專利名稱：智能化水處理微生物機器視覺辨識系統(tǒng)和方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種智能化水處理微生物機器視覺辨識系統(tǒng)和方法，屬于計算機生物醫(yī)學(xué) 工程應(yīng)用技術(shù)領(lǐng)域。
背景技術(shù)：
在飲用水處理領(lǐng)域，我國政府一向十分關(guān)心和重視飲用水衛(wèi)生及安全保障工作，多次 發(fā)布和修改了飲用水的衛(wèi)生標準。生活飲用水是由集中式供水單位直接供給居民作為人體 飲用和生活使用的水，該水的水質(zhì)必須確保居民的飲用安全。據(jù)世界衛(wèi)生組織(World Health Organization)調(diào)査表明，80%以上的人類疾病以及50%以上的兒童死亡原因與食用 水水質(zhì)不良有關(guān)。水的質(zhì)量直接影響著人們的身體健康。理想的飲用水不應(yīng)含有已知致病 微生物，也不應(yīng)含有水體糞便污染指示菌。實時掌握水中微生物的種類、種群數(shù)量是衡 量自來水是否達到生活飲用水衛(wèi)生標準的重要指標之一，直接關(guān)系到飲用水安全保障工作 的成敗。所以對于飲用水安全保障工作來說，定期抽樣檢査水中是否含有致病微生物和水 體糞便污染指示菌是極為重要的。
在污水處理領(lǐng)域，隨著我國城鎮(zhèn)化速度的加快，城市生活污水在污水總量中所占的比 例高達70%以上。人們?nèi)粘Ｉ町a(chǎn)生的污水主要含有一些無毒有機物，且其中氮、磷等 植物營養(yǎng)元素較高。這些污染物質(zhì)大量排入天然水體會導(dǎo)致水體富營養(yǎng)化，水體透明度降 低，自然水體功能及水質(zhì)惡化，最終導(dǎo)致生態(tài)結(jié)構(gòu)的破壞，這將會對我們所生存的環(huán)境產(chǎn) 生長遠的、無法估計的影響。所以，加強城市污水處理，對于保障城市的可持續(xù)發(fā)展具有 重要的社會意義和經(jīng)濟意義。而由于微生物的種類繁多、分解代謝能力強、繁殖速度快。 所以用微生物處理城市生活污水是全世界目前效果最好，處理費用最低方法。被世界各國 污水處理工業(yè)廣泛采用。在微生物污水處理過程中為了準確掌握污水處理系統(tǒng)的運行狀況 并及時調(diào)整處理系統(tǒng)的控制因素，可以通過實時觀察和使用污水處理系統(tǒng)中微生物的顯微 圖像來對微生物進行分類識別和生存狀況預(yù)報。所以在污水處理系統(tǒng)運行過程中對微生物 顯微圖像的觀察就顯得尤為重要。在水污染日益嚴重的今天，能否實時掌握水中微生物的種類、種群數(shù)量己經(jīng)成為了評價城市生活污水處理過程中微生物處理工藝成敗的關(guān)鍵，受 到了越來越多的專業(yè)污水處理運行管理人員的高度重視。
利用傳統(tǒng)的光學(xué)顯微鏡，觀測人員只能靠目視進行分析和檢驗，不但勞動強度大、效 率低，而且難以對被觀測對象進行客觀記錄和準確的定位定量分析。隨著機器視覺、計算 機和圖像處理等技術(shù)的發(fā)展，使我們運用數(shù)字顯微圖像處理技術(shù)來代替?zhèn)鹘y(tǒng)人工方法對微 生物進行觀測、分析、識別和狀態(tài)預(yù)報等工作的希望成為了可能。由于數(shù)字顯微圖像處理 技術(shù)能夠排除各種主觀因素的影響，快速、準確的獲得定量的測量數(shù)據(jù)，更客觀地揭示微 生物生命活動及生存狀況的規(guī)律，與傳統(tǒng)人工分析方式相比，既提高了工作效率，又增強 了分析的客觀性，因此自20世紀90年代以來，它已逐漸成為了國際計算機生物醫(yī)學(xué)工程 應(yīng)用技術(shù)領(lǐng)域的發(fā)展熱點。

發(fā)明內(nèi)容
