BG大游官方网站BG大游官方网站1、生物监测在我国已全面开展多年，主要用于判别水体污染程度与状况。目前的监测方法是在显微镜下，靠人力视觉判断生物的种、属及数量。由于水体中的生物类型数量庞大、形态复杂、变化多样，采用传统的依靠人眼进行识别的方法费时费力，不能实现电子版存储。且传统的生物信息检测方法不仅劳动强度高、工作量大、耗费时间久，而且由于依靠肉眼观察，统计方式极易产生误差。而且生物信息的种类识别工作必须由具备一定基础知识的专业技术人员来完成，这在实践中有着一定的局限性。由于传统检测的这些弊端，造成标准的实际执行变得困难。
2、由于人眼识别劳动强度过大，最终分类的结果可能存在的误差也大大增加。因此，寻找一种能够快速、简单的生物信息分类识别存储成为首要的任务。当今社会，随着模式识别技术和数字图像处理技术的飞速发展，使得计算机辅助生物信息分类存储成为可能。由于计算机处理速度远胜于人，且操作简单，不需要有专业背景的人也能操作，达到了普及推广的功能。不过，当前的计算机图像识别技术在生物信息分类研究中，主要还是集中于生物信息外观特征和几何形状特征的存储。
3、因此，针对我国生物信息监测及分类存储中存在的诸多问题，用现代计算机技术开发生物信息新的检测方法，能够提高生物检测方法的准确和工作效率，实现生物种属的自动检测、分类与信息存储。
1、为了解决上述技术问题，本发明提出了一种生物信息存储方法，包括如下步骤：
4、s3、获取所述细胞显微图，对所述细胞显微图进行预处理，得到纹理清晰的生物细胞图像；
5、s4、对生物细胞图像进行纹理特征提取，构建二值直方图特征，计算所述二值直方图特征的块空间之间的距离；
6、s5、利用已知类别的生物细胞图像的二值直方图特征的块空间之间的距离作为bp神经网络的训练集，得到bp神经网络分类器；
7、s6、将步骤s4中得到的块空间之间的距离作为输入数据，输入训练好的bp神经网络分类器中，实现对生物信息进行分类存储。
11、s33、将所述二值图像作为模板，和原始细胞显微图做卷积，得到去除背景的细胞图像。
13、根据灰度值将细胞显微图分为m级，设灰度值为i级的像素数为ni，总像素数为各级灰度值的概率为pi＝ni/n，整体图像的灰度平均值在阈值k处分割成两组灰度值图像：c0＝{1～k}和c1＝{k+1～m}；
14、由公式(1)和公式(2)分别求得两组灰度值图像c0和c1的概率ω0和ω1，
19、其中，μ0为第一组灰度值图像c0的灰度平均值；μ1为第二组灰度值图像c1的灰度平均值；
26、令当前层输出为oj，当输入前层i的样本xi时，利用正向函数f从前层i到后层j做正向运算：
32、s54、检查是否对所有样本完成一次训练，若计数p小于训练样本数p，计数p自增1，返回步骤s52，否则跳到步骤s55；
35、s56、检查bp神经网络误差e是否达到精度er，若e＜er，训练结束；否则计数p置1，返回步骤s52。
36、进一步地，步骤s4中，基于去除背景的细胞图像进行生物细胞图像的细胞纹理特征属性数据提取，利用检测得到的生物细胞图像的细胞纹理特征属性数据构建二值直方图特征，将二值直方图划分成若干小的块空间，计算二值直方图特征的块空间之间的距离。
37、本发明还提出了一种生物信息存储系统，用于实现生物信息存储方法，包括：生物处理模块，生物细胞数据检测模块和生物细胞自动分类存储模块；
38、所述生物处理模块，用于通过生物荧光剂对生物细胞的标志物进行识别染色；
39、所述生物细胞数据检测模块包括细胞图像拍摄模块、细胞图像处理模块和特征提取模块；
40、所述细胞图像拍摄模块，用于对染色后的生物细胞进行显微成像，得到细胞显微图；
41、所述细胞图像处理模块，用于获取细胞显微图，对细胞显微图进行预处理，得到纹理清晰的生物细胞图像；
42、所述特征提取模块，用于对生物细胞图像的进行纹理特征提取，构建二值直方图特征，计算所述二值直方图特征的块空间之间的距离；
43、所述生物细胞自动分类存储模块，用于将所述块空间之间的距离作为输入数据，输入训练好的bp神经网络的分类器中，实现对生物信息进行分类存储。
44、进一步地，将所述生物细胞自动分类存储模块的分类存储结果上传至主机，不同生物细胞自动分类存储模块能够连线至相同主机，分别将各自分类存储结果传送至主机，所述主机检索及比对各生物细胞自动分类存储模块的上传信息，并存储比对结果。
46、对生物细胞的标志物进行特异性识别荧光染色，得到细胞液；对细胞液进行显微成像，将显微成像的照片转化成数字化照片，将数字化照片中的数字信号放大，得到可视化的细胞显微图；获取所述细胞显微图，对细胞显微图进行预处理，得到纹理清晰的生物细胞图像；对生物细胞图像的进行纹理特征提取，构建二值直方图特征，计算二值直方图特征的块空间之间的距离；将块空间之间的距离数据作为输入数据，输入训练好的bp神经网络的分类器中，实现对生物信息进行分类存储，避免了主观分类识别的误差，对不同的生物细胞信息均能达到更好地分类及存储，分类存储准确率有较大提高。
4.根据权利要求1所述的生物信息存储方法，其特征在于，步骤s5中训练bp神经网络的步骤包括：
5.根据权利要求2所述的生物信息存储方法，其特征在于，步骤s4中，基于去除背景的细胞图像进行生物细胞图像的细胞纹理特征属性数据提取，利用检测得到的生物细胞图像的细胞纹理特征属性数据构建二值直方图特征，将二值直方图划分成若干小的块空间，计算二值直方图特征的块空间之间的距离。
6.一种生物信息存储系统，用于实现权利要求1-5中任意一项所述的生物信息存储方法，其特征在于，包括：生物处理模块，生物细胞数据检测模块和生物细胞自动分类存储模块；
7.根据权利要求6所述的生物信息存储系统，其特征在于，将所述生物细胞自动分类存储模块的分类存储结果上传至主机，不同生物细胞自动分类存储模块能够连线至相同主机，分别将各自分类存储结果传送至主机，所述主机检索及比对各生物细胞自动分类存储模块的上传信息，并存储比对结果。
本发明提出了一种生物信息存储方法及存储系统，涉及生物信息检测技术领域，通过生物荧光剂对生物细胞的标志物进行识别染色；对染色后的生物细胞进行显微成像，得到细胞显微图；对细胞显微图进行预处理，得到纹理清晰的生物细胞图像；对生物细胞图像进行纹理特征提取，构建二值直方图特征，计算二值直方图特征的块空间之间的距离；利用已知类别的生物细胞图像的二值直方图特征的块空间之间的距离作为BP神经网络的训练集，得到BP神经网络分类器；将得到的块空间之间的距离作为输入数据，输入训练好的BP神经网络分类器中，实现对生物信息进行分类存储。对不同的生物细胞信息均能达到更好地分类及存储，分类存储准确率有较大提高。
1.计算机视觉 2.无线.计算机仿线.网络安全；物联网安全 、大数据安全 2.安全态势感知、舆情分析和控制 3.区块链及应用
