CN115963074B - 一种微生物材料孢子菌丝占比的快速检测方法和系统 - Google Patents

Abstract

本发明给出了一种微生物材料孢子菌丝占比的快速检测方法和系统，属于微生物材料技术领域，包括：获取待测微生物的纯孢子和纯菌丝的差异特征波长集；将待测微生物的纯孢子和纯菌丝按照不同比例进行混合；获取每个混合产品在各个差异特征波长处的第一红外光谱数据，以确定第一自变量矩阵和第一因变量矩阵；根据第一自变量矩阵和第一因变量矩阵，确定反映红外光谱数据和孢子比例的映射关系的回归方程；获取待测微生物在差异特征波长集中的各个差异特征波长处的第二红外光谱数据，以确定第二自变量矩阵；计算待测微生物的孢子菌丝占比。本发明能够快速准确地检测出微生物材料中孢子菌丝各自所占的比例。

Description

一种微生物材料孢子菌丝占比的快速检测方法和系统

技术领域

本发明属于微生物材料技术领域，尤其涉及一种微生物材料孢子菌丝占比的快速检测方法和系统。

背景技术

当前，生物技术的发展对于全球经济与人类生活都产生了重大的改变。生物技术已广泛运用在农业、医药、食品、环保、能源、海洋与国防等领域，其发展潜力亦与日剧增，并为世界之医疗、能源、环保与粮食等问题提供了解决之道。

微生物材料在各领域应用广泛，一般情况下，微生物以孢子形态进行储存，在应用时，将孢子接种在合适的培养、发酵环境下，使孢子萌发，产生菌丝，最终生成所需要的相应代谢产物。但在孢子储存过程中，由于储存环境可能存在水、营养物质等清理不充分等问题，导致孢子在储存时萌发出菌丝的常见问题，这样在实际应用时，因为混入了菌丝，接种的孢子量与设计量存在差异，最终应用效果会大打折扣。因此，对于微生物材料的孢子菌丝占比的快速检测就显得尤为重要，一方面，在科学研究中，受到部分孢子萌发菌丝的影响，如不及时准确检测，最终研究孢子的性能、培养或发酵数据、代谢物产量等会产生较大误差；另一方面在进行功能应用，代谢物生产时，最终的实际功能效果和代谢物产量会有所下降。

发明内容

本发明的目的之一，在于提供一种微生物材料孢子菌丝占比的快速检测方法，该快速检测方法能够快速准确地检测出微生物材料中孢子菌丝各自所占的比例。

本发明的目的之二，在于提供一种微生物材料孢子菌丝占比的快速检测系统。

为了达到上述目的之一，本发明采用如下技术方案实现：

一种微生物材料孢子菌丝占比的快速检测方法，所述快速检测方法包括如下步骤：

步骤S1、获取待测微生物的纯孢子和纯菌丝的差异特征波长集；

步骤S2、将所述待测微生物的纯孢子和纯菌丝按照不同比例进行混合，得到各个孢子比例的混合产品；

步骤S3、获取每个孢子比例的混合产品在所述差异特征波长集中的各个差异特征波长处的第一红外光谱数据，以确定第一自变量矩阵和第一因变量矩阵；

步骤S4、根据所述第一自变量矩阵和第一因变量矩阵，确定反映红外光谱数据和孢子比例的映射关系的回归方程；

步骤S5、获取所述待测微生物在所述差异特征波长集中的各个差异特征波长处的第二红外光谱数据，以确定第二自变量矩阵；

步骤S6、根据所述第二自变量矩阵和回归方程，计算所述待测微生物的孢子菌丝占比。

进一步的，所述步骤S1的具体实现过程包括：

步骤S11、获取待测微生物的纯孢子的第三红外光谱数据和纯菌丝的第四红外光谱数据；

步骤S12、将所述第三红外光谱数据和第四红外光谱数据分别转换为吸光度，以获取所述纯孢子的第一吸光度-波数图和纯菌丝的第二吸光度-波数图；

步骤S13、分别从所述第一吸光度-波数图和纯菌丝的第二吸光度-波数图中提取出各个光谱吸收峰对应的波长作为差异特征波长，并构成第一差异特征波长集；

步骤S14、根据所述第一吸光度-波数图和第二吸光度-波数图，构建2DCOS图，以确定第二差异特征波长集；

步骤S15、对所述第一吸光度-波数图和第二吸光度-波数图中的吸光度分别进行蛋白二级结构拟合，以确定第三差异特征波长集；

步骤S16、将所述第一差异特征波长集、第二差异特征波长集和第三差异特征波长集进行合并。

进一步的，在所述步骤S14中，所述确定第二差异特征波长集的具体过程包括：

步骤S141、从所述2DCOS图提取出差异波段集，以计算所述差异波段集中各个差异波段中每个波长对应的第一吸光度和第二吸光度之间的第一差值的绝对值；

步骤S142、判断所述第一差值的绝对值是否大于第一阈值，如是，则将所述第一差值的绝对值对应的波长作为差异特征波长，并放入到第二差异特征波长集中，结束；如否，则放弃。