本發(fā)明的目的就在于提供一種智能化水處理微生物機器視覺辨識系統(tǒng)和方法，所述系 統(tǒng)和方法利用人工智能技術(shù)，對實時攝取的水中微生物顯微圖像自動進行圖像預(yù)處理；圖 像分割；微生物特征參數(shù)提取與選擇；微生物分類與識別。其優(yōu)點為能通過自適應(yīng)的圖 像分割算法在HSI色彩空間自動尋找最優(yōu)的分割閾值；分類器的設(shè)計采用投票方式，避 免了由單個分類器分類時精度較低的問題，有效的提高了整體的分類精度，可在短時間內(nèi)
準確識別飲用水和城市生活污水中的微生物。在自來水處理中能為水質(zhì)是否達標提供科學(xué) 依據(jù)，克服原有人工光學(xué)鏡檢勞動強度大、用時過長、無法對各種致病微生物逐一比對的 缺點；在城市生活污水微生物處理中能為正確指揮生產(chǎn)工藝和適時調(diào)整控處理系統(tǒng)控制因 素提供重要的決策依據(jù)，克服了原有工藝靠現(xiàn)場操作人員憑感官和經(jīng)驗指揮生產(chǎn)的盲目性 和主觀性，能有力的保障城市生活污水處理設(shè)施的正常運行。
為實現(xiàn)本發(fā)明目的，本發(fā)明提供一種智能化水處理微生物機器視覺辨識方法，所述方 法包含以下步驟
步驟一微生物顯微圖像攝取
對經(jīng)過水樣預(yù)處理的待檢水樣使用本發(fā)明中的顯微圖像攝取硬件系統(tǒng)進行顯微圖像的瞬時攝錄，以備后續(xù)圖像處理過程的使用。 步驟二圖像預(yù)處理
把顯微圖像由RGB (紅Red，綠Green,藍Blue)彩色模式轉(zhuǎn)換為HSI (色調(diào)Hue, 色飽和度Saturation,亮度Intensity)彩色模式和灰度模式(Grayscale Mode)圖像，并 對轉(zhuǎn)換過的圖像用基于小波自適應(yīng)閾值的圖像去噪方法進行圖像去噪和增強，消除圖像中 的無關(guān)信息，恢復(fù)有用的真實信息，增強有關(guān)信息的可檢測性并最大限度地簡化數(shù)據(jù)。
步驟三圖像分割
在HSI色彩空間計算圖像的S域標準差d，以d為分割算法選擇依據(jù)，當(dāng)d較大時， 采用最大類間方差法確定分割閾值，當(dāng)d較小時，采用修正均值法確定分割閾值，最后用 數(shù)學(xué)形態(tài)法進行圖像后處理完成圖像分割，從而實現(xiàn)了對圖像的自適應(yīng)化動態(tài)閾值分割， 有效提高了后續(xù)圖像處理過程中對于圖像的正確理解。
步驟四特征參數(shù)提取與選擇
針對微生物在結(jié)構(gòu)與形態(tài)上的特殊性，為了提高圖像特征提取與選擇的準確性和可靠
性，共對微生物圖像進行了21項特征的提取，具體分為
(1) 、形態(tài)特征包括微生物的面積、周長、周長面積比、長軸、短軸、偏心率、圓形
度、矩形度、中心矩。
(2) 、紋理特征包括對比度、二階矩、熵、最大概率、像素對灰度的相關(guān)性、逆差矩。
(3) 、光密度特征包括綜合光密度、光密度方差、平均灰度、灰度密度。
(4) 、色度特征包括RGB色彩空間色度分布特性、HSI色彩空間色度分布特性。
步驟五微生物分類投票
共選擇了貝葉斯網(wǎng)絡(luò)(BayesNetwork)、決策樹(DecisionTree)、支持向量機(Support Vector Machine)、 K最鄰近算法(K-Nearest Neighbor Algorithm)、 BP神經(jīng)網(wǎng)絡(luò)(Back Propagation Neural Network),共五種分類器模型用于對微生物的類型進行區(qū)分。
在分類器的設(shè)計上采用投票方式，避免了由單個分類器對微生物進行分類時精度較低 的問題。具體分類步驟分為
