CN117690127A - 用于羊肚菌菌丝生长程度的识别分析方法及系统 - Google Patents

用于羊肚菌菌丝生长程度的识别分析方法及系统 Download PDF

Info

Publication number
CN117690127A
CN117690127A CN202311743836.6A CN202311743836A CN117690127A CN 117690127 A CN117690127 A CN 117690127A CN 202311743836 A CN202311743836 A CN 202311743836A CN 117690127 A CN117690127 A CN 117690127A
Authority
CN
China
Prior art keywords
growth
image
morchella
gray
colony
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
Application number
CN202311743836.6A
Other languages
English (en)
Inventor
朱丹
冯锐
张静
陈学东
张建华
海云瑞
李季
周慧
刘鹏
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.)
Agricultural Economy And Information Technology Research Institute Ningxia Academy Of Agriculture And Forestry
Original Assignee
Agricultural Economy And Information Technology Research Institute Ningxia Academy Of Agriculture And Forestry
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 Agricultural Economy And Information Technology Research Institute Ningxia Academy Of Agriculture And Forestry filed Critical Agricultural Economy And Information Technology Research Institute Ningxia Academy Of Agriculture And Forestry
Priority to CN202311743836.6A priority Critical patent/CN117690127A/zh
Publication of CN117690127A publication Critical patent/CN117690127A/zh
Pending legal-status Critical Current

Links

Classifications

    • 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
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/62—Extraction of image or video features relating to a temporal dimension, e.g. time-based feature extraction; Pattern tracking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)

Abstract

本发明涉及羊肚菌菌丝培育技术领域，具体地说，涉及一种用于羊肚菌菌丝生长程度的识别分析方法及系统。该方法具有如下步骤：S1、在羊肚菌菌丝的培育周期中连续采集生长图像，进而获取菌落生长图像时序序列S；S2、基于菌落生长图像时序序列S获取菌落生长程度时序序列K；S3、对菌落生长程度时序序列K进行拟合，获取羊肚菌生长曲线函数L。该系统用于实现上述方法。本发明能够较佳地实现在羊肚菌菌丝培育过程中，对生长程度的自动识别和分析，故效率较高且数据较为客观。