进一步的，在所述步骤S15中，所述确定第三差异特征波长集的具体过程包括：

步骤S151、计算所述第一吸光度-波数图和第二吸光度-波数图中各个蛋白质二级结构对应波长处的吸光度拟合值之间的第二差值的绝对值；

步骤S152、判断所述第二差值的绝对值是否大于第二阈值，如是，则将所述第二差值的绝对值对应的波长作为差异特征波长，并放入到第三差异特征波长集中，结束；如否，则放弃。

进一步的，所述步骤S4的具体实现过程包括：

步骤S41、设置所述第一自变量矩阵和第一因变量矩阵分别为X和Y，以获取X^TYY^TX的最大特征值对应的特征向量；

步骤S42、计算所述第一自变量矩阵和特征向量的乘积；

步骤S43、根据所述第一自变量矩阵和乘积，确定第一回归模型；并根据所述第一因变量矩阵和乘积，确定第二回归模型；

步骤S44、根据所述第一回归模型和第二回归模型，采用最小二乘法，分别获取所述第一回归模型对应的第一辅助矩阵和第二回归模型对应的第二辅助矩阵；

步骤S45、根据所述第一回归模型和第一辅助矩阵以及所述第二回归模型和第二辅助矩阵，计算所述第一回归模型对应的第一残差矩阵和第二回归模型对应的第二残差矩阵；

步骤S46、将所述特征向量和第二辅助矩阵分别放入特征向量集和矩阵集中，并判断所述第二残差矩阵是否小于精度阈值，如是，则根据所述特征向量集和矩阵集，确定回归方程，结束；否则，则采用所述第一残差矩阵和第二残差矩阵分别替代所述第一自变量矩阵和第一因变量矩阵，并返回步骤S41。

为了达到上述目的之二，本发明采用如下技术方案实现：

一种微生物材料孢子菌丝占比的快速检测系统，所述快速检测系统包括：

第一获取模块，用于获取待测微生物的纯孢子和纯菌丝的差异特征波长集；

混合模块，用于将所述待测微生物的纯孢子和纯菌丝按照不同比例进行混合，得到各个孢子比例的混合产品；

第二获取模块，用于获取每个孢子比例的混合产品在所述差异特征波长集中的各个差异特征波长处的第一红外光谱数据，以确定第一自变量矩阵和第一因变量矩阵；

确定模块，用于根据所述第一自变量矩阵和第一因变量矩阵，确定反映红外光谱数据和孢子比例的映射关系的回归方程；

第三获取模块，用于获取所述待测微生物在所述差异特征波长集中的各个差异特征波长处的第二红外光谱数据，以确定第二自变量矩阵；

计算模块，用于根据所述第二自变量矩阵和回归方程，计算所述待测微生物的孢子菌丝占比。

进一步的，所述第一获取模块包括：

第一获取子模块，用于获取待测微生物的纯孢子的第三红外光谱数据和纯菌丝的第四红外光谱数据；

转换子模块，用于将所述第三红外光谱数据和第四红外光谱数据分别转换为吸光度，以获取所述纯孢子的第一吸光度-波数图和纯菌丝的第二吸光度-波数图；

提取子模块，用于分别从所述第一吸光度-波数图和纯菌丝的第二吸光度-波数图中提取出各个光谱吸收峰对应的波长作为差异特征波长，并构成第一差异特征波长集；

第一确定子模块，用于根据所述第一吸光度-波数图和第二吸光度-波数图，构建2DCOS图，以确定第二差异特征波长集；

拟合子模块，用于对所述第一吸光度-波数图和第二吸光度-波数图中的吸光度分别进行蛋白二级结构拟合，以确定第三差异特征波长集；

合并子模块，用于将所述第一差异特征波长集、第二差异特征波长集和第三差异特征波长集进行合并。

进一步的，所述第一确定子模块包括：

第一计算子模块，用于从所述2DCOS图提取出差异波段集，以计算所述差异波段集中各个差异波段中每个波长对应的第一吸光度和第二吸光度之间的第一差值的绝对值；

第一判断子模块，用于判断所述第一差值的绝对值是否大于第一阈值，如是，则将所述第一差值的绝对值对应的波长作为差异特征波长，并放入到第二差异特征波长集中，结束；如否，则放弃。