7G)、用五個分類器分別對微生物進行分類，并對分類結(jié)果進行投票運算，當(dāng)至少有三
個分類器的分類結(jié)果一致時，就使用這個一致的結(jié)果作為最終分類結(jié)果；
(2) 、當(dāng)五個分類器對微生物的分類結(jié)果各不相同時，則將該微生物判斷為系統(tǒng)未知微 生物樣本并提示要求人工輔助識別；
(3) 、當(dāng)分類結(jié)果只有一組或兩組的兩個分類器分類結(jié)果一致時，根據(jù)各種分類模型對 于微生物分類作用重要程度的不同將五種分類器的投票運算權(quán)重從左至右依次設(shè)置 為ll、 12、 15、 19、 21，由于所有組合情況的權(quán)重都各不相同，則可選擇投票運算后 權(quán)重最大的一組結(jié)果作為最終分類結(jié)果。
步驟六微生物識別和統(tǒng)計
根據(jù)水處理微生物識別結(jié)果對待檢水樣中微生物的種類，種群數(shù)量，優(yōu)勢種群等參數(shù) 進行分析和統(tǒng)計工作，以備交由本發(fā)明中的水處理微生物狀況預(yù)報專家系統(tǒng)作為其動態(tài)數(shù) 據(jù)庫中的實時動態(tài)數(shù)據(jù)使用。
同時，本發(fā)明提供一種智能化水處理微生物機器視覺辨識系統(tǒng)，所述系統(tǒng)包含水處理 微生物顯微圖像攝取硬件系統(tǒng)、微生物圖像識別軟件系統(tǒng)、水處理微生物狀況預(yù)報專家系 統(tǒng)。
(1) 、顯微圖像攝取硬件系統(tǒng)
主要包含生物光學(xué)顯微鏡、CCD動靜態(tài)雙模式攝像機、圖像采集卡、圖像監(jiān)視器、自 動載物臺、照明系統(tǒng)。含有微生物樣本的待檢水樣經(jīng)過水樣預(yù)處理后通過所述生物光 學(xué)顯微鏡成像，經(jīng)過所述CCD動靜態(tài)雙模式攝像機將光學(xué)信號轉(zhuǎn)換為數(shù)字信號，最 后由所述圖像采集卡將微生物的顯微圖像采集輸入微生物顯微圖像識別系統(tǒng)電腦主 機。
(2) 、微生物圖像識別軟件系統(tǒng)
采用了本發(fā)明所提供的一種智能化水處理微生物機器視覺辨識方法，并運用具有高性 能微處理芯片的商用電腦作為其分析、計算、處理單元。實現(xiàn)了對飲用水和城市生活 污水中微生物的準確、快速、自動化識別。與傳統(tǒng)人工分析方式相比，既提高了工作效率，又增強了分析的客觀性。
(3)、水處理微生物狀況預(yù)報專家系統(tǒng)
建立了一種專門用于水處理行業(yè)微生物生存狀態(tài)預(yù)報的專家系統(tǒng)(Expert System),所 述水處理微生物狀況預(yù)報專家系統(tǒng)主要包含專家知識庫、動態(tài)數(shù)據(jù)庫、知識獲取機制、 解釋機制、推理機。由微生物圖像識別軟件系統(tǒng)所得的微生物識別和統(tǒng)計數(shù)據(jù)在進入 所述的動態(tài)數(shù)據(jù)庫后由所述的解釋機制翻譯后交由所述的推理機，推理機根據(jù)所述的 專家知識庫內(nèi)的專家級水平的知識與經(jīng)驗，利用人類專家解決問題的方法和策略來對 微生物識別和統(tǒng)計數(shù)據(jù)進行分析、比較、推理和判斷，模擬人類專家的決策過程，解 決原來需要人類專家處理的復(fù)雜問題。進而根據(jù)判別的結(jié)論來控制水處理現(xiàn)場的工藝 方法和設(shè)備動作。


圖1是本發(fā)明智能化水處理微生物機器視覺辨識系統(tǒng)和方法的整體流程結(jié)構(gòu)示意圖。
圖2是本發(fā)明智能化水處理微生物機器視覺辨識系統(tǒng)和方法的顯微圖像攝取硬件系統(tǒng)的
結(jié)構(gòu)框圖。
圖3是本發(fā)明智能化水處理微生物機器視覺辨識系統(tǒng)和方法的微生物圖像識別軟件系統(tǒng) 的流程圖。
