CN116200258B - 一种用于消除培养皿盖内壁上的雾气的方法、装置和设备 - Google Patents

一种用于消除培养皿盖内壁上的雾气的方法、装置和设备 Download PDF

Info

Publication number
CN116200258B
CN116200258B CN202310484078.4A CN202310484078A CN116200258B CN 116200258 B CN116200258 B CN 116200258B CN 202310484078 A CN202310484078 A CN 202310484078A CN 116200258 B CN116200258 B CN 116200258B
Authority
CN
China
Prior art keywords
culture dish
image
defogging
mist
water
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.)
Active
Application number
CN202310484078.4A
Other languages
English (en)
Other versions
CN116200258A (zh
Inventor
杨启文
杨文航
徐英春
谢秀丽
贾沛瑶
李雪
黎敏清
蔡渊
陆宜
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.)
Jieyi Technology Beijing Co ltd
Peking Union Medical College Hospital Chinese Academy of Medical Sciences
Original Assignee
Jieyi Technology Beijing Co ltd
Peking Union Medical College Hospital Chinese Academy of Medical Sciences
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 Jieyi Technology Beijing Co ltd, Peking Union Medical College Hospital Chinese Academy of Medical Sciences filed Critical Jieyi Technology Beijing Co ltd
Priority to CN202310484078.4A priority Critical patent/CN116200258B/zh
Publication of CN116200258A publication Critical patent/CN116200258A/zh
Application granted granted Critical
Publication of CN116200258B publication Critical patent/CN116200258B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12M—APPARATUS FOR ENZYMOLOGY OR MICROBIOLOGY; APPARATUS FOR CULTURING MICROORGANISMS FOR PRODUCING BIOMASS, FOR GROWING CELLS OR FOR OBTAINING FERMENTATION OR METABOLIC PRODUCTS, i.e. BIOREACTORS OR FERMENTERS
    • C12M23/00—Constructional details, e.g. recesses, hinges
    • C12M23/02—Form or structure of the vessel
    • C12M23/04—Flat or tray type, drawers
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12M—APPARATUS FOR ENZYMOLOGY OR MICROBIOLOGY; APPARATUS FOR CULTURING MICROORGANISMS FOR PRODUCING BIOMASS, FOR GROWING CELLS OR FOR OBTAINING FERMENTATION OR METABOLIC PRODUCTS, i.e. BIOREACTORS OR FERMENTERS
    • C12M23/00—Constructional details, e.g. recesses, hinges
    • C12M23/02—Form or structure of the vessel
    • C12M23/10—Petri dish
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12M—APPARATUS FOR ENZYMOLOGY OR MICROBIOLOGY; APPARATUS FOR CULTURING MICROORGANISMS FOR PRODUCING BIOMASS, FOR GROWING CELLS OR FOR OBTAINING FERMENTATION OR METABOLIC PRODUCTS, i.e. BIOREACTORS OR FERMENTERS
    • C12M23/00—Constructional details, e.g. recesses, hinges
    • C12M23/38—Caps; Covers; Plugs; Pouring means
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12M—APPARATUS FOR ENZYMOLOGY OR MICROBIOLOGY; APPARATUS FOR CULTURING MICROORGANISMS FOR PRODUCING BIOMASS, FOR GROWING CELLS OR FOR OBTAINING FERMENTATION OR METABOLIC PRODUCTS, i.e. BIOREACTORS OR FERMENTERS
    • C12M23/00—Constructional details, e.g. recesses, hinges
    • C12M23/48—Holding appliances; Racks; Supports
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12M—APPARATUS FOR ENZYMOLOGY OR MICROBIOLOGY; APPARATUS FOR CULTURING MICROORGANISMS FOR PRODUCING BIOMASS, FOR GROWING CELLS OR FOR OBTAINING FERMENTATION OR METABOLIC PRODUCTS, i.e. BIOREACTORS OR FERMENTERS
    • C12M29/00—Means for introduction, extraction or recirculation of materials, e.g. pumps
    • C12M29/20—Degassing; Venting; Bubble traps
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12M—APPARATUS FOR ENZYMOLOGY OR MICROBIOLOGY; APPARATUS FOR CULTURING MICROORGANISMS FOR PRODUCING BIOMASS, FOR GROWING CELLS OR FOR OBTAINING FERMENTATION OR METABOLIC PRODUCTS, i.e. BIOREACTORS OR FERMENTERS
    • C12M29/00—Means for introduction, extraction or recirculation of materials, e.g. pumps
    • C12M29/26—Conditioning fluids entering or exiting the reaction vessel
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12M—APPARATUS FOR ENZYMOLOGY OR MICROBIOLOGY; APPARATUS FOR CULTURING MICROORGANISMS FOR PRODUCING BIOMASS, FOR GROWING CELLS OR FOR OBTAINING FERMENTATION OR METABOLIC PRODUCTS, i.e. BIOREACTORS OR FERMENTERS
    • C12M41/00—Means for regulation, monitoring, measurement or control, e.g. flow regulation
    • C12M41/12—Means for regulation, monitoring, measurement or control, e.g. flow regulation of temperature
    • C12M41/14—Incubators; Climatic chambers
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12M—APPARATUS FOR ENZYMOLOGY OR MICROBIOLOGY; APPARATUS FOR CULTURING MICROORGANISMS FOR PRODUCING BIOMASS, FOR GROWING CELLS OR FOR OBTAINING FERMENTATION OR METABOLIC PRODUCTS, i.e. BIOREACTORS OR FERMENTERS
    • C12M41/00—Means for regulation, monitoring, measurement or control, e.g. flow regulation
    • C12M41/12—Means for regulation, monitoring, measurement or control, e.g. flow regulation of temperature
    • C12M41/18—Heat exchange systems, e.g. heat jackets or outer envelopes
    • C12M41/22—Heat exchange systems, e.g. heat jackets or outer envelopes in contact with the bioreactor walls
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12M—APPARATUS FOR ENZYMOLOGY OR MICROBIOLOGY; APPARATUS FOR CULTURING MICROORGANISMS FOR PRODUCING BIOMASS, FOR GROWING CELLS OR FOR OBTAINING FERMENTATION OR METABOLIC PRODUCTS, i.e. BIOREACTORS OR FERMENTERS
    • C12M41/00—Means for regulation, monitoring, measurement or control, e.g. flow regulation
    • C12M41/30—Means for regulation, monitoring, measurement or control, e.g. flow regulation of concentration
    • C12M41/34—Means for regulation, monitoring, measurement or control, e.g. flow regulation of concentration of gas
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12M—APPARATUS FOR ENZYMOLOGY OR MICROBIOLOGY; APPARATUS FOR CULTURING MICROORGANISMS FOR PRODUCING BIOMASS, FOR GROWING CELLS OR FOR OBTAINING FERMENTATION OR METABOLIC PRODUCTS, i.e. BIOREACTORS OR FERMENTERS
    • C12M41/00—Means for regulation, monitoring, measurement or control, e.g. flow regulation
    • C12M41/30—Means for regulation, monitoring, measurement or control, e.g. flow regulation of concentration
    • C12M41/36—Means for regulation, monitoring, measurement or control, e.g. flow regulation of concentration of biomass, e.g. colony counters or by turbidity measurements
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12M—APPARATUS FOR ENZYMOLOGY OR MICROBIOLOGY; APPARATUS FOR CULTURING MICROORGANISMS FOR PRODUCING BIOMASS, FOR GROWING CELLS OR FOR OBTAINING FERMENTATION OR METABOLIC PRODUCTS, i.e. BIOREACTORS OR FERMENTERS
    • C12M41/00—Means for regulation, monitoring, measurement or control, e.g. flow regulation
    • C12M41/46—Means for regulation, monitoring, measurement or control, e.g. flow regulation of cellular or enzymatic activity or functionality, e.g. cell viability
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • 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
    • G06V20/693—Acquisition
    • 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
    • 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
    • G06V20/698—Matching; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/70—Labelling scene content, e.g. deriving syntactic or semantic representations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/07—Target detection
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P60/00—Technologies relating to agriculture, livestock or agroalimentary industries
    • Y02P60/20—Reduction of greenhouse gas [GHG] emissions in agriculture, e.g. CO2
    • Y02P60/21—Dinitrogen oxide [N2O], e.g. using aquaponics, hydroponics or efficiency measures

