CN111504985A - 一种农残快检试纸质量稳定性评价方法 - Google Patents
一种农残快检试纸质量稳定性评价方法 Download PDFInfo
- Publication number
- CN111504985A CN111504985A CN202010154958.1A CN202010154958A CN111504985A CN 111504985 A CN111504985 A CN 111504985A CN 202010154958 A CN202010154958 A CN 202010154958A CN 111504985 A CN111504985 A CN 111504985A
- Authority
- CN
- China
- Prior art keywords
- test
- value
- image
- test strip
- area
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/75—Systems in which material is subjected to a chemical reaction, the progress or the result of the reaction being investigated
- G01N21/77—Systems in which material is subjected to a chemical reaction, the progress or the result of the reaction being investigated by observing the effect on a chemical indicator
- G01N21/78—Systems in which material is subjected to a chemical reaction, the progress or the result of the reaction being investigated by observing the effect on a chemical indicator producing a change of colour
Landscapes
- Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Plasma & Fusion (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明涉及农残快检试纸技术领域,尤其涉及农残快检试纸条的质量稳定性的评价方法。一种农残快检试纸质量稳定性评价方法,包括如下步骤:S1、抽取n根试纸条进行显色情况抽检;S2、对试纸条图像进行采集,基于设定的图像识别算法对图像进行纵向的5列分隔,并通过设定的相对灰度比算法对试纸条图像的进行数值化展示,得到试纸条显色情况的n组相对灰度比数据,每组含有5个相对灰度比数据;S3、将得到的n组相对灰度比数据通过ANOVA检验判定抽样的试纸条显色情况是否存在显著性差异。本发明,一方面能对试纸条检测结果提供数值化的表征;另一方面,也为试纸条的采购验收提供技术手段,保证批次内或批次间质量的稳定性。
Description
技术领域
本发明涉及农残快检试纸技术领域,尤其涉及农残快检试纸条的质量稳定性的评价方法。
背景技术
农残快检试纸条,指用有灵敏度和选择性都高的化学试剂浸渍过的、与被检对象接触时显示特征颜色,通过其颜色变化检验某些物质存在的一类纸,以颜色深浅与所附标准色阶比较,可作半定量测定。目前常用的是胶体金试纸条,它是集胶体化学、有机合成化学、免疫学、物理学和材料学的精华综合于一体的高科技,它以硝酸纤维素膜为载体,将特异性的抗原或抗体以条带状固定在膜上,胶体金标记试剂(抗体或单克隆抗体)吸附在结合垫上,当待检样本加到试纸条一端的样本垫上后,通过毛细作用向前移动,溶解结合垫上的胶体金标记试剂后相互反应,再移动至固定的抗原或抗体的区域时,待检物与金标试剂的结合物又与之发生特异性结合而被截留,聚集在检测带上,可通过肉眼观察到显色结果。该方法具有检测方便快捷、特异性好、灵敏度高的特点。农药残留快速试纸应用农产品质量监控中,可以提高农残管制监控的效率,节约大量的人力、物力和试剂耗材等。对加强农残源头监管和过程控制将提供有力的技术支持。
