[发明专利]一种基于高光谱成像技术对培养基上的细菌菌落进行快速分类的方法

说明书

技术领域

本发明涉及一种针对培养基上的细菌菌落进行快速分类的方法，尤其是指基于高光 谱成像技术对培养基上的大肠杆菌、李斯特菌和金黄色葡萄球菌菌落进行快速分类的方 法。

背景技术

细菌在环境中的普遍存在性决定了其在人类生活中所起的重要作用。其中，有益菌 能够促进人类健康，而致病菌则会导致食源性疾病等不良影响的发生，特别的，致病菌 不仅会威胁人类自身健康，也会因为对问题食品的召回和销毁导致社会资源的浪费。若 致病菌被恐怖分子所利用，亦会诱发社会的不安因素。因此，对细菌的检测和识别具有 极其重要的作用。

随着科学的发展，基于聚合酶链式反应、酶联免疫吸附、生物传感器的细菌检测方 法有了突飞猛进的发展。何佳芮等人建立了以微珠为基础的集成型微流控芯片对细菌病 原体的快速检测平台，该平台对微珠的捕获率达到了85.17～91.8％。黄爱华等人建立了 链酶亲和素修饰的CdSe/ZnS量子点标记的基因芯片检测平台对食源性致病细菌进行鉴 定，其鉴定结果与常规方法鉴定的结果一致性达到了100％。然而，虽然上述几种方法 细菌分类准确率非常高，但其大多耗时、耗力且需要专业人员进行复杂繁琐的实验操作， 远远不能满足现代细菌分类检测的需求。

高光谱技术集光谱技术和图像技术于一身，可以实现物料的快速、无损检测，其在 细菌菌落快速识别和检测中具有广阔的应用前景。YoonS.C.等人运用高光谱成像技术 对培养基上的弯曲杆菌和非弯曲杆菌进行分类，利用波段比算法对细菌进行分类，分类 准确率达到了97～99％。此外，YoonS.C.等人还运用高光谱技术对6种非O157型大肠 杆菌进行分类，在像素水平上对细菌的分类准确率达到了95％，在菌落水平上对细菌的 分类准确率达到了97％。然而，将高光谱成像技术运用于细菌菌落分类检测在国内鲜见 报道。

发明内容

针对背景技术中的问题，本发明采用高光谱成像技术对培养基上细菌菌落进行快 速分类，为细菌识别分类提供一种快捷的、简便的、高精度的检测方法。此外，本发明 利用竞争性自适应重加权算法(CARS)、遗传算法(GA)和最小角回归算法(LARS-Lasso) 三种波长选择方法对波长进行优选，以实现简化模型的客观性、高效性和精确性。

为解决上述技术问题，本发明提供了一种基于高光谱成像技术对培养基上的细菌菌 落进行快速分类的方法，所述方法包括如下步骤：

S1.进行细菌培养，获得细菌菌落培养基；

S2.采集培养基上细菌菌落的高光谱图像，并对原始图像进行黑白文件校正处理；

S3.利用图像处理技术获取校正图像的掩膜图像，并提取细菌菌落的光谱数据信息；

S4.建立基于细菌类别和细菌光谱数据信息的全波长线性预测模型；

S5.运用多种波长选择方法进行特征波长优选并建立相应简化模型；

S6.利用上述全波长预测模型和简化模型分别对未知细菌样本进行预测。

优选地，在步骤S1中,所述的细菌菌落培养基为大肠杆菌培养基、李斯特菌培养基 和金黄色葡萄球菌培养基。

优选地，在步骤S2中，所述高光谱图像为高光谱反射图像。

优选地，在步骤S2中，利用如下公式对原始图像进行黑白文件校正处理：

R0=R-DW-D]]>

其中，R₀为校正图像，R为原始图像，W为白板，D是黑板。

优选地，在步骤S3中，利用大津阈值分割法对校正图像进行二值分割以得到掩膜 图像，并利用掩膜图像中细菌菌落所在的位置定位校正高光谱图像中细菌菌落所在的位 置，从而提取出每个细菌菌落的光谱数据信息。

优选地，在步骤S3中，提取光谱数据信息时对原始光谱图像进行了均值滤波。

优选地，在步骤S4中，全波长线性预测模型为偏最小二乘判别模型。