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Zoology (AREA)
  • Organic Chemistry (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Wood Science & Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Sustainable Development (AREA)
  • Biochemistry (AREA)
  • General Engineering & Computer Science (AREA)
  • Biotechnology (AREA)
  • Genetics & Genomics (AREA)
  • Microbiology (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Analytical Chemistry (AREA)
  • Multimedia (AREA)
  • Clinical Laboratory Science (AREA)
  • Molecular Biology (AREA)
  • Thermal Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Cell Biology (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Apparatus Associated With Microorganisms And Enzymes (AREA)

Abstract

本申请提供了一种用于消除培养皿盖内壁上的雾气的方法、装置和设备，方法包括：获取对待除雾的培养皿拍摄的培养皿图像；确定培养皿图像的雾气形态信息；根据培养皿图像的雾气形态信息确定是否对培养皿除雾，若对培养皿除雾，则根据培养皿图像的雾气形态信息确定除雾策略，并采用确定出的除雾策略对培养皿进行除雾。本申请能够根据培养皿图像的雾气形态信息确定除雾策略，该除雾策略使得不开盖的情况下即可对培养皿进行除雾，由于除雾时无需打开培养皿盖，避免了培养皿中的病原体逸出菌落污染外部环境的风险，不会伤害感染工作人员，也避免了外界环境中的微生物落入培养皿中污染培养皿中的菌落样品的风险，提高了菌落计数和分类的准确性。