进一步的，所述拟合子模块包括：

第二计算子模块，用于计算所述第一吸光度-波数图和第二吸光度-波数图中各个蛋白质二级结构对应波长处的吸光度拟合值之间的第二差值的绝对值；

第二判断子模块，用于判断所述第二差值的绝对值是否大于第二阈值，如是，则将所述第二差值的绝对值对应的波长作为差异特征波长，并放入到第三差异特征波长集中，结束；如否，则放弃。

进一步的，所述确定模块包括：

设置子模块，用于设置所述第一自变量矩阵和第一因变量矩阵分别为X和Y，以获取X^TYY^TX的最大特征值对应的特征向量；

第三计算子模块，用于计算所述第一自变量矩阵和特征向量的乘积；

第二确定子模块，用于根据所述第一自变量矩阵和乘积，确定第一回归模型；并根据所述第一因变量矩阵和乘积，确定第二回归模型；

第二获取子模块，用于根据所述第一回归模型和第二回归模型，采用最小二乘法，分别获取所述第一回归模型对应的第一辅助矩阵和第二回归模型对应的第二辅助矩阵；

第四计算子模块，用于根据所述第一回归模型和第一辅助矩阵以及所述第二回归模型和第二辅助矩阵，计算所述第一回归模型对应的第一残差矩阵和第二回归模型对应的第二残差矩阵；

第三判断子模块，用于将所述特征向量和第二辅助矩阵分别放入特征向量集和矩阵集中，并判断所述第二残差矩阵是否小于精度阈值，如是，则根据所述特征向量集和矩阵集，确定回归方程，结束；否则，则采用所述第一残差矩阵和第二残差矩阵分别替代所述第一自变量矩阵和第一因变量矩阵，并发送给设置子模块。

综上，本发明提出的方案具备如下技术效果：

本发明通过待测微生物的纯孢子和纯菌丝的差异特征波长集以及各个孢子比例的混合产品在差异特征波长集中的各个差异特征波长处的第一红外光谱数据，以确定第一自变量矩阵和第一因变量矩阵；利用第一自变量矩阵和第一因变量矩阵，确定反映红外光谱数据和孢子比例的映射关系的回归方程；利用待测微生物在差异特征波长集中的各个差异特征波长处的第二红外光谱数据，确定第二自变量矩阵；并利用第二自变量矩阵和回归方程，得到待测微生物的孢子菌丝占比，实现了微生物材料孢子菌丝占比的快速检测。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，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为本发明的微生物材料孢子菌丝占比的快速检测方法的流程示意图；

图2为实施例的AN孢子和AN菌丝的2DCOS示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，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，所描述的实施例只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。

本实施例给出了一种微生物材料孢子菌丝占比的快速检测方法，参考图1，该快速检测方法包括如下步骤：

S1、获取待测微生物的纯孢子和纯菌丝的差异特征波长集。

本实施例通过培养待测微生物的孢子，并采用双气旋装置收集法，收集纯孢子。通过将纯孢子培养萌发出菌丝，收集纯菌丝。

将待测微生物的纯孢子和纯菌丝分别制成压片状和粉末状等待测状态，并利用傅里叶红外光谱仪，对纯孢子和纯菌丝分别进行红外光谱数据采集。利用采集的纯孢子和纯菌丝的红外光谱数据，确定纯孢子和纯菌丝之间的差异特征波长集，具体实现过程包括：

步骤S11、获取待测微生物的纯孢子的第三红外光谱数据和纯菌丝的第四红外光谱数据；

步骤S12、将所述第三红外光谱数据和第四红外光谱数据分别转换为吸光度，以获取所述纯孢子的第一吸光度-波数图和纯菌丝的第二吸光度-波数图；

将纯孢子和纯菌丝的红外光谱中的红外光谱数数据（即透过率）转换为吸光度。并根据吸光度和波长，得到纯孢子对应的第一吸光度-波数图和纯菌丝对应的第二吸光度-波数图。

步骤S13、分别从所述第一吸光度-波数图和纯菌丝的第二吸光度-波数图中提取出各个光谱吸收峰对应的波长作为差异特征波长，并构成第一差异特征波长集。

对第一吸光度-波数图和第二吸光度-波数图中的吸收峰进行标定，确定吸收峰位置（即光谱吸收峰对应的波长），并以吸收峰位置构成第一差异特征波长集。

步骤S14、根据所述第一吸光度-波数图和第二吸光度-波数图，构建2DCOS图，以确定第二差异特征波长集。

本实施，将第一吸光度-波数图和第二吸光度-波数图分别作为横坐标和纵坐标，构成2DCOS图，确定纯孢子和纯菌丝在红外光谱上存在差异位置（即差异特征波长），以差异位置组成第二差异特征波长集。确定第二差异特征波长集的具体过程包括：

