微生物检测是食品检测、生物制药、水质检测等操作过程中的基本操作,随着国家对食品安全问题的日益关注,相关部门的检测任务量也在不断增加,尤其在疫情期间,对食品质量的检测更加严格。而对食品微生物中的菌落计数是检测时最关键的技术手段,由于菌落目标较小、且外形多样,所以识别起来较为困难。目前能对微生物样本中的菌落进行实时检测的成熟设备还存在缺口。所以针对微生物培养和菌落计数分析一体化设备的研究成为当前的一个研究热点。本课题以机器视觉为主要研究方向,通过对Python程序、图像处理算法以及微生物培养与计数的相关知识展开研究,最终完成菌落计数,达到食品检测的目的。首先对待检食品中的微生物进行培养和采集,由于采集到的图像为彩色图像,处理起来数据量十分庞大,针对此问题,本文通过Python对微生物图像进行灰度处理,大大减少待处理的数据量;为了去除微生物图像中的水气颗粒等系统噪声,通过比较各种降噪算法处理微生物图像的效果,最终选择中值滤波对图像做平滑处理;为了便于菌落轮廓的识别及培养皿边缘的剔除,将改进Sobel算子的边缘检测法运用到微生物图像处理中,使菌落轮廓与培养皿边缘的轮廓更加显著。由于以上处理的图像灰度级较多,不利于计数研究,所以通过改进的最大类间方差法对图像进行阈值分割,得到二值化图像,并减少图像数据量,使菌落目标与背景之间更加明确;且针对菌落与菌落之间粘连的问题,通过在Python中进行自适应距离变换的分水岭处理,实现粘连分割,以便后续计数处理。最后通过基于Python的轮廓检测法完成微生物图像中的菌落计数,且对比标准人工计数,平均误差在10%左右,符合要求。进而计算出菌落浓度,再根据菌落的覆盖面积分析其与浓度的关系成正比。最终完成微生物培养与检测一体化设备的硬件设计及实物搭建,并在其基础上开发出该设备的软件部分,软件部分主要是基于Python语言完成的界面开发及图像处理系统。本课题拟设计的设备不仅能够实现微生物的恒温培养功能,同时结合了图像处理技术,使操作员能够在电脑终端监控培养装置内微生物的增长和分布情况。进而完成对微生物图像中菌落数量的统计及菌落浓度的计算,方便科研人员进一步研究。目的是完成食品微生物中菌落的计数,最终将计数结果显示在系统界面中。综上所述,不同图像处理算法的结合与改进,以及软件程序的编写与运行是本课题的研究重点;菌落粘连分割是本课题的研究难点。