对于胶体金试纸条的制造工艺,胶体金颗粒的制备及干燥、标记蛋白的量、包被浓度、抗体纯度、抗体包被的温度及时间等等,都对试纸条最终的显色反应有较大影响。特别是半定量试纸条,其检测线的显色通常根据不同农产品以及不同农药种类设计不同残留限量,对显色反应情况的有效监控是保证试纸条质量的有效手段。对于采购方而言,如何简便、客观、地判定同一批次间或不同批次间,试纸条产品质量的稳定性,给出品质判稳、判异的科学数值化结果表征,目前尚无有效方法。
发明内容
本发明就是针对上述现有技术的不足,提供一种可对试纸条质量稳定性进行评价的方法。
本发明提供的技术方案是:
一种农残快检试纸质量稳定性评价方法,包括如下步骤:
S1、抽取n根试纸条进行显色情况抽检;
S2、对试纸条图像进行采集,并基于图像识别算法对图像进行纵向5列分隔,并通过灰度算法对试纸条图像的进行数值化展示,得到试纸条显色情况的n组相对灰度比数据,每组含有5个相对灰度比值;
S3、将得到的n组灰度数据通过ANOVA检验判定抽样的试纸条显色情况是否存在显著性差异。
具体的,所述步骤S1,抽取n根试纸条按照试纸条前处理步骤处理基质样品,按照试纸条检测限量的75%进行基质样品的加标,将加标的同一份基质样品分别滴相同滴数在所抽取的n条试纸条上。
具体的,所述步骤S2,包括如下步骤:
D1、试纸条图像灰度化与二值化,灰度图像在RGB模型中R=G=B,每个像素点只需一个字节存放灰度值,灰度范围为0-255,将试纸条图像上的像素点的灰度值设置为0或255这两个极点,对试纸条图像像素点灰度值算法采用加权平均法来求解,加权系数为Gray=0.072*B+0.715*G+0.213*R;
D2、采用稀疏性和低秩性约束试纸条图像,采用稀疏表达算法与聚类低秩算法,处理掉干扰因素;
D3、把处理掉干扰信息的试纸条图像有用部分分割下来,根据投影法分析二值化的图像上每一维黑色像素点的个数,设置阈值并据此分割图片;
D4、基于以上算法抓取试纸条图像上检测长方形显色区和椭圆形点样孔,将椭圆形点样孔设置为方向校准的标定锚,调整试纸条图像的方向为:上方长方形显色区,下方椭圆形点样孔,基于方向的锚定,划定质控线和检测线的图像识别区域;若质控线图像识别区域有显色,则该试纸条为合格;若质控线图像识别区域无显色,则该试纸条为不合格;
D5、对合格的试纸条的图像进行膨胀和腐蚀处理,并将分隔好的试纸条图像内的主体归一化到一个标准模板大小,倾斜校正,宽度归一化,形状归一化;
D6、将试纸条图像采用部分区域描绘子作为代表该区域的特征,将这些区域特征组合成特征向量以供分类使用;
D7、经处理的试纸条图像,识别长方形显色区,对该区域再进行纵向平均分割为5个区域,每个区域形成一个显色条带,该区域相对灰度平均值为背景平均灰度值减去该区域平均灰度值,质控线相对灰度值为背景平均灰度值减去质控线图像识别区域的平均灰度值,每个区域相对灰度平均值与质控线图像识别区域的平均灰度值之比设为该区域的灰度显色值xi,一张试纸条图像的灰度显色值表征为一组数x1~x5,,对该组数x1~x5求均值得到试纸条的灰度显色指标X;
其中,背景平均灰度值由长方形显色区内所有像素点通过加权平均法求解而得,每个区域平均灰度值由该区域内所有像素点通过加权平均法求解而得,质控线图像识别区域的平均灰度值由质控线图像识别区域内的位置像素点通过加权平均法求解而得,加权系数为Gray=0.072*B+0.715*G+0.213*R;
D8、经所设计的灰度算法后,每试纸条得到5个灰度检测点比值,共5n个数据,这些数据进行ANOVA单因素方差分析后,可得到这n个试纸条的灰度显色指标显著性差异程度如何,据此给出稳定性的数值化结果表征。
优选的,所述D3步骤中,阈值的设定采用自适应二值化算法:用输入像素的值I与一个值C来比较,根据比较结果确定输出值,每一个像素的比较值C都不同,比较值C由这个像素为中心的一个块范围计算在减去差值delta得到,其中,C的计算方法使用高斯滤波GaussionBlur进行高斯分布加权和减去差值delta。
优选的,所述D4步骤中,以该椭圆形点样孔的边缘构成的椭圆形的长轴为一个单位距离,划定质控线图像识别区域在由长方形显色区远离椭圆形点样孔的侧边向靠近椭圆形点样孔方向移位一个单位距离的位置的两侧的十分之一的单位距离的范围内,划定检测线图像识别区域是否在由长方形显色区贴近椭圆形点样孔的侧边向远离椭圆形点样孔方向移位一个单位距离的位置的两侧的十分之一的单位距离的范围内。
优选的,所述D4步骤中,质控线相对灰度值为背景平均灰度值减去质控线图像识别区域的平均灰度值,若质控线相对灰度值为零,此时,无论检测线显色情况如何,检测线相对灰度比=检测线相对灰度值/0=∞,判定质控线位置不显色,该试纸条为不合格;