步骤S141、从所述2DCOS图提取出差异波段集，以计算所述差异波段集中各个差异波段中每个波长对应的第一吸光度和第二吸光度之间的第一差值的绝对值；

步骤S142、判断所述第一差值的绝对值是否大于第一阈值，如是，则将所述第一差值的绝对值对应的波长作为差异特征波长，并放入到第二差异特征波长集中，结束；如否，则放弃。

步骤S15、对所述第一吸光度-波数图和第二吸光度-波数图中的吸光度分别进行蛋白二级结构拟合，以确定第三差异特征波长集；

分别对第一吸光度-波数图和第二吸光度-波数图中的吸光度进行蛋白二级结构拟合，确定纯孢子和纯菌丝在红外光谱上存在差异位置（即差异特征波长），以差异位置组成第三差异特征波长集，确定第三差异特征波长集的具体过程包括：

步骤S151、计算所述第一吸光度-波数图和第二吸光度-波数图中各个蛋白质二级结构对应波长处的吸光度拟合值之间的第二差值的绝对值；

步骤S152、判断所述第二差值的绝对值是否大于第二阈值，如是，则将所述第二差值的绝对值对应的波长作为差异特征波长，并放入到第三差异特征波长集中，结束；如否，则放弃。

步骤S16、将所述第一差异特征波长集、第二差异特征波长集和第三差异特征波长集进行合并。

S2、将所述待测微生物的纯孢子和纯菌丝按照不同比例进行混合，得到各个孢子比例的混合产品。

将待测微生物的纯孢子和纯菌丝按照不同比例混合，得到不同孢子比例的混合产品，如孢子比例分别为0%、5%、10%、…、95%、100%，共21个混合产品。

S3、获取每个孢子比例的混合产品在所述差异特征波长集中的各个差异特征波长处的第一红外光谱数据，以确定第一自变量矩阵和第一因变量矩阵。

本实施例中，第一自变量矩阵的行数和列数分别为第一红外光谱数目和差异特征波长数目，第一自变量矩阵的元素值为第一红外光谱数据。第一因变量矩阵的行数和列数分别为第一红外光谱数目和1，第一因变量矩阵的元素值为孢子比例值。

本实施例中的第一自变量矩阵和第一因变量矩阵分别为：

；

；

其中，X和Y分别为第一自变量矩阵和第一因变量矩阵；

为第i条第一红外光谱中第j个差异特征波长对应的第一红外光谱数据；/>

为第i条第一红外光谱对应的孢子比例；i=1，2，…n，j=1，2，…m，j=1，2，…m，n、m和1分别为第一红外光谱数目、差异特征波长数目和孢子比例。

本实施例利用傅里叶红外光谱仪，对每个混合产品进行多次红外光谱测试，得到每个混合产品对应多条第一红外光谱，如有21个混合产品，对每个混合产品的红外光谱均测试20，则得到

条第一红外光谱。

为了消除干扰噪声、光谱散射和基线漂移等带来的光谱差异，本实施例还可以采用Savitzky-Golay（SG）平滑滤波法，对每条第一红外光谱进行平滑滤波处理， SG平滑移动窗口宽度为w=5。得到420条平滑滤波后的第一红外光谱。