圖4是本發(fā)明智能化水處理微生物機器視覺辨識系統(tǒng)和方法的水處理微生物狀況預(yù)報專
家系統(tǒng)的流程圖。
具體實施例方式
下面將結(jié)合附圖，對本發(fā)明的最優(yōu)化實施范例進行詳細闡述。
如圖2所示，本發(fā)明提供一種顯微圖像攝取硬件系統(tǒng)，所述系統(tǒng)由以下15項主要功 能部件構(gòu)成CCD動靜態(tài)雙模式攝像機HI,電調(diào)諧濾光器H2，生物光學(xué)顯微鏡H3，自 動上片系統(tǒng)H6，照明系統(tǒng)H7，載物臺H8，載物臺三維步進電機控制器H9，變焦系統(tǒng) HIO，辨識結(jié)果輸出單元Hll，外部數(shù)據(jù)存儲及恢復(fù)系統(tǒng)H12，顯微圖像識別系統(tǒng)電腦主 機H13，主機顯示器H14，圖像監(jiān)視器H15，電調(diào)諧濾光器控制系統(tǒng)H16，圖像采集卡
9H17。實時工作時，首先將含有微生物樣本的待檢水樣H4經(jīng)過水樣預(yù)處理H5后制成待 檢波片；然后由顯微圖像識別系統(tǒng)電腦主機H13控制自動上片系統(tǒng)H6，使玻片上載到載 物臺H8， H6檢測到玻片上載到載物臺后給電腦主機H13發(fā)出上片完成信號，之后由主 機H13控制載物臺三維步進電機控制器H9，使載物臺H8進行細微移動，使玻片處于生 物光學(xué)顯微鏡H3所要求的正確位置，并且通過變焦系統(tǒng)H10進行自動聚焦。此過程中還 可以由主機H13通過控制變焦系統(tǒng)H10使得生物光學(xué)顯微鏡H3在低倍和高倍下自動切 換。接下來通過生物光學(xué)顯微鏡H3成像，經(jīng)過CCD動靜態(tài)雙模式攝像機HI將光學(xué)信號 轉(zhuǎn)換為數(shù)字信號，最后由圖像采集卡H17將微生物的顯微圖像采集輸入微生物顯微圖像 識別系統(tǒng)電腦主機H13，完成整個水處理微生物顯微圖像的攝取操作。
生物光學(xué)顯微鏡H3，在本發(fā)明的最優(yōu)化實施范例中選擇了奧林巴斯(OLYMPUS) 1X65型倒置式相差顯微鏡。
光學(xué)顯微鏡有多種分類方法按使用目鏡的數(shù)目可分為雙目和單目顯微鏡；按圖像是 否有立體感可分為立體視覺和非立體視覺顯微鏡；按觀察對像可分為生物和金相顯微鏡 等；按光學(xué)原理可分為明域、偏光、相差和微差干涉對比顯微鏡等；按光源類型可分為普 通光、熒光、紫外光、紅外光和激光顯微鏡等。應(yīng)根據(jù)觀察研究對象的不同特性來對光學(xué) 顯微鏡進行選擇。
本發(fā)明中所需要研究和識別的是水處理微生物顯微圖像，由于水中的微生物屬于未染 色的生物活體標本，微生物各部分細微結(jié)構(gòu)的折射率和厚度的不同，光波通過時，波長(顏 色)和振幅(亮度)并不會發(fā)生太大變化，僅相位發(fā)生變化(振幅差)，而這種振幅差人眼 無法觀察，導(dǎo)致在明場觀察時很難觀察到微生物標本。而相差顯微鏡(又名相襯顯微鏡) 通過改變這種相位差，并利用光的衍射和干涉現(xiàn)象，可以將人眼不可分辨的相位差變?yōu)榭?分辨的振幅差，從而使觀測者能清晰的觀察活體細胞和未染色的微生物標本。即使是無色 透明的物質(zhì)也可變得清晰可見。這大大便利了活體微生物的觀察。
倒置顯微鏡產(chǎn)生的目的是為了適應(yīng)生物學(xué)、醫(yī)學(xué)等領(lǐng)域中的組織培養(yǎng)、細胞離體培養(yǎng)、 浮游生物、環(huán)境保護、食品檢驗等顯微觀察。由于上述樣品特點的限制，被檢物體有可能
10會放置在培養(yǎng)皿(或培養(yǎng)瓶)中，這樣就要求顯微鏡的物鏡和聚光鏡的工作距離很長，能 直接對培養(yǎng)皿中的被檢物體進行顯微觀察和研究。因此，倒置顯微鏡把物鏡、聚光鏡和光 源的位置都顛倒過來已達到增長物鏡和聚光鏡間工作距離的設(shè)計要求。