Description

一种用于消除培养皿盖内壁上的雾气的方法、装置和设备
技术领域
本申请涉及除雾技术领域，特别是涉及一种用于消除培养皿盖内壁上的雾气的方法、装置和设备。
背景技术
微生物的菌落计数和分类在临床检验、食品、药品工业中有广泛应用。含有细菌、真菌等病原体的样本培养，通常是涂布于培养基表面，经过一定培养时间，待形成肉眼可见的菌落后判断原始样本中微生物的数量和类型，当培养皿从培养的环境中取出进行观察、计数或分类时，由于培养皿所处的培养环境与外界环境存在温湿度的差异，导致培养皿内盖容易起雾，初期是水雾形态，随着时间变长进而凝聚成水滴并逐渐变大。
由于培养皿存在起雾的情况，工作人员对于菌落信息的采集需要先将培养皿的盖子取下，再对菌落进一步计数或分类。但是打开培养皿盖暴露培养基和菌落会造成如下风险：一、培养皿内的病原体随气流逸出，污染外部环境，有可能感染工作人员带来伤害；二、外界环境中的微生物会附着在培养基上，污染培养皿样品自身，影响计数或菌落分类的准确性；三、取盖操作增加了工作的繁复性，尤其是在处理大批量样品的场景，不利于实现计数和分类的全自动化。
因此，目前急需一种无需开盖，就可以消除培养皿盖内壁上的雾气的方法，使得除雾后直接透过培养皿盖获得内部图像，以对培养皿内的菌落进行计数和/或分类。
发明内容
有鉴于此，本申请提供了一种用于消除培养皿盖内壁上的雾气的方法、装置和设备，用于对培养皿内盖上的雾气进行除雾，其技术方案如下：
一种用于消除培养皿盖内壁上的雾气的方法，包括：
获取对待除雾的培养皿拍摄的培养皿图像，其中，培养皿用于培养出菌落；
确定培养皿图像的雾气形态信息，其中，雾气形态信息包括水雾的区域面积、第一水滴的区域面积和第二水滴的数量，第一水滴是指尺寸小于预设的尺寸阈值的水滴，第二水滴是指尺寸大于或等于尺寸阈值的水滴；
根据培养皿图像的雾气形态信息确定是否对培养皿除雾；
若对培养皿除雾，则根据培养皿图像的雾气形态信息确定除雾策略，其中，除雾策略用于在不开盖的情况下对培养皿进行除雾；
采用确定出的除雾策略对培养皿进行除雾，其中，除雾后的培养皿用于对菌落进行计数和/或分类。
可选的，确定培养皿图像的雾气形态信息，包括：
采用基于语义分割算法的第一检测模型确定培养皿图像中水雾的区域面积和第一水滴的区域面积；
采用基于目标检测算法的第二检测模型确定培养皿图像中第二水滴的数量。
可选的，采用基于语义分割算法的第一检测模型确定培养皿图像中水雾的区域面积和第一水滴的区域面积，包括：
将培养皿图像按照预设尺寸分割为多个子图像，其中，多个子图像中的相邻两子图像之间具有一定的重叠；
对多个子图像分别进行第一图像增强处理和归一化处理，得到处理后的多个子图像；
将处理后的多个子图像输入基于语义分割算法的第一检测模型中，得到培养皿图像对应的掩码图像，其中，培养皿图像对应的掩码图像用于区分水雾、第一水滴和培养皿的边界，第一检测模型为以培养皿图像样本对应的处理后的多个子图像为训练样本，以培养皿图像样本对应的标注掩码图像为样本标签训练得到；
基于培养皿图像对应的掩码图像，得到培养皿图像中水雾的区域面积和第一水滴的区域面积。
可选的，将处理后的多个子图像输入基于语义分割算法的第一检测模型中，得到培养皿图像对应的掩码图像，包括：
将处理后的多个子图像输入第一检测模型的编码器中，得到处理后的多个子图像分别对应的第一多级特征信息，其中，第一多级特征信息表征水雾和第一水滴的特征；
将处理后的多个子图像分别对应的第一多级特征信息输入第一检测模型的解码器中，以在解码器中将处理后的多个子图像分别对应的第一多级特征信息投影到目标分辨率下的像素空间，得到目标分辨率下的每个像素点的掩码，由目标分辨率下的每个像素点的掩码组成掩码图像，其中，目标分辨率是指培养皿图像的分辨率。
可选的，采用基于目标检测算法的第二检测模型确定培养皿图像中第二水滴的数量，包括：
将培养皿图像处理为分辨率低于目标分辨率的第一图像；
对第一图像进行第二图像增强处理和归一化处理，得到第二图像；
将第二图像输入目标检测算法的第二检测模型中，得到培养皿图像中第二水滴的边界框，其中，第二检测模型为以培养皿图像样本对应的第二图像为训练样本，以标注的培养皿图像样本中第二水滴的边界框为样本标签训练得到；
基于培养皿图像中第二水滴的边界框，确定培养皿图像中第二水滴的数量。
可选的，将第二图像输入目标检测算法的第二检测模型中，得到培养皿图像中第二水滴的边界框，包括：
将第二图像输入第二检测模型的骨干网络，得到第二图像对应的第二多级特征信息，其中，第二多级特征信息表征第二水滴的特征；
将第二图像对应的第二多级特征信息输入第二检测模型的颈部网络，以在颈部网络中对第二多级特征信息进行特征增强处理，得到第二图像对应的多级增强特征信息；
将第二图像对应的多级增强特征信息输入第二检测模型的头部网络，以得到培养皿图像中第二水滴的边界框。
可选的，除雾策略包括除雾方式，根据培养皿图像的雾气形态信息确定除雾策略，包括：
在预先指定除雾方式的情况下，将预先指定的除雾方式作为确定出的除雾方式；
在未预先指定除雾方式的情况下，根据培养皿图像的雾气形态信息确定除雾方式；
根据培养皿图像的雾气形态信息确定除雾方式，包括：
在水雾的区域面积不为零，且第一水滴的区域面积小于或等于预设的第一面积阈值，且第二水滴的数量小于或等于预设的第一数量阈值的情况下，将加热制冷方式作为确定出的除雾方式，其中，加热制冷方式是指对培养皿及培养皿的附近设定区域进行加热，并对进入培养皿所在腔体的外部环境中的空气进行降温冷凝的方式；
在第一水滴的区域面积大于第一面积阈值，或第二水滴的数量大于第一数量阈值的情况下，将抽真空降低气压方式作为确定出的除雾方式。
可选的，还包括：
获取对除雾后的培养皿拍摄的目标图像，并确定目标图像的雾气形态信息；
判断是否达到不再除雾的条件，其中，条件为目标图像中第二水滴的数量小于预设的第二数量阈值，且目标图像中第一水滴和/或水雾的区域面积小于预设的第二面积阈值；
若否，则根据目标图像的雾气形态信息确定是否对培养皿除雾，若对培养皿除雾，则根据目标图像的雾气形态信息确定新的除雾策略，并采用新的除雾策略对培养皿进行除雾，在除雾后返回执行获取对除雾后的培养皿拍摄的目标图像。
一种用于消除培养皿盖内壁上的雾气的装置，包括：
培养皿图像获取模块，用于获取对待除雾的培养皿拍摄的培养皿图像，其中，培养皿用于培养出菌落；
雾气形态信息确定模块，用于确定培养皿图像的雾气形态信息，其中，雾气形态信息包括水雾的区域面积、第一水滴的区域面积和第二水滴的数量，第一水滴是指尺寸小于预设的尺寸阈值的水滴，第二水滴是指尺寸大于或等于尺寸阈值的水滴；
除雾判断模块，用于根据培养皿图像的雾气形态信息确定是否对培养皿除雾；
除雾策略确定模块，用于若对培养皿除雾，则根据培养皿图像的雾气形态信息确定除雾策略，其中，除雾策略用于在不开盖的情况下对培养皿进行除雾；
除雾模块，用于采用确定出的除雾策略对培养皿进行除雾，其中，除雾后的培养皿用于对菌落进行计数和/或分类。
一种用于消除培养皿盖内壁上的雾气的设备，包括除雾装置、存储器和处理器；
存储器，用于存储程序；
处理器，用于执行程序来实现上述任一项的用于消除培养皿盖内壁上的雾气的方法，以使除雾装置完成除雾。
经由上述的技术方案可知，本申请提供的用于消除培养皿盖内壁上的雾气的方法，首先获取对待除雾的培养皿拍摄的培养皿图像，然后确定培养皿图像的雾气形态信息，之后根据培养皿图像的雾气形态信息确定是否对培养皿除雾，若对培养皿除雾，则根据培养皿图像的雾气形态信息确定除雾策略，并采用确定出的除雾策略对培养皿进行除雾。本申请能够根据培养皿图像的雾气形态信息确定除雾策略，该除雾策略使得不开盖的情况下即可对培养皿进行除雾，由于除雾时无需打开培养皿盖，避免了培养皿中的病原体逸出菌落污染外部环境的风险，不会伤害感染工作人员，也避免了外界环境中的微生物落入培养皿中污染培养皿中的菌落样品的风险，提高了菌落计数和分类的准确性。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例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，下面描述中的附图仅仅是本申请的实施例，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，还可以根据提供的附图获得其他的附图。
图1为本申请实施例提供的一种用于消除培养皿盖内壁上的雾气的方法的流程示意图；
图2为培养皿图像中水雾、第一水滴和第二水滴的示意图；
图3为本申请实施例提供的另一种用于消除培养皿盖内壁上的雾气的方法的流程示意图；
图4为本申请实施例提供的掩码图像的示意图；
图5为培养皿图像中第二水滴的边界框的示意图；
图6为本申请实施例提供的用于消除培养皿盖内壁上的雾气的装置的结构示意图；
图7为本申请实施例提供的用于消除培养皿盖内壁上的雾气的设备的硬件结构框图；
图8为本申请实施例所提供的加热制冷方式对应的除雾装置的结构示意图；
图9为本申请实施例所提供的抽真空降低气压方式对应的除雾装置的结构示意图；
图10为培养皿随抽屉向外抽出时的结构示意图；
图11为图9中A部位的局部放大图。
图中：10、腔体；11、进风口；12、出风口；20、培养皿；21、皿盖；30、摄像头模块；40、光源模块；50、抽屉；60、培养皿载台；70、加热灯；80、加热板；91、进风管道；92、排风管道；93、进风风扇；94、制冷片；95、排风风扇；96、散热片；97、半导体制冷器；100、隔板；101、上腔体；102、下腔体；1021、真空口；200、真空泵；300、压力表；400、密封件。
具体实施方式
下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
本申请提供了一种用于消除培养皿盖内壁上的雾气的方法，接下来通过下述实施例对本申请提供的用于消除培养皿盖内壁上的雾气的方法进行详细介绍。
请参阅图1，示出了本申请实施例提供的一种用于消除培养皿盖内壁上的雾气的方法的流程示意图，该用于消除培养皿盖内壁上的雾气的方法可以包括：
