CN113538386A - 一种菌落计数方法、装置、存储介质、设备 - Google Patents
一种菌落计数方法、装置、存储介质、设备 Download PDFInfo
- Publication number
- CN113538386A CN113538386A CN202110829755.2A CN202110829755A CN113538386A CN 113538386 A CN113538386 A CN 113538386A CN 202110829755 A CN202110829755 A CN 202110829755A CN 113538386 A CN113538386 A CN 113538386A
- Authority
- CN
- China
- Prior art keywords
- colony
- time
- colonies
- monitoring
- interval
- 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
- 238000000034 method Methods 0.000 title claims abstract description 37
- 230000001580 bacterial effect Effects 0.000 title claims abstract description 31
- 238000003860 storage Methods 0.000 title claims abstract description 15
- 238000012544 monitoring process Methods 0.000 claims abstract description 84
- 238000001514 detection method Methods 0.000 claims abstract description 29
- 230000012010 growth Effects 0.000 claims abstract description 22
- 238000004590 computer program Methods 0.000 claims description 14
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 230000009466 transformation Effects 0.000 claims description 3
- 244000005700 microbiome Species 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 8
- 241000894006 Bacteria Species 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000003698 anagen phase Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000000813 microbial effect Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000006641 stabilisation Effects 0.000 description 2
- 238000011105 stabilization Methods 0.000 description 2
- 102000004190 Enzymes Human genes 0.000 description 1
- 108090000790 Enzymes Proteins 0.000 description 1
- 230000005526 G1 to G0 transition Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000032823 cell division Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 229910003460 diamond Inorganic materials 0.000 description 1
- 239000010432 diamond Substances 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000006799 invasive growth in response to glucose limitation Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000004060 metabolic process Effects 0.000 description 1