检测线相对灰度值为背景平均灰度值减去检测线图像识别区域的平均灰度值,检测线图像识别区域的平均灰度值由检测线图像识别区域内的位置像素点通过加权平均法求解而得,加权系数为Gray=0.072*B+0.715*G+0.213*R。
优选的,所述D5步骤中,对试纸条图像进行膨胀和腐蚀处理,腐蚀使图片线条变窄,可以去除噪声,试纸条图像二值化,将图像的灰度值根据阈值进行0、1处理得到的图像,图像的一部分区域与指定的核进行卷积,求核的最小值并赋值给指定区域;图像膨胀时腐蚀的逆过程,图像的一部分区域与指定的核进行卷积,求核的最大值并赋值给指定区域。
优选的,所述D8步骤中,ANOVA检验满足方差齐性,若方差同质性检验中发现方差非齐,ANOVA检验使用Brown-Forsythe进行修正;当ANOVA检验发现试纸条显色情况有差异,为进一步明确是哪个样品及所代表批次处于不同显色水平,可补充进行事后多重比较,包括进行两两比较的检验以及对极差进行亚组同质性的检验,选择能较好控制I类错误的多重比较策略:若方差齐性选择Student-Newman-Keuls法、Tukey法、或Scheffe法;若方差非齐,采用Games-Howell法、Dunnett T3法或直接使用非参数检验方法。
本发明将试纸条图像通过手机照相采集后,基于设定的图像识别与相对灰度比算法可以对试纸条的显色情况进行数值化展示。对采购的同一批次或不同批次试纸条按照一定的抽样原则,抽取n根试纸条进行显色情况的抽检:按照试纸条前处理步骤处理基质样品。不含目标农药的待检样品,如空白果蔬、空白烟草样品等。按照试纸条检测限量的75%进行基质样品的加标。如:多菌灵检测限为2mg/kg,则前处理后的空白基质样品中加标量应约为1.5mg/kg。将加标的同一份基质样品分别滴相同滴数在所抽取的n条试纸条上,按照试纸条说明书等待一定时间后进行手机图像的采集。经过图像的识别和分割,得到纵向的5列分割,按照设定的灰度算法,得到试纸条显色情况的n组相对灰度比数据。每组含有5个相对灰度比值。通过ANOVA检验判定抽样的试纸条显色情况是否存在显著性差异。
本发明,一方面能对需要人肉眼比色判别的试纸条检测结果,提供数值化的表征;另一方面,也为试纸条的采购验收提供技术手段,保证批次内或批次间质量的稳定性。
附图说明
图1是胶体金试纸条的结构示意图;
图2是摄像装置采集的试纸条图像;
图3是基于图像识别与方向校准后的试纸条图像;
图4是基于图像分割设定T/C线位置、初步灰度化后的试纸条图像;
图5是经图像降噪后经相对灰度比算法对试纸条图像的进行数值化的图像。
1样品垫 2连接垫 3检测线 4质控线 5硝酸纤维素膜 6吸收垫 7底板 8外壳 9点样孔。
具体实施方式
胶体金试纸条包括外壳8,外壳8内设置有底板7,底板7上中部设置硝酸纤维素膜5,硝酸纤维素膜5上设置有检测线3区域和质控线4区域。硝酸纤维素膜5的尾端与吸收垫6连接,硝酸纤维素膜5的首端通过连接垫2与样品垫1连接。外壳8上与样品垫1对应的位置设置有点样孔9,外壳8上与硝酸纤维素膜5对应的位置设置有显示孔。检测线3和质控线4显色后可通过显示孔观察。质控线4又称为C线,检测线3又称为T线。
质控线4的图像识别区域能显色,则表示该试纸条功能正常,为合格;若不能显色,该试纸条损坏,为不合格。检测线,一般根据残留限量要求进行定制化设计,由于是竞争吸附,颜色比质控线浅,都代表含量超过残留限量要求;反之,颜色越深代表含量越少。点样孔:在图像识别中,用于图像的方向校准,以及质控线4图像识别区域和检测线3图像识别区域的定位识别。点样孔为椭圆形。
一种农残快检试纸质量稳定性评价方法,包括如下步骤:
S1、抽取n根试纸条进行显色情况抽检;
S2、对试纸条图像进行采集,并基于图像识别与灰度算法对试纸条图像的进行数值化展示,得到试纸条显色情况的n组灰度数据,每组含有5个灰度数据,图像经过纵向的5列分隔;
S3、将得到的n组灰度数据通过ANOVA检验判定抽样的试纸条显色情况是否存在显著性差异。
所述步骤S1,抽取n根试纸条按照试纸条前处理步骤处理基质样品,按照试纸条检测限量的75%进行基质样品的加标,将加标的同一份基质样品分别滴相同滴数在所抽取的n条试纸条上。
所述步骤S2,包括如下步骤:
D1、试纸条图像灰度化与二值化,灰度图像在RGB模型中R=G=B,每个像素点只需一个字节存放灰度值,灰度范围为0-255,将试纸条图像上的像素点的灰度值设置为0或255这两个极点,对试纸条图像像素点灰度值算法采用加权平均法来求解,加权系数为Gray=0.072*B+0.715*G+0.213*R;
D2、采用稀疏性和低秩性约束试纸条图像,采用稀疏表达算法与聚类低秩算法,处理掉干扰因素;