步骤 S110、获取对待除雾的培养皿拍摄的培养皿图像。
其中，培养皿用于培养出菌落，该菌落例如可以为细菌、病毒、分子细胞等的菌落。
如背景技术中的介绍，培养皿所处的培养环境与外界环境存在差异，当培养皿从培养环境中取出时，培养皿内盖会起雾，由此得到待除雾的培养皿。
在本步骤中，可以采集待除雾的培养皿的高分辨率图像，可选的，该高分辨率图像即本步骤中的培养皿图像。
可选的，为了节省存储空间，提高运算效率，可以在获取到高分辨率图像后，从中截取培养皿所在区域的图像，得到的图像作为后续步骤处理时的培养皿图像，例如，截取包含待除雾的培养皿的3648×3648大小的图像。
步骤 S120、确定培养皿图像的雾气形态信息。
其中，雾气形态信息包括水雾的区域面积、第一水滴的区域面积和第二水滴的数量，第一水滴是指尺寸小于预设的尺寸阈值的水滴，第二水滴是指尺寸大于或等于尺寸阈值的水滴。这里，水雾的区域面积是指水雾形成的每个区域的面积，第一水滴的区域面积是指第一水滴形成的每个区域的面积。
如背景技术中的介绍，培养皿内盖起雾后，可能会有多种雾气形态，比如水雾、水滴等。在本实施例中，基于水滴的尺寸大小，将水滴划分为尺寸小于尺寸阈值的第一水滴和尺寸大于或等于尺寸阈值的第二水滴。
这里，水雾、第一水滴、第二水滴的特点为：水雾的颗粒细小且密集，区域面积大，有可能覆盖全部培养皿盖；第一水滴的颗粒中等且密集；第二水滴的颗粒大且稀疏。例如，参见图2所示的培养皿图像中水雾、第一水滴和第二水滴的示意图，可以看到，水雾的颗粒细小且十分密集，几乎覆盖培养皿内盖的所有区域，而第一水滴的颗粒相对较大且相对比较密集，箭头指向的第二水滴的颗粒最大且比较分散。
参见图2所示，水雾和第一水滴相对较密集，因此本步骤可以确定培养皿图像中水雾和第一水滴的区域面积，而第二水滴相对稀疏，无法通过区域面积衡量，本步骤可以确定培养皿图像中第二水滴的数量。
步骤 S130、根据培养皿图像的雾气形态信息确定是否对培养皿除雾。
本领域技术人员应当理解，水雾和第一水滴的存在可能会严重影响培养皿内部成像质量，而第二水滴的存在可能会导致培养皿内菌落的误判，影响菌落的计数和分类的准确性。因此，本步骤可以根据培养皿图像的雾气形态信息确定是否需要对培养皿进行除雾。
本步骤“根据培养皿图像的雾气形态信息确定是否对培养皿除雾”可以有多种实现方式，例如，在一种实现方式中，若培养皿图像中包含水雾或第一水滴或第二水滴，则确定对培养皿除雾；再例如，在另一种实现方式中，若培养皿图像中水雾和/或第一水滴的区域面积大于或等于预设的第二面积阈值，或者第二水滴的数量大于或等于预设的第二数量阈值，则确定对培养皿除雾。
上述第二面积阈值和第二数量阈值可以根据实际情况设定，在此不进行具体限定。
在本步骤中，若确定对培养皿除雾，则执行下述步骤 S140，若确定不对培养皿除雾，则可以进行后续菌落计数和分类。
步骤 S140、若对培养皿除雾，则根据培养皿图像的雾气形态信息确定除雾策略。
其中，除雾策略用于在不开盖的情况下对培养皿进行除雾。
可选的，除雾策略包括以下信息中的一种或多种：除雾时间、除雾方式，可选的，除雾方式包括以下方式中的一种或多种：加热制冷方式、抽真空降低气压方式。
本步骤“根据培养皿图像的雾气形态信息确定除雾策略”可以有多种实现方式，以除雾策略包括除雾方式为例，举例说明一种实现方式，包括：在预先指定除雾方式的情况下，将预先指定的除雾方式作为确定出的除雾方式，在未预先指定除雾方式的情况下，根据培养皿图像的雾气形态信息确定除雾方式。
具体的，考虑到实际操作中存在比较复杂的情况，有的培养皿内培养的微生物对温度湿度比较敏感，有的对气压比较敏感，在这种情况下，需要操作人员根据样品的实际情况指定除雾方式，为此，在操作人员预先指定除雾方式的情况下，优选选用指定的除雾方式。
在操作人员未指定除雾方式的情况下，可以根据培养皿图像的雾气形态信息确定除雾方式。
可选的，根据培养皿图像的雾气形态信息确定除雾方式的过程包括：在水雾的区域面积不为零，且第一水滴的区域面积小于或等于预设的第一面积阈值，且第二水滴的数量小于或等于预设的第一数量阈值的情况下，将加热制冷方式作为确定出的除雾方式，在第一水滴的区域面积大于第一面积阈值，或第二水滴的数量大于第一数量阈值的情况下，将抽真空降低气压方式作为确定出的除雾方式。
这里，加热制冷方式是指对培养皿及培养皿的附近设定区域进行加热，并对进入培养皿所在腔体的外部环境中的空气进行降温冷凝的方式，该方式可以降低培养皿所在腔体的内部环境湿度，来实现水雾消除的效果。
当然，上述除雾策略、除雾方式还可以为其他，本申请对此不进行限定。
步骤 S150、采用确定出的除雾策略对培养皿进行除雾。
其中，除雾后的培养皿用于对菌落进行计数和/或分类。
本申请提供的用于消除培养皿盖内壁上的雾气的方法，首先获取对待除雾的培养皿拍摄的培养皿图像，然后确定培养皿图像的雾气形态信息，之后根据培养皿图像的雾气形态信息确定是否对培养皿除雾，若对培养皿除雾，则根据培养皿图像的雾气形态信息确定除雾策略，并采用确定出的除雾策略对培养皿进行除雾。本申请能够根据培养皿图像的雾气形态信息确定除雾策略，该除雾策略使得不开盖的情况下即可对培养皿进行除雾，由于除雾时无需打开培养皿盖，避免了培养皿中的病原体逸出菌落污染外部环境的风险，不会伤害感染工作人员，也避免了外界环境中的微生物落入培养皿中污染培养皿中的菌落样品的风险，提高了菌落计数和分类的准确性。
在一种可能的方式中，考虑到一次除雾可能出现达不到预期的情况，为了使培养皿内盖上的雾气不影响培养皿内菌落的计数和分类，可以根据除雾情况再次进行一次或多次除雾。
基于此，参见图3所示，为本申请提供的另一种用于消除培养皿盖内壁上的雾气的方法的流程图。如图3所示，该用于消除培养皿盖内壁上的雾气的方法可以包括：
步骤 S310、获取对待除雾的培养皿拍摄的培养皿图像。
其中，培养皿用于培养出菌落。
步骤 S320、确定培养皿图像的雾气形态信息。
其中，雾气形态信息包括水雾的区域面积、第一水滴的区域面积和第二水滴的数量，第一水滴是指尺寸小于预设的尺寸阈值的水滴，第二水滴是指尺寸大于或等于尺寸阈值的水滴。
步骤 S330、根据培养皿图像的雾气形态信息确定是否对培养皿除雾。
步骤 S340、若对培养皿除雾，则根据培养皿图像的雾气形态信息确定除雾策略。
其中，除雾策略用于在不开盖的情况下对培养皿进行除雾。
步骤 S350、采用确定出的除雾策略对培养皿进行除雾。
其中，除雾后的培养皿用于对菌落进行计数和/或分类。
步骤 S310~步骤 S350与前述步骤 S110~步骤 S150一一对应，详细可参照前述介绍，在此不再赘述。
步骤 S360、获取对除雾后的培养皿拍摄的目标图像，并确定目标图像的雾气形态信息。
在本步骤中，可以在对培养皿进行一次除雾后，再次获取培养皿的图像，为了与前述图像区分，将本步骤获取的图像定义为目标图像。
本步骤可以确定目标图像的雾气形态信息，这里，确定方式与前述步骤 S320的确定方式相同，在此不再赘述。
步骤 S370、判断是否达到不再除雾的条件。
其中，不再除雾的条件为目标图像中第二水滴的数量小于预设的第二数量阈值，且目标图像中第一水滴和/或水雾的区域面积小于预设的第二面积阈值。
具体的，若本步骤判断达到不再除雾的条件，则可以进行后续菌落计数和分类；若本步骤判断未达到不再除雾的条件，则执行后续步骤 S380。
步骤 S380、若否，则根据目标图像的雾气形态信息确定是否对培养皿除雾。
本步骤的过程与前述步骤 S330的过程对应，在此不再赘述。
步骤 S390、若对培养皿除雾，则根据目标图像的雾气形态信息确定新的除雾策略，并采用新的除雾策略对培养皿进行除雾，在除雾后返回执行步骤 S360。
在本步骤中，若需要再次对培养皿除雾，则根据目标图像的雾气形态信息确定新的除雾策略，该新的除雾策略相对于步骤 S340确定出的除雾策略可能在除雾参数上有调整，本步骤可以采用新的除雾策略再次对培养皿进行除雾，并在除雾后重新获取目标图像，并根据步骤 S370的条件再次判断是否需要继续除雾，直至目标图像中第二水滴的数量小于预设的第二数量阈值，且目标图像中第一水滴和/或水雾的区域面积小于预设的第二面积阈值时完成整个除雾过程。
综上，本申请实施例考虑了实际情况中可能出现一次除雾达不到预期的场景，针对这一场景提供了更完善的除雾方法，确保了除雾效果达到预期。
以下的一个实施例，对步骤 S120和步骤 S320中“确定培养皿图像的雾气形态信息”的过程进行介绍。
“确定培养皿图像的雾气形态信息”的过程可以包括以下S1和S2：
S1、采用基于语义分割算法的第一检测模型确定培养皿图像中水雾的区域面积和第一水滴的区域面积。
本步骤可以采用基于语义分割算法的第一检测模型，使用凸多边形标注，而不单独标注个体的方式，得到培养皿图像中水雾的区域面积和第一水滴的区域面积。
在本步骤中，可以先对培养皿图像进行第一预处理，然后再将预处理后的培养皿图像输入到第一检测模型中，以基于模型输出确定出培养皿图像中水雾的区域面积和第一水滴的区域面积。
在一可选实施例中，本步骤“采用基于语义分割算法的第一检测模型确定培养皿图像中水雾的区域面积和第一水滴的区域面积”的过程包括：将培养皿图像通过双线性差值的方式降低分辨率，然后再将降低分辨率后的图像输入到第一检测模型，基于模型输出确定出培养皿图像中水雾的区域面积和第一水滴的区域面积。
例如，将3648×3648分辨率的培养皿图像通过双线性插值方式调整到512×512，然后再将512×512的图像输入到第一检测模型。
本实施例采用直接降低培养皿图像的分辨率的方式，可以有效提高水雾和第一水滴的区域面积的检测速度，但是检测精度较低。
考虑到第一检测模型为神经网络模型，目前的神经网络显存和算力的限制，其网络输入一般小于培养皿图像的分辨率，而第一水滴和水雾比较小，在检测第一水滴和水雾时需要较高的分辨率，否则可能出现检测出的水雾和第一水滴的区域面积不准确的情况，为此，本步骤还提供了另一种降低检测速度但提高检测精度的实施方式，可选的，该实施方式的过程包括以下S1-1~S1-4：
S1-1、将培养皿图像按照预设尺寸分割为多个子图像。