- 239000002207 metabolite Substances 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 229930000044 secondary metabolite Natural products 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
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
- G06T7/0012—Biomedical image inspection
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30242—Counting objects in image
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Apparatus Associated With Microorganisms And Enzymes (AREA)
Abstract
本发明属于微生物监测领域,提供了一种菌落计数方法、装置、存储介质、设备。该方法包括,根据菌落类型和生物的典型生长曲线,设置生长温度、菌落数超标阈值数量以及最长检测时间;获取菌落图像,确定菌落数;考虑菌落数与菌落数超标阈值数量的数值关系,结合最长检测时间,自动调整下一次监测该菌落的时间间隔。
Description
技术领域
本发明属于微生物检测技术领域,尤其涉及一种菌落计数方法、装置、存储介质、设备。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息,不必然构成在先技术。
微生物检测是农业、食品、医药卫生分析中进行质量监测的一项基本而重要的工作,金标准是确定菌落总数。由于试验样品量往往很大,传统的人工观察计数不仅工序繁杂、耗时长、效率低,而且有一定的主观性,误差大,所以亟需改进。近年来,国内已有一些关于菌落自动计数系统开发的研究,但是其设备都是在培养标准规定时间之后再进行计数,这种方式延长了监测的时间。
发明内容
为了解决上述背景技术中存在的技术问题,本发明提供一种菌落计数方法、装置、存储介质、设备,其根据设置的参数结合采集的菌落生长情况,做到自动监测,在菌落数量超标的情况下,可以极大的缩短监测时间。
为了实现上述目的,本发明采用如下技术方案:
本发明的第一个方面提供一种菌落计数方法。
一种菌落计数方法,包括:
根据菌落类型和生物的典型生长曲线,设置生长温度、菌落数超标阈值数量以及最长检测时间;
获取菌落图像,确定菌落数;考虑菌落数与菌落数超标阈值数量的数值关系,结合最长检测时间,自动调整下一次监测该菌落的时间间隔。
进一步的,所述考虑菌落数与菌落数超标阈值数量的数值关系,结合最长检测时间,自动调整下一次监测该菌落的时间间隔包括:
当菌落数为零时,下一次监测该菌落的间隔时间为设定的时间;
当菌落数为第一阈值范围时,下一次监测该菌落的间隔时间为第一时间值;
当菌落数为第二阈值范围时,下一次监测该菌落的间隔时间为第二时间值;
当菌落数为第三阈值范围时,下一次监测该菌落的间隔时间为第三时间值;
当菌落数达到菌落数超标阈值数量或者该菌落的总监测时间达到最长检测时间时,结束监测。
进一步的,所述第一阈值范围、第二阈值范围、第三阈值范围均为菌落数在菌落数超标阈值数量中的占比。
进一步的,所述考虑菌落数与菌落数超标阈值数量的数值关系,结合最长检测时间,自动调整下一次监测该菌落的时间间隔包括:
所述考虑菌落数与菌落数超标阈值数量的数值关系,结合最长检测时间,自动调整下一次监测该菌落的时间间隔包括:
当菌落数为零时,下一次监测该菌落的间隔时间为4小时;
当菌落数大于0且小于n/5时,下一次监测该菌落的间隔时间为4小时;
当菌落数大于等于n/5且小于3n/5时,下一次监测该菌落的间隔时间为2小时;
当菌落数大于等于3n/5且小于n时,下一次监测该菌落的间隔时间为1小时;
当菌落数达到菌落数超标阈值数量或者该菌落的总监测时间达到最长检测时间时,结束监测;
其中,n为菌落数超标阈值数量。
进一步的,所述获取菌落图像,确定菌落数包括:采用OpenCV软件,对菌落图像进行处理,得到菌落数。具体的,采用自适应阈值化算法获取二值化后的图像,使用图像形态学中的开、闭运算,剔除菌落细小的粘连部分、边缘突起干扰部分,然后通过距离变换计算图像的局部最大值,确定菌落的中心,统计最大值的数量,确定菌落数。
本发明的第二个方面提供一种菌落计数装置。
一种菌落计数装置,包括:摄像机和上位机,所述摄像机用于拍摄菌落图像;所述上位机用于接收摄像机传输的菌落图像,然后根据菌落图像,确定菌落数;考虑菌落数与菌落数超标阈值数量的数值关系,结合最长检测时间,自动调整下一次监测该菌落的时间间隔,并将下一次需要监测该菌落的时间间隔传输给摄像头。
进一步的,所述考虑菌落数与菌落数超标阈值数量的数值关系,结合最长检测时间,自动调整下一次监测该菌落的时间间隔包括:
当菌落数为零时,下一次监测该菌落的间隔时间为设定的时间;
当菌落数为第一阈值范围时,下一次监测该菌落的间隔时间为第一时间值;
当菌落数为第二阈值范围时,下一次监测该菌落的间隔时间为第二时间值;
当菌落数为第三阈值范围时,下一次监测该菌落的间隔时间为第三时间值;
当菌落数达到菌落数超标阈值数量或者该菌落的总监测时间达到最长检测时间时,结束监测。
进一步的,所述第一阈值范围、第二阈值范围、第三阈值范围均为菌落数在菌落数超标阈值数量中的占比。
本发明的第三个方面提供一种计算机可读存储介质。
一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上述第一个方面所述的菌落计数方法中的步骤。
本发明的第四个方面提供一种计算机设备。
一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述第一个方面所述的菌落计数方法中的步骤。
与现有技术相比,本发明的有益效果是:
本发明根据微生物的典型生长曲线,摄像头通过监测的菌落生长情况自动调整下一次监测时间,菌落生长数量越多,监测频率越快。在菌落数量超标的情况下,可以极大的缩短监测时间。
本发明附加方面的优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。
图1是本发明菌落计数方法的流程图;
图2是微生物的典型生长曲线图;
图3是采用OpenCV对菌落生长的图片进行计数分析的流程图。
具体实施方式
下面结合附图与实施例对本发明作进一步说明。
应该指出,以下详细说明都是例示性的,旨在对本发明提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本发明的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
需要注意的是,附图中的流程图和框图示出了根据本公开的各种实施例的方法的可能实现的体系架构、功能和操作。应当注意,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,所述模块、程序段、或代码的一部分可以包括一个或多个用于实现各个实施例中所规定的逻辑功能的可执行指令。也应当注意,在有些作为备选的实现中,方框中所标注的功能也可以按照不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,或者它们有时也可以按照相反的顺序执行,这取决于所涉及的功能。同样应当注意的是,流程图和/或框图中的每个方框、以及流程图和/或框图中的方框的组合,可以使用执行规定的功能或操作的专用的基于硬件的装置来实现,或者可以使用专用硬件与计算机指令的组合来实现。
实施例一:
如图1所示,本实施例提供了一种菌落计数方法,本实施例提供了一种菌落计数方法,本实施例以该方法应用于服务器进行举例说明,可以理解的是,该方法也可以应用于终端,还可以应用于包括终端和服务器和系统,并通过终端和服务器的交互实现。服务器可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务器、云通信、中间件服务、域名服务、安全服务CDN、以及大数据和人工智能平台等基础云计算服务的云服务器。终端可以是智能手机、平板电脑、笔记本电脑、台式计算机等,但并不局限于此。终端以及服务器可以通过有线或无线通信方式进行直接或间接地连接,本申请在此不做限制。本实施例中,该方法包括以下步骤:
根据菌落类型和生物的典型生长曲线,设置生长温度、菌落数超标阈值数量以及最长检测时间;
获取菌落图像,确定菌落数;考虑菌落数与菌落数超标阈值数量的数值关系,结合最长检测时间,自动调整下一次监测该菌落的时间间隔。
如上图2所示:①②为延迟期,③④为对数生长期,⑤为稳定期,⑥为衰亡期。
延迟期:细菌代谢活跃,大量合成细胞分裂所需的酶类、ATP以及其他细胞成分;
对数生长期:细菌代谢旺盛,个体的形态和生理特性比较稳定;
稳定期:有害代谢产物积累,新增细胞数目与死亡细胞数目达到动态平衡,次级代谢产物大量积累,形成芽孢;
衰亡期:细菌数目急剧下降,出现畸形细菌,衰亡期的细菌和无机环境的斗争最激烈。
在整个微生物生长周期中由于延迟期的微生物还没有开始分裂或者生长的状态不明显所以识别时间都控制在对数生长期和稳定期。一般情况下细菌的监测时间为48小时,在12-16小时会有明显的变化,则本实施例的监测时间可以根据菌落数量的变化自动调整,菌落数量生长越快,监测的频率越快。在菌落数量超标的情况下,可以提前结束监测时间,节约时间成本。
图像识别算法分为两部分,一部分是使用开源的OpenCV软件框架,对摄像头拍摄菌落生长的图片进行处理分析,计算出菌落的总数。如图3所示:
传统的全局阈值的过程中,对于亮度分布差异比较大、对比度不明显的图像,常常无法找到一个合适的阈值使所有的菌落给区分出来,往往会出现菌落丢失的情况,进而影响下一步的菌落分析。本实施例采用自适应阈值化算法,能够根据图像不同区域亮度分布,采用不同的阈值,能够很好的呈现菌落的细节。由于受到噪声的影响,二值化后的图像,不可避免地会出现孤立的点、毛刺、孔洞等情况,选择了5*5的菱形结构元素进行形态学中的开闭运算,可以剔除菌落细小的粘连部分、边缘突起干扰部分,同时,修复了菌落内部的小的孔洞。可以提高下一步的图像分析效率。
通常情况下,菌落总的形状为圆形、椭圆形,或者是两个或多个菌落叠加的形状,将多个叠加的菌落打断可以很好的提高菌落计数的准确性。使用距离变换搜索局部最大值,可以得到菌落的中心;统计局部最大值的数量,再删除不符合菌落形态的数量,即可得到最终的菌落数量。这种方式避免了常用的分水岭算法的过度分割的缺点,有效的提高了计数的准确性。
另一部分是控制摄像头监测菌落生长情况,针对每次采集的菌落生长数量自动调整下一次采集的间隔时间,举例说明:将采样后的接触碟放入设备中,设置好要采集的细菌类型、生长温度、超标阈值数量n(250个)、最长监测时间t(48h)等参数,第一次监测时间为t/12=4h,即设备就绪后,摄像头等待4小时开始监测,得到菌落数为x。
将阈值分为3个范围:1~n/5(1~50个),n/5~3n/5(50~150个),3n/5~n(150~250个),当监测菌落数大于等于0且小于n/5时,下一次监测间隔时间仍为4h;当监测菌落数大于等于n/5且小于3n/5时,下一次监测间隔时间调整为t/24=2h;当监测菌落数大于等于3n/5且小于n时,下一次监测间隔时间调整为t/48=1h;当监测菌落数大于等于n时,即可结束监测过程。如果菌落数不超标,则按照计算的间隔时间进行监测,直到达到最长监测时结束。
当监测菌落数量等于0时,得出下一次间隔时间为:
y=t/12 ①
当监测菌落数量大于0时,得出下一次间隔时间的计算公式为:
y=t/(12*2([x/(n/5)]+1)) ②
其中,x为当前监测的菌落数量,n为超标的阈值数量,t为最长监测时间,[]为取整,/为除,*为乘。
实施例二
本实施例提供了一种菌落计数装置。
一种菌落计数装置,包括:摄像机和上位机,所述摄像机用于拍摄菌落图像;所述上位机用于接收摄像机传输的菌落图像,然后根据菌落图像,确定菌落数;考虑菌落数与菌落数超标阈值数量的数值关系,结合最长检测时间,自动调整下一次监测该菌落的时间间隔,并将下一次需要监测该菌落的时间间隔传输给摄像头。
作为一种或多种实施方式,所述考虑菌落数与菌落数超标阈值数量的数值关系,结合最长检测时间,自动调整下一次监测该菌落的时间间隔包括:
当菌落数为零时,下一次监测该菌落的间隔时间为设定的时间;
当菌落数为第一阈值范围时,下一次监测该菌落的间隔时间为第一时间值;
当菌落数为第二阈值范围时,下一次监测该菌落的间隔时间为第二时间值;
当菌落数为第三阈值范围时,下一次监测该菌落的间隔时间为第三时间值;
当菌落数达到菌落数超标阈值数量或者该菌落的总监测时间达到最长检测时间时,结束监测。
作为一种或多种实施方式,所述第一阈值范围、第二阈值范围、第三阈值范围均为菌落数在菌落数超标阈值数量中的占比。
实施例三
本实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上述实施例一所述的菌落计数方法中的步骤。
实施例四
本实施例提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述实施例一所述的菌落计数方法中的步骤。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(RandomAccessMemory,RAM)等。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种菌落计数方法,其特征在于,包括:
根据菌落类型和生物的典型生长曲线,设置生长温度、菌落数超标阈值数量以及最长检测时间;
获取菌落图像,确定菌落数;考虑菌落数与菌落数超标阈值数量的数值关系,结合最长检测时间,自动调整下一次监测该菌落的时间间隔。
2.根据权利要求1所述的菌落计数方法,其特征在于,所述考虑菌落数与菌落数超标阈值数量的数值关系,结合最长检测时间,自动调整下一次监测该菌落的时间间隔包括:
当菌落数为零时,下一次监测该菌落的间隔时间为设定的时间;
当菌落数为第一阈值范围时,下一次监测该菌落的间隔时间为第一时间值;
当菌落数为第二阈值范围时,下一次监测该菌落的间隔时间为第二时间值;
当菌落数为第三阈值范围时,下一次监测该菌落的间隔时间为第三时间值;
当菌落数达到菌落数超标阈值数量或者该菌落的总监测时间达到最长检测时间时,结束监测。
3.根据权利要求2所述的菌落计数方法,其特征在于,所述第一阈值范围、第二阈值范围、第三阈值范围均为菌落数在菌落数超标阈值数量中的占比。
4.根据权利要求1所述的菌落计数方法,其特征在于,所述考虑菌落数与菌落数超标阈值数量的数值关系,结合最长检测时间,自动调整下一次监测该菌落的时间间隔包括:
所述考虑菌落数与菌落数超标阈值数量的数值关系,结合最长检测时间,自动调整下一次监测该菌落的时间间隔包括:
