基于机器视觉的β类药物残留检测系统的分析与应用-analysis and application of beta drug residue detection system based on machine vision.docx

致谢在论文完成之际，我两年半的研究生生活也即将结束。在此，向在我研究生期间给予我指导、关心和帮助的师长、同学、朋友以及家人表达我由衷的感谢。首先，感谢我的导师刘大健教授。从论文的选题到论文的最终完成都是在刘大健老师悉心指导下进行的。刘老师渊博的知识、独到的见解、严谨的科研态度和精益求精的工作作风都给我留下了深刻的印象，使我受益匪浅。其次，感谢对我的论文提出宝贵指导意见的各位老师，如：章东平老师，谭劲老师等，再此向他们表示由衷的感谢。感谢师兄童超、王加佳同学对我学业上的帮助和鼓励，感谢师弟秦蒙、师妹张秋丽同学，感谢王赵锋、叶鹏、王常群同学在生活上对我的关心和帮助，感谢所有信号与信息处理的同学，感谢你们在我研究生期间对我的帮助和关心，与你们共同生活和学习的日子是我人生中最美好的回忆和最宝贵的财富。最后，深深的感谢我的父母和家人，是你们一直默默的支持我、关心我、给予我无私的爱，才使我顺利完成学业。我爱你们！孙永生2013年6月基于机器视觉的β类药物残留检测系统的研究与应用摘要：近年来，随着胶体金免疫层析试纸条（简称金标试纸条）在食品、药品、水质、医疗卫生等众多领域的广泛应用，以及人们对各类药物残留现场快速定量检测的要求越来越高，而传统的检测方法虽然检测精度高，但存在检测仪器价格昂贵、耗时、技术要求高等缺点，无法应用在现场的快速定量检测领域，所以研制一种利用金标试纸条实现药物残留现场快速定量检测系统有着重要的意义。本文对该检测系统的模块设计、检测莱克多巴胺的金标试纸条图像处理以及建立浓度预测模型等进行了深入的研究，为定量检测系统的研究应用提供重要依据，主要从以下几个方面进行了阐述：1、首先根据现场快速定量检测的要求设计了一个基于计算机视觉的检测系统，完成了基于机器视觉的试纸条图像采集装置结构设计，实现试纸条图像的获取。2、针对检测卡图像本身的特点，提出了一种基于边缘图像灰度积分投影的试纸条图像检测方法。该方法最大程度的避免了可能出现的检测卡外壳图像对颜色较浅的测试线特征值的影响，比传统的模板匹配和开窗操作适用性更强检测效果更好。3、针对金标试条图像的特点，采用中值处理后的试纸条灰度图像垂直积分投影曲线分割图像，为下一步的试纸条图像特征值提取提供便利。4、本文利用神经网络良好的非线性逼近能力，采用经过遗传算法和模拟退火算法改进的最小二乘支持向量机（LSSVM）算法建立图像特征值与浓度间的预测模型，试验中利用该预测模型对被检莱克多巴胺样品浓度进行检测，结果表明该算法的检测精度明显高于标准LSSVM和BP神经网络预测模型。经过试验验证该系统实现了低成本、简易、现场快速检测莱克多巴胺的要求，系统操作界面简单清晰，误差小，可靠性高。关键词：胶体金免疫层析试纸条；边缘检测；积分投影；最小二乘支持向量机；遗传算法；模拟退火算法分类号：TP317.4TP391.4UDC621.3ResearchandApplicationoftheBetaDrugsResidueDetectionSystemBasedonMachineVisionAbstract：Inrecentyears,alongwiththewidelyapplicationofcolloidalgoldimmunochromatographicassay(colloidal-goldstrip)infood,medicines,water,health,andtheincreasinghighdemandofalltypesofdrugresiduerapidquantitativedetection,traditionaldetectionmethodshavehighdetectionprecision,butthedetectionequipmentisexpensive,time-consuming,hightechnicalrequirementsshortcomings,whileitcan’tbeappliedintherapidquantitativedetectionfield,soithasanimportantsignificancetorealizetherapiddrugresiduesquantitativedetectionsystembasedonthecolloidal-goldstrip.Inordertoprovideanimportantbasisfortheapplicationofthequantitativedetectionsystem,inthispaperwemakeanintensivestudyofthemoduledesignofthisdetectionsystem,theimageprocessingofthecolloidal