基于上述原因，在本發(fā)明的最優(yōu)化實施范例中選擇了倒置式相差顯微鏡。
CCD動靜態(tài)雙模式攝像機Hl，在本發(fā)明的最優(yōu)化實施范例中選擇了 SONY FCB-AX480C型動、靜態(tài)雙模式CCD攝像機。
CCD攝像機能將光信號轉(zhuǎn)化為電信號，從而能夠?qū)@微視場中的某塊區(qū)域轉(zhuǎn)化為一 幅數(shù)字圖像。CCD攝像機是整個系統(tǒng)的傳感器。因而，它的性能好壞對本系統(tǒng)的影響較 大。由于CCD像素、水平分辨率、CCD耙面大小三項參數(shù)直接影響到視場角的大小和 圖像的清晰度，所以在對CCD攝像機進行選擇時應(yīng)著重考慮上述三項參數(shù)。在本發(fā)明 的最優(yōu)化實施范例中選擇了索尼(SONY) FCB-AX480C型動、靜態(tài)雙模式CCD攝像機。 該CCD攝像機的有效像素為300萬，分辨率為480線，靶面為1/4"，顯示速度達25幀/ 秒，USB2.0數(shù)據(jù)傳輸，支持TWAIN， VFW接口，采用220VAC作為電源。
圖像采集卡H17，在本發(fā)明的最優(yōu)化實施范例中選擇了MDO8000高品質(zhì)專業(yè)圖像采 集卡。
MDO8000圖像采集卡，支持最多四路復(fù)合視頻輸入，支持S-Video輸入，可穩(wěn)定接 收來自各種視頻源的標準視頻信號(PAL、 NTSC、 SECOM)，其最高分辨率可達到1024 x 768 (PAL、 SECAM)或640x480 (NTSC)。 MDO8000采集卡畫質(zhì)清晰、兼容性好，是 生物醫(yī)學(xué)、軍事、公安等各領(lǐng)域中監(jiān)測及圖像處理系統(tǒng)的理想選擇。該圖像采集卡可以真 彩、偽彩、黑白方式采集圖像，可選擇多種采集方式；其視頻圖像通過計算機PCI總線 實時傳遞至計算機內(nèi)存；采集圖像能實時在VGA卡上顯示；具有多種附加圖像處理功能， 便于圖像后期編輯，例如進行圖像水平、垂直方向任意縮小及開窗、圖像實時頂?shù)椎怪玫取?可實時釆集單幀、任意間隔以及連續(xù)幀的圖像；亮度、對比度、色度、飽和度，畫面大小 比例均可由軟件調(diào)節(jié)；采樣位數(shù)黑白方式8Bit，彩色方式支持RGB15、 RGB16、 RGB24、 RGB32、 YUV等多種圖像格式；采集速率PAL制、SECAM制時25幀/秒，NTSC制時
1130幀/秒;支持Plug & Play連接方式，即插即用；
顯微圖像識別系統(tǒng)電腦主機H13,在本發(fā)明的最優(yōu)化實施范例中選擇了索尼SONY VAIO VGN-SR28型筆記本電腦以提高系統(tǒng)的處理性能和便攜性能。
如圖3所示，本發(fā)明提供一種微生物圖像識別軟件系統(tǒng)，所述系統(tǒng)包含以下步驟步
驟一微生物顯微圖像攝取S1;步驟二圖像預(yù)處理S2;步驟三圖像分割S3;步驟四 提取參數(shù)提取與選擇S4;步驟五微生物分類投票S5;步驟六微生物識別和統(tǒng)計S6。 通過微生物顯微圖像攝取S1，在得到原始圖像后，系統(tǒng)進入圖像預(yù)處理S2，對原始圖像 進行圖像去噪和增強，消除圖像中的無關(guān)信息并增強有關(guān)信息的可檢測性。然后進入圖像