S4、根据所述第一自变量矩阵和第一因变量矩阵，确定反映红外光谱数据和孢子比例的映射关系的回归方程。

本步骤的具体实现过程包括：

步骤S41、设置所述第一自变量矩阵和第一因变量矩阵分别为X和Y，以获取X^TYY^TX的最大特征值对应的特征向量。

步骤S42、计算所述第一自变量矩阵和特征向量的乘积。

本实施例的第一自变量矩阵和特征向量的乘积U为：

U=Xw；

其中，w为X^TYY^TX的最大特征值对应的特征向量。

步骤S43、根据所述第一自变量矩阵和乘积，确定第一回归模型；并根据所述第一因变量矩阵和乘积，确定第二回归模型。

本实施例的第一回归模型和第二回归模型分别为：

X=UP^T+E；

Y=Ur^T+F。

步骤S44、根据所述第一回归模型和第二回归模型，采用最小二乘法，分别获取所述第一回归模型对应的第一辅助矩阵和第二回归模型对应的第二辅助矩阵。

本实施例的第一辅助矩阵和第二辅助矩阵分别为：

P=X^TU/‖U‖²；

r=Y^TU/‖U‖²。

其中，P和r分别为第一辅助矩阵和第二辅助矩阵；

为求模。

步骤S45、根据所述第一回归模型和第一辅助矩阵以及所述第二回归模型和第二辅助矩阵，计算所述第一回归模型对应的第一残差矩阵和第二回归模型对应的第二残差矩阵。

本实施例的第一残差矩阵和第二残差矩阵分别为：

E=X-UP^T；

F=Y-Ur^T；

其中，E和F分别为第一残差矩阵和第二残差矩阵；P^T和r^T分别为第一辅助矩阵P和第二辅助矩阵r的转置。

步骤S46、将所述特征向量和第二辅助矩阵分别放入特征向量集和矩阵集中，并判断所述第二残差矩阵是否小于精度阈值，如是，则根据所述特征向量集和矩阵集，确定回归方程，结束；否则，则采用所述第一残差矩阵和第二残差矩阵分别替代所述第一自变量矩阵和第一因变量矩阵，并返回步骤S41。

S5、获取所述待测微生物在所述差异特征波长集中的各个差异特征波长处的第二红外光谱数据，以确定第二自变量矩阵；

本实施例的第二自变量矩阵的行数和列数分别1和差异特征波长数目，第二自变量矩阵的元素值为第二红外光谱数据。

S6、根据所述第二自变量矩阵和回归方程，计算所述待测微生物的孢子菌丝比。

本实施例的回归方程为：

Y′=X′(WR ^T ）；

W=[w ₁，w ₂，…，w _k ，…，w _K ]；

R=[r₁，r₂，…，r _k ，…，r _K ]；

其中，Y′为待测微生物的孢子比例值；X′为待测微生物的第二自变量矩阵；w _k 和r _k 分别为第k次回归处理时对应的特征向量和第二辅助矩阵。

下面以AN微生物为例，说明本发明的技术方案的具体实现过程：

1、获取纯AN孢子和纯AN菌丝的差异特征波长集。

选取纯AN孢子和纯AN菌丝的光谱吸收峰组成第一特征波长集合，第一特征波长：

、/>

、

和

。

对纯AN孢子和纯AN菌丝的红外光谱进行2DCOS分析，对比纯AN孢子和纯AN菌丝的物质组成差异，并绘制2DCOS图，从图2可知，纯AN菌丝在

至/>

间的N-H弯曲振动吸收峰和/>

至/>

间的C=O伸缩振动吸收峰明显下降。

至/>

间的C-O伸缩振动吸收峰和/>

至/>

间C-C的骨架震动明显上升。分别在/>

至/>

间、/>

至

间、/>

至/>

间和/>

至/>

间，对纯AN菌丝光谱和纯AN孢子光谱作差，取差值最大的波长点/>

、/>

、

和/>

，组成第二差异特征波长集。

对纯AN孢子和纯AN菌丝进行蛋白二级结构分析，并根据红外光谱对其蛋白质二级结构进行拟合。纯AN孢子和纯AN菌丝中四种蛋白质二级结构在相应的特征波长处的相对强度值及相对强度值差值如表1所示：

表1 纯AN孢子和纯AN菌丝的蛋白二级结构拟合结果表

根据蛋白质二级结构拟合结果，纯AN孢子和纯AN菌丝在四种蛋白质二级结构的八个吸收峰处的相对吸光度值的差值分别为，0.47%、2.7%、1.77%、2.12%、1.47%、2.15%、0.48%和0.59%。选取相对吸光度值的差值大于1%的吸收峰对应的波长，构成第三差异特征波长集，第三差异特征波长：

、/>

、/>

、/>

和/>

。

本实施例的第一差异特征波长集、第二差异特征波长集和第三差异特征波长集的并集，并集中差异特征波长有

、/>

、

、

、

，共30个差异特征波长。

2、将纯孢子和纯菌丝按照不同比例进行混合，得到各个孢子比例的混合产品。

采用称量配比的方法，将纯孢子和纯菌混合，得到不同孢子占比的AN材料。使用称量天平（Max：120g，d=0.1mg）称量，按照总重为1g的标准，分别按比例称取纯AN孢子和纯AN菌丝，装瓶后用磁力搅拌器对其进行均匀搅拌，转速设置为1000转/分钟，搅拌时间设为20分钟，得到不同孢子比例的混合产品，如孢子比例为0%（即纯菌丝）、5%孢子、10%孢子、…、100%孢子，共21个混合样品。

3、利用傅里叶红外光谱仪对每组样本测试20次红外光谱数据，可得到

条第一红外光谱。采用Savitzky-Golay（SG）平滑滤波法对获得的红外光谱进行预处理以消除干扰噪声、光谱散射和基线漂移等带来的光谱差异，SG平滑移动窗口宽度为w=5。得到420条平滑滤波后的红外光谱。确定/>