其中，多个子图像中的相邻两子图像之间具有一定的重叠。
例如，可选的，预设尺寸为512×512，那么本步骤可以将3648×3648分辨率的培养皿图像的长和宽各分成9份，每份的长度或宽度为512，相邻两份之间有一定的像素重叠，由此一个完整的培养皿图像可以被分割为81个子图像，每个子图像的大小为512×512。
在一可选实施例中，考虑到直接分割培养皿图像，得到的子图像数量较多，虽然检测精度较高，但检测速度较慢，为了在精度满足要求的情况下尽可能提高检测速度，本步骤还可以先将培养皿图像通过双线性差值的方式降低分辨率，然后再对降低分辨率后的培养皿图像按照预设尺寸进行分割，得到多个子图像。
例如，可选的，可以先将原始的3648×3648分辨率的培养皿图像通过双线性差值的方式调整到1824×1824，然后再将1824×1824的图像的长和宽各分为4份，每份的长度或宽度为512，相邻两份之间有一定的像素重叠，由此一个完整的培养皿图像可以被分割为16个子图像，每个子图像的大小为512×512。
虽然这种先降低分辨率再分割子图像的方式降低了检测精度，但是相对的提高了检测速度。
S1-2、对多个子图像分别进行第一图像增强处理和归一化处理，得到处理后的多个子图像。
本步骤可以对多个子图像分别进行第一图像增强处理，然后再对增强后的多个子图像分别进行归一化处理，得到处理后的多个子图像。
可选的，第一图像增强处理包括调整子图像的亮度和对比度。本实施例中，培养皿包含的培养基颜色、反射效果各不相同，通过对比度调整可以实现培养皿图像亮度的再分配，有利于图像中特征区别于其他特征，有利于提高检测精度。
例如，本步骤可以通过子图像中预设的感兴趣区域的明度自动调整子图像的明度和/或对比度。
S1-3、将处理后的多个子图像输入基于语义分割算法的第一检测模型中，得到培养皿图像对应的掩码图像。
其中，培养皿图像对应的掩码图像用于区分水雾、第一水滴和培养皿的边界，第一检测模型为以培养皿图像样本对应的处理后的多个子图像为训练样本，以培养皿图像样本对应的标注掩码图像为样本标签训练得到。
可选的，基于语义分割的第一检测模型可以为改进的UNet算法模型，但是本实施例不局限于该算法模型。
可选的，第一检测模型在训练阶段使用的优化器为Adam即自适应矩估计算法，该算法可以加快训练速度；可选的，第一检测模型的损失函数为Dice Loss及Focal Loss函数，可以在保持训练稳定性的前提下减小训练样本不平衡问题；可选的，第一检测模型的评估指标为IOU评分和F1评分；可选的，第一检测模型在训练时图像增强阶段可以只做简单的翻转和旋转操作。
在本步骤中，第一检测模型用于确定出培养皿图像对应的掩码图像，例如，图2所示的培养皿图像对应的掩码图像可以参见图4所示，图4中灰色圆环区域表示培养皿的边界，圆内灰色区域表示第一水滴所在的区域，圆内黑色区域表示水雾所在的区域，圆环外的区域为背景区域。
本步骤可以将处理后的多个子图像分别输入第一检测模型中，得到每个像素点的类别（本实施例中，该类别包括背景、水雾、第一水滴、培养皿边界），进而基于每个像素点的类别得到和培养皿图像同样大小的掩码图像。
具体来说，本步骤的过程可以包括以下S1-31和S1-32：
S1-31、将处理后的多个子图像输入第一检测模型的编码器中，得到处理后的多个子图像分别对应的第一多级特征信息。
其中，第一多级特征信息表征水雾和第一水滴的特征。
在本实施例中，第一检测模型的编码器又称为骨架网络，其可以使用卷积层和池化层将特征图尺寸一步步缩小，并捕捉每一层的特征，这些特征包含了处理后的多个子图像在不同感受野下的特征信息，该不同感受野下的特征信息也即本步骤中的第一多级特征信息。
可选的，本步骤可以将处理后的多个子图像分别对应的第一多级特征信息组合后输入到解码器中。
可选的，本步骤可以将Unet的编码器替换为EfficentNet，以增强编码器对多尺度目标的识别能力。
S1-32、将处理后的多个子图像分别对应的第一多级特征信息输入第一检测模型的解码器中，以在解码器中将处理后的多个子图像分别对应的第一多级特征信息投影到目标分辨率下的像素空间，得到目标分辨率下的每个像素点的掩码，由目标分辨率下的每个像素点的掩码组成掩码图像。
其中，目标分辨率是指培养皿图像的分辨率。
在本实施例中，第一监测模型的解码器又称为分类器，其可以基于处理后的多个子图像分别对应的第一多级特征信息对每个像素做一个四分类，即水雾、第一水滴、培养皿边界和背景，其输出为掩码图像。可选的，掩码图像中背景的像素值为0，水雾的像素值为1，第一水滴的像素值为2，培养皿边界的像素值为3。
本实施例通过对培养皿边界的检测，可以过滤图像中培养皿边界及外围的干扰，提高了水雾和第一水滴的检测精度。
S1-4、基于培养皿图像对应的掩码图像，得到培养皿图像中水雾的区域面积和第一水滴的区域面积。
例如，本步骤可以基于图4所示的掩码图像，得到水雾的区域面积，以及第一水滴的区域面积。
S2、采用基于目标检测算法的第二检测模型确定培养皿图像中第二水滴的数量。
本步骤可以采用基于目标检测算法的第二检测模型，使用边界框标注，只标注面积较大的个体，得到培养皿图像中第二水滴的数量。
在本步骤中，可以先对培养皿图像进行第二预处理，然后预处理后的培养皿图像可以输入到第二检测模型中，以基于模型输出确定出培养皿图像中第二水滴的数量。
在一可选实施例中，本步骤“采用基于目标检测算法的第二检测模型确定培养皿图像中第二水滴的数量”的过程可以包括以下S2-1~S2-4：
S2-1、将培养皿图像处理为分辨率低于目标分辨率的第一图像。
这里，目标分辨率是指培养皿图像的分辨率。
考虑到第二水滴的尺寸较大，其中包含的像素较多，因此直接将培养皿图像处理为低分辨率的第一图像，第一图像中依然保留有第二水滴较明显的特征，因此，对于第二水滴的检测，可以不必按照水雾和小水滴的检测方式进行图像分割，而是直接将培养皿图像处理为第一图像即可。
例如，本步骤可以将3648×3648分辨率的培养皿图像通过双线性差值的方式处理为512×512分辨率的第一图像。
S2-2、对第一图像进行第二图像增强处理和归一化处理，得到第二图像。
本步骤可以对第一图像进行第二图像增强处理，然后再对增强后的第一图像进行归一化处理，得到第二图像。
可选的，第二图像增强处理包括调整第一图像的亮度和对比度。本实施例中，培养皿包含的培养基颜色、反射效果各不相同，通过对比度调整可以实现培养皿图像亮度的再分配，有利于图像中特征区别于其他特征，有利于提高检测精度。
例如，本步骤可以通过第一图像中预设的感兴趣区域的明度自动调整第一图像的明度和/或对比度。
S2-3、将第二图像输入目标检测算法的第二检测模型中，得到培养皿图像中第二水滴的边界框。
其中，第二检测模型为以培养皿图像样本对应的第二图像为训练样本，以标注的培养皿图像样本中第二水滴的边界框为样本标签训练得到。
可选的，本实施例可以使用预设的阈值和检测算法预设第二检测模型检测第二水滴使用的检测框的大小，以过滤掉面积小于阈值的结果，来降低检测算法的运算量；可选的，在训练第二检测模型的过程中衡量标准可以设为：正确率=检测出正确的第二水滴的个数/检测出第二水滴的个数，基于该衡量标准训练出的第二神经模型能够保证检测出第二水滴的正确率。
在本步骤中，第二检测模型用于确定培养皿图像中第二水滴的边界框，例如，图2所示的培养皿图像中第二水滴的边界框如图5所示，图5将培养皿图像中的第二水滴通过边界框框出，因此，基于该边界框可以确定出培养皿图像中哪些水滴为第二水滴。
可选的，第二检测模型可以为YOLOv5算法模型，本领域技术人员应当理解，YOLOv5算法模型的标准结构包括顺序组成的骨干网络、颈部网络和头部网络，可选的，本实施例可以在该标准结构的基础上进行增强，引入AF-FPN和自动学习数据增强，解决模型大小与识别精度不兼容的问题，进一步提高模型的识别性能；用AF-FPN代替原来的FPN结构，提高了多尺度目标识别能力，在识别速度和精度之间进行了有效的权衡；此外，去除原网络中的Mosaic增强，根据自动学习数据增强策略使用最佳的数据增强方法来丰富数据集，提高训练效果。
当然，本实施例中，第二检测模型并不局限于YOLOv5算法模型，除此之外还可以为其他算法模型，对此不进行限定。
可选的，“将第二图像输入目标检测算法的第二检测模型中，得到培养皿图像中第二水滴的边界框”的过程具体包括以下S2-31~S2-33：
S2-31、将第二图像输入第二检测模型的骨干网络，得到第二图像对应的第二多级特征信息。
其中，第二多级特征信息表征第二水滴的特征。
在本实施例中，第二检测模型的骨干网络基于卷积神经网络，用来提取第二图像在不同感受野下的特征信息，该不同感受野下的特征信息也即本步骤中的第二多级特征信息。
例如，YOLOv5算法模型的骨干网络包括5层，由此本步骤可以得到5层分别提取的第二水滴的特征信息，该5层分别提取的第二水滴的特征信息即为第二多级特征信息。
S2-32、将第二图像对应的第二多级特征信息输入第二检测模型的颈部网络，以在颈部网络中对第二多级特征信息进行特征增强处理，得到第二图像对应的多级增强特征信息。
颈部网络为一系列混合和组合图像特征的网络层，其主要负责特征增强，在本步骤中，在颈部网络中对第二多级特征信息进行特征增强处理，使得后期的预测更加精准。
S2-33、将第二图像对应的多级增强特征信息输入第二检测模型的头部网络，以得到培养皿图像中第二水滴的边界框。
本步骤可以基于头部网络对多级图像特征信息进行分类判断，生成第二水滴的边界框。
S2-4、基于培养皿图像中第二水滴的边界框，确定培养皿图像中第二水滴的数量。
可选的，本步骤可以结合S1-3确定出的掩码图像中的培养皿边界，将培养皿边界外的边界框筛除，得到培养皿边界内的边界框，然后再基于培养皿边界内的边界框，计算得到培养皿图像中第二水滴的数量。
综上，本实施例基于第一检测模型和第二检测模型得到培养皿图像的雾气形态信息，其中，第一检测模型输出的掩码图像能够确定出培养皿边界，基于培养皿边界确定出的雾气形态信息更准确，提高了水雾面积、第一水滴的面积以及第二水滴的数量的检测精度。
