基于细菌电子显微图像与细菌拉曼光谱的肉毒梭菌识别分类
发布时间：2022-12-17 19:00
细菌食源性中毒问题一直是疾控领域需要受到重视且棘手的问题。其中,肉毒梭菌是一种重要的食源性致病菌。传统的检测一般需要5-10天的时间。亟待提出一种新的细菌检测方式,满足当今社会对细菌检测快速、便捷的需求。电子显微图像具有快速统计分类的特点,在多个领域适用。目前得显微图像技术仍需要通过染色图像,而后通过人工识别对细菌的种类进行鉴别,标准不统一。电子显微图像识别通过使用计算机对细菌进行识别分类,满足当前细菌检测的迫切需求。光谱分析作为一种快速检测方法,避免了不必要的实验流程,为细菌识别提供了新的思路。在对细菌电子显微图像进行特征提取之后采用SVM、BP神经网络、Adaboost及其改进方法基于信息熵的Adaboost方法进行识别分类。SVM的分类准确率为82.2%;BP神经网络的分类结果为88.71%。其中Adaboost系列方法展示出了良好的分类效果,准确率可以达到100%。减少训练集样本数量同时减少弱分类个数后,基于信息熵的Adaboost方法仍可以达到100%的准确率,而原始的Adaboost算法的准确率为97.4%。引入的信息熵用于衡量不同基分类器对于同一样本的预测“分歧”,熵值大...
【文章页数】：84 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 引言
1.2 肉毒梭菌简介
1.2.1 肉毒梭菌介绍
1.2.2 肉毒梭菌中毒
1.2.3 肉毒梭菌常见检测方法
1.3 细菌拉曼光谱检测
1.3.1 拉曼光谱原理
1.3.2 显微共聚焦拉曼仪
1.3.3 国内外研究现状
1.3.4 光谱数据预处理及模型建立
1.4 细菌电子显微图像识别技术
1.4.1 电子显微成像技术
1.4.2 数字图像处理技术
1.4.3 国内外研究现状
1.4.4 细菌电子显微图像分类方法
1.5 课题主要意义及主要研究内容
1.5.1 细菌电子显微图像以及细菌拉曼光谱数据获取
1.5.2 细菌电子显微图像特征提取
1.5.3 改进的细菌电子图像分类算法
1.5.4 基于卷积神经网络的细菌电子显微图像识别分类
1.5.5 细菌拉曼光谱数据预处理及分类器选择
1.6 课题主要内容和结构
第二章 实验、预处理及特征提取
2.1 引言
2.2 细菌电子显微图像实验部分
2.2.1 目标细菌类别
2.2.2 实验仪器及材料
2.2.3 细菌培养
2.2.4 制样
2.2.5 获取细菌电子显微图像
2.3 细菌拉曼光谱实验部分
2.3.1 目标细菌类别
2.3.2 实验仪器及材料
2.3.3 细菌培养
2.3.4 获取细菌拉曼光谱
2.4 细菌图像预处理
2.4.1 格式变换
2.4.2 霍夫变换
2.5 细菌图像特征提取
2.5.1 面积
2.5.2 周长
2.5.3 最小外接矩形
2.5.4 形态比与密集度
2.5.5 Hu不变矩
2.5.6 傅里叶描述子(Fourier Descriptor)
2.6 细菌拉曼光谱数据的预处理及特征提取
2.6.1 均值中心化
2.6.2 标准正态变换
2.7 小结
第三章 基于多种分类器算法的细菌电子显微图像识别分类
3.1 引言
3.2 算法
3.2.1 支持向量机(Support Vector Machine,SVM)
3.2.2 BP神经网络
3.2.3 Adaboost(Adaptive boosting)算法
3.2.4 基于信息熵的Adaboost算法
3.2.5 基于Alexnet的细菌电子显微图像识别分类
3.3 数据处理软件
3.4 结果与讨论
3.4.1 SVM分类结果
3.4.2 BP神经网络分类结果
3.4.3 Adaboost方法与基于信息熵的Adaboost方法的比较
3.4.4 Alexnet分类结果
3.4.5 分类器结果比较
3.5 小结
第四章 基于SIMCA及SIMCA-SVDD的细菌拉曼光谱识别分类
4.1 引言
4.2 算法
4.2.1 SIMCA(Soft Independent Modeling of Class Analogy)
4.2.2 SIMCA-SVDD
4.3 数据处理软件
4.4 数据预处理
4.5 结果与讨论
4.6 小结
第五章 总结与展望
5.1 总结
5.2 展望
参考文献
致谢
研究成果及发表的学术论文
作者和导师简介
附件
【参考文献】：
期刊论文
[1]基于Hough变换的目标数据处理算法研究[J]. 陈镜,赵华敏. 无线电工程. 2020(05)
[2]数字图像处理中的图像分割技术及其应用[J]. 夏旭,方定. 通讯世界. 2020(04)
[3]基于改进Canny检测与Hough变换的仪表图像识别算法[J]. 姚洋,彭道刚,王志萍. 上海电力大学学报. 2020(02)
[4]基于AlexNet迁移学习的磁异常信号检测方法[J]. 李启飞,吴芳,韩蕾蕾,范赵鹏,李沛宗. 水下无人系统学报. 2020(02)
[5]基于改进AlexNet卷积神经网络的手掌静脉识别算法研究[J]. 林坤,雷印杰. 现代电子技术. 2020(07)
[6]基于改进的 AlexNet 卷积神经网络的植物叶片识别[J]. 孙颖异,李健,时天,孙中波. 种子. 2020(02)
[7]AdaBoost图像到类距离学习的图像分类方法[J]. 李子龙,周勇,鲍蓉. 南京大学学报(自然科学). 2020(01)
