[发明专利]基于自我学习机制的粘连菌落自动分割方法

摘要

本发明属于微生物检测技术领域，涉及一种基于自我学习机制的粘连菌落自动分割方法；本发明方法通过计算机首先学习特定粘连菌落对应的菌落边缘区域、菌落接触区域以及菌落中心区域的颜色特征，根据颜色特征自动构建分割模型，随后采用未知的粘连菌落测试已构建的分割模型，最后将通过测试的分割模型应用于大批量平板中的粘连菌落分割；本发明可捕捉粘连菌落图像的菌落边缘区域（1）、菌落接触区域（2）以及菌落中心区域（3）的颜色特征，自动建立并验证粘连菌落的分割规则，使得一线的普通操作人员经过简单的操作即可实现复杂粘连菌落的高效分割。

主权项

一种基于自我学习机制的粘连菌落自动分割方法，其特征在于，按照如下步骤进行：步骤一：分割模型的自我构建，具体包含以下过程：过程（1），采集菌落彩色图像，分别提取n个粘连菌落彩色图像中菌落边缘区域（1）、菌落接触区域（2）以及菌落中心区域（3）内的红色分量R、绿色分量G和蓝色分量B的均值r、g和b，得到的n*3组数据，组建数组X n*3, 3；过程（2），建立数组Y n*3, 1，保存数组X n*3, 3中每一行的（r，g，b）值对应区域的属性，其中Y n*3, 1数组中第j*3‑2行（j=1, 2, …, n‑1, n）、第j*3‑1行（j=1, 2, …, n‑1, n）的取值均为0，Y n*3, 1数组中第j*3行（j=1, 2, …, n‑1, n）的取值均为1；过程（3），构建分割模型，将n个粘连菌落彩色图像Ii中的前Int (2*n/3)幅图像在数组X n*3, 3和数组Y n*3, 1对应的数据结合K最近邻分类算法构建分割模型 Y = Fknn（X）；其中Int (2*n/3)表示对2*n/3取整数；步骤二：分割模型的自我测试，具体包含以下过程：提取n个粘连菌落彩色图像Ii中的后n‑Int (2*n/3)幅图像在数组X n*3, 3和数组Y n*3, 1对应的数据，测试已建立的分割模型；计算出分割模型的自我测试效果，若测试效果大于90%，则进入步骤三；步骤三：粘连菌落的自动分割，具体包含以下过程：采集待分割的粘连菌落彩色图像ID（D=1, 2, …, n‑1, n），分别提取每一个像素点对应的红色分量R的均值r、绿色分量G的均值g和蓝色分量B的均值b，构成的输入变量XD，代入已通过测试的分割模型Y = Fknn（X），逐一计算像素点对应的属性YD = Fknn（XD），进而完成对待分割粘连菌落彩色图像的二值分割。