本發(fā)明屬于生物信息學，尤其涉及一種基于卷積神經(jīng)網(wǎng)絡的多算法微生物培養(yǎng)綜合識別方法及系統(tǒng)。

背景技術：

1、在微生物分析領域，現(xiàn)有技術主要包括人工計數(shù)、傳統(tǒng)自動化計數(shù)和流式細胞術。人工計數(shù)依賴人工操作，效率低下，結果易受主觀因素影響，且無法提供詳細信息。傳統(tǒng)自動化計數(shù)功能單一，識別能力有限，對不同類型的培養(yǎng)基和菌落適應性差。現(xiàn)有產(chǎn)品能夠滿足一定要求但是任然有不滿足的地方，例如限制可見光采集，對于圖像采集的條件要求苛刻，無法做到分析有紅外光和紫外光等光照，以及無法識別經(jīng)過熒光染色的菌落，僅可用于發(fā)酵工藝。部分產(chǎn)品甚至需要特殊培養(yǎng)基以滿足結果分析，流式細胞術成本高昂，無法提供形態(tài)學信息。新式儀器對異形菌落或者培養(yǎng)皿上特殊標記，如記號筆標記、標簽等的存在，干擾識別結果。這些技術存在的問題導致在醫(yī)療、食品安全、環(huán)境監(jiān)測和化妝品等領域難以滿足高效、準確、全面的分析需求。

2、醫(yī)療領域：傳統(tǒng)病原菌檢測和藥敏分析依賴人工操作，耗時較長，結果易受人為因素影響，導致診斷和治療延誤。現(xiàn)有自動化設備功能單一，無法同時進行菌落計數(shù)、菌種鑒定和藥敏分析，難以提供全面的診斷信息。

3、食品安全領域：傳統(tǒng)方法依賴人工計數(shù)進行微生物污染檢測，效率低下且結果不準確，難以有效保障食品安全?，F(xiàn)有自動化設備自動化程度低，，難以全面評估食品生產(chǎn)過程中的微生物指標。

4、環(huán)境監(jiān)測領域：現(xiàn)有技術難以快速、準確地檢測環(huán)境樣本中的微生物種類和數(shù)量，導致環(huán)境污染評估和生態(tài)研究效率低下，結果可靠性差。

5、化妝品微生物殘留檢測：傳統(tǒng)方法難以有效檢測化妝品中的微生物殘留，尤其是對新菌種的識別和記錄能力有限，導致產(chǎn)品質量控制和安全評估存在隱患。

6、通過上述分析，現(xiàn)有技術存在的問題及缺陷為：

7、(1)在微生物分析領域，傳統(tǒng)的菌落計數(shù)、藥敏分析和菌種鑒定方法主要依賴人工操作，不僅效率低下，而且容易受到主觀因素的影響，導致結果的不穩(wěn)定和不可靠。此外，人工操作難以滿足高通量實驗的需求。

8、(2)現(xiàn)有的自動化分析設備雖然能夠提高分析效率，但往往只能完成單一的任務，缺乏多功能性。它們在處理復雜圖像和識別微小菌落、抑菌圈或相似菌落方面也存在局限性。

9、(3)現(xiàn)有的方法在處理不同類型的培養(yǎng)基和菌落時，容易出現(xiàn)誤判或漏判，導致分析結果不準確。同時還需解決培養(yǎng)皿上自身貼有標簽或記號筆標記等對識別結果的影響，以及不規(guī)整菌落的識別，粘連的劃分。

技術實現(xiàn)思路

1、針對現(xiàn)有技術存在的問題，本發(fā)明提供了一種基于卷積神經(jīng)網(wǎng)絡的多算法微生物培養(yǎng)綜合識別方法。

2、本發(fā)明是這樣實現(xiàn)的，一種基于卷積神經(jīng)網(wǎng)絡的多算法微生物培養(yǎng)綜合識別方法包括：

3、步驟1，數(shù)據(jù)集獲取；

4、在微生物培養(yǎng)圖像識別任務中，數(shù)據(jù)集的獲取是至關重要的第一步；數(shù)據(jù)集應包含不同類型的培養(yǎng)基、菌落形態(tài)、顏色、大小等多樣性；