本申请实施例还提供了一种用于消除培养皿盖内壁上的雾气的装置，请参阅图6，示出了本申请实施例提供的用于消除培养皿盖内壁上的雾气的装置的结构示意图，如图6所示，该用于消除培养皿盖内壁上的雾气的装置可以包括：培养皿图像获取模块601、雾气形态信息确定模块602、除雾判断模块603、除雾策略确定模块604和除雾模块605。
培养皿图像获取模块601，用于获取对待除雾的培养皿拍摄的培养皿图像，其中，所述培养皿用于培养出菌落。
雾气形态信息确定模块602，用于确定所述培养皿图像的雾气形态信息，其中，所述雾气形态信息包括水雾的区域面积、第一水滴的区域面积和第二水滴的数量，所述第一水滴是指尺寸小于预设的尺寸阈值的水滴，所述第二水滴是指尺寸大于或等于所述尺寸阈值的水滴。
除雾判断模块603，用于根据所述培养皿图像的雾气形态信息确定是否对所述培养皿除雾。
除雾策略确定模块604，用于若对所述培养皿除雾，则根据所述培养皿图像的雾气形态信息确定除雾策略，其中，所述除雾策略用于在不开盖的情况下对所述培养皿进行除雾。
除雾模块605，用于采用确定出的除雾策略对所述培养皿进行除雾，其中，除雾后的培养皿用于对所述菌落进行计数和/或分类。
本申请提供的用于消除培养皿盖内壁上的雾气的装置的工作原理，与上文描述的用于消除培养皿盖内壁上的雾气的方法的工作原理相同，详细可参照前述方法中的介绍，在此不再赘述。
本申请实施例还提供了一种用于消除培养皿盖内壁上的雾气的设备。可选的，图7示出了用于消除培养皿盖内壁上的雾气的设备的硬件结构框图，参照图7，该用于消除培养皿盖内壁上的雾气的设备的硬件结构可以包括：至少一个处理器701，至少一个通信接口702，至少一个存储器703和至少一个通信总线704，以及除雾装置705；
在本申请实施例中，处理器701、通信接口702、存储器703、通信总线704、除雾装置705的数量为至少一个，且处理器701、通信接口702、存储器703、除雾装置705通过通信总线704完成相互间的通信；
处理器701可能是一个中央处理器CPU，或者是特定集成电路ASIC（ApplicationSpecific Integrated Circuit），或者是被配置成实施本发明实施例的一个或多个集成电路等；
存储器703可能包含高速RAM存储器，也可能还包括非易失性存储器（non-volatile memory）等，例如至少一个磁盘存储器；
其中，存储器703存储有程序，处理器701可调用存储器703存储的程序，来实现上述用于消除培养皿盖内壁上的雾气的方法，以使除雾装置705完成除雾。
存储器703存储的程序用于：
获取对待除雾的培养皿拍摄的培养皿图像，其中，培养皿用于培养出菌落；
确定培养皿图像的雾气形态信息，其中，雾气形态信息包括水雾的区域面积、第一水滴的区域面积和第二水滴的数量，第一水滴是指尺寸小于预设的尺寸阈值的水滴，第二水滴是指尺寸大于或等于尺寸阈值的水滴；
根据培养皿图像的雾气形态信息确定是否对培养皿除雾；
若对培养皿除雾，则根据培养皿图像的雾气形态信息确定除雾策略，其中，除雾策略用于在不开盖的情况下对培养皿进行除雾；
采用确定出的除雾策略对培养皿进行除雾，其中，除雾后的培养皿用于对菌落进行计数和/或分类。
可选的，所述程序的细化功能和扩展功能可参照上文描述。
为了使本领域技术人员更加理解上述除雾装置，本申请针对前述实施例提供的加热制冷方式和抽真空降低气压方式，分别设计了一种除雾装置，接下来分别介绍。
请参考图8，图8为本申请实施例所提供的加热制冷方式对应的除雾装置的结构示意图。
如图所示，在一种具体实施例中，本申请所提供的除雾装置，具有用于容置培养皿20的腔体10，腔体10内设有摄像头模块30以及光源模块40，摄像头模块30用于拍摄培养皿20内的菌落，以采集菌落的信息，光源模块40用于为摄像头模块30的正常拍摄提供充足的照明。
腔体10底部设有抽屉50，抽屉50内设有培养皿载台60，培养皿载台60具有用于承载培养皿20的表面，培养皿20置于培养皿载台60的表面，培养皿20设有皿盖21，皿盖21覆盖于培养皿20的顶部，以使培养皿20内部保持相对独立的培养环境，腔体10内部在靠近培养皿20上方的位置设有加热灯70，加热灯70用于通过热辐射提供除雾所需的温度；且培养皿载台60上设有加热板80，加热板80通过热传导为除雾提供所需的温度。当然，加热板80既可以设于培养皿载台60，也可以设于腔体10的底部。
这里需要说明的是，由于加热灯70设置在培养皿载台60上方，为了不影响摄像头模块30正常拍摄培养皿20内的菌落，加热灯70可避开摄像头模块30的有效采集范围，而且，为了保证加热效果，腔体10内可以安装多个加热灯70，多个加热灯70可以周向均匀分布。
通过在腔体10内部安装加热灯70和加热板80，可以对培养皿20、与培养皿20接触的部位或者培养皿所在环境进行升温，从而通过升温的方式达到除雾的效果。
为了进一步提高除雾效果，本实施例还在腔体10外部设有气体循环系统；在腔体10后部的侧壁上设有进风口11和出风口12，气体循环系统具有与进风口11相连通的进风管道91和排风管道92，进风管道91内设有进风风扇93和制冷片94，排风管道92内设有排风风扇95和散热片96，在制冷片94与散热片96之间，设有半导体制冷器97，半导体制冷器97的冷面对应于制冷片94，半导体制冷器97的热面对应于散热片96。
在工作时，半导体制冷器97的一面制冷，另一面发热，将热量从制冷片传94递至散热片96，使制冷片94保持较低的温度，并使散热片96保持较高的温度。
当制冷片制冷温度低于外界空气的露点时，外界空气进入进风管道91经过制冷片时，被制冷片94冷却，从而起到去除空气中所含水分的功能，也就是对外界空气进行除湿，经过除湿之后的空气水分含量变低，在进入腔体10内部之后，可吸收腔体10内部的水分，然后从排风管道92排出，通过设置散热片96可以保证半导体制冷器97的冷面和热面都能够高效地工作，从而使制冷片94具有较好的制冷效率。
可见，该气体循环系统可以在腔体10内部形成一个环流，空气从进风口11进入腔体10，从出风口12排出腔体10，使腔体10内部的空气流动，更加有利于除雾，以及快速调节腔体10内部的温度。
当然，可以理解的是，除了采用制冷片94与半导体制冷器97相结合的制冷方式之外，还可以是其他形式，例如可以采用传统的制冷系统，若采用这种形式，则可以用蒸发器来代替制冷片94，用冷凝器来代替散热片96，无需设置半导体制冷器97。
请参考图9，图9为本申请实施例所提供的抽真空降低气压方式对应的除雾装置的结构示意图。
如图所示，在另一实施例中，本申请所提供的除雾装置，具有用于容置培养皿20的腔体10，腔体10底部设有抽屉50，抽屉50内设有培养皿载台60，培养皿载台60具有用于承载培养皿20的表面，培养皿20置于培养皿载台60的表面，培养皿20设有皿盖21，皿盖21覆盖于培养皿20的顶部，以使培养皿20内部保持相对独立的培养环境。
腔体10内部大体在中间位置设有一隔板100，将腔体10分为两部分，隔100板的上方为上腔体101，隔板100的下方为下腔体102，隔板100呈透明状，上腔体101中设有摄像头模块30，摄像头模块30用于拍摄培养皿20内的菌落，以采集菌落的信息，下腔体102为密封腔体，光源模块40位于下腔体102的内部，以便为摄像头模块30的正常拍摄提供充足的照明。
腔体10的后部设有真空泵200，下腔体102为设有真空口1021的密封腔体，真空泵200的抽气口连通下腔体102的真空口1021，下腔体102还设有压力表300，以实时显示下腔体102的内部压力。
工作时，通过真空泵200对下腔102体内部进行抽真空，可改变下腔体102内部的压强，这样可以使培养皿20的内部与下腔体102的内部存在压强差，使的培养皿20中的气体与培养皿20所在空间或环境的空气能够进行交换，形成空气流动，空气在流动的过程中，可以带走培养皿20内部的水分，从而在不开启皿盖21的情况下，达到除雾的效果。
请继续参考图10、图11，图10为培养皿随抽屉向外抽出时的结构示意图；图11为图9中A部位的局部放大图。
如图所示，腔体10底部的抽屉50可以从腔体10底部抽出，以放置培养皿20或者更换培养皿20。
若采用抽真空降低气压的方式进行除雾，此时要求放置培养皿20的下腔体102是密封的，所以抽屉50与腔体10的壁之间需要加装密封件400，以通过密封件400对抽屉50与腔体10接触部位的缝隙进行密封。
这样可以保证在放入培养皿20，并将抽屉50推入下腔体102之后，在改变下腔体102内部压强时，使下腔体102呈封闭的状态。
当然，除了采用抽屉50的形式放置培养皿20或者更换培养皿20之外，还可以采用自动的形式。例如，在腔体10的左侧设计培养皿入口，在腔体的右侧设计培养皿出口，采用输送带或辊轮将培养皿20逐一输送到腔体10内部，并在除雾和拍摄之后，再逐一从腔体10输出。
上述实施例仅是本申请的优选方案，具体并不局限于此，在此基础上可根据实际需要作出具有针对性的调整，从而得到不同的实施方式。例如， 单独采用加热灯70或加热板80进行除雾，或者，将两种或多种除雾方式组合使用，等等。由于可能实现的方式较多，这里就不再一一举例说明。
该除雾装置可以有效去除培养皿20的皿盖21上的雾气，使摄像头模30块在不开启培皿盖21的情况下，就能正常拍摄培养皿20内的菌落，从而对菌落进行准确的计数或分类，保证计数或分类结果的准确性。
而且，由于无需开启皿盖21，培养皿20中的病原体不会逸出菌落，从而不会污染环境，也不会伤害工作人员，外界环境中的微生物也不会落入培养皿20中污染培养皿中的菌落样品，同时，还能大幅提升计数或分类的准确性。
本申请实施例还提供一种可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现如上述用于消除培养皿盖内壁上的雾气的方法。
可选的，所述程序的细化功能和扩展功能可参照上文描述。
最后，还需要说明的是，在本文中，诸如和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (9)