分割S3，在HIS色彩空間尋找最佳圖像分割閾值，從而實現(xiàn)對圖像的自適應(yīng)化動態(tài)閾值 分割。在確定了待識別的目標區(qū)域后進入特征參數(shù)提取與選擇S4，分別提取微生物顯微 圖像的21項特征參數(shù)，以提高圖像特征提取與選擇的準確性和可靠性。在提取完圖像特 征后，即進入微生物分類投票S5，本步驟共采用了五種分類器模型用于對微生物類型的 區(qū)分，而且在分類器的設(shè)計上還采用了投票方式，最大限度的避免了由單個分類器對微生 物進行分類時精度較低的問題。分類完成后，系統(tǒng)最終進入微生物識別和統(tǒng)計S6，根據(jù) 水處理微生物識別結(jié)果對待檢水樣中微生物的種類，種群數(shù)量，優(yōu)勢種群等參數(shù)進行分析 和統(tǒng)計工作，以備交由本發(fā)明中的水處理微生物狀況預(yù)報專家系統(tǒng)作為其動態(tài)數(shù)據(jù)庫中的 實時動態(tài)數(shù)據(jù)使用。
如圖4所示，本發(fā)明提供一種專門用于水處理行業(yè)微生物生存狀態(tài)預(yù)報的專家系統(tǒng) (Expert System),所述水處理微生物狀況預(yù)報專家系統(tǒng)主要包含微生物識別和統(tǒng)計E1， 解釋機制E2，推理機E3，動態(tài)數(shù)據(jù)庫E4，專家知識庫E5，知識獲取機制E6，知識工程 師E7，水處理領(lǐng)域?qū)＜褽8，微生物狀況預(yù)報結(jié)果E9，指導(dǎo)實際工藝操作EIO。所述水處 理微生物狀況預(yù)報專家系統(tǒng)在運行時，首先將由微生物圖像識別軟件系統(tǒng)所得的微生物識 別和統(tǒng)計數(shù)據(jù)E1放入動態(tài)數(shù)據(jù)庫E4，之后由解釋機制E2翻譯后交由推理機E3，推理機 E3根據(jù)專家知識庫E5內(nèi)的專家級水平的知識與經(jīng)驗，利用人類專家解決問題的方法和策 略來對微生物識別和統(tǒng)計數(shù)據(jù)進行分析、比較、推理和判斷，模擬人類專家的決策過程，解決原來需要人類專家處理的復(fù)雜問題。進而根據(jù)判別得到的微生物狀況預(yù)報結(jié)果E9來 控制水處理現(xiàn)場的工藝方法和設(shè)備動作。同時所述水處理微生物狀況預(yù)報專家系統(tǒng)在運行 時還可以不斷根據(jù)需要通過知識工程師E7向水處理領(lǐng)域?qū)＜褽8 了解并總結(jié)、轉(zhuǎn)化水處 理領(lǐng)域的專家級知識與經(jīng)驗，最終通過知識獲取機制E6將最新的水處理領(lǐng)域?qū)＜壹壷R 與經(jīng)驗記入專家知識庫E5，實現(xiàn)了對所述水處理微生物狀況預(yù)報專家系統(tǒng)的不斷更新， 以保證其專業(yè)性和權(quán)威性。
本發(fā)明智能化水處理微生物機器視覺辨識系統(tǒng)和方法，經(jīng)試驗證明是可行的。該方法 不僅擴展了計算機圖像識別的應(yīng)用領(lǐng)域，而且為實現(xiàn)對飲用水中所含致病微生物和水體 糞便污染指示菌的在線檢測奠定了基礎(chǔ)，為飲用水安全保障工作的順利開展提供了一種新 興的支撐技術(shù)。該方法的實現(xiàn)還可以縮短城市生活污水微生物處理過程中微生物的檢測周 期，準確地預(yù)報水處理微生物的狀況，使工作人員能夠及時地采取防治措施，提高了勞動 效率，有力的保障了飲用水安全和城市生活污水處理設(shè)施的正常運行，可以帶來可觀的經(jīng) 濟和社會效益。
本發(fā)明說明書最后應(yīng)當(dāng)加以闡述的是以上最優(yōu)化實施范例僅用來說明本發(fā)明的一種 可行的技術(shù)方案而并非是)^本發(fā)明進行的限制。盡管參照上述最優(yōu)化實施范例對本發(fā)明進 行了詳細的說明，所屬水處理領(lǐng)域的技術(shù)人員應(yīng)當(dāng)達成以下共識仍然可以對本發(fā)明的具 體實施方式進行修改或者等同替換，而只要是未脫離本發(fā)明的內(nèi)在技術(shù)特征和技術(shù)創(chuàng)新構(gòu) 思的任何修改或者等同替換，其均應(yīng)涵蓋在本發(fā)明的權(quán)利要求范圍之中。