的第一自变量矩阵和/>

的第一因变量矩阵。

4、根据

的第一自变量矩阵和/>

的第一因变量矩阵，确定回归方程中的W和R。

5、获取所述待测微生物在所述差异特征波长集中的各个差异特征波长处的第二红外光谱数据，以确定

的第二自变量矩阵。

6、根据第二自变量矩阵和回归方程，计算AN微生物的AN孢子占比为37%，AN菌丝占比为63%。

本实施例通过待测微生物的纯孢子和纯菌丝的差异特征波长集以及各个孢子比例的混合产品在差异特征波长集中的各个差异特征波长处的第一红外光谱数据，以确定自变量矩阵和因变量矩阵；利用第一自变量矩阵和第一因变量矩阵，确定反映红外光谱数据和孢子比例的映射关系的回归方程；利用待测微生物在差异特征波长集中的各个差异特征波长处的第二红外光谱数据，确定第二自变量矩阵；并利用第二自变量矩阵和回归方程，得到待测微生物的孢子菌丝占比，实现了微生物材料孢子菌丝占比的快速检测。

上述实施例可采用如下实施例给出的一种微生物材料孢子菌丝占比的快速检测系统实现：

另一实施例给出了一种微生物材料孢子菌丝占比的快速检测系统，该快速检测系统包括：

第一获取模块，用于获取待测微生物的纯孢子和纯菌丝的差异特征波长集；

混合模块，用于将所述待测微生物的纯孢子和纯菌丝按照不同比例进行混合，得到各个孢子比例的混合产品；

第二获取模块，用于获取每个孢子比例的混合产品在所述差异特征波长集中的各个差异特征波长处的第一红外光谱数据，以确定第一自变量矩阵和第一因变量矩阵；

确定模块，用于根据所述第一自变量矩阵和第一因变量矩阵，确定反映红外光谱数据和孢子比例的映射关系的回归方程；

第三获取模块，用于获取所述待测微生物在所述差异特征波长集中的各个差异特征波长处的第二红外光谱数据，以确定第二自变量矩阵；

计算模块，用于根据所述第二自变量矩阵和回归方程，计算所述待测微生物的孢子菌丝占比。

进一步的，所述第一获取模块包括：

第一获取子模块，用于获取待测微生物的纯孢子的第三红外光谱数据和纯菌丝的第四红外光谱数据；

转换子模块，用于将所述第三红外光谱数据和第四红外光谱数据分别转换为吸光度，以获取所述纯孢子的第一吸光度-波数图和纯菌丝的第二吸光度-波数图；

提取子模块，用于分别从所述第一吸光度-波数图和纯菌丝的第二吸光度-波数图中提取出各个光谱吸收峰对应的波长作为差异特征波长，并构成第一差异特征波长集；

第一确定子模块，用于根据所述第一吸光度-波数图和第二吸光度-波数图，构建2DCOS图，以确定第二差异特征波长集；

拟合子模块，用于对所述第一吸光度-波数图和第二吸光度-波数图中的吸光度分别进行蛋白二级结构拟合，以确定第三差异特征波长集；

合并子模块，用于将所述第一差异特征波长集、第二差异特征波长集和第三差异特征波长集进行合并。

进一步的，所述第一确定子模块包括：

第一计算子模块，用于从所述2DCOS图提取出差异波段集，以计算所述差异波段集中各个差异波段中每个波长对应的第一吸光度和第二吸光度之间的第一差值的绝对值；

第一判断子模块，用于判断所述第一差值的绝对值是否大于第一阈值，如是，则将所述第一差值的绝对值对应的波长作为差异特征波长，并放入到第二差异特征波长集中，结束；如否，则放弃。

进一步的，所述拟合子模块包括：

第二计算子模块，用于计算所述第一吸光度-波数图和第二吸光度-波数图中各个蛋白质二级结构对应波长处的吸光度拟合值之间的第二差值的绝对值；

第二判断子模块，用于判断所述第二差值的绝对值是否大于第二阈值，如是，则将所述第二差值的绝对值对应的波长作为差异特征波长，并放入到第三差异特征波长集中，结束；如否，则放弃。

进一步的，所述确定模块包括：

设置子模块，用于设置所述第一自变量矩阵和第一因变量矩阵分别为X和Y，以获取X^TYY^TX的最大特征值对应的特征向量；

第三计算子模块，用于计算所述第一自变量矩阵和特征向量的乘积；

第二确定子模块，用于根据所述第一自变量矩阵和乘积，确定第一回归模型；并根据所述第一因变量矩阵和乘积，确定第二回归模型；

第二获取子模块，用于根据所述第一回归模型和第二回归模型，采用最小二乘法，分别获取所述第一回归模型对应的第一辅助矩阵和第二回归模型对应的第二辅助矩阵；

第四计算子模块，用于根据所述第一回归模型和第一辅助矩阵以及所述第二回归模型和第二辅助矩阵，计算所述第一回归模型对应的第一残差矩阵和第二回归模型对应的第二残差矩阵；

