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
【技术领域】
[0001] 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】
[0002] 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。
[0003] 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。
[0004] 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。Yoon S.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，Yoon S. C.等人还运用高光谱技术对6种非0157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】
[0005] 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。
[0006] 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：
[0007] S1.进行细菌培养，获得细菌菌落培养基；
[0008] 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；
[0009] 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；
[0010] S4.建立基于细菌类另_细菌光谱数据信息的全波长线性预测模型；
[0011] 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；
[0012] 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。
[0013]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。
[0014] 优选地，在步骤S2中，所述高光谱图像为高光谱反射图像。
[0015] 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：
[0016]
[0017]其中，R〇为校正图像，R为原始图像，W为白板，D是黑板。
[0018] 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。
[0019] 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。
[0020] 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。
[0021] 优选地，在步骤S5中，运用的多种波长选择方法为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)。
[0022] 优选地，在步骤S5中，所述简化模型为以所选特征波长为自变量，以细菌种类为因 变量的偏最小二乘判别模型。
[0023] 优选地，在步骤S6中，全波长预测模型及简化模型对未知细菌预测性能好坏的评 价指标为决定系数、均方根误差、潜变量数、优选波长数、校正准确率、预测准确率和置信预 测准确率。
[0024]本发明的有益效果是：
[0025] 本发明利用高光谱成像技术对培养基上的细菌菌落进行分类，在建立全波长模型 的基础上，应用多种波长选择方法进行特征波长优选并建立基于这些特征波长的简化模 型。利用全波长模型及简化模型预测未知细菌的种类，从而建立培养基上细菌菌落快速分 类的无损检测方法。此外，简化模型中优选的特征波长可以为开发低成本检测仪器提供理 论依据。
【附图说明】
[0026] 图1是培养基上细菌菌落分类预测模型构建流程图；
[0027]图2是校正图像的掩膜图像；
[0028]图3是三类细菌的所有光谱；
[0029 ]图4是CARS简化模型构建所选择的波长；
[0030]图5是CARS简化模型选择的潜变量数；
[0031 ]图6是CARS简化模型对预测样本预测的结果。
【具体实施方式】
[0032]下面结合具体实施例对本发明予以详细说明。
[0033]将低温储存在甘油中的三种细菌划线接种于胰蛋白胨大豆琼脂平板上，并于37°C 活化培养22-24h。挑取形态较好的单菌落接种于3ml胰蛋白大豆肉汤中于37°C培养18-20h。 取0. lml菌液接种于培养皿中，加入10~15ml TSA(45±0.5°C )使菌液均匀分布，待琼脂凝 固后将平板倒置并于36±1°C条件下培养24h，获得三种细菌菌落的培养基。
[0034] 在图1培养基上细菌菌落分类预测模型构建流程图中，在获得细菌菌落培养基后， 利用高光谱成像系统采集培养基上细菌菌落的高光谱图像数据，该系统波长扫描范围为 390~1040nm，曝光时间为100ms，移动平台的移动速度为2mm/s。
[0035] 依如下计算公式对采集的高光谱图像进行黑白文件校正，获取样本的反射图像。
[0