D3、把处理掉干扰信息的试纸条图像有用部分分割下来,根据投影法分析二值化的图像上每一维黑色像素点的个数,设置阈值并据此分割图片;
D4、基于以上算法能够准确抓取试纸条图像上检测长方形显色区和椭圆形点样孔,将椭圆形点样孔设置为方向校准的标定锚,调整试纸条图像的方向为:上方长方形显色区,下方椭圆形点样孔,基于方向的锚定,划定质控线和检测线的图像识别区域;若质控线图像识别区域有显色,则该试纸条为合格;若质控线图像识别区域无显色,则该试纸条为不合格;
D5、对试纸条图像膨胀和腐蚀处理,并将分隔好的试纸条图像内的主体归一化到一个标准模板大小,倾斜校正,宽度归一化,形状归一化;
D6、将试纸条图像采用部分区域描绘子作为代表该区域的特征,将这些区域特征组合成特征向量以供分类使用;
D7、经处理的试纸条图像,识别长方形显色区,对该区域再进行纵向平均分割为5个区域,每个区域形成一个显色条带,该区域相对灰度平均值为背景平均灰度值减去该区域平均灰度值,质控线相对灰度值为背景平均灰度值减去质控线图像识别区域的平均灰度值,每个区域相对灰度平均值与质控线图像识别区域的平均灰度值之比设为该区域的灰度显色值xi,一张试纸条图像的灰度显色值表征为一组数x1~x5,,对该组数x1~x5求均值得到试纸条的灰度显色指标X;
其中,背景平均灰度值由长方形显色区内所有像素点通过加权平均法求解而得,每个区域平均灰度值由该区域内所有像素点通过加权平均法求解而得,质控线图像识别区域的平均灰度值由质控线图像识别区域内的位置像素点通过加权平均法求解而得,加权系数为Gray=0.072*B+0.715*G+0.213*R;
D8、经所设计的灰度算法后,每试纸条得到5个灰度检测点比值,共5n个数据,这些数据进行ANOVA单因素方差分析后,可得到这n个试纸条的灰度显色指标显著性差异程度如何,据此给出稳定性的数值化结果表征。
所述D3步骤中,阈值的设定采用自适应二值化算法:用输入像素的值I与一个值C来比较,根据比较结果确定输出值,每一个像素的比较值C都不同,比较值C由这个像素为中心的一个块范围计算在减去差值delta得到,其中,C的计算方法使用高斯滤波GaussionBlur进行高斯分布加权和减去差值delta。
所述D4步骤中,设椭圆形的点样孔9的长轴设为一个单位距离,质控线4图像识别区域位于点样孔3下边缘向上一个单位距离的位置附近,检测线3图像识别区域位于点样孔3上边缘向下一个单位距离位置附近,图像识别若质控线图像识别区域区域相对灰度为0,则试纸条失效。
质控线相对灰度值为背景平均灰度值减去质控线图像识别区域的平均灰度值,若质控线相对灰度值为零,此时,无论检测线显色情况如何,检测线相对灰度比=检测线相对灰度值/0=∞,判定质控线位置不显色,该试纸条为不合格;
检测线相对灰度值为背景平均灰度值减去检测线图像识别区域的平均灰度值,检测线图像识别区域的平均灰度值由检测线图像识别区域内的位置像素点通过加权平均法求解而得,加权系数为Gray=0.072*B+0.715*G+0.213*R。
所述D5步骤中,对试纸条图像进行膨胀和腐蚀处理,腐蚀使图片线条变窄,可以去除噪声,试纸条图像二值化,将图像的灰度值根据阈值进行0、1处理得到的图像,图像的一部分区域与指定的核进行卷积,求核的最小值并赋值给指定区域;图像膨胀时腐蚀的逆过程,图像的一部分区域与指定的核进行卷积,求核的最大值并赋值给指定区域。
若ANOVA检验发现试纸条显色情况有差异,可以补充进行多重比较,此处若假定方差齐性,使用LSD方法进行多重比较,若假定方差非齐,采用Dunnett T3方法。
本发明将试纸条图像通过手机照相采集后,基于设定的图像识别与相对灰度比算法可以对试纸条的显色情况进行数值化展示。对采购的同一批次或不同批次试纸条按照一定的抽样原则,抽取n根试纸条进行显色情况的抽检:按照试纸条前处理步骤处理基质样品。不含目标农药的待检样品,如空白果蔬、空白烟草样品等。按照试纸条检测限量的75%进行基质样品的加标。如:多菌灵检测限为2mg/kg,则前处理后的空白基质样品中加标量应约为1.5mg/kg。将加标的同一份基质样品分别滴相同滴数在所抽取的n条试纸条上,按照试纸条说明书等待一定时间后进行手机图像的采集。经过图像的识别和分割,得到纵向的5列分割,按照设定的灰度算法,得到试纸条显色情况的n组相对灰度比数据。每组含有5个相对灰度比值。通过ANOVA检验判定抽样的试纸条显色情况是否存在显著性差异。
为了验证本发明的技术效果,发明人进行了实验。