当菌落数为零时,下一次监测该菌落的间隔时间为4小时;
当菌落数大于等于0且小于n/5时,下一次监测该菌落的间隔时间为4小时;
当菌落数大于等于n/5且小于3n/5时,下一次监测该菌落的间隔时间为2小时;
当菌落数大于等于3n/5且小于n时,下一次监测该菌落的间隔时间为1小时;
当菌落数达到菌落数超标阈值数量或者该菌落的总监测时间达到最长检测时间时,结束监测;
其中,n为菌落数超标阈值数量。
5.根据权利要求1所述的菌落计数方法,其特征在于,所述确定菌落数包括:采用自适应阈值化算法获取二值化后的图像,使用图像形态学中的开、闭运算,剔除菌落细小的粘连部分、边缘突起干扰部分,然后通过距离变换计算图像的局部最大值,确定菌落的中心,统计最大值的数量,确定菌落数。
6.一种菌落计数装置,其特征在于,包括:摄像机和上位机,所述摄像机用于拍摄菌落图像;所述上位机用于接收摄像机传输的菌落图像,然后根据菌落图像,确定菌落数;考虑菌落数与菌落数超标阈值数量的数值关系,结合最长检测时间,自动调整下一次监测该菌落的时间间隔,并将下一次需要监测该菌落的时间间隔传输给摄像头。
7.根据权利要求6所述的菌落计数装置,其特征在于,所述考虑菌落数与菌落数超标阈值数量的数值关系,结合最长检测时间,自动调整下一次监测该菌落的时间间隔包括:
当菌落数为零时,下一次监测该菌落的间隔时间为设定的时间;
当菌落数为第一阈值范围时,下一次监测该菌落的间隔时间为第一时间值;
当菌落数为第二阈值范围时,下一次监测该菌落的间隔时间为第二时间值;
当菌落数为第三阈值范围时,下一次监测该菌落的间隔时间为第三时间值;
当菌落数达到菌落数超标阈值数量或者该菌落的总监测时间达到最长检测时间时,结束监测。
8.根据权利要求6所述的菌落计数装置,其特征在于,所述第一阈值范围、第二阈值范围、第三阈值范围均为菌落数在菌落数超标阈值数量中的占比。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-5中任一项所述的菌落计数方法中的步骤。
10.一种计算机设备,包括存储器、处理器及存储在存储器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如权利要求1-5中任一项所述的菌落计数方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110829755.2A CN113538386A (zh) | 2021-07-22 | 2021-07-22 | 一种菌落计数方法、装置、存储介质、设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110829755.2A CN113538386A (zh) | 2021-07-22 | 2021-07-22 | 一种菌落计数方法、装置、存储介质、设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113538386A true CN113538386A (zh) | 2021-10-22 |
Family
ID=78120459
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110829755.2A Pending CN113538386A (zh) | 2021-07-22 | 2021-07-22 | 一种菌落计数方法、装置、存储介质、设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113538386A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102676633A (zh) * | 2012-03-08 | 2012-09-19 | 天津大学 | 一种菌落自动计数方法 |
CN107515571A (zh) * | 2017-07-12 | 2017-12-26 | 广东美的制冷设备有限公司 | 监测数据采集方法和装置、系统 |
CN109446023A (zh) * | 2018-10-12 | 2019-03-08 | 上海东土远景工业科技有限公司 | 一种数据采集周期的确定方法、装置、设备及存储介质 |
CN111178173A (zh) * | 2019-12-14 | 2020-05-19 | 杭州电子科技大学 | 一种目标菌落生长特征识别方法 |
CN112686857A (zh) * | 2020-12-29 | 2021-04-20 | 中国科学院苏州生物医学工程技术研究所 | 高通量多种类菌落计数方法 |
-
2021
- 2021-07-22 CN CN202110829755.2A patent/CN113538386A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102676633A (zh) * | 2012-03-08 | 2012-09-19 | 天津大学 | 一种菌落自动计数方法 |
