice Blast Disease in Different Environmental Conditions using Image Processing Technique | |
| Wang et al. | A cell counting method for BEVS based on nonlinear Transformed Sliding Band Filter | |
| Duran et al. | Phytoplankton Detection using Faster R-CNN for Greenwater Quality Monitoring | |
| WO2024138679A1 (zh) | 一种组织切片数据异质性的评估方法以及相关设备 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201127 |