權(quán)利要求
1、一種智能化水處理微生物機器視覺辨識方法，其特征在于該方法包括以下步驟步驟一微生物顯微圖像攝??；步驟二圖像預(yù)處理；步驟三圖像分割；步驟四特征參數(shù)提取與選擇；步驟五微生物分類投票；步驟六微生物識別和統(tǒng)計。
2、 如權(quán)利要求1所述之智能化水處理微生物機器視覺辨識方法，其特征在于在步驟二中，把顯微圖像由RGB (紅Red,綠Green,藍Blue)彩色模式轉(zhuǎn)換為HSI (色調(diào)Hue, 色飽和度Saturation,亮度Intensity)彩色模式和灰度模式(Grayscale Mode)圖像，并 對轉(zhuǎn)換過的圖像用基于小波自適應(yīng)閾值的圖像去噪方法進行圖像去噪和增強，消除圖像中 的無關(guān)信息，恢復(fù)有用的真實信息，增強有關(guān)信息的可檢測性并最大限度地簡化數(shù)據(jù)。
3、 如權(quán)利要求1所述之智能化水處理微生物機器視覺辨識方法，其特征在于在步驟 三中，在HSI色彩空間計算圖像的S域標準差d，以d為分割算法選擇依據(jù)，當(dāng)d較大時， 采用最大類間方差法確定分割閾值，當(dāng)d較小時，采用修正均值法確定分割閾值，最后用 數(shù)學(xué)形態(tài)法進行圖像后處理完成圖像分割，從而實現(xiàn)了對圖像的自適應(yīng)化動態(tài)閾值分割， 有效提高了后續(xù)圖像處理過程中對于圖像的正確理解。
4、 如權(quán)利要求1所述之智能化水處理微生物機器視覺辨識方法，其特征在于在步驟 四中，針對微生物在結(jié)構(gòu)與形態(tài)上的特殊性，為了提高圖像特征提取與選擇的準確性和可 靠性，共對微生物圖像進行了21項特征的提取，具體分為(1) 、形態(tài)特征包括微生物的面積、周長、周長面積比、長軸、短軸、偏心率、圓形 度、矩形度、中心矩。(2) 、紋理特征包括對比度、二階矩、熵、最大概率、像素對灰度的相關(guān)性、逆差矩。(3) 、光密度特征包括綜合光密度、光密度方差、平均灰度、灰度密度。(4) 、色度特征包括RGB色彩空間色度分布特性、HSI色彩空間色度分布特性。
5、 如權(quán)利要求l所述之智能化水處理微生物機器視覺辨識方法，其特征在于在步驟 五中，共選擇了貝葉斯網(wǎng)絡(luò)(Bayes Network)、決策樹(Decision Tree)、支持向量機(Support Vector Machine), K最鄰近算法(K-Nearest Neighbor Algorithm)、 BP神經(jīng)網(wǎng)絡(luò)(Back Propagation Neural Network),共五種分類器模型用于對微生物的類型進行區(qū)分。
6、 如權(quán)利要求1所述之智能化水處理微生物機器視覺辨識方法，其特征在于在步驟 五中，在分類器的設(shè)計上采用投票方式，避免了由單個分類器對微生物進行分類時精度較 低的問題。用五個分類器分別對微生物進行分類，并對分類結(jié)果進行投票運算，當(dāng)至少有 三個分類器的分類結(jié)果一致時，就使用這個一致的結(jié)果作為最終分類結(jié)果；當(dāng)五個分類器 對微生物的分類結(jié)果各不相同時，則將該微生物判斷為系統(tǒng)未知微生物樣本并提示要求人 工輔助識別；當(dāng)分類結(jié)果只有一組或兩組的兩個分類器分類結(jié)果一致時，根據(jù)各種分類模 型對于微生物分類作用重要程度的不同將五種分類器的投票運算權(quán)重從左至右依次設(shè)置 為11、 12、 15、 19、 21，由于所有組合情況的權(quán)重都各不相同，則可選擇投票運算后權(quán) 重最大的一組結(jié)果作為最終分類結(jié)果。