5、步驟2，數(shù)據(jù)標注；

6、數(shù)據(jù)標注是訓練深度學習模型的關鍵步驟；

7、步驟3，數(shù)據(jù)預處理；

8、數(shù)據(jù)預處理是提高模型訓練效果的重要步驟；

9、步驟4，特征提??；

10、特征提取是從處理過的圖像中提取有用的特征，用于后續(xù)的模型訓練；

11、步驟5，模型訓練；

12、模型訓練是使用卷積神經(jīng)網(wǎng)絡深度學習模型進行訓練；

13、步驟6，模型調整；

14、模型調整是根據(jù)訓練和驗證結果，對模型進行進一步優(yōu)化。

15、基于卷積神經(jīng)網(wǎng)絡的多算法微生物培養(yǎng)綜合識別系統(tǒng)通過高分辨率相機或顯微鏡獲取圖像，經(jīng)過灰度轉換、增強和去噪等預處理后，利用深度學習模型進行菌落檢測、藥敏分析和菌種鑒定。系統(tǒng)包括菌落計數(shù)模塊(圖像捕獲→預處理→菌落檢測→特征提取→計數(shù))、藥敏分析模塊(圖像捕獲→預處理→抑菌圈檢測→大小測量→藥敏分析)和菌種鑒定模塊(圖像捕獲→預處理→新舊菌落區(qū)分→末端菌落圈選→菌種識別→記憶新菌種)。通過數(shù)據(jù)增強、網(wǎng)絡結構優(yōu)化和超參數(shù)調整，系統(tǒng)實現(xiàn)高效、準確的微生物識別與分析。

16、本發(fā)明的另一目的在于提供一種計算機設備，其特征在于，所述計算機設備包括存儲器和處理器，所述存儲器存儲有計算機程序，所述計算機程序被所述處理器執(zhí)行時，使得所述處理器執(zhí)行所述基于卷積神經(jīng)網(wǎng)絡的多算法微生物培養(yǎng)綜合識別方法的步驟。

17、本發(fā)明的另一目的在于提供一種計算機可讀存儲介質，存儲有計算機程序，所述計算機程序被處理器執(zhí)行時，使得所述處理器執(zhí)行所述基于卷積神經(jīng)網(wǎng)絡的多算法微生物培養(yǎng)綜合識別方法的步驟。

18、本發(fā)明的另一目的在于提供一種信息數(shù)據(jù)處理終端，所述信息數(shù)據(jù)處理終端用于實現(xiàn)所述基于卷積神經(jīng)網(wǎng)絡的多算法微生物培養(yǎng)綜合識別系統(tǒng)。

19、結合上述的技術方案和解決的技術問題，本發(fā)明所要保護的技術方案所具備的優(yōu)點及積極效果為：

20、第一、本發(fā)明針對現(xiàn)有技術的效率低下、準確性不足、功能單一和適應性差等缺點進行改進，通過集成多模式功能、應用深度學習技術和優(yōu)化圖像處理算法，為醫(yī)療、食品安全、環(huán)境監(jiān)測和化妝品等領域提供高效、準確、全面的微生物分析工具，有效解決現(xiàn)有技術無法滿足的實際需求，并能夠記錄新菌種，提升產(chǎn)品質量控制和安全評估水平。

21、本發(fā)明采用深度學習技術和圖像處理算法，實現(xiàn)微生物菌落的自動計數(shù)、藥敏分析和菌種鑒定。首先，系統(tǒng)通過圖像捕獲設備獲取培養(yǎng)皿中的菌落圖像。隨后，對圖像進行一系列處理，包括灰度轉換、圖像增強、對比度增強和去噪等步驟，以提高圖像質量，為后續(xù)分析提供清晰的圖像數(shù)據(jù)。接著，利用深度學習技術，特別是卷積神經(jīng)網(wǎng)絡模型，對處理后的圖像進行菌落檢測和識別。該模型經(jīng)過訓練，能夠準確地識別圖像中的菌落，并區(qū)分不同菌落之間的邊界。為了進一步分析菌落，系統(tǒng)提取菌落的多種特征，包括面積、周長、形狀因子、邊緣平滑度和顏色一致性等。這些特征為菌落識別和分類提供更全面的信息，并有助于提高分析的準確性。

