文章编号：1005-5630(2023)02-0008-10DOI:10.3969/j.issn.1005-5630.2023.002.002基于粒子群优化算法的水源微生物自动识别闵新港，黄邵祺，游少杰，戴博（上海理工大学光电信息与计算机工程学院，上海200093）摘要：水源微生物检测在水源生物安全监测等方面具有非常重要的意义，而传统的显微镜观测等方法存在效率低、需要专业人员操作等不足，为此提出了一种水源微生物自动识别方法。采集水样，并制作水源微生物图像集，编写全自动与半自动两种图像分割算法用于提取目标微生物区域，并提取6种图像特征。基于以上特征数据，研究水源微生物识别模型的优化问题：首先，优化部分特征参数；接着，融合所有特征，建立粒子群优化算法的支持向量机（supportvectormachineoptimizedbyparticleswarmoptimization,PSO-SVM）微生物识别模型，并与其他识别算法进行比较。结果表明，相比于其他3种算法，PSO-SVM能更有效地识别各种微生物，其平均识别率达到97.08%。关键词：微生物识别；图像分割；粒子群算法；支持向量机中图分类号：X835文献标志码：AAutomaticrecognitionofwatersourcemicroorganismsbasedonparticleswarmoptimizationalgorithmMINXingang，HUANGShaoqi，YOUShaojie，DAIBo（SchoolofOptical-ElectricalandComputerEngineering,UniversityofShanghaiforScienceandTechnology,Shanghai200093,China）Abstract:Thedetectionofwatersourcemicroorganismsisofgreatsignificancetothebiosafetyofwatersourceandsoon.However,thetraditionalmethodssuchasmicroscopicobservationareinefficientandneedprofessionalpersonnel.Therefore,anautomaticrecognitionmethodofmicro-organismsinwatersourceisproposed.Watersampleswerecollectedandamicroorganismsimagesetwasmade.Automaticandsemi-automaticimagesegmentationalgorithmswereproposedtoextractthetargetmicroorganismsarea,and6featureswereextracted.Themodeloptimizationproblemofwatermicroorganismsclassificationprocesswasstudied.First,theparametersofafewfeatureswereoptimized.Then,allthefeatureswerefused,andamicroorganismsrecognitionmodelofsupportvectormachineoptimizedbyparticleswarmoptimization(PSO-SVM)wasestablishedandcomparedwithotherrecognitionalgorithms.Theresultsshowthat,comparedwiththeother3recognitionalgorithms,PSO-SVMcanrecognizedifferentkindsof...
