申请日2009.02.17
公开(公告)日2009.07.08
IPC分类号G06K9/60; G06K9/46; G06K9/62; G06N5/00; C02F3/34; H04N5/225
摘要
本发明提供一种智能化水处理微生物机器视觉辨识系统和方法，所述系统和方法利用人工智能技术，对实时摄取的水中微生物显微图像自动进行图像预处理;图像分割;微生物特征参数提取与选择;微生物分类与识别。优点：通过自适应的图像分割算法在HSI色彩空间自动寻找最优的分割阈值;分类器的设计采用投票方式，避免了由单个分类器分类时精度较低的问题，有效的提高了整体的分类精度，可准确识别饮用水和城市生活污水中的微生物。该方法的实现还可以缩短水处理过程微生物的检测周期，准确地预报水处理微生物的状况，使工作人员能够及时地采取防治措施。有力的保障了饮用水安全和城市生活污水处理设施的正常运行，可以带来可观的经济和社会效益。
权利要求书
1、一种智能化水处理微生物机器视觉辨识方法，其特征在于该方法包括以下步骤：
步骤一：微生物显微图像摄取;
步骤二：图像预处理;
步骤三：图像分割;
步骤四：特征参数提取与选择;
步骤五：微生物分类投票;
步骤六：微生物识别和统计。
2、如权利要求1所述之智能化水处理微生物机器视觉辨识方法，其特征在于在步骤 二中，把显微图像由RGB(红Red，绿Green，蓝Blue)彩色模式转换为HSI(色调Hue， 色饱和度Saturation，亮度Intensity)彩色模式和灰度模式(Grayscale Mode)图像，并 对转换过的图像用基于小波自适应阈值的图像去噪方法进行图像去噪和增强，消除图像中 的无关信息，恢复有用的真实信息，增强有关信息的可检测性并最大限度地简化数据。
3、如权利要求1所述之智能化水处理微生物机器视觉辨识方法，其特征在于在步骤 三中，在HSI色彩空间计算图像的S域标准差d，以d为分割算法选择依据，当d较大时， 采用最大类间方差法确定分割阈值，当d较小时，采用修正均值法确定分割阈值，最后用 数学形态法进行图像后处理完成图像分割，从而实现了对图像的自适应化动态阈值分割， 有效提高了后续图像处理过程中对于图像的正确理解。
4、如权利要求1所述之智能化水处理微生物机器视觉辨识方法，其特征在于在步骤 四中，针对微生物在结构与形态上的特殊性，为了提高图像特征提取与选择的准确性和可 靠性，共对微生物图像进行了21项特征的提取，具体分为：
(1)、形态特征：包括微生物的面积、周长、周长面积比、长轴、短轴、偏心率、圆形 度、矩形度、中心矩。
(2)、纹理特征：包括对比度、二阶矩、熵、最大概率、像素对灰度的相关性、逆差矩。
(3)、光密度特征：包括综合光密度、光密度方差、平均灰度、灰度密度。
(4)、色度特征：包括RGB色彩空间色度分布特性、HSI色彩空间色度分布特性。
5、如权利要求1所述之智能化水处理微生物机器视觉辨识方法，其特征在于在步骤 五中，共选择了贝叶斯网络(Bayes Network)、决策树(Decision Tree)、支持向量机(Support Vector Machine)、K最邻近算法(K-Nearest Neighbor Algorithm)、BP神经网络(Back Propagation Neural Network)，共五种分类器模型用于对微生物的类型进行区分。