第三判断子模块，用于将所述特征向量和第二辅助矩阵分别放入特征向量集和矩阵集中，并判断所述第二残差矩阵是否小于精度阈值，如是，则根据所述特征向量集和矩阵集，确定回归方程，结束；否则，则采用所述第一残差矩阵和第二残差矩阵分别替代所述第一自变量矩阵和第一因变量矩阵，并发送给设置子模块。

上述实施例所涉及的原理、公式及其参数定义均可适用，这里不再一一赘述。

请注意，以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。以上实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (8)

1.一种微生物材料孢子菌丝占比的快速检测方法，其特征在于，所述快速检测方法包括如下步骤：

步骤S1、获取待测微生物的纯孢子和纯菌丝的差异特征波长集；

步骤S2、将所述待测微生物的纯孢子和纯菌丝按照不同比例进行混合，得到各个孢子比例的混合产品；

步骤S3、获取每个孢子比例的混合产品在所述差异特征波长集中的各个差异特征波长处的第一红外光谱数据，以确定第一自变量矩阵和第一因变量矩阵；

步骤S4、根据所述第一自变量矩阵和第一因变量矩阵，确定反映红外光谱数据和孢子比例的映射关系的回归方程；

步骤S5、获取所述待测微生物在所述差异特征波长集中的各个差异特征波长处的第二红外光谱数据，以确定第二自变量矩阵；

步骤S6、根据所述第二自变量矩阵和回归方程，计算所述待测微生物的孢子菌丝占比；

所述步骤S1的具体实现过程包括：

步骤S11、获取待测微生物的纯孢子的第三红外光谱数据和纯菌丝的第四红外光谱数据；

步骤S12、将所述第三红外光谱数据和第四红外光谱数据分别转换为吸光度，以获取所述纯孢子的第一吸光度-波数图和纯菌丝的第二吸光度-波数图；

步骤S13、分别从所述第一吸光度-波数图和纯菌丝的第二吸光度-波数图中提取出各个光谱吸收峰对应的波长作为差异特征波长，并构成第一差异特征波长集；

步骤S14、根据所述第一吸光度-波数图和第二吸光度-波数图，构建2DCOS图，以确定第二差异特征波长集；

步骤S15、对所述第一吸光度-波数图和第二吸光度-波数图中的吸光度分别进行蛋白二级结构拟合，以确定第三差异特征波长集；

步骤S16、将所述第一差异特征波长集、第二差异特征波长集和第三差异特征波长集进行合并。

2.根据权利要求1所述的快速检测方法，其特征在于，在所述步骤S14中，所述确定第二差异特征波长集的具体过程包括：

步骤S141、从所述2DCOS图提取出差异波段集，以计算所述差异波段集中各个差异波段中每个波长对应的第一吸光度和第二吸光度之间的第一差值的绝对值；

步骤S142、判断所述第一差值的绝对值是否大于第一阈值，如是，则将所述第一差值的绝对值对应的波长作为差异特征波长，并放入到第二差异特征波长集中，结束；如否，则放弃。

3.根据权利要求2所述的快速检测方法，其特征在于，在所述步骤S15中，所述确定第三差异特征波长集的具体过程包括：

步骤S151、计算所述第一吸光度-波数图和第二吸光度-波数图中各个蛋白质二级结构对应波长处的吸光度拟合值之间的第二差值的绝对值；

步骤S152、判断所述第二差值的绝对值是否大于第二阈值，如是，则将所述第二差值的绝对值对应的波长作为差异特征波长，并放入到第三差异特征波长集中，结束；如否，则放弃。

4.根据权利要求3所述的快速检测方法，其特征在于，所述步骤S4的具体实现过程包括：

步骤S41、设置所述第一自变量矩阵和第一因变量矩阵分别为X和Y，以获取X^TYY^TX的最大特征值对应的特征向量；

步骤S42、计算所述第一自变量矩阵和特征向量的乘积；

步骤S43、根据所述第一自变量矩阵和乘积，确定第一回归模型；并根据所述第一因变量矩阵和乘积，确定第二回归模型；

步骤S44、根据所述第一回归模型和第二回归模型，采用最小二乘法，分别获取所述第一回归模型对应的第一辅助矩阵和第二回归模型对应的第二辅助矩阵；

步骤S45、根据所述第一回归模型和第一辅助矩阵以及所述第二回归模型和第二辅助矩阵，计算所述第一回归模型对应的第一残差矩阵和第二回归模型对应的第二残差矩阵；

步骤S46、将所述特征向量和第二辅助矩阵分别放入特征向量集和矩阵集中，并判断所述第二残差矩阵是否小于精度阈值，如是，则根据所述特征向量集和矩阵集，确定回归方程，结束；否则，则采用所述第一残差矩阵和第二残差矩阵分别替代所述第一自变量矩阵和第一因变量矩阵，并返回步骤S41。