在不同批次全新试纸条中,随机抽样取6块多菌灵试纸条,根据多菌灵试纸条产品说明书制浓度小于检测限浓度值的75%的标准溶液。在经过事先干燥的烟草基质提取液中进行复溶,将复溶后的基质标准溶液进行点板,每块试纸条确保滴入的液滴数量一致。同时,另取1块多菌灵试纸条,滴入同样滴数的稀释液,该稀释液的浓度为0,以此试纸条为参比对照试纸条(试纸7)。按照多菌灵试纸条产品说明书中要求时间进行等待,待反应完全后,7块试纸条在同一光源下,使用同一设备进行照相。经软件图像处理与灰度化计算分析得到数值如下相对灰度比及其统计描述信息:
<u>示数</u> | <u>试纸1</u> | <u>试纸2</u> | <u>试纸3</u> | <u>试纸4</u> | <u>试纸5</u> | <u>试纸6</u> | <u>试纸7</u> |
1 | 0.971 | 0.981 | 1.075 | 0.987 | 1.043 | 1.047 | 1.689 |
2 | 0.979 | 0.997 | 1.033 | 0.995 | 1.023 | 1.003 | 1.747 |
3 | 0.990 | 1.001 | 1.018 | 1.000 | 1.021 | 0.982 | 1.770 |
4 | 1.014 | 1.031 | 0.995 | 1.011 | 1.012 | 0.962 | 1.688 |
5 | 1.054 | 1.041 | 0.995 | 1.046 | 0.952 | 0.960 | 1.750 |
平均值 | 1.0016 | 1.0102 | 1.0232 | 1.0078 | 1.0102 | 0.9908 | 1.7288 |
方差 | 0.0011 | 0.0006 | 0.0011 | 0.0005 | 0.0012 | 0.0013 | 0.0378 |
示数为试纸条上五个区域的灰度显色值xi,示数1-5列举方向是由点样孔最远位置向最近位置进行排列。
使用1#~6#试纸条数据展示利用ANOVA进行试纸条质量的判稳,其方差齐性检验结果如下表,P=0.929>0.05,认为各组数据间方差无显著性,满足方差齐性要求。
Levene | df1 | df2 | 显著性 |
0.263 | 5 | 24 | 0.929 |
ANOVA单因素方差分析结果如下表:
平方和 | df | 平均值平方 | F | 显著性 | |
群组之间 | 0.003 | 5 | 0.001 | 0.589 | 0.708 |
在群组内 | 0.023 | 24 | 0.001 | ||
总计 | 0.026 | 29 |
结论:单因素方差分析P=0.708>0.05,认为各组数据均值无显著性差异,即1#~6#试纸条显色情况没有显著性差异,该取样批次试纸条质量稳定。
使用1#~7#试纸条展示利用ANOVA及事后多重比较进行试纸条质量的判异,其方差齐性检验结果如下表,P=0.929>0.05,认为各组数据间方差无显著性,满足方差齐性要求。
Levene | df1 | df2 | 显著性 |
0.460 | 6 | 28 | 0.832 |
ANOVA单因素方差分析结果如下表:
平方和 | df | 平均值平 | F | 显著性 | |
群组之间 | 2.234 | 6 | 0.372 | 357.817 | 0.000 |
在群组内 | 0.029 | 28 | 0.001 | ||
总计 | 2.263 | 34 |
结论:单因素方差分析P=0.000<0.05,认为各组数据均值至少有1组存在显著性差异,即1#~7#试纸条其中1条或几条的显色情况与其它不一致。
为找出示例中哪一个试纸条不一致,可对数据进行事后多重比较,由于演示示例中已知7#试纸条显色与其它不一致,事后多重比较检验仅显示与之相关结果。
两两对比结果示例如下表,显著性P=0.000<0.05,拒绝原假设,认为7#试纸条与其它试纸条显色情况有显著性差异,该结果符合实验设计。
亚组同质性检验结果示例如下表,1#~6#试纸条被归为子集1,与归为子集2的7#试纸条存在显著差异,且1#~6#试纸条显著性P=0.613(SNK法)>0.05,即1#~6#试纸条之间显色情况无显著性差异。该结果符合实验设计。
实践操作过程中,若条件限制,也可用稀释液直接点试纸条,其浓度为0;或者使用已知浓度的合适烟叶样品,进行前处理后点试纸条。若无条件,可不进行基质复溶。
最后应说明的是:上述实施例仅为清楚地说明本发明所作的举例,而并非对实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举,而由此所引申出的显而易见的变化或变动仍处于本发明的保护范围中。
