一种利用鱼肠道图像检测饲料中消炎成分的方法及系统

1.本发明涉及图像识别技术、饲料添加剂检测技术领域，具体涉及一种利用鱼肠道图像检测饲料中消炎成分的方法及系统。


背景技术：

2.近年来，为了减少对海洋衍生蛋白质的依赖，在水产养殖饲料中大大增加了对植物蛋白质来源的使用。而在养殖过程中使用过量的植物蛋白替代鱼粉容易诱发鱼类肠道炎症，在水产养殖中造成较为普遍的肠道健康问题。在水产饲料中得到广泛应用的大豆蛋白种类包括豆粕、大豆浓缩蛋白和发酵豆粕等，具有来源稳定、价格低廉、氨基酸相对平衡等优点。
3.但是豆粕中含有多种抗营养因子，如皂苷、大豆凝集素、抗原蛋白、胰蛋白酶抑制因子、植酸、大豆寡糖、异黄酮等，高水平替代会改变肠道组织形态，诱发肠道炎症反应，降低肠道消化酶活性和干扰肠道对营养物质的消化吸收等，造成鱼类机体代谢紊乱甚至器官损伤。目前大量的临床研究表明鱼类肠道炎症会改变鱼肠道微生物及其代谢产物，而受影响的肠道以及肠道微生物又会激发免疫响应和代谢活动，从而导致慢性炎症影响养殖鱼类健康。其中，豆粕被广泛作为诱发鱼类豆粕型肠炎的研究模型，其主要发生在后肠部分，组织学的特征主要表现为黏膜褶皱缩短、固有膜和黏膜下层肿胀、各种炎性细胞浸润及肠上皮细胞吸收空泡减少等。而水产饲料中添加益生素、吲哚-3-丁酸等新型添加剂，可促进鱼类生长，提高鱼类营养价值，并通过调节动物机体胃肠道微生态平衡，有望达到肠道保护消炎修复、降低炎症发病率的目的。
4.为了研究水产饲料对鱼类肠道健康的影响，现有研究多采用高通量测序，全场转录组，和基于质谱检测的代谢组学技术进行信息分析。但目前豆粕诱发鱼类肠道炎症的致病因素尚未明确，且生物信息分析流程较为复杂，缺乏一种基于图像分析的鱼类肠道炎症状态的快速组织学检测技术。可利用扫描电子显微镜（sem）对鱼类肠道切片进行高分辨率地微观形貌以及物质微区成分分析，但鱼类肠道中由黏膜上皮、固有膜和黏膜肌构成的黏膜层组织区域由于炎性细胞浸润、黏膜褶皱缩短造成炎症区域的成像模糊，难以进一步检测分析水产饲料对鱼类肠道消炎成分的影响。


技术实现要素：

5.鉴于以上所述现有方法的局限，本发明的目的在于提供一种利用鱼肠道图像检测饲料中消炎成分的方法及系统，利用扫描电子显微镜采集待测鱼肠道切片样本的待测鱼肠道图像，通过精准定位待测鱼肠道图像中由于炎症引起的组织学特征模糊区域，并计算黏膜微层特征和微层量值获得修复权重，修复待测鱼肠道图像中的模糊区域并恢复炎症组织特征；进一步确定修复区域进行局部消炎成分检测，提高水产饲料对鱼肠道炎症反应的检测效率和检测精度。
6.为了实现上述目的，根据本发明的一方面，提供一种利用鱼肠道图像检测饲料中
消炎成分的方法，所述方法包括以下步骤：s100，对待测鱼苗进行随机抽样，获得待测鱼肠道切片样本；s200，利用扫描电子显微镜采集待测鱼肠道切片样本的待测鱼肠道图像；s300，对待测鱼肠道图像进行高斯平滑、小波去噪处理，得到待测sem图像；s400，提取待测sem图像中的黏膜皱裂边缘线和黏膜下层边缘线，由黏膜皱裂边缘线和黏膜下层边缘线构成的闭合区域，记作黏膜层模糊区域；初始化黏膜下层边缘线为黏膜边界线；s500，在黏膜边界线上计算得到黏膜微层标记序列和微层量值序列；s600，由黏膜微层标记序列和微层量值序列计算修复权重，修复黏膜层模糊区域中黏膜边界线对应的边缘区域，并更新黏膜边界线；s700，判断黏膜边界线是否与黏膜皱裂边缘线重合，是则所述黏膜层模糊区域修复完成，得到修复sem图像；否则跳转至s500；s800，定位所述修复sem图像中对应的黏膜层模糊区域，利用傅里叶显微红外光谱分析仪对相同待测鱼肠道切片样本中对应的黏膜层模糊区域采集漫反射光谱，定量分析消炎成分。
7.进一步地，在s100中，对待测鱼苗进行随机抽样，获得待测鱼肠道切片样本的方法为：将一批鱼苗放置室内养殖系统中饲养，控制养殖系统的水体、光照、温度因素相同，喂食待测消炎饲料；持续养殖10周后获得待测鱼苗，进行随机抽样三尾鱼获得后肠道组织样本，清除肠系膜和脂肪组织，用去离子水冲洗去除残留后，得到待测鱼肠道切片样本。
8.进一步地，在s400中，提取待测sem图像中的黏膜皱裂边缘线和黏膜下层边缘线的方法为：对所述待测sem图像进行边缘检测得到边缘图像，并获取边缘图像中各个边缘线所构成的区域中面积最大的区域，再次对该面积最大的区域进行边缘检测，得到构成面积最大的区域对应的边缘线，记为所述黏膜下层边缘线；其中获取边缘图像中各个边缘线所构成的区域中面积最小的区域对应的边缘线，记为所述黏膜皱裂