一种芍药内生菌的快速识别方法技术

本发明专利技术涉及微生物技术领域，具体涉及一种芍药内生菌的快速识别方法。本发明专利技术方法包括以下步骤：采集芍药内生菌图像，对图像进行预处理，提取特征参数构建样本集；构建基于Bi

【技术实现步骤摘要】
一种芍药内生菌的快速识别方法


[0001]本专利技术涉及微生物
，具体涉及一种芍药内生菌的快速识别方法。

技术介绍

[0002]芍药自古即入药。古方以白芍为主要药物的数以百计，如“桂枝汤”、“黄芩汤”、“炙甘草汤”等。中医认为，
‘
白芍
’
长于养血柔肝，调经止痛，敛阴止汗；
‘
赤芍
’
则长于活血祛瘀，凉血止痛。现代医学证明，芍药在临床应用中更是发挥了非常重要的作用。在妇产科临床上，芍药更是得到广泛应用。
[0003]植物内生菌是指在某一时期生活在植物体内，但对寄主植物组织并不引起明显病害症状的菌种，“内共生理论”认为内生真菌可产生与其宿主相同或相似的代谢物质。因此从植物内生菌中获得丰富多样和具有生物学活性的次生代谢产物，突破药用植物生长周期长、产量低、不可再生等限制，已成为目前的研究热点。
[0004]有研究者对新疆块根芍药中的内生细菌进行了研究，从中筛选出了具有抗菌活性的内生细菌菌株，并获得了一株能够产生灵菌红素的内生粘质沙雷氏菌，其具有较强的抗肿瘤作用。这表明芍药内生菌中可能存在具有抗菌和抗肿瘤活性次生代谢产物，可进一步开发利用。因此，有必要提供一种芍药内生菌的快速识别方法。
[0005]中国专利申请CN108520206A公开了一种基于全卷积神经网络的真菌显微图像识别方法，包含如下步骤：真菌图像采集；图像预处理；构建全卷积神经网络；训练真菌识别神经网络；验证识别效果并进行参数调整。该专利技术能从海量真菌图像中，提取出足够用于识别的特征信息，从而应用与多类的真菌图像识别。该方法的实现是基于海量的真菌样本图片。而关于芍药内生菌的数据量较为匮乏，现有方法很难实现快速准确的判识。
[0006]因此，有必要提供一种在样本量有限的条件下能够快速准确识别芍药内生菌的方法。

技术实现思路

[0007]本专利技术主要目的是提供一种芍药内生菌的快速识别方法。本专利技术方法可在样本量有限的条件下能够快速准确识别芍药内生菌，与传统菌种鉴定相比，能够节约时间及成本，有助于产活性物质内生菌的筛选。
[0008]为实现上述目的，本专利技术采用以下技术方案：
[0009]本专利技术提供一种芍药内生菌的快速识别方法，其特征在于，包括以下步骤：采集芍药内生菌图像，对图像进行预处理，提取特征参数构建样本集；构建基于Bi
‑
LSTM网络的识别模型，并进行模型训练，优选识别准确率最高的模型作为芍药内生菌的快速识别模型。
[0010]本专利技术方法采用Bi
‑
LSTM网络，能够通过对样本的双向学习提高样本的利用率，进而能够提高对芍药内生菌的识别准确率。
[0011]进一步地，以颜色特征中红色分量、绿色分量、蓝色分量、亮度、色度；形态特征中菌落面积、周长、外界矩形高度和宽度作为特征参数。
[0012]进一步地，采用显微镜采集芍药内生菌图片，显微镜倍数为20～40倍，图像分辨率统一为640*512。
[0013]进一步地，对图像进行预处理包括图像归一化，对归一化后的图像进行缩放，去噪，利用滑动窗口为样本添加标签。
[0014]进一步地，构建基于Bi
‑
LSTM网络的识别模型过程中，使用sigmoid作为激活函数，采用dropout来防止过拟合；损失函数采用平方损失函数。
[0015]进一步地，优化器采用Adam优化器。
[0016]进一步地，建立的模型包括输入层、隐藏层和输出层；其中隐藏层由一层Bi
‑
LSTM网络以及一层Dropout层构成。本专利技术所述模型能够在有限样本量的条件下能够充分利用样本进行学习训练，并且能够防治参数过多但样本数少而导致的过拟合现象，因而可有效保证判识结果的准确性。
[0017]与现有技术相比，本专利技术具有以下优势：
[0018]本专利技术方法可在样本量有限的条件下能够快速准确识别芍药内生菌，与传统菌种鉴定相比，能够节约时间及成本，有助于产活性物质内生菌的筛选。
具体实施方式
[0019]应该指出，以下详细说明都是示例性的，旨在对本专利技术提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本专利技术所属
的普通技术人员通常理解的相同含义。
[0020]需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本专利技术的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作和/或它们的组合。
[0021]为了使得本领域技术人员能够更加清楚地了解本专利技术的技术方案，以下将结合具体的实施例详细说明本专利技术的技术方案。
[0022]实施例1
[0023]一种芍药内生菌的快速识别方法，包括以下步骤：
[0024]步骤1.采集芍药内生菌图像
[0025]采用显微镜采集现有鉴定所得芍药内生菌的图像，显微镜倍数为20～40倍，图像分辨率统一为640*512。
[0026]步骤2.对图像进行预处理
[0027]用Min
‑
Max归一化方法对图像进行归一化，所用公式如下所示：
[0028][0029]其中，y
i
为归一化数据，x
i
为原始数据，max a为样本数据中参数a的最大值，min a为样本数据中参数a的最小值。
[0030]对归一化后的图像进行缩放，将图片均缩放为640*512大小。
[0031]去噪，去除图像中的杂点。
[0032]利用滑动窗口为样本添加标签，将窗口长度设置为10，滑动步长设置为1。
[0033]步骤3.提取特征参数构建样本集；
[0034]以颜色特征中红色分量、绿色分量、蓝色分量、亮度、色度；形态特征中菌落面积、周长、外界矩形高度和宽度作为特征参数
[0035]步骤4.构建基于Bi
‑
LSTM网络的识别模型，并进行模型训练，优选识别准确率最高的模型作为芍药内生菌的快速识别模型。
[0036]模型包括输入层、隐藏层和输出层；其中隐藏层由一层Bi
‑
LSTM网络以及一层Dropout层构成。
[0037]模型建立过程中使用sigmoid作为激活函数，采用dropout来防止过拟合；损失函数采用平方损失函数。
[0038]上述实施例为本专利技术较佳的实施方式，但本专利技术的实施方式并不受上述实施例的限制，其他的任何未背离本专利技术的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本专利技术的保护范围之内。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种芍药内生菌的快速识别方法，其特征在于，包括以下步骤：采集芍药内生菌图像，对图像进行预处理，提取特征参数构建样本集；构建基于Bi
‑
LSTM网络的识别模型，并进行模型训练，优选识别准确率最高的模型作为芍药内生菌的快速识别模型。2.根据权利要求1所述的方法，其特征在于，以颜色特征中红色分量、绿色分量、蓝色分量、亮度、色度；形态特征中菌落面积、周长、外界矩形高度和宽度作为特征参数。3.根据权利要求1所述的方法，其特征在于，采用显微镜采集芍药内生菌图片，显微镜倍数为20～40倍，图像分辨率统一为640*512。4.根据权利要求1所述的...

【专利技术属性】
技术研发人员：朱素英，
申请(专利权)人：朱素英，
类型：发明
国别省市：