Claims (8)
1.一种农残快检试纸质量稳定性评价方法,其特征在于,包括如下步骤:
S1、抽取n根试纸条进行显色情况抽检;
S2、对试纸条图像进行采集,并基于图像识别算法对图像进行纵向5列分隔,并通过灰度算法对试纸条图像的进行数值化展示,得到试纸条显色情况的n组相对灰度比数据,每组含有5个相对灰度比值;
S3、将得到的n组灰度数据通过ANOVA检验判定抽样的试纸条显色情况是否存在显著性差异。
2.根据权利要求1所述一种农残快检试纸质量稳定性评价方法,其特征在于,所述步骤S1,抽取n根试纸条按照试纸条前处理步骤处理基质样品,按照试纸条检测限量的75%进行基质样品的加标,将加标的同一份基质样品分别滴相同滴数在所抽取的n条试纸条上。
3.根据权利要求1所述一种农残快检试纸质量稳定性评价方法,其特征在于,所述步骤S2,包括如下步骤:
D1、试纸条图像灰度化与二值化,灰度图像在RGB模型中R=G=B,每个像素点只需一个字节存放灰度值,灰度范围为0-255,将试纸条图像上的像素点的灰度值设置为0或255这两个极点,对试纸条图像像素点灰度值算法采用加权平均法来求解,加权系数为Gray=0.072*B+0.715*G+0.213*R;
D2、采用稀疏性和低秩性约束试纸条图像,采用稀疏表达算法与聚类低秩算法,处理掉干扰因素;
D3、把处理掉干扰信息的试纸条图像有用部分分割下来,根据投影法分析二值化的图像上每一维黑色像素点的个数,设置阈值并据此分割图片;
D4、基于以上算法抓取试纸条图像上检测长方形显色区和椭圆形点样孔,将椭圆形点样孔设置为方向校准的标定锚,调整试纸条图像的方向为:上方长方形显色区,下方椭圆形点样孔,基于方向的锚定,划定质控线和检测线的图像识别区域;若质控线图像识别区域有显色,则该试纸条为合格;若质控线图像识别区域无显色,则该试纸条为不合格;
D5、对合格的试纸条的图像进行膨胀和腐蚀处理,并将分隔好的试纸条图像内的主体归一化到一个标准模板大小,倾斜校正,宽度归一化,形状归一化;
D6、将试纸条图像采用部分区域描绘子作为代表该区域的特征,将这些区域特征组合成特征向量以供分类使用;
D7、经处理的试纸条图像,识别长方形显色区,对该区域再进行纵向平均分割为5个区域,每个区域形成一个显色条带,该区域相对灰度平均值为背景平均灰度值减去该区域平均灰度值,质控线相对灰度值为背景平均灰度值减去质控线图像识别区域的平均灰度值,每个区域相对灰度平均值与质控线图像识别区域的平均灰度值之比设为该区域的灰度显色值xi,一张试纸条图像的灰度显色值表征为一组数x1~x5,,对该组数x1~x5求均值得到试纸条的灰度显色指标X;
其中,背景平均灰度值由长方形显色区内所有像素点通过加权平均法求解而得,每个区域平均灰度值由该区域内所有像素点通过加权平均法求解而得,质控线图像识别区域的平均灰度值由质控线图像识别区域内的位置像素点通过加权平均法求解而得,加权系数为Gray=0.072*B+0.715*G+0.213*R;
D8、经所设计的灰度算法后,每试纸条得到5个灰度检测点比值,共5n个数据,这些数据进行ANOVA单因素方差分析后,可得到这n个试纸条的灰度显色指标显著性差异程度如何,据此给出稳定性的数值化结果表征。
4.根据权利要求3所述一种农残快检试纸质量稳定性评价方法,其特征在于,所述D3步骤中,阈值的设定采用自适应二值化算法:用输入像素的值I与一个值C来比较,根据比较结果确定输出值,每一个像素的比较值C都不同,比较值C由这个像素为中心的一个块范围计算在减去差值delta得到,其中,C的计算方法使用高斯滤波GaussionBlur进行高斯分布加权和减去差值delta。
5.根据权利要求3所述一种农残快检试纸质量稳定性评价方法,其特征在于,所述D4步骤中,以该椭圆形点样孔的边缘构成的椭圆形的长轴为一个单位距离,划定质控线图像识别区域在由长方形显色区远离椭圆形点样孔的侧边向靠近椭圆形点样孔方向移位一个单位距离的位置的两侧的十分之一的单位距离的范围内,划定检测线图像识别区域是否在由长方形显色区贴近椭圆形点样孔的侧边向远离椭圆形点样孔方向移位一个单位距离的位置的两侧的十分之一的单位距离的范围内。
6.根据权利要求3所述一种农残快检试纸质量稳定性评价方法,其特征在于,所述D5步骤中,对试纸条图像进行膨胀和腐蚀处理,腐蚀使图片线条变窄,可以去除噪声,试纸条图像二值化,将图像的灰度值根据阈值进行0、1处理得到的图像,图像的一部分区域与指定的核进行卷积,求核的最小值并赋值给指定区域;图像膨胀时腐蚀的逆过程,图像的一部分区域与指定的核进行卷积,求核的最大值并赋值给指定区域。