1.一种用于消除培养皿盖内壁上的雾气的方法，其特征在于，包括：
获取对待除雾的培养皿拍摄的培养皿图像，其中，所述培养皿用于培养出菌落，所述待除雾的培养皿为当所述培养皿从培养环境中取出时，内盖起雾的培养皿；
确定所述培养皿图像的雾气形态信息，其中，所述雾气形态信息包括水雾的区域面积、第一水滴的区域面积和第二水滴的数量，所述第一水滴是指尺寸小于预设的尺寸阈值的水滴，所述第二水滴是指尺寸大于或等于所述尺寸阈值的水滴；
根据所述培养皿图像的雾气形态信息确定是否对所述培养皿除雾；
若对所述培养皿除雾，则根据所述培养皿图像的雾气形态信息确定除雾策略，其中，所述除雾策略用于在不开盖的情况下对所述培养皿进行除雾；
采用确定出的除雾策略对所述培养皿进行除雾，其中，除雾后的培养皿用于对所述菌落进行计数和/或分类；
所述除雾策略包括除雾方式，所述根据所述培养皿图像的雾气形态信息确定除雾策略，包括：
在预先指定除雾方式的情况下，将预先指定的除雾方式作为确定出的除雾方式；
在未预先指定除雾方式的情况下，根据所述培养皿图像的雾气形态信息确定除雾方式；
所述根据所述培养皿图像的雾气形态信息确定除雾方式，包括：
在所述水雾的区域面积不为零，且所述第一水滴的区域面积小于或等于预设的第一面积阈值，且所述第二水滴的数量小于或等于预设的第一数量阈值的情况下，将加热制冷方式作为确定出的所述除雾方式，其中，所述加热制冷方式是指对所述培养皿及所述培养皿的附近设定区域进行加热，并对进入所述培养皿所在腔体的外部环境中的空气进行降温冷凝的方式；
在所述第一水滴的区域面积大于所述第一面积阈值，或所述第二水滴的数量大于所述第一数量阈值的情况下，将抽真空降低气压方式作为确定出的所述除雾方式。
2.根据权利要求1所述的用于消除培养皿盖内壁上的雾气的方法，其特征在于，所述确定所述培养皿图像的雾气形态信息，包括：
采用基于语义分割算法的第一检测模型确定所述培养皿图像中所述水雾的区域面积和所述第一水滴的区域面积；
采用基于目标检测算法的第二检测模型确定所述培养皿图像中所述第二水滴的数量。
3.根据权利要求2所述的用于消除培养皿盖内壁上的雾气的方法，其特征在于，所述采用基于语义分割算法的第一检测模型确定所述培养皿图像中所述水雾的区域面积和所述第一水滴的区域面积，包括：
将所述培养皿图像按照预设尺寸分割为多个子图像，其中，所述多个子图像中的相邻两子图像之间具有一定的重叠；
对所述多个子图像分别进行第一图像增强处理和归一化处理，得到处理后的多个子图像；
将所述处理后的多个子图像输入所述基于语义分割算法的第一检测模型中，得到所述培养皿图像对应的掩码图像，其中，所述培养皿图像对应的掩码图像用于区分所述水雾、所述第一水滴和所述培养皿的边界，所述第一检测模型为以培养皿图像样本对应的处理后的多个子图像为训练样本，以所述培养皿图像样本对应的标注掩码图像为样本标签训练得到；
基于所述培养皿图像对应的掩码图像，得到所述培养皿图像中所述水雾的区域面积和所述第一水滴的区域面积。
4.根据权利要求3所述的用于消除培养皿盖内壁上的雾气的方法，其特征在于，所述将所述处理后的多个子图像输入所述基于语义分割算法的第一检测模型中，得到所述培养皿图像对应的掩码图像，包括：
将所述处理后的多个子图像输入所述第一检测模型的编码器中，得到所述处理后的多个子图像分别对应的第一多级特征信息，其中，所述第一多级特征信息表征所述水雾和所述第一水滴的特征；
将所述处理后的多个子图像分别对应的第一多级特征信息输入所述第一检测模型的解码器中，以在所述解码器中将所述处理后的多个子图像分别对应的第一多级特征信息投影到目标分辨率下的像素空间，得到所述目标分辨率下的每个像素点的掩码，由所述目标分辨率下的每个像素点的掩码组成所述掩码图像，其中，所述目标分辨率是指所述培养皿图像的分辨率。
5.根据权利要求4所述的用于消除培养皿盖内壁上的雾气的方法，其特征在于，所述采用基于目标检测算法的第二检测模型确定所述培养皿图像中所述第二水滴的数量，包括：
将所述培养皿图像处理为分辨率低于所述目标分辨率的第一图像；
对所述第一图像进行第二图像增强处理和归一化处理，得到第二图像；
将所述第二图像输入所述目标检测算法的第二检测模型中，得到所述培养皿图像中所述第二水滴的边界框，其中，所述第二检测模型为以所述培养皿图像样本对应的第二图像为训练样本，以标注的所述培养皿图像样本中所述第二水滴的边界框为样本标签训练得到；
基于所述培养皿图像中所述第二水滴的边界框，确定所述培养皿图像中所述第二水滴的数量。
6.根据权利要求5所述的用于消除培养皿盖内壁上的雾气的方法，其特征在于，所述将所述第二图像输入所述目标检测算法的第二检测模型中，得到所述培养皿图像中所述第二水滴的边界框，包括：
将所述第二图像输入所述第二检测模型的骨干网络，得到所述第二图像对应的第二多级特征信息，其中，所述第二多级特征信息表征所述第二水滴的特征；
将所述第二图像对应的第二多级特征信息输入所述第二检测模型的颈部网络，以在所述颈部网络中对所述第二多级特征信息进行特征增强处理，得到所述第二图像对应的多级增强特征信息；
将所述第二图像对应的多级增强特征信息输入所述第二检测模型的头部网络，以得到所述培养皿图像中所述第二水滴的边界框。
7.根据权利要求1所述的用于消除培养皿盖内壁上的雾气的方法，其特征在于，还包括：
获取对所述除雾后的培养皿拍摄的目标图像，并确定所述目标图像的雾气形态信息；
判断是否达到不再除雾的条件，其中，所述条件为所述目标图像中所述第二水滴的数量小于预设的第二数量阈值，且所述目标图像中所述第一水滴和/或所述水雾的区域面积小于预设的第二面积阈值；
若否，则根据所述目标图像的雾气形态信息确定是否对所述培养皿除雾，若对所述培养皿除雾，则根据所述目标图像的雾气形态信息确定新的除雾策略，并采用所述新的除雾策略对所述培养皿进行除雾，在除雾后返回执行所述获取对所述除雾后的培养皿拍摄的目标图像。
8.一种用于消除培养皿盖内壁上的雾气的装置，其特征在于，包括：
培养皿图像获取模块，用于获取对待除雾的培养皿拍摄的培养皿图像，其中，所述培养皿用于培养出菌落，所述待除雾的培养皿为当所述培养皿从培养环境中取出时，内盖起雾的培养皿；
雾气形态信息确定模块，用于确定所述培养皿图像的雾气形态信息，其中，所述雾气形态信息包括水雾的区域面积、第一水滴的区域面积和第二水滴的数量，所述第一水滴是指尺寸小于预设的尺寸阈值的水滴，所述第二水滴是指尺寸大于或等于所述尺寸阈值的水滴；
除雾判断模块，用于根据所述培养皿图像的雾气形态信息确定是否对所述培养皿除雾；
除雾策略确定模块，用于若对所述培养皿除雾，则根据所述培养皿图像的雾气形态信息确定除雾策略，其中，所述除雾策略用于在不开盖的情况下对所述培养皿进行除雾；
除雾模块，用于采用确定出的除雾策略对所述培养皿进行除雾，其中，除雾后的培养皿用于对所述菌落进行计数和/或分类；
所述除雾策略包括除雾方式，所述除雾策略确定模块具体用于：
在预先指定除雾方式的情况下，将预先指定的除雾方式作为确定出的除雾方式；
在未预先指定除雾方式的情况下，根据所述培养皿图像的雾气形态信息确定除雾方式；
所述根据所述培养皿图像的雾气形态信息确定除雾方式，包括：
在所述水雾的区域面积不为零，且所述第一水滴的区域面积小于或等于预设的第一面积阈值，且所述第二水滴的数量小于或等于预设的第一数量阈值的情况下，将加热制冷方式作为确定出的所述除雾方式，其中，所述加热制冷方式是指对所述培养皿及所述培养皿的附近设定区域进行加热，并对进入所述培养皿所在腔体的外部环境中的空气进行降温冷凝的方式；
在所述第一水滴的区域面积大于所述第一面积阈值，或所述第二水滴的数量大于所述第一数量阈值的情况下，将抽真空降低气压方式作为确定出的所述除雾方式。
9.一种用于消除培养皿盖内壁上的雾气的设备，其特征在于，包括除雾装置、存储器和处理器；
所述存储器，用于存储程序；
所述处理器，用于执行所述程序来实现权利要求1~7任一项所述的用于消除培养皿盖内壁上的雾气的方法，以使所述除雾装置完成除雾。
CN202310484078.4A 2023-04-28 2023-04-28 一种用于消除培养皿盖内壁上的雾气的方法、装置和设备 Active CN116200258B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310484078.4A CN116200258B (zh) 2023-04-28 2023-04-28 一种用于消除培养皿盖内壁上的雾气的方法、装置和设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310484078.4A CN116200258B (zh) 2023-04-28 2023-04-28 一种用于消除培养皿盖内壁上的雾气的方法、装置和设备