5.一种微生物材料孢子菌丝占比的快速检测系统，其特征在于，所述快速检测系统包括：

第一获取模块，用于获取待测微生物的纯孢子和纯菌丝的差异特征波长集；

混合模块，用于将所述待测微生物的纯孢子和纯菌丝按照不同比例进行混合，得到各个孢子比例的混合产品；

第二获取模块，用于获取每个孢子比例的混合产品在所述差异特征波长集中的各个差异特征波长处的第一红外光谱数据，以确定第一自变量矩阵和第一因变量矩阵；

确定模块，用于根据所述第一自变量矩阵和第一因变量矩阵，确定反映红外光谱数据和孢子比例的映射关系的回归方程；

第三获取模块，用于获取所述待测微生物在所述差异特征波长集中的各个差异特征波长处的第二红外光谱数据，以确定第二自变量矩阵；

计算模块，用于根据所述第二自变量矩阵和回归方程，计算所述待测微生物的孢子菌丝占比；

所述第一获取模块包括：

第一获取子模块，用于获取待测微生物的纯孢子的第三红外光谱数据和纯菌丝的第四红外光谱数据；

转换子模块，用于将所述第三红外光谱数据和第四红外光谱数据分别转换为吸光度，以获取所述纯孢子的第一吸光度-波数图和纯菌丝的第二吸光度-波数图；

提取子模块，用于分别从所述第一吸光度-波数图和纯菌丝的第二吸光度-波数图中提取出各个光谱吸收峰对应的波长作为差异特征波长，并构成第一差异特征波长集；

第一确定子模块，用于根据所述第一吸光度-波数图和第二吸光度-波数图，构建2DCOS图，以确定第二差异特征波长集；

拟合子模块，用于对所述第一吸光度-波数图和第二吸光度-波数图中的吸光度分别进行蛋白二级结构拟合，以确定第三差异特征波长集；

合并子模块，用于将所述第一差异特征波长集、第二差异特征波长集和第三差异特征波长集进行合并。

6.根据权利要求5所述的快速检测系统，其特征在于，所述第一确定子模块包括：

第一计算子模块，用于从所述2DCOS图提取出差异波段集，以计算所述差异波段集中各个差异波段中每个波长对应的第一吸光度和第二吸光度之间的第一差值的绝对值；

第一判断子模块，用于判断所述第一差值的绝对值是否大于第一阈值，如是，则将所述第一差值的绝对值对应的波长作为差异特征波长，并放入到第二差异特征波长集中，结束；如否，则放弃。

7.根据权利要求6所述的快速检测系统，其特征在于，所述拟合子模块包括：

第二计算子模块，用于计算所述第一吸光度-波数图和第二吸光度-波数图中各个蛋白质二级结构对应波长处的吸光度拟合值之间的第二差值的绝对值；

第二判断子模块，用于判断所述第二差值的绝对值是否大于第二阈值，如是，则将所述第二差值的绝对值对应的波长作为差异特征波长，并放入到第三差异特征波长集中，结束；如否，则放弃。

8.根据权利要求7所述的快速检测系统，其特征在于，所述确定模块包括：

设置子模块，用于设置所述第一自变量矩阵和第一因变量矩阵分别为X和Y，以获取X^TYY^TX的最大特征值对应的特征向量；

第三计算子模块，用于计算所述第一自变量矩阵和特征向量的乘积；

第二确定子模块，用于根据所述第一自变量矩阵和乘积，确定第一回归模型；并根据所述第一因变量矩阵和乘积，确定第二回归模型；

第二获取子模块，用于根据所述第一回归模型和第二回归模型，采用最小二乘法，分别获取所述第一回归模型对应的第一辅助矩阵和第二回归模型对应的第二辅助矩阵；

第四计算子模块，用于根据所述第一回归模型和第一辅助矩阵以及所述第二回归模型和第二辅助矩阵，计算所述第一回归模型对应的第一残差矩阵和第二回归模型对应的第二残差矩阵；

第三判断子模块，用于将所述特征向量和第二辅助矩阵分别放入特征向量集和矩阵集中，并判断所述第二残差矩阵是否小于精度阈值，如是，则根据所述特征向量集和矩阵集，确定回归方程，结束；否则，则采用所述第一残差矩阵和第二残差矩阵分别替代所述第一自变量矩阵和第一因变量矩阵，并发送给设置子模块。

Images