7.根据权利要求3所述一种农残快检试纸质量稳定性评价方法,其特征在于,所述D8步骤中,ANOVA检验满足方差齐性,若方差同质性检验中发现方差非齐,ANOVA检验使用Brown-Forsythe进行修正;当ANOVA检验发现试纸条显色情况有差异,为进一步明确是哪个样品及所代表批次处于不同显色水平,可补充进行事后多重比较,包括进行两两比较的检验以及对极差进行亚组同质性的检验,选择能较好控制I类错误的多重比较策略:若方差齐性选择Student-Newman-Keuls法、Tukey法、或Scheffe法;若方差非齐,采用Games-Howell法、Dunnett T3法或直接使用非参数检验方法。
8.根据权利要求5所述一种农残快检试纸质量稳定性评价方法,其特征在于,所述D4步骤中,质控线相对灰度值为背景平均灰度值减去质控线图像识别区域的平均灰度值,若质控线相对灰度值为零,此时,无论检测线显色情况如何,检测线相对灰度比=检测线相对灰度值/0=∞,判定质控线位置不显色,该试纸条为不合格;
检测线相对灰度值为背景平均灰度值减去检测线图像识别区域的平均灰度值,检测线图像识别区域的平均灰度值由检测线图像识别区域内的位置像素点通过加权平均法求解而得,加权系数为Gray=0.072*B+0.715*G+0.213*R。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010154958.1A CN111504985A (zh) | 2020-03-07 | 2020-03-07 | 一种农残快检试纸质量稳定性评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010154958.1A CN111504985A (zh) | 2020-03-07 | 2020-03-07 | 一种农残快检试纸质量稳定性评价方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111504985A true CN111504985A (zh) | 2020-08-07 |
Family
ID=71869009
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010154958.1A Pending CN111504985A (zh) | 2020-03-07 | 2020-03-07 | 一种农残快检试纸质量稳定性评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111504985A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113327236A (zh) * | 2021-06-04 | 2021-08-31 | 天津大学 | 新型冠状病毒抗体快速检测试剂的识别方法及*** |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060083418A1 (en) * | 2003-02-11 | 2006-04-20 | Qinetiq Limited | Image analysis |
CN104198482A (zh) * | 2014-09-05 | 2014-12-10 | 北京智云达科技有限公司 | 一种试纸读取方法和装置 |
CN104964973A (zh) * | 2015-07-08 | 2015-10-07 | 邓双胜 | 一种基于移动终端摄像头的试纸读取与分析方法与*** |
CN106018338A (zh) * | 2016-08-10 | 2016-10-12 | 福建中烟工业有限责任公司 | 用于评判料液质量稳定性的方法和*** |
-
2020
- 2020-03-07 CN CN202010154958.1A patent/CN111504985A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060083418A1 (en) * | 2003-02-11 | 2006-04-20 | Qinetiq Limited | Image analysis |
CN104198482A (zh) * | 2014-09-05 | 2014-12-10 | 北京智云达科技有限公司 | 一种试纸读取方法和装置 |
CN104964973A (zh) * | 2015-07-08 | 2015-10-07 | 邓双胜 | 一种基于移动终端摄像头的试纸读取与分析方法与*** |