Description

用于羊肚菌菌丝生长程度的识别分析方法及系统
技术领域
本发明涉及羊肚菌菌丝培育技术领域，具体地说，涉及一种用于羊肚菌菌丝生长程度的识别分析方法及系统。
背景技术
对于羊肚菌菌丝的母种的选育，通常是在实验室环境下完成，一般会将菌丝接种于如平板培养皿中进行进行培养，通过分析研究菌丝的生长参数以实现优良种的筛选。
目前在培育过程中，对羊肚菌菌丝的生长评价，一般是由人工完成，比如测量菌落直径、观察菌落色泽等，该种方式较为费时费力且客观性较差。
发明内容
本发明提供了一种用于羊肚菌菌丝生长程度的识别分析方法，其能够克服现有技术的某种或某些缺陷。
根据本发明的用于羊肚菌菌丝生长程度的识别分析方法，其具有如下步骤：
S1、在羊肚菌菌丝的培育周期中连续采集生长图像，进而获取菌落生长图像时序序列S，S＝{(Ti，Pi)|i∈N+}；其中，Pi为Ti时刻下的菌落生长图像，菌落生长图像为RGB图像；
S2、基于菌落生长图像时序序列S获取菌落生长程度时序序列K，K＝{(Ti，Gi)|i∈N+}；其中，Gi为Ti时刻下的菌落生长程度；
S3、对菌落生长程度时序序列K进行拟合，获取羊肚菌生长曲线函数L；羊肚菌生长曲线函数L为，G＝F(T)；其中，自变量T表示时刻，因变量G表示菌落生长程度，F(*)为拟合获取的函数。
通过上述，能够基于在羊肚菌菌丝的培育周期中连续采拍的监控图像，实现对羊肚菌菌丝不同生长阶段的生长图像的获取；通过建立离散的菌落生长程度时序序列K，能够较佳地实现对不同生长节点的生长数据的比较，进而能够较佳地实现对羊肚菌菌丝在时间轴上的生长数据的获取；通过构建羊肚菌生长曲线函数L，能够较佳地实现对羊肚菌菌丝的生长分析；基于此，能够较佳地实现在羊肚菌菌丝培育过程中，对生长程度的自动识别和分析，故效率较高且数据较为客观。
作为优选，步骤S2中，获取每个时刻Ti下的生长参数生长率参数/>和粗壮度参数/>进而获取菌落生长程度Gi，/>其中，α、β和γ分别为生长参数生长率参数/>和粗壮度参数/>的设定系数。通过上述，能够较佳地基于多种参数实现对羊肚菌菌丝的生长程度评价，故能够尽可能地实现对羊肚菌菌丝的生长程度的评价的客观性。
作为优选，步骤S1中，获取未接种羊肚菌菌丝时的培养环境图像P0以及接种时刻T0，进而构建菌落生长图像基准序列(T0，P0)；
步骤S2中，基于菌落生长图像Ti与培养环境图像P0获取生长参数基于菌落生长图像Ti和菌落生长图像Ti-1获取生长率参数/>和粗壮度参数/>
故而能够较佳地实现不同评价参数的获取。
作为优选，步骤S1中，获取接种时刻T0的真实时刻t0，同时获取时刻Ti的真实时刻ti；T0＝t0-t0，Ti＝ti-t0。通过此种操作，能够使得菌落生长图像时序序列S及菌落生长图像时序序列S能够均以接种时刻T0作为0时刻；也即，能够使得每个不同的羊肚菌生长曲线函数L均是以接种时刻T0作为0时刻，故而能够较佳地实现不同的羊肚菌生长曲线函数L在时间轴上的对齐，故而利于最终所输出结果的分析。
作为优选，步骤S2中，获取菌落生长图像基准序列(T0，P0)的灰度图像序列 为培养环境图像P0的灰度图像；以及生长图像时序序列S的灰度时序序列Sgray，Sgray＝{(Ti，Pi gray)|i∈N+}，Pi gray为菌落生长图像Pi的灰度图像；
对于生长参数获取Ti时刻下，灰度图像Pi gray与灰度图像/>中灰度值的差值超过设定阈值的像素点总数Ni 1，
对于生长率参数
对于粗壮度参数获取灰度图像/>与灰度图像/>中灰度值的差值超过所述设定阈值的像素点集合I，/>以及每个像素点集合I中的每个像素点/>的对应灰度值/>以及灰度图像Pi gray中与对应每个像素点Ij的像素坐标处的像素点/>的对应灰度值/>
通过上述，能够较佳地实现不同的生长参数的获取。
作为优选，α、β和γ基于经验设定。故而能够较佳地融合人为观察的经验，实现数据的调整。
作为优选，步骤S3中，基于多项式拟合获取羊肚菌生长曲线函数L。故而能够较佳地借助现有的方法，实现羊肚菌生长曲线函数L的获取，故易于实现。
此外，本发明还提供了一种用于羊肚菌菌丝生长程度的识别分析系统，其包括：
培育单元，培育单元用于提供羊肚菌菌丝的培育空间；
培养单元，其用于接种羊肚菌菌丝以提供羊肚菌菌丝的培养环境；
图像采集单元，其设于培育单元处并用于实现对培养单元处的图像的连续采集；以及
计算及输出单元，其用于实现任一上述的识别分析方法中的步骤S1-S3的数据处理过程。
通过上述，能够较佳地对任一上述方法的实现，故能够较佳地实现对羊肚菌菌丝的生长程度的自动识别和分析。
其中，培育单元处还能够设置例如环境调节单元，环境调节单元用于实现对培养单元所处的环境参数进行调节。故而能够较佳地实现对羊肚菌菌丝的生长环境的调节。
附图说明
图1为实施例1中的识别分析方法的流程示意图。
具体实施方式
为进一步了解本发明的内容，结合实施例对本发明作详细描述。应当理解的是，实施例仅仅是对本发明进行解释而并非限定。
实施例1
见于图1，本实施例提供了一种用于羊肚菌菌丝生长程度的识别分析方法，其具有如下步骤：
S1、在羊肚菌菌丝的培育周期中连续采集生长图像，进而获取菌落生长图像时序序列S，S＝{(Ti，Pi)|i∈N+}；其中，Pi为Ti时刻下的菌落生长图像，菌落生长图像为RGB图像；
S2、基于菌落生长图像时序序列S获取菌落生长程度时序序列K，K＝{(Ti，Gi)|i∈N+}；其中，Gi为Ti时刻下的菌落生长程度；
S3、对菌落生长程度时序序列K进行拟合，获取羊肚菌生长曲线函数L；羊肚菌生长曲线函数L为，G＝F(T)；其中，自变量T表示时刻，因变量G表示菌落生长程度，F(*)为拟合获取的函数。