7、 一種智能化水處理微生物機器視覺辨識系統(tǒng)，所述系統(tǒng)包含水處理微生物顯微圖 像攝取硬件系統(tǒng)、微生物圖像識別軟件系統(tǒng)、水處理微生物狀況預(yù)報專家系統(tǒng)，其特征在 于，所述微生物顯微圖像攝取硬件系統(tǒng)主要包含生物光學(xué)顯微鏡、CCD動靜態(tài)雙模式攝 像機、圖像采集卡、圖像監(jiān)視器、自動載物臺、照明系統(tǒng)。含有微生物樣本的待檢水樣經(jīng) 過水樣預(yù)處理后通過所述生物光學(xué)顯微鏡成像，經(jīng)過所述CCD動靜態(tài)雙模式攝像機將光 學(xué)信號轉(zhuǎn)換為數(shù)字信號，最后由所述圖像采集卡將微生物的顯微圖像采集輸入微生物顯微 圖像識別系統(tǒng)電腦主機。
8、 如權(quán)利要求7所述之水處理微生物狀況預(yù)報專家系統(tǒng)，其特征在于，建立了一種 專門用于水處理行業(yè)微生物生存狀態(tài)預(yù)報的專家系統(tǒng)(Expert System),所述水處理微生 物狀況預(yù)報專家系統(tǒng)主要包含專家知識庫、動態(tài)數(shù)據(jù)庫、知識獲取機制、解釋機制、推理 機。由微生物圖像識別軟件系統(tǒng)所得的微生物識別和統(tǒng)計數(shù)據(jù)在進入所述的動態(tài)數(shù)據(jù)庫后 由所述的解釋機制翻譯后交由所述的推理機，推理機根據(jù)所述的專家知識庫內(nèi)的專家級水平的知識與經(jīng)驗，利用人類專家解決問題的方法和策略來對微生物識別和統(tǒng)計數(shù)據(jù)進行分 析、比較、推理和判斷，模擬人類專家的決策過程，解決原來需要人類專家處理的復(fù)雜問 題。進而根據(jù)判別的結(jié)論來控制水處理現(xiàn)場的工藝方法和設(shè)備動作。
9、如權(quán)利要求7所述之微生物圖像識別軟件系統(tǒng)，其特征在于，所述微生物圖像識別軟件系統(tǒng)采用了如權(quán)利要求1所述之一種智能化水處理微生物機器視覺辨識方法，并運 用具有高性能微處理芯片的商用電腦g為其分析、計算、處理單元。實現(xiàn)了對飲用水和城市生活污水中微生物的準確、快速、自動化識別。與傳統(tǒng)人工分析方式相比，既提高了工 作效率，又增強了分析的客觀性。該方法的實現(xiàn)還可以縮短水處理過程微生物的檢測周期，準確地預(yù)報水處理微生物的狀況，使工作人員能夠及時地采取防治措施。有力的保障了飲 用水安全和城市生活污水處理設(shè)施的正常運行，可以帶來可觀的經(jīng)濟和社會效益。
全文摘要
本發(fā)明提供一種智能化水處理微生物機器視覺辨識系統(tǒng)和方法，所述系統(tǒng)和方法利用人工智能技術(shù)，對實時攝取的水中微生物顯微圖像自動進行圖像預(yù)處理；圖像分割；微生物特征參數(shù)提取與選擇；微生物分類與識別。優(yōu)點通過自適應(yīng)的圖像分割算法在HSI色彩空間自動尋找最優(yōu)的分割閾值；分類器的設(shè)計采用投票方式，避免了由單個分類器分類時精度較低的問題，有效的提高了整體的分類精度，可準確識別飲用水和城市生活污水中的微生物。該方法的實現(xiàn)還可以縮短水處理過程微生物的檢測周期，準確地預(yù)報水處理微生物的狀況，使工作人員能夠及時地采取防治措施。有力的保障了飲用水安全和城市生活污水處理設(shè)施的正常運行，可以帶來可觀的經(jīng)濟和社會效益。
文檔編號G06K9/60GK101477630SQ20091009410
公開日2009年7月8日 申請日期2009年2月17日 優(yōu)先權(quán)日2009年2月17日
發(fā)明者史紅春, 俊 吳, 李建鴻, 晶 柏, 敏 黃 申請人:吳 俊;黃 敏;李建鴻