6、如权利要求1所述之智能化水处理微生物机器视觉辨识方法，其特征在于在步骤 五中，在分类器的设计上采用投票方式，避免了由单个分类器对微生物进行分类时精度较 低的问题。用五个分类器分别对微生物进行分类，并对分类结果进行投票运算，当至少有 三个分类器的分类结果一致时，就使用这个一致的结果作为最终分类结果;当五个分类器 对微生物的分类结果各不相同时，则将该微生物判断为系统未知微生物样本并提示要求人 工辅助识别;当分类结果只有一组或两组的两个分类器分类结果一致时，根据各种分类模 型对于微生物分类作用重要程度的不同将五种分类器的投票运算权重从左至右依次设置 为11、12、15、19、21，由于所有组合情况的权重都各不相同，则可选择投票运算后权 重最大的一组结果作为最终分类结果。
7、一种智能化水处理微生物机器视觉辨识系统，所述系统包含水处理微生物显微图 像摄取硬件系统、微生物图像识别软件系统、水处理微生物状况预报专家系统，其特征在 于，所述微生物显微图像摄取硬件系统主要包含生物光学显微镜、CCD动静态双模式摄 像机、图像采集卡、图像监视器、自动载物台、照明系统。含有微生物样本的待检水样经 过水样预处理后通过所述生物光学显微镜成像，经过所述CCD动静态双模式摄像机将光 学信号转换为数字信号，最后由所述图像采集卡将微生物的显微图像采集输入微生物显微 图像识别系统电脑主机。
8、如权利要求7所述之水处理微生物状况预报专家系统，其特征在于，建立了一种 专门用于水处理行业微生物生存状态预报的专家系统(Expert System)，所述水处理微生 物状况预报专家系统主要包含专家知识库、动态数据库、知识获取机制、解释机制、推理 机。由微生物图像识别软件系统所得的微生物识别和统计数据在进入所述的动态数据库后 由所述的解释机制翻译后交由所述的推理机，推理机根据所述的专家知识库内的专家级水 平的知识与经验，利用人类专家解决问题的方法和策略来对微生物识别和统计数据进行分 析、比较、推理和判断，模拟人类专家的决策过程，解决原来需要人类专家处理的复杂问 题。进而根据判别的结论来控制水处理现场的工艺方法和设备动作。
9、如权利要求7所述之微生物图像识别软件系统，其特征在于，所述微生物图像识 别软件系统采用了如权利要求1所述之一种智能化水处理微生物机器视觉辨识方法，并运 用具有高性能微处理芯片的商用电脑作为其分析、计算、处理单元。实现了对饮用水和城 市生活污水中微生物的准确、快速、自动化识别。与传统人工分析方式相比，既提高了工 作效率，又增强了分析的客观性。该方法的实现还可以缩短水处理过程微生物的检测周期， 准确地预报水处理微生物的状况，使工作人员能够及时地采取防治措施。有力的保障了饮 用水安全和城市生活污水处理设施的正常运行，可以带来可观的经济和社会效益。
说明书
智能化水处理微生物机器视觉辨识系统和方法
技术领域
本发明涉及一种智能化水处理微生物机器视觉辨识系统和方法，属于计算机生物医学 工程应用技术领域。
背景技术
在饮用水处理领域，我国政府一向十分关心和重视饮用水卫生及安全保障工作，多次 发布和修改了饮用水的卫生标准。生活饮用水是由集中式供水单位直接供给居民作为人体 饮用和生活使用的水，该水的水质必须确保居民的饮用安全。据世界卫生组织(World Health Organization)调查表明，80%以上的人类疾病以及50%以上的儿童死亡原因与食用 水水质不良有关。水的质量直接影响着人们的身体健康。理想的饮用水不应含有已知致病 微生物，也不应含有水体粪便污染指示菌。实时掌握水中微生物的种类、种群数量是衡 量自来水是否达到生活饮用水卫生标准的重要指标之一，直接关系到饮用水安全保障工作 的成败。所以对于饮用水安全保障工作来说，定期抽样检查水中是否含有致病微生物和水 体粪便污染指示菌是极为重要的。
