[发明专利]一种常见藻类的图片对比鉴定方法在审

专利信息
申请号: 201910796630.7 申请日: 2019-08-27
公开(公告)号: CN110543580A 公开(公告)日: 2019-12-06
发明(设计)人: 钟诗群;杨虬然;张厚梅;顾娟 申请(专利权)人: 安徽生物工程学校
主分类号: G06F16/55 分类号: G06F16/55;G06F16/583
代理公司: 34155 合肥东邦滋原专利代理事务所(普通合伙) 代理人: 吴晓娜<国际申请>=<国际公布>=<进入
地址: 230000 *** 国省代码: 安徽;34
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 藻类 藻种 计算机终端设备 预处理 特征数据库 电子目镜 分类管理 获取目标 图片对比 未知藻种 图片库 信息库 比对 构建 拍照 图像 保证 图片
【说明书】:

发明提供一种常见藻类的图片对比鉴定方法,先构建藻类信息库并将藻类信息按照类别进行分类管理,获取目标图片进行比对鉴定,利用电子目镜对各藻种进行拍照,藻类图像经过预处理后存入计算机终端设备中,保证了藻种信息的再现,从而可提高藻类鉴定准确性;利用藻类特征数据库和藻类图片库可方便地确定未知藻种,从而能够更准确地实现藻类的鉴定工作。

技术领域

本发明涉及藻类检测技术领域,具体为一种常见藻类的图片对比鉴定方法。

背景技术

藻类是一类广泛分布于各类生境的生物,对生态系统的平衡起着至关重要的作用,它是水体初级生产力的主要组成部分。除此之外,藻类在许多领域都有广泛的应用,如水质检测和赤潮预报等,这些应用都离不开对藻类的鉴定工作。

常见的藻类鉴定需要观察定量样品的特征及生长情况,根据细胞中色素的成分和含量及其同化产物、藻丝、鞭毛长度和生殖方法等,鉴定工作繁琐复杂;现有的观察存在以下问题:1、藻类无照片保存,再现存在非常大的困难(特别是含量较少且一时难以鉴定的藻种),这影响了藻类鉴定的准确性;2、藻种较多时,不可避免会出现重复劳动(例如忘了当前的藻种是否已出现过,需要查书),耗时长,对于新手要分辨100个左右的藻种还是有点困难的;工作量大,容易使人员疲劳和出错,耗时长。

发明内容

本发明所解决的技术问题在于提供一种常见藻类的图片对比鉴定方法,以解决上述背景技术中提出的问题。

本发明所解决的技术问题采用以下技术方案来实现:一种常见藻类的图片对比鉴定方法,先构建藻类信息库并将藻类信息按照类别进行分类管理,获取目标图片进行比对鉴定,包括以下步骤:

步骤一、构建不同种类藻类的检索库,其中包括藻类特征数据库和藻类图片库,具体包括以下子步骤:

(1)获取常见藻类的样品,分别制成水样镜检;

(2)利用电子目镜对水样中的藻类进行拍照,记录不同时期该藻类的生长图片;

(3)对藻类图片进行预处理;

(4)将预处理的藻类图片上传至计算机终端存储,并进行分类制作出藻类图片库;

(5)利用网上图库和藻类信息整理归纳进检索库,丰富藻类图片库并整理出常见藻类主要特征整合进藻类特征数据库;

步骤二、获取鉴定的藻类图片,提取图片的特征信息并与检索库中的图片和藻类特征进行比对,确定藻类名称;

步骤三、在步骤二中对比相识度不高的情况下,需要根据特征信息和图片重新搜集相关信息并翻阅图谱确定藻种,如果存在新的藻种,则将图片和信息归纳进检索库。

优选的,所述步骤一中藻类图片的预处理包括藻类图像分割、图像轮廓提取、细胞颜色提取和背景去除,以利于后续对其鉴定与分析,便于图片比对。

优选的,所述图像轮廓提取,首先对藻类显微图像进行灰度化处理,获得藻类显微图像的累积灰度直方图,设定藻类图像的暗轮廓区域和亮轮廓区域,获取同时与暗轮廓区域和亮轮廓区域相邻的重叠区域,去除杂质及噪点标记,修复轮廓毛刺和缺刻,获得最终藻体细胞外围轮廓。

优选的,所述藻类特征数据库包括颜色特征、形状特征和纹理特征,所述形状特征属于外部特征,从图像中直接提取,颜色特征和纹理特征为内部特征需要对图像区域对应的表面进行提取。

优选的,所述藻类特征数据库和藻类图片库为相互对应关系,并根据分类名称设有相互关联的电子检索表,便于检索。

与现有技术相比,本发明的有益效果是:利用电子目镜对各藻种进行拍照,藻类图像经过预处理后存入计算机终端设备中,保证了藻种信息的再现,从而可提高藻类鉴定准确性;利用藻类特征数据库和藻类图片库可方便地确定未知藻种,从而能够更准确地实现藻类的鉴定工作。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于安徽生物工程学校,未经安徽生物工程学校许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910796630.7/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top