| 基于高光谱技术的细菌生物被膜分类检测 |
| |
| 引用本文： | 牛晓虎,冯耀泽,鲍雪,崔恒洁,王梦冉,岑晓旭,孙光全.基于高光谱技术的细菌生物被膜分类检测[J].华中农业大学学报,2023,42(3):241-249. |
| |
| 作者姓名： | 牛晓虎 冯耀泽 鲍雪 崔恒洁 王梦冉 岑晓旭 孙光全 |
| |
| 作者单位： | 1.华中农业大学工学院,武汉 430070;2.农业农村部水产养殖设施工程重点实验室,武汉 430070;3.农业农村部长江中下游农业装备实验室,武汉 430070;4.中国农业科学院深圳农业基因组研究所,深圳 518000;5.华中农业大学动物科学技术学院、动物医学院,武汉 430070 |
| |
| 基金项目： | 中央高校基本科研业务费专项（2662020GXPY003）；华中农业大学深圳营养与健康研究院研发项目 （SZYJY2021028）牛晓虎，E-mail：1164556758@qq.com |
| |
| 摘 要： | 针对现有生物被膜检测方法耗时、费力、低效的问题，以大肠杆菌、金黄色葡萄球菌、沙门氏菌为例，研究荧光高光谱技术对不同细菌生物被膜进行种类识别和成膜能力评价的可行性。采集细菌生物被膜样本荧光高光谱图像，并基于5种方法预处理后的光谱数据建立支持向量机分类（support vector classification machine,SVC）和偏最小二乘判别分析（partial least squares discriminant analysis model,PLS-DA）细菌被膜分类检测模型。利用连续投影算法（successive projections algorithm,SPA）、竞争性自适应重加权算法（competitive adaptive reweighted sampling,CARS）分别提取特征波长并建立相应简化模型。结果显示：细菌生物被膜种类识别全波长和特征波长模型中SVC性能均优于PLS-DA，最优模型为None-SPA-SVC，校正集和预测集分类准确率均为96.67%。在细菌生物被膜成膜能力的全波长模型分类判别中，SVC算法整体上分类准确率优于PLS-DA；对于简化模型...
|
| 关 键 词： | 高光谱技术 生物被膜 成膜能力 偏最小二乘分类 支持向量机分类 |
| 收稿时间： | 2022/9/13 0:00:00 |
Classification and detection of bacterial biofilms based on hyperspectral fluorescence imaging |
| |
| NIU Xiaohu,FENG Yaoze,BAO Xue,CUI Hengjie,WANG Mengran,CEN Xiaoxu,SUN Guangquan.Classification and detection of bacterial biofilms based on hyperspectral fluorescence imaging[J].Journal of Huazhong Agricultural University,2023,42(3):241-249. |
| |
| Authors: | NIU Xiaohu FENG Yaoze BAO Xue CUI Hengjie WANG Mengran CEN Xiaoxu SUN Guangquan |
| |
| Abstract: | |
| |
| Keywords: | hyperspectral imaging biofilm biofilm-forming ability partial least squares classification support vector machine |
|
| 点击此处可从《华中农业大学学报》浏览原始摘要信息 |
| 点击此处可从《华中农业大学学报》下载免费的PDF全文 |
|