[8]基于改进HU不变矩的快速图像匹配算法[J]. 丁悦,吴静静,蒋毅,翁陈熠. 传感器与微系统. 2020(02)
[9]基于霍夫变换及卷积网络的试管数目识别[J]. 徐天宇. 电子技术与软件工程. 2020(02)
[10]AdaBoost分类器的一种快速训练方法[J]. 傅红普,邹北骥. 云南大学学报(自然科学版). 2020(01)
硕士论文
[1]奶粉中肉毒梭菌的检测[D]. 陈会君.北京化工大学 2017
[2]拉曼光谱背景扣除算法及其应用研究[D]. 陈珊.中南大学 2011
本文编号：3720470
【文章页数】：84 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 引言
1.2 肉毒梭菌简介
1.2.1 肉毒梭菌介绍
1.2.2 肉毒梭菌中毒
1.2.3 肉毒梭菌常见检测方法
1.3 细菌拉曼光谱检测
1.3.1 拉曼光谱原理
1.3.2 显微共聚焦拉曼仪
1.3.3 国内外研究现状
1.3.4 光谱数据预处理及模型建立
1.4 细菌电子显微图像识别技术
1.4.1 电子显微成像技术
1.4.2 数字图像处理技术
1.4.3 国内外研究现状
1.4.4 细菌电子显微图像分类方法
1.5 课题主要意义及主要研究内容
1.5.1 细菌电子显微图像以及细菌拉曼光谱数据获取
1.5.2 细菌电子显微图像特征提取
1.5.3 改进的细菌电子图像分类算法
1.5.4 基于卷积神经网络的细菌电子显微图像识别分类
1.5.5 细菌拉曼光谱数据预处理及分类器选择
1.6 课题主要内容和结构
第二章 实验、预处理及特征提取
2.1 引言
2.2 细菌电子显微图像实验部分
2.2.1 目标细菌类别
2.2.2 实验仪器及材料
2.2.3 细菌培养
2.2.4 制样
2.2.5 获取细菌电子显微图像
2.3 细菌拉曼光谱实验部分
2.3.1 目标细菌类别
2.3.2 实验仪器及材料
2.3.3 细菌培养
2.3.4 获取细菌拉曼光谱
2.4 细菌图像预处理
2.4.1 格式变换
2.4.2 霍夫变换
2.5 细菌图像特征提取
2.5.1 面积
2.5.2 周长
2.5.3 最小外接矩形
2.5.4 形态比与密集度
2.5.5 Hu不变矩
2.5.6 傅里叶描述子(Fourier Descriptor)
2.6 细菌拉曼光谱数据的预处理及特征提取
2.6.1 均值中心化
2.6.2 标准正态变换
2.7 小结
第三章 基于多种分类器算法的细菌电子显微图像识别分类
3.1 引言
3.2 算法
3.2.1 支持向量机(Support Vector Machine,SVM)
3.2.2 BP神经网络
3.2.3 Adaboost(Adaptive boosting)算法
3.2.4 基于信息熵的Adaboost算法
3.2.5 基于Alexnet的细菌电子显微图像识别分类
3.3 数据处理软件
3.4 结果与讨论
3.4.1 SVM分类结果
3.4.2 BP神经网络分类结果
3.4.3 Adaboost方法与基于信息熵的Adaboost方法的比较
3.4.4 Alexnet分类结果
3.4.5 分类器结果比较
3.5 小结
第四章 基于SIMCA及SIMCA-SVDD的细菌拉曼光谱识别分类
4.1 引言
4.2 算法
4.2.1 SIMCA(Soft Independent Modeling of Class Analogy)
4.2.2 SIMCA-SVDD
4.3 数据处理软件
4.4 数据预处理
4.5 结果与讨论
4.6 小结
第五章 总结与展望
5.1 总结
5.2 展望
参考文献
致谢
研究成果及发表的学术论文
作者和导师简介
附件
【参考文献】：
期刊论文
[1]基于Hough变换的目标数据处理算法研究[J]. 陈镜,赵华敏. 无线电工程. 2020(05)
[2]数字图像处理中的图像分割技术及其应用[J]. 夏旭,方定. 通讯世界. 2020(04)
[3]基于改进Canny检测与Hough变换的仪表图像识别算法[J]. 姚洋,彭道刚,王志萍. 上海电力大学学报. 2020(02)
[4]基于AlexNet迁移学习的磁异常信号检测方法[J]. 李启飞,吴芳,韩蕾蕾,范赵鹏,李沛宗. 水下无人系统学报. 2020(02)
[5]基于改进AlexNet卷积神经网络的手掌静脉识别算法研究[J]. 林坤,雷印杰. 现代电子技术. 2020(07)
[6]基于改进的 AlexNet 卷积神经网络的植物叶片识别[J]. 孙颖异,李健,时天,孙中波. 种子. 2020(02)
[7]AdaBoost图像到类距离学习的图像分类方法[J]. 李子龙,周勇,鲍蓉. 南京大学学报(自然科学). 2020(01)
[8]基于改进HU不变矩的快速图像匹配算法[J]. 丁悦,吴静静,蒋毅,翁陈熠. 传感器与微系统. 2020(02)
[9]基于霍夫变换及卷积网络的试管数目识别[J]. 徐天宇. 电子技术与软件工程. 2020(02)
[10]AdaBoost分类器的一种快速训练方法[J]. 傅红普,邹北骥. 云南大学学报(自然科学版). 2020(01)
硕士论文
[1]奶粉中肉毒梭菌的检测[D]. 陈会君.北京化工大学 2017
[2]拉曼光谱背景扣除算法及其应用研究[D]. 陈珊.中南大学 2011
本文编号：3720470
本文链接：https://www.wllwen.com/projectlw/qgylw/3720470.html