CN107515571A (zh) * | 2017-07-12 | 2017-12-26 | 广东美的制冷设备有限公司 | 监测数据采集方法和装置、系统 |
CN109446023A (zh) * | 2018-10-12 | 2019-03-08 | 上海东土远景工业科技有限公司 | 一种数据采集周期的确定方法、装置、设备及存储介质 |
CN111178173A (zh) * | 2019-12-14 | 2020-05-19 | 杭州电子科技大学 | 一种目标菌落生长特征识别方法 |
CN112686857A (zh) * | 2020-12-29 | 2021-04-20 | 中国科学院苏州生物医学工程技术研究所 | 高通量多种类菌落计数方法 |
Non-Patent Citations (1)
Title |
---|
司秀娟;王红强;宋良图;: "基于图像处理的菌落自动计数系统", 北京生物医学工程 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20170073630A1 (en) | Cell determination device, cell determination method, and cell determination program | |
CN102867115B (zh) | 一种基于模糊c均值聚类的农田划分方法 | |
CN110287902B (zh) | 畜禽存活检测方法、装置、设备及计算机程序产品 | |
CN111026738A (zh) | 区域人口监控方法、系统、电子设备及存储介质 | |
CN108901029B (zh) | 一种基于深度学习的室内外用户区分方法 | |
CN115261522A (zh) | 一种微生物发酵的环境控制方法及系统 | |
Pakrashi et al. | Early detection of subclinical mastitis in lactating dairy cows using cow-level features | |
CN117495865B (zh) | 菌落计数样本的优化方法、装置、设备及存储介质 | |
CN113538386A (zh) | 一种菌落计数方法、装置、存储介质、设备 | |
Bobbo et al. | Exploiting machine learning methods with monthly routine milk recording data and climatic information to predict subclinical mastitis in Italian Mediterranean buffaloes | |
CN111176226A (zh) | 一种基于运行工况的设备特征参数报警阈值自动分析方法 | |
CN117634956A (zh) | 用于高分子聚合物医疗器械的生产质量控制方法和系统 | |
CN110830768B (zh) | 一种菌落图像的采集处理方法及装置 | |
CN110868731A (zh) | VoLTE网络故障检测方法及系统 | |
CN109325104A (zh) | 一种动态计算新闻采集服务资源的方法 | |
CN112668405A (zh) | 一种土壤细菌数量的精确提取方法 | |
CN117522083B (zh) | 一种物联网传感数据识别的栽培控制方法及系统 | |
Markelov et al. | Two-step algorithm for the automated analysis of fluorescent microscopy data in biomedical applications | |
CN109491345A (zh) | 一种基于关键工序质量控制的研究方法 | |
CN113552806B (zh) | 一种基于模糊控制算法的养殖舍环境参数分析方法 | |
CN110753209B (zh) | 一种菌落图像数据的远程采集处理方法及装置 | |
CN116681184B (zh) | 生猪生长指标的预测方法、装置、设备及可读存储介质 | |
EP4036850B1 (en) | Computer vision based monoclonal quality control | |
CN118428245B (zh) | 一种圆盘制曲过程中的温度智能控制方法及系统 | |
CN103136439A (zh) | 植物病症辨识方法及其系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20211022 |
|
RJ01 | Rejection of invention patent application after publication |