在污水处理领域，随着我国城镇化速度的加快，城市生活污水在污水总量中所占的比 例高达70%以上。人们日常生活产生的污水主要含有一些无毒有机物，且其中氮、磷等 植物营养元素较高。这些污染物质大量排入天然水体会导致水体富营养化，水体透明度降 低，自然水体功能及水质恶化，最终导致生态结构的破坏，这将会对我们所生存的环境产 生长远的、无法估计的影响。所以，加强城市污水处理，对于保障城市的可持续发展具有 重要的社会意义和经济意义。而由于微生物的种类繁多、分解代谢能力强、繁殖速度快。 所以用微生物处理城市生活污水是全世界目前效果最好，处理费用最低方法。被世界各国 污水处理工业广泛采用。在微生物污水处理过程中为了准确掌握污水处理系统的运行状况 并及时调整处理系统的控制因素，可以通过实时观察和使用污水处理系统中微生物的显微 图像来对微生物进行分类识别和生存状况预报。所以在污水处理系统运行过程中对微生物 显微图像的观察就显得尤为重要。在水污染日益严重的今天，能否实时掌握水中微生物的 种类、种群数量已经成为了评价城市生活污水处理过程中微生物处理工艺成败的关键，受 到了越来越多的专业污水处理运行管理人员的高度重视。
利用传统的光学显微镜，观测人员只能靠目视进行分析和检验，不但劳动强度大、效 率低，而且难以对被观测对象进行客观记录和准确的定位定量分析。随着机器视觉、计算 机和图像处理等技术的发展，使我们运用数字显微图像处理技术来代替传统人工方法对微 生物进行观测、分析、识别和状态预报等工作的希望成为了可能。由于数字显微图像处理 技术能够排除各种主观因素的影响，快速、准确的获得定量的测量数据，更客观地揭示微 生物生命活动及生存状况的规律，与传统人工分析方式相比，既提高了工作效率，又增强 了分析的客观性，因此自20世纪90年代以来，它已逐渐成为了国际计算机生物医学工程 应用技术领域的发展热点。
发明内容
本发明的目的就在于提供一种智能化水处理微生物机器视觉辨识系统和方法，所述系 统和方法利用人工智能技术，对实时摄取的水中微生物显微图像自动进行图像预处理;图 像分割;微生物特征参数提取与选择;微生物分类与识别。其优点为：能通过自适应的图 像分割算法在HSI色彩空间自动寻找最优的分割阈值;分类器的设计采用投票方式，避 免了由单个分类器分类时精度较低的问题，有效的提高了整体的分类精度，可在短时间内 准确识别饮用水和城市生活污水中的微生物。在自来水处理中能为水质是否达标提供科学 依据，克服原有人工光学镜检劳动强度大、用时过长、无法对各种致病微生物逐一比对的 缺点;在城市生活污水微生物处理中能为正确指挥生产工艺和适时调整控处理系统控制因 素提供重要的决策依据，克服了原有工艺靠现场操作人员凭感官和经验指挥生产的盲目性 和主观性，能有力的保障城市生活污水处理设施的正常运行。
为实现本发明目的，本发明提供一种智能化水处理微生物机器视觉辨识方法，所述方 法包含以下步骤：
步骤一：微生物显微图像摄取
对经过水样预处理的待检水样使用本发明中的显微图像摄取硬件系统进行显微图像 的瞬时摄录，以备后续图像处理过程的使用。
步骤二：图像预处理
把显微图像由RGB(红Red，绿Green，蓝Blue)彩色模式转换为HSI(色调Hue， 色饱和度Saturation，亮度Intensity)彩色模式和灰度模式(Grayscale Mode)图像，并 对转换过的图像用基于小波自适应阈值的图像去噪方法进行图像去噪和增强，消除图像中 的无关信息，恢复有用的真实信息，增强有关信息的可检测性并最大限度地简化数据。
步骤三：图像分割
在HSI色彩空间计算图像的S域标准差d，以d为分割算法选择依据，当d较大时， 采用最大类间方差法确定分割阈值，当d较小时，采用修正均值法确定分割阈值，最后用 数学形态法进行图像后处理完成图像分割，从而实现了对图像的自适应化动态阈值分割， 有效提高了后续图像处理过程中对于图像的正确理解。
步骤四：特征参数提取与选择
针对微生物在结构与形态上的特殊性，为了提高图像特征提取与选择的准确性和可靠 性，共对微生物图像进行了21项特征的提取，具体分为：
(1)、形态特征：包括微生物的面积、周长、周长面积比、长轴、短轴、偏心率、圆形 度、矩形度、中心矩。
(2)、纹理特征：包括对比度、二阶矩、熵、最大概率、像素对灰度的相关性、逆差矩。
(3)、光密度特征：包括综合光密度、光密度方差、平均灰度、灰度密度。
(4)、色度特征：包括RGB色彩空间色度分布特性、HSI色彩空间色度分布特性。
步骤五：微生物分类投票
共选择了贝叶斯网络(Bayes Network)、决策树(Decision Tree)、支持向量机(Support Vector Machine)、K最邻近算法(K-Nearest Neighbor Algorithm)、BP神经网络(Back Propagation Neural Network)，共五种分类器模型用于对微生物的类型进行区分。
在分类器的设计上采用投票方式，避免了由单个分类器对微生物进行分类时精度较低 的问题。具体分类步骤分为：
(1)、用五个分类器分别对微生物进行分类，并对分类结果进行投票运算，当至少有三 个分类器的分类结果一致时，就使用这个一致的结果作为最终分类结果;
(2)、当五个分类器对微生物的分类结果各不相同时，则将该微生物判断为系统未知微 生物样本并提示要求人工辅助识别;
(3)、当分类结果只有一组或两组的两个分类器分类结果一致时，根据各种分类模型对 于微生物分类作用重要程度的不同将五种分类器的投票运算权重从左至右依次设置 为11、12、15、19、21，由于所有组合情况的权重都各不相同，则可选择投票运算后 权重最大的一组结果作为最终分类结果。
步骤六：微生物识别和统计
根据水处理微生物识别结果对待检水样中微生物的种类，种群数量，优势种群等参数 进行分析和统计工作，以备交由本发明中的水处理微生物状况预报专家系统作为其动态数 据库中的实时动态数据使用。
同时，本发明提供一种智能化水处理微生物机器视觉辨识系统，所述系统包含水处理 微生物显微图像摄取硬件系统、微生物图像识别软件系统、水处理微生物状况预报专家系 统。
(1)、显微图像摄取硬件系统
主要包含生物光学显微镜、CCD动静态双模式摄像机、图像采集卡、图像监视器、自 动载物台、照明系统。含有微生物样本的待检水样经过水样预处理后通过所述生物光 学显微镜成像，经过所述CCD动静态双模式摄像机将光学信号转换为数字信号，最 后由所述图像采集卡将微生物的显微图像采集输入微生物显微图像识别系统电脑主 机。
(2)、微生物图像识别软件系统
采用了本发明所提供的一种智能化水处理微生物机器视觉辨识方法，并运用具有高性 能微处理芯片的商用电脑作为其分析、计算、处理单元。实现了对饮用水和城市生活 污水中微生物的准确、快速、自动化识别。与传统人工分析方式相比，既提高了工作 效率，又增强了分析的客观性。
(3)、水处理微生物状况预报专家系统
建立了一种专门用于水处理行业微生物生存状态预报的专家系统(Expert System)，所 述水处理微生物状况预报专家系统主要包含专家知识库、动态数据库、知识获取机制、 解释机制、推理机。由微生物图像识别软件系统所得的微生物识别和统计数据在进入 所述的动态数据库后由所述的解释机制翻译后交由所述的推理机，推理机根据所述的 专家知识库内的专家级水平的知识与经验，利用人类专家解决问题的方法和策略来对 微生物识别和统计数据进行分析、比较、推理和判断，模拟人类专家的决策过程，解 决原来需要人类专家处理的复杂问题。进而根据判别的结论来控制水处理现场的工艺 方法和设备动作。