);
[0041] 第二步:对参考资料中图1.2进行阈值分割边缘识别，提取出图片中标准样品区域 和未知样品区域，如参考资料中图1.3所示。
[0042] 提取出标准区域部分所对应的像素区中获取各像素的加权灰度值后，将标准区域 部分和未知样品部分的图像从RGB模型转换到HIS模型；因为RGB模型是数字图像处理的输 出模型，HIS模型是符合人眼判定的一个色彩模型，就是用色调(H)、饱和度(S)和强度（I)来 描述一个彩色。
[0043]第二步:获得最优标准曲线。
[0044]依据上一步得到的加权灰度值，Η值，I值，S值各自的标准曲线，依据半对数拟合得 到各自的标准曲线，计算各个标准曲线的R2值分别为:〇. 9668(加权灰度值），0.8311 (Η值）， 0.9301 (I值），0.9612(S值），因而对于本次试验的样品而言最优曲线为加权灰度值曲线，如 图2所示：
[0045]第四步:定量结果判定
[0046]计算多个标准样品区域的加权灰度值，I，H，S值，并做拟合曲线，根据相关系数R2 值确定拟合程度最好的将是计算的模式，本例中加权灰度为计算模式，依次计算各个未知 样品区域对应的加权灰度值，代入到标准曲线中，计算得到浓度值分别为2.244和13.881， 与人眼观测结果一致。
[0047] 实施例2
[0048] 以农药残留判定进行半定量分析，采用第一类方法，具体过程如下：
[0049]第一步:摆放三个农药残留标准卡和一个新作的未知样品于同一视场中，拍摄图 片参见参考资料中图2.1。
[0050] 参考资料中图2.1为拍摄到的农药残留原图，参考资料中图2.1分辨率为2322* 4128，为方便计算将图2.1压缩成分辨率为360*270的(参见参考资料中图2.2)。
[0051] 第二步:对参考资料中图2.2进行阈值分割，提取出图片中标准样品区域和未知样 品区域，如参考资料中图2.3所示。
[0052] 第四步，计算标准样品区域的H，I，S值。依据标准样品区域中H、I、S差值最大的值 判定样品对应的检测值，得到半定量结果，如表2.1所示。
[0053] 表2.1标准样品的HIS值
[0054]
[0055] 可以明显看出标准样品的Η值差值最大，因而依据Η值来对未知样品半定量结果进 行判定，未知样品的Η值为0.5016,与阴性标准样品的Η值接近，故而认定样品为阴性。
[0056] 实施例3
[0057] 用胶体金试剂卡测定沙丁胺醇，采用第一类方法，具体过程如下：
[0058] 第一步:拍摄沙丁胺醇标准卡与样品卡图片，如参考资料中图3.1所示。
[0059] 由于胶体金的色块较小，压缩后易造成像素失真，因而需要直接根据CT线所在位 置截取色块信息。
[0060] 第二步:对参考资料中图3.1进行阈值分割，根据CT线所在位置提取图片中标准样 品区域和未知样品区域，如参考资料中图3.2所示。
[0061] 第三步:获得最优标准曲线。
[0062] 以上一步得到的标准样品的加权灰度值，Η值，I值，S值中各自的Τ线与C线的比值， 依据半对数拟合得到各自的标准曲线，计算各个标准曲线的R 2值分别为:0.9298(加权灰度 值），非数值(Η值），0.9337(I值），非数值(S值），因而对于本次试验的样品而言最优曲线为 强度值曲线，如图3所示。
[0063] 第四步:定量结果判定
[0064]计算多个标准样品区域的加权灰度值，I，H，S值，并做拟合曲线，拟合程度最好的， 将是计算的模式，本例中强度值为计算模式，计算未知样品区域对应的强度值，代入到标准 曲线中，计算得到浓度值为0.7228,与人眼观测结果一致。
[0065] 实施例4
[0066] 测量菌落总数，采用第二类方法，具体过程如下：
[0067] 第一步:拍摄菌落图片，如参考资料中图4.1所示。
[0068] 第二步:对参考资料中图4.1进行阈值分割，通过边缘识别，提取出菌落样品区域， 如参考资料中图4.2所示：
[0069]第三步:将图像从RGB空间转换到HIS空间，得到每个像素点的强度I的值，其中I = (R+G+B)/3,只有当目标团块的I明显低于背景时，才需要被识别出来，并且目标团块面积和 整个背景相比会小很多，因此将图像中的像素点的I值进行统计分析，得到整个图像中I的 下四分位点值，作为图像二值化的分割阈值，低于该阈值的像素点代表目标点，高于该阈值 的为背景点，如参考资料中图4.3所示，这样能将目标团块分割出来，并能很大程度上帮助 排除其他背景，如网格线，文字等。
[0070] 第三步：目标点聚类分析。扫描每个提取出来的目标点，位置相连的表示在同一团 块中，得到总共的团块个数。
[0071] 第四步:多样品团块分割。由于我们同时提取出来了多个样品图像上的团块点，对 这些团块点进行聚类，每个团块重心相近的点，说明是同一个样品上的团块，否则为另一个 样品上的团块，从而，将多样品上的团块识别出来，得到多个样品各自最终的团块个数，本 例中算得的最终团块个数为1337个团块。
[0072] 以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人 员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应 视为本发明的保护范围。
【主权项】
1. 一种多样品同时检测的方法，包括以下步骤： ⑴、把多个样品置于同一视场中进行拍摄，得到彩色图片； ⑵、对彩色图片进行阈值分割，分离出样品和背景； 2.1、 若样品为菌落时，直接计算菌落数目； 2.2、 若样品包含标准样品和未知样品，进行阈值分割，分离出标准样品和未知样品，进 入步骤(3); (3)、根据标准样品的加权灰度值、Η值、I值或S值分别建立对应的标准曲线； ⑷、根据未知样品的加权灰度值、Η值、I值或S值在标准曲线上的位置，确定所述未知样 品的检测结果。2. 如权利要求1所述多样品同时检测的方法，其特征在于:选择步骤⑶中加权灰度值、Η 值、I值或S值的标准曲线R方值最大的标准曲线，作为最优标准曲线，步骤⑷中选用未知样 品与最优标准曲线相同的加权灰度值、Η值、I值或S值，确定在最优标准曲线上的位置。3. 如权利要求1所述多样品同时检测的方法，其特征在于:所述未知样品的检测结果包 括定量结果和半定量结果。4. 如权利要求1所述多样品同时检测的方法，其特征在于:所述包含标准样品和未知样 品的检测用于试纸条、菌落、比色管、速测卡和胶体金卡的检测。
【专利摘要】本发明公开了一种多样品同时检测的方法，包括以下步骤：⑴、把多个样品置于同一视场中进行拍摄，得到彩色图片；⑵、对彩色图片进行阈值分割，分离出样品和背景；2.1、若样品为菌落时，直接计算菌落数目；2.2、若样品包含标准样品和未知样品，进行阈值分割，分离出标准样品和未知样品，进入步骤⑶；⑶、根据标准样品的加权灰度值、H值、I值或S值分别建立对应的标准曲线；⑷、根据未知样品的加权灰度值、H值、I值或S值在标准曲线上的位置，确定所述未知样品的检测结果。本发明可以同时检测多个样品，缩短检测流程，提高检测效率，更便于用户使用。
【IPC分类】G01N21/78
【公开号】CN105466921
【申请号】CN201510816537
【发明人】陈望, 朱翠翠
【申请人】北京普析通用仪器有限责任公司
【公开日】2016年4月6日
【申请日】2015年11月23日