基于高光谱技术的培养基上细菌菌落分类方法研究 - 分析化学.pdfVIP

第44卷 分析化学 (FENXI HUAXUE)摇 研究报告 第8期 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 2016年8月 ChineseJournal of Analytical Chemistry 1221~1226 DOI:10.11895/j.issn.0253鄄3820.160053 基于高光谱技术的培养基上细菌菌落分类方法研究 1 1 1 1 2,3 2,3 *1 余 伟摇 彭宽宽摇 陈伟摇 穆渴心摇 谭 臣 摇 王湘如 摇 冯耀泽 1 2 3 (华中农业大学 工学院 ,农业微生物学国家重点实验室 ,动物医学院 ,武汉430070) 摘摇 要摇 利用高光谱技术对培养基上细菌(大肠杆菌、李斯特菌和金黄色葡萄球菌)菌落进行快速识别和分 类。 采集琼脂培养基上细菌菌落的高光谱反射图像(390 ~1040 nm),在对波段差图像进行大津阈值分割的 基础上自动提取细菌菌落光谱,并建立细菌分类检测的全波长和简化偏最小二乘判别(PLS鄄DA)模型。 全波 长模型对预测集样本的分类准确率和置信预测分类准确率分别为100%和95.9%。 此外,利用竞争性自适应 重加权算法(CARS)、遗传算法(GA)和最小角回归算法(LARS鄄Lasso)进行波长优选并建立对应简化模型。 其中,CARS简化模型在精度、稳定性及分类准确率方面均优于GA和LARS鄄Lasso简化模型,其对预测集样本 的分类准确率和置信预测分类准确率分别达到了100%和98.0%。 研究表明,高光谱是一种细菌菌落高精 度、快速、无损识别检测的有效方法。 简化模型中优选的波长可以为开发低成本检测仪器提供理论依据。 关键词摇 高光谱图像;偏最小二乘判别分析;竞争性自适应重加权算法;遗传算法;最小角回归算法 1摇 引摇 言 细菌普遍存在于各种环境中,对人类生活有巨大影响。 有益菌能够促进人类健康,而致病菌则会通 [1,2] 过污染食品对人类造成伤害。 此外,因为对问题食品的召回和销毁亦会导致社会资源的浪费 。 因 此,对细菌的检测和识别是非常重要和必要的。 经典的细菌检测方法依赖于对细菌形态、大小及生理特 [3] [4] [5,6] 征等的分析。 近年,基于聚合酶链式反应 、酶联免疫吸附 、生物传感器 的细菌检测方法有了突 飞猛进的发展。 然而,虽然上述几种方法对细菌分类准确率非常高,但大多耗时、耗力,且需要专业人员 进行复杂繁琐的实验操作,远不能满足现代细菌高通量分类检测的需求。 高光谱技术集光谱技术和图像技术于一身,可以实现物料的快速、无损检测[7~16] ,其在细菌菌落快 [17] [18] 速识别和检测中具有广阔的应用前景 。 Yoon等 运用高光谱成像技术对培养基上的弯曲杆菌和非 弯曲杆菌进行分类,利用波段比算法对细菌进行分类,分类准确率达到了97% ~99%。 他们还运用高 光谱技术对6种非O157 型大肠杆菌进行分类,在像素水平上对细菌的分类准确率达到了95%,在菌落 [19] 水平上对细菌的分类准确率达到了97% 。 上述研究在建立简化模型时多采用主成分分析法进行波 长选择,并不能保证所选波长与细菌类别差异的对应性,且波长人为选定,很难保证模型的最优化。 为 进一步提高细菌分类准确率,可应用多种波长选择方法对特征波长进行优选。 此外,将高光谱成像技术 运用于细菌菌落分类检测