菌落計(jì)數(shù)與分類智能算法研究.pdf

1、菌落計(jì)數(shù)廣泛地應(yīng)用在食品、衛(wèi)生、醫(yī)療、環(huán)保、安全等行業(yè)，尤其隨著近幾年我國(guó)對(duì)食品安全和環(huán)境保護(hù)等領(lǐng)域加強(qiáng)了監(jiān)管，菌落計(jì)數(shù)的工作需求已越來(lái)越大。然而傳統(tǒng)的依靠人工的菌落計(jì)數(shù)方法，不僅工作內(nèi)容繁瑣，耗費(fèi)大量時(shí)間，也容易造成主觀錯(cuò)誤。本文針對(duì)這一問(wèn)題，研宄并實(shí)現(xiàn)了基于圖像處理算法的自動(dòng)菌落計(jì)數(shù)。本文從應(yīng)用較為普遍的普通培養(yǎng)基菌落總數(shù)計(jì)數(shù)和選擇性培養(yǎng)基菌落分類計(jì)數(shù)出發(fā)，參考相關(guān)國(guó)內(nèi)外文獻(xiàn)及國(guó)家標(biāo)準(zhǔn)，利用OpenCV圖像處理開(kāi)發(fā)工具，分別設(shè)計(jì)并實(shí)

2、現(xiàn)了菌落的智能計(jì)數(shù)算法和分類算法。
　　計(jì)數(shù)算法的主要工作是對(duì)菌落圖像進(jìn)行預(yù)處理后，利用Canny邊緣檢測(cè)算法提取了菌落圖像中的全部邊緣信息，并利用霍夫圓算法確定培養(yǎng)皿的位置，從而減除培養(yǎng)皿外的大背景；再采用基于動(dòng)態(tài)的局部閾值分割實(shí)現(xiàn)菌落目標(biāo)與培養(yǎng)基的分離；利用形態(tài)學(xué)中的迭代腐蝕算法將菌落目標(biāo)處理成小尺寸的種子點(diǎn)以解決菌落的“粘連”問(wèn)題；最后，利用鄰域搜索統(tǒng)計(jì)種子點(diǎn)個(gè)數(shù)并完成標(biāo)記。
　　分類算法的主要工作以計(jì)數(shù)算法中的種子點(diǎn)

3、為契機(jī)，首先分別利用區(qū)域種子增長(zhǎng)和Graph Cut算法完成菌落區(qū)域輪廓的精確分割。其次在分割出的每個(gè)菌落區(qū)域內(nèi)，提取該菌落的顏色、形狀和紋理信息，并量化為特征向量。向量中的顏色信息采用顏色矩算法，統(tǒng)計(jì)菌落顏色三通道的一階至三階矩；向量中的形狀信息依靠Freeman鏈碼完成菌落的周長(zhǎng)、面積、圓形度的計(jì)算，依靠霍夫橢圓檢測(cè)逼近菌落形狀來(lái)獲得長(zhǎng)短軸信息；向量中的紋理信息利用灰度共生矩陣算法計(jì)算能量、對(duì)比度、逆差矩和相關(guān)性。最后利用提取到的菌