通过上述，能够基于在羊肚菌菌丝的培育周期中连续采拍的监控图像，实现对羊肚菌菌丝不同生长阶段的生长图像的获取；通过建立离散的菌落生长程度时序序列K，能够较佳地实现对不同生长节点的生长数据的比较，进而能够较佳地实现对羊肚菌菌丝在时间轴上的生长数据的获取；通过构建羊肚菌生长曲线函数L，能够较佳地实现对羊肚菌菌丝的生长分析；基于此，能够较佳地实现在羊肚菌菌丝培育过程中，对生长程度的自动识别和分析，故效率较高且数据较为客观。
可以理解的是，通过上述方法，能够对每一例样本或每一批次的羊肚菌菌丝进行单独分析，进而获取单独的羊肚菌生长曲线函数L；对于单一的羊肚菌生长曲线函数L，其能够实现单一培育样例的个体分析；而多个羊肚菌生长曲线函数L之间，能够实现多个培育样例间的横向分析，故而利于实现数据的比较分析。
在本实施例的步骤S2中，获取每个时刻Ti下的生长参数生长率参数/>和粗壮度参数/>进而获取菌落生长程度Gi，/>其中，α、β和γ分别为生长参数/>生长率参数/>和粗壮度参数/>的设定系数。通过上述，能够较佳地基于多种参数实现对羊肚菌菌丝的生长程度评价，故能够尽可能地实现对羊肚菌菌丝的生长程度的评价的客观性。
此外，在本实施例的步骤S1中，获取未接种羊肚菌菌丝时的培养环境图像P0以及接种时刻T0，进而构建菌落生长图像基准序列(T0，P0)；
在本实施例的步骤S2中，基于菌落生长图像Ti与培养环境图像P0获取生长参数基于菌落生长图像Ti和菌落生长图像Ti-1获取生长率参数/>和粗壮度参数/>
故而能够较佳地实现不同评价参数的获取。
在步骤S1中，获取接种时刻T0的真实时刻t0，同时获取时刻Ti的真实时刻ti；T0＝t0-t0，Ti＝ti-t0。通过此种操作，能够使得菌落生长图像时序序列S及菌落生长图像时序序列S能够均以接种时刻T0作为0时刻；也即，能够使得每个不同的羊肚菌生长曲线函数L均是以接种时刻T0作为0时刻，故而能够较佳地实现不同的羊肚菌生长曲线函数L在时间轴上的对齐，故而利于最终所输出结果的分析。
本实施例在步骤S2中，获取菌落生长图像基准序列(T0，P0)的灰度图像序列 为培养环境图像P0的灰度图像；以及生长图像时序序列S的灰度时序序列Sgray，Sgray＝{(Ti，Pi gray)|i∈N+}，Pi gray为菌落生长图像Pi的灰度图像；
对于生长参数获取Ti时刻下，灰度图像Pi gray与灰度图像/>中灰度值的差值超过设定阈值的像素点总数/>
对于生长率参数
对于粗壮度参数获取灰度图像/>与灰度图像/>中灰度值的差值超过所述设定阈值的像素点集合I，/>以及每个像素点集合I中的每个像素点/>的对应灰度值/>以及灰度图像Pi gray中与对应每个像素点Ij的像素坐标处的像素点/>的对应灰度值/>
通过上述，能够较佳地实现不同的生长参数的获取。
可以理解的是，
本实施例中所述的生长参数实际表征的是时刻Ti下菌丝在培养基处的分布情况，故而通过灰度图像Pi gray与灰度图像/>对应像素点的像素值作差，即可去除背景，保留下来的像素点即可视为菌丝所占据的点；可以知晓的是，生长参数/>的值越大，表明菌落的面积越大，生长的越庞大；
本实施例中所述的生长率参数实际表征的是当前时刻与前一时刻这个时间区间内，菌丝的生长速度的均值；生长率参数/>的值越大，表明菌落生长的越快；
本实施例中所述的粗壮度参数实际表征的是当前时刻已经长出的菌丝在到下一时刻的这一时间区间内，其平均的生长发育情况；这是基于菌丝在长出后，其色泽也会越来越饱满；故通过灰度值的差值情况，即可较佳地实现对壮实度的表征。
通过上述，能够较佳地实现从菌落的当前生长尺寸、平均生长速率以及发育速率等3个方面实现对菌丝的生长程度的评价，故能够较为客观地实现对菌丝的生长程度的识别和分析。
其中，α、β和γ基于经验设定。故而能够较佳地融合人为观察的经验，实现数据的调整。
本实施例在步骤S3中，能够基于例如多项式拟合获取羊肚菌生长曲线函数L。故而能够较佳地借助现有的方法，实现羊肚菌生长曲线函数L的获取，故易于实现。
实施例2
为了实现实施例1中的方法，本实施例提供了一种用于羊肚菌菌丝生长程度的识别分析系统，其包括：
培育单元，培育单元用于提供羊肚菌菌丝的培育空间；
培养单元，其用于接种羊肚菌菌丝以提供羊肚菌菌丝的培养环境；
图像采集单元，其设于培育单元处并用于实现对培养单元处的图像的连续采集；
计算及输出单元，其用于实现实施例1中所述的识别分析方法中的步骤S1-S3的数据处理过程。
通过上述，能够较佳地对实施例1中的方法的实现，故能够较佳地实现对羊肚菌菌丝的生长程度的自动识别和分析。
可以理解的是，培育单元能够为现有的如培育箱或培育室；培养单元能够为如培养皿、培养基等；图像采集单元能够包括如摄像头等；计算及输出单元能够基于计算机程序在一上位机处实现。
此外，培育单元处还能够设置环境调节单元，环境调节单元用于实现对培养单元所处的环境参数进行调节。故而能够较佳地实现对羊肚菌菌丝的生长环境的调节。
容易理解的是，本领域技术人员在本申请提供的一个或几个实施例的基础上，可以对本申请的实施例进行结合、拆分、重组等得到其他实施例，这些实施例均没有超出本申请的保护范围。
以上示意性的对本发明及其实施方式进行了描述，该描述没有限制性，实施例所示的也只是本发明的实施方式的部分，实际的结构并不局限于此。所以，如果本领域的普通技术人员受其启示，在不脱离本发明创造宗旨的情况下，不经创造性的设计出与该技术方案相似的结构方式及实施例，均应属于本发明的保护范围。