Publications (2)

Publication Number Publication Date
CN116200258A CN116200258A (zh) 2023-06-02
CN116200258B true CN116200258B (zh) 2023-07-07

Family

ID=86511453

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310484078.4A Active CN116200258B (zh) 2023-04-28 2023-04-28 一种用于消除培养皿盖内壁上的雾气的方法、装置和设备

Country Status (1)

Country Link
CN (1) CN116200258B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004012398A (ja) * 2002-06-10 2004-01-15 Microbio Corp 試料検査装置
WO2021189807A1 (zh) * 2020-03-26 2021-09-30 北京迈格威科技有限公司 图像处理方法、装置、系统和电子设备

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050095578A1 (en) * 2003-10-31 2005-05-05 Koller Manfred R. Method and apparatus for cell permeabilization
JP2007166982A (ja) * 2005-12-22 2007-07-05 Olympus Corp 生体試料培養観察装置
JP2009296938A (ja) * 2008-06-13 2009-12-24 Nikon Corp 観察装置
JP2011141444A (ja) * 2010-01-07 2011-07-21 Nikon Corp 顕微鏡システム
GB2494202A (en) * 2011-09-05 2013-03-06 Bactroscan Ltd Microorganism imaging and incubating apparatus able to maintain a temperature gradient
US20170002307A1 (en) * 2014-03-10 2017-01-05 SCREEN Holdings Co., Ltd. Imaging Apparatus, Imaging System and Incubator
WO2016161169A2 (en) * 2015-03-31 2016-10-06 Thrive Bioscience, Inc. Cell culture incubators with integrated cell manipulation systems
JP6667419B2 (ja) * 2016-11-09 2020-03-18 富士フイルム株式会社 撮像装置および方法並びに撮像制御プログラム
JP7168911B2 (ja) * 2019-01-29 2022-11-10 株式会社島津製作所 撮像環境測定器および撮像環境測定システム
CN115546630A (zh) * 2022-09-14 2022-12-30 国网江苏省电力有限公司无锡供电分公司 基于遥感影像特征目标检测的工地提取方法和系统

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004012398A (ja) * 2002-06-10 2004-01-15 Microbio Corp 試料検査装置
WO2021189807A1 (zh) * 2020-03-26 2021-09-30 北京迈格威科技有限公司 图像处理方法、装置、系统和电子设备

Also Published As

Publication number Publication date
CN116200258A (zh) 2023-06-02

Similar Documents

Publication Publication Date Title
CN111126325B (zh) 一种基于视频的智能人员安防识别统计方法
CN106733701B (zh) 马铃薯多级联合智能缺陷检测系统及检测方法
CN115249246B (zh) 一种光学玻璃表面缺陷检测方法
CN111687069B (zh) 一种基于卷积神经网络算法的智能山核桃壳仁分选机
CN105913441B (zh) 一种用于改善视频中目标检测性能的阴影去除方法
US10719691B2 (en) Culture imaging system
CN111696077A (zh) 一种基于WaferDet网络的晶圆缺陷检测方法
KR20140045923A (ko) 미생물 성장을 분석하는 방법 및 소프트웨어
CN113723573A (zh) 基于自适应比例学习的肿瘤组织病理分类系统及方法
CN109876569B (zh) 一种布袋除尘器净化气体指标在线检测装置、系统及方法
CN103865786A (zh) 细菌检测方法及系统
CN111369523B (zh) 显微图像中细胞堆叠的检测方法、系统、设备及介质
CN1746901A (zh) 肺癌早期细胞涂片彩色图像信息的计算机智能化处理的方法及其处理设备
CN104198497A (zh) 一种基于视觉显著图和支持向量机的表面缺陷检测方法
CN114120317B (zh) 基于深度学习和图像处理的光学元件表面损伤识别方法
CN104598929A (zh) 一种hog特征快速提取方法
CN100593172C (zh) 一种基于显微图像的微生物识别系统及方法
CN116200258B (zh) 一种用于消除培养皿盖内壁上的雾气的方法、装置和设备
CN115546207A (zh) 杂质的快速检测方法、计算设备和存储介质
CN113808104B (zh) 一种基于分块的金属表面缺陷检测方法及系统
CN103177244B (zh) 水下显微图像中快速检测目标生物的方法
CN116507716A (zh) 自动泡沫检测
US20230235258A1 (en) Colony analysis apparatus for determining contamination level of food subject to microbial collection
CN109389075B (zh) 智能烟机镜头模糊自检方法
CN116109840A (zh) 一种基于机器视觉的樱桃孢子识别方法

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
GR01 Patent grant
GR01 Patent grant