CN106018338A (zh) * | 2016-08-10 | 2016-10-12 | 福建中烟工业有限责任公司 | 用于评判料液质量稳定性的方法和*** |
Non-Patent Citations (2)
Title |
---|
李思慧 等: "荧光微球免疫层析技术定量检测抗缪勒氏管激素方法的确定", 《生物化工》 * |
魏治静 等: "胎儿纤维连接蛋白荧光定量免疫层析检测技术的研究", 《现代医药卫生》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113327236A (zh) * | 2021-06-04 | 2021-08-31 | 天津大学 | 新型冠状病毒抗体快速检测试剂的识别方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7689023B2 (en) | Color unmixing and region of interest detection in tissue samples | |
CN111242961B (zh) | 一种用于pd-l1抗体染色切片的自动读片方法及其*** | |
US20230177341A1 (en) | Using a First Stain to Train a Model to Predict the Region Stained by a Second Stain | |
CN103543277B (zh) | 一种基于灰度分析与种类识别的血型结果识别算法 | |
JP5044633B2 (ja) | 定量ビデオ顕微鏡法とそれに関連するシステムおよびコンピュータソフトウェアプログラム製品 | |
CN110161233B (zh) | 一种免疫层析试纸卡的快速定量检测方法 | |
CN111582359B (zh) | 一种图像识别方法、装置、电子设备及介质 | |
CN112070711A (zh) | 一种微液滴图像检测法中微液滴的分析方法 | |
JP7412556B2 (ja) | 目標コーティング中の効果顔料を識別する方法及び装置 | |
CN104680185B (zh) | 基于边界点重分类的高光谱图像分类方法 | |
CN113109240B (zh) | 一种计算机实施的粮食不完善粒测定方法和*** | |
CN111161237A (zh) | 一种果蔬表面质检方法及其储存介质、分拣装置 | |
CN117392042A (zh) | 缺陷检测方法、缺陷检测设备及存储介质 | |
CN116559111A (zh) | 一种基于高光谱成像技术的高粱品种识别方法 | |
CN111504985A (zh) | 一种农残快检试纸质量稳定性评价方法 | |
CN112683981B (zh) | 一种dna定量检测方法及*** | |
CN114332058A (zh) | 基于神经网络的血清质量识别方法、装置、设备及介质 | |
CN113450383B (zh) | 一种免疫层析试纸定量分析方法、装置、设备和介质 | |
WO2023034441A1 (en) | Imaging test strips | |
CN116203001A (zh) | 黄曲霉毒素b1无损检测方法及装置 | |
Shelke et al. | Detection of Artificially Ripened Fruits using Machine Learning | |
RU2287805C2 (ru) | Способ экспрессного определения дисперсного состава аэрозоля | |
CN117934471B (zh) | 一种对胶体金检测结果图的图像数字化分析方法 | |
Zayas et al. | Image analysis applications for grain science | |
Abhishek et al. | An enhanced algorithm for the quantification of human chorionic gonadotropin (hCG) level in commercially available home pregnancy test kits |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200807 |