Claims (9)

1.用于羊肚菌菌丝生长程度的识别分析方法，其具有如下步骤：
S1、在羊肚菌菌丝的培育周期中连续采集生长图像，进而获取菌落生长图像时序序列S，S＝{(Ti，Pi)|i∈N+}；其中，Pi为Ti时刻下的菌落生长图像，菌落生长图像为RGB图像；
S2、基于菌落生长图像时序序列S获取菌落生长程度时序序列K，K＝{(Ti，Gi)|i∈N+}；其中，Gi为Ti时刻下的菌落生长程度；
S3、对菌落生长程度时序序列K进行拟合，获取羊肚菌生长曲线函数L；羊肚菌生长曲线函数L为，G＝F(T)；其中，自变量T表示时刻，因变量G表示菌落生长程度，F(*)为拟合获取的函数。
2.根据权利要求1所述的用于羊肚菌菌丝生长程度的识别分析方法，其特征在于：步骤S2中，获取每个时刻Ti下的生长参数生长率参数/>和粗壮度参数/>进而获取菌落生长程度Gi，/>其中，α、β和γ分别为生长参数/>生长率参数/>和粗壮度参数/>的设定系数。
3.根据权利要求2所述的用于羊肚菌菌丝生长程度的识别分析方法，其特征在于：
步骤S1中，获取未接种羊肚菌菌丝时的培养环境图像P0以及接种时刻T0，进而构建菌落生长图像基准序列(T0，P0)；
步骤S2中，基于菌落生长图像Ti与培养环境图像P0获取生长参数基于菌落生长图像Ti和菌落生长图像Ti-1获取生长率参数/>和粗壮度参数/>
4.根据权利要求3所述的用于羊肚菌菌丝生长程度的识别分析方法，其特征在于：步骤S1中，获取接种时刻T0的真实时刻t0，同时获取时刻Ti的真实时刻ti；T0＝t0-t0，Ti＝ti-t0。
5.根据权利要求3所述的用于羊肚菌菌丝生长程度的识别分析方法，其特征在于：步骤S2中，获取菌落生长图像基准序列(T0，P0)的灰度图像序列为培养环境图像P0的灰度图像；以及生长图像时序序列S的灰度时序序列Sgray，Sgray＝{(Ti，Pi gray)|i∈N+}，Pi gray为菌落生长图像Pi的灰度图像；
对于生长参数获取Ti时刻下，灰度图像Pi gray与灰度图像/>中灰度值的差值超过设定阈值的像素点总数/>
对于生长率参数
对于粗壮度参数获取灰度图像/>与灰度图像/>中灰度值的差值超过所述设定阈值的像素点集合I，/>以及每个像素点集合I中的每个像素点/>的对应灰度值/>以及灰度图像Pi gray中与对应每个像素点Ij的像素坐标处的像素点/>的对应灰度值
6.根据权利要求2所述的用于羊肚菌菌丝生长程度的识别分析方法，其特征在于：α、β和γ基于经验设定。
7.根据权利要求1所述的用于羊肚菌菌丝生长程度的识别分析方法，其特征在于：步骤S3中，基于多项式拟合获取羊肚菌生长曲线函数L。
8.用于羊肚菌菌丝生长程度的识别分析系统，其特征在于：包括，
培育单元，培育单元用于提供羊肚菌菌丝的培育空间；
培养单元，其用于接种羊肚菌菌丝以提供羊肚菌菌丝的培养环境；
图像采集单元，其设于培育单元处并用于实现对培养单元处的图像的连续采集；
计算及输出单元，其用于实现权利要求1-7中任一所述的识别分析方法中的步骤S1-S3的数据处理过程。
9.根据权利要求8所述的用于羊肚菌菌丝生长程度的识别分析方法，其特征在于：培育单元处设置环境调节单元，环境调节单元用于实现对培养单元所处的环境参数进行调节。
CN202311743836.6A 2023-12-18 2023-12-18 用于羊肚菌菌丝生长程度的识别分析方法及系统 Pending CN117690127A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311743836.6A CN117690127A (zh) 2023-12-18 2023-12-18 用于羊肚菌菌丝生长程度的识别分析方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311743836.6A CN117690127A (zh) 2023-12-18 2023-12-18 用于羊肚菌菌丝生长程度的识别分析方法及系统

Publications (1)

Publication Number Publication Date
CN117690127A true CN117690127A (zh) 2024-03-12

Family

ID=90135035

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311743836.6A Pending CN117690127A (zh) 2023-12-18 2023-12-18 用于羊肚菌菌丝生长程度的识别分析方法及系统

Country Status (1)

Country Link
CN (1) CN117690127A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118466179A (zh) * 2024-07-12 2024-08-09 甘肃省农业科学院作物研究所 一种作物育苗环境参数自适应调控分析方法、系统及装置

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118466179A (zh) * 2024-07-12 2024-08-09 甘肃省农业科学院作物研究所 一种作物育苗环境参数自适应调控分析方法、系统及装置

Similar Documents

Publication Publication Date Title
CN117690127A (zh) 用于羊肚菌菌丝生长程度的识别分析方法及系统
Paul et al. Viability testing and characterization of germination of fungal spores by automatic image analysis
US9206462B2 (en) Device for bacteria classification and pretreatment device for bacteria test
Treskatis et al. Morphological characterization of filamentous microorganisms in submerged cultures by on‐line digital image analysis and pattern recognition
US9933405B2 (en) Immature ear photometry in maize
CN105335982B (zh) 一种粘连菌落的分割方法
CN105954281A (zh) 一种稻谷霉变真菌菌落无损识别的方法
CN112526097A (zh) 一种基于大数据分析的养殖水体环境智能监测管理系统
CN115661081B (zh) 基于图像处理的水产养殖自动控制换水方法
CN110499386A (zh) 一种快速检测番茄枯萎病的方法
CN117274994A (zh) 一种基于图像识别技术的蟹味菇菌盖表型分析方法
CN116341786B (zh) 一种基于可控农业的植物繁育管理系统及方法
CN117115813A (zh) 基于深度相机的秧苗实时评价体系及方法
CN112651305B (zh) 一种微生物种类的鉴别方法
CN106919807A (zh) 一种工厂化水产养殖池中不同微生物群落相互影响的量化分析方法
Karatepe et al. Detection of Escherichia Coli Bacteria by Using Image Processing Techniques
Kües et al. Automated image analysis to observe pellet morphology in liquid cultures of filamentous fungi such as the basidiomycete Coprinopsis cinerea
CN118216379B (zh) 一种食用菌生长环境控制方法和系统
CN115290648A (zh) 一种基于无人机动态数字高程数据的水稻拔节期判断方法
CN113515859B (zh) 一种西瓜徒长苗无损判定方法
Ratcliff De novo origins of multicellularity in response to predation
CN116994001B (zh) 一种基于数据智能的水稻叶龄模式栽培方法、系统及设备
CN113253782B (zh) 一种采用物联网的生物化工的发酵环境调节装置
Smith Machine vision analysis of plant cells and somatic embryos
Alves et al. Using Customized Computer Vision and Charge-Coupled Device (CCD) Sensor for the Recognition of Colony Formation and Counting of Live Bacteria in the Agricultural Industry

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