余偉 彭寬寬 陳偉 穆渴心 譚臣 王湘如 馮耀澤

摘 要 利用高光譜技術(shù)對(duì)培養(yǎng)基上細(xì)菌（大腸桿菌、李斯特菌和金黃色葡萄球菌）菌落進(jìn)行快速識(shí)別和分類。采集瓊脂培養(yǎng)基上細(xì)菌菌落的高光譜反射圖像（390～1040 nm），在對(duì)波段差圖像進(jìn)行大津閾值分割的基礎(chǔ)上自動(dòng)提取細(xì)菌菌落光譜，并建立細(xì)菌分類檢測(cè)的全波長(zhǎng)和簡(jiǎn)化偏最小二乘判別（PLS-DA）模型。全波長(zhǎng)模型對(duì)預(yù)測(cè)集樣本的分類準(zhǔn)確率和置信預(yù)測(cè)分類準(zhǔn)確率分別為100%和95.9%。此外，利用競(jìng)爭(zhēng)性自適應(yīng)重加權(quán)算法（CARS）、遺傳算法（GA）和最小角回歸算法（LARS-Lasso）進(jìn)行波長(zhǎng)優(yōu)選并建立對(duì)應(yīng)簡(jiǎn)化模型。其中，CARS簡(jiǎn)化模型在精度、穩(wěn)定性及分類準(zhǔn)確率方面均優(yōu)于GA和LARS-Lasso簡(jiǎn)化模型，其對(duì)預(yù)測(cè)集樣本的分類準(zhǔn)確率和置信預(yù)測(cè)分類準(zhǔn)確率分別達(dá)到了100%和98.0%。研究表明，高光譜是一種細(xì)菌菌落高精度、快速、無(wú)損識(shí)別檢測(cè)的有效方法。簡(jiǎn)化模型中優(yōu)選的波長(zhǎng)可以為開發(fā)低成本檢測(cè)儀器提供理論依據(jù)。

關(guān)鍵詞 高光譜圖像； 偏最小二乘判別分析； 競(jìng)爭(zhēng)性自適應(yīng)重加權(quán)算法； 遺傳算法； 最小角回歸算法