22、本發(fā)明提供的基于卷積神經(jīng)網(wǎng)絡的多算法微生物培養(yǎng)綜合識別方法具有以下有益效果：

23、提高分析效率：自動化流程，減少人工干預，顯著提高菌落計數(shù)、藥敏分析和菌種鑒定效率，滿足高通量實驗的需求。

24、提升分析準確性：深度學習技術和圖像處理算法的應用，顯著提高菌落識別、抑菌圈識別和菌種鑒定的準確性，減少誤判和漏判。

25、增強功能多樣性：集成計數(shù)、藥敏分析和菌種鑒定功能，滿足多樣化分析需求，例如不同類型培養(yǎng)基和菌落的分析。

26、提高適應性：優(yōu)化算法，提高對不同類型培養(yǎng)基和菌落的適應性，擴大應用范圍，例如對不同顏色和形態(tài)的菌落進行準確分析。

27、記錄新菌種：能夠識別和記錄新菌種信息，為微生物學研究提供重要數(shù)據(jù)，豐富菌種數(shù)據(jù)庫。

28、記憶新菌種：系統(tǒng)能夠識別出新品種菌種，并在后續(xù)發(fā)現(xiàn)時能夠記住并正確標注識別，提高菌種鑒定的連續(xù)性和準確性。

29、第二，作為本發(fā)明的權利要求的創(chuàng)造性輔助證據(jù)，還體現(xiàn)在以下幾個重要方面：

30、(1)本發(fā)明的技術方案轉化后的預期收益和商業(yè)價值為：

31、提升微生物培養(yǎng)效率：通過自動化和智能化的微生物培養(yǎng)綜合識別方法，能夠大幅提高微生物培養(yǎng)的效率，減少人工成本和時間成本，適用于大規(guī)模工業(yè)化生產(chǎn)。

32、精準醫(yī)療和生物制藥：在精準醫(yī)療和生物制藥領域，微生物培養(yǎng)的準確識別是關鍵環(huán)節(jié)。本發(fā)明能夠為藥物研發(fā)、疫苗生產(chǎn)等提供高效、精準的微生物檢測手段，具有顯著的商業(yè)價值。

33、食品安全與環(huán)境監(jiān)測：微生物檢測在食品安全和環(huán)境監(jiān)測中具有重要作用。本發(fā)明可以快速、準確地識別食品中的有害微生物或環(huán)境中的污染微生物，保障公眾健康和環(huán)境安全。

34、市場競爭力：本發(fā)明填補了微生物培養(yǎng)自動化識別的技術空白，能夠為企業(yè)提供技術壁壘，增強市場競爭力，預期在生物技術、醫(yī)療、食品、環(huán)保等領域具有廣泛的商業(yè)應用前景。

35、(2)本發(fā)明的技術方案填補了國內外業(yè)內技術空白：

36、微生物培養(yǎng)自動化識別的空白：目前，國內外在微生物培養(yǎng)的自動化識別方面仍存在技術空白，尤其是在結合多算法和卷積神經(jīng)網(wǎng)絡的綜合識別方法上，尚未有成熟的技術方案。

37、實時監(jiān)測與智能分析的空白：現(xiàn)有的微生物培養(yǎng)識別技術多依賴于人工顯微鏡觀察或單一算法的圖像處理，無法實現(xiàn)實時監(jiān)測和智能分析。本發(fā)明通過多算法融合和卷積神經(jīng)網(wǎng)絡，填補了這一技術空白。

38、大規(guī)模應用的空白：現(xiàn)有的微生物識別技術難以滿足大規(guī)模工業(yè)化生產(chǎn)的需求，而本發(fā)明通過自動化和智能化手段，能夠在大規(guī)模微生物培養(yǎng)中實現(xiàn)高效識別，填補了這一領域的技術空白。

39、(3)本發(fā)明的技術方案是否解決了人們一直渴望解決、但始終未能獲得成功的技術難題：

40、微生物培養(yǎng)的自動化與智能化：長期以來，微生物培養(yǎng)的識別依賴于人工操作，效率低且容易出錯。本發(fā)明通過結合卷積神經(jīng)網(wǎng)絡和多算法，實現(xiàn)了微生物培養(yǎng)的自動化與智能化識別，解決了這一技術難題。

41、多維度識別的難題：傳統(tǒng)的微生物識別方法通常依賴于單一特征或單一算法，難以應對復雜多變的微生物培養(yǎng)環(huán)境。本發(fā)明通過多算法融合，能夠從多個維度進行識別，解決了這一難題。

42、實時監(jiān)測與反饋的難題：在微生物培養(yǎng)過程中，實時監(jiān)測和反饋是提高培養(yǎng)效率的關鍵。本發(fā)明通過自動化圖像采集和智能識別，能夠實現(xiàn)實時監(jiān)測和反饋，解決了這一技術難題。

43、(4)本發(fā)明的技術方案是否克服了技術偏見：

44、對單一算法的依賴：傳統(tǒng)技術往往依賴于單一的圖像處理算法(如傳統(tǒng)的圖像分類或特征提取方法)，導致識別效果受限。本發(fā)明通過結合卷積神經(jīng)網(wǎng)絡和多算法，打破了單一算法的局限性，克服了技術偏見。

45、對人工操作的依賴：現(xiàn)有的微生物培養(yǎng)識別技術多依賴于人工顯微鏡觀察，效率低且容易出錯。本發(fā)明通過自動化和智能化手段，減少了人工干預，克服了技術偏見。

46、對大規(guī)模應用的忽視：傳統(tǒng)技術難以滿足大規(guī)模工業(yè)化生產(chǎn)的需求，而本發(fā)明通過自動化和智能化手段，能夠在大規(guī)模微生物培養(yǎng)中實現(xiàn)高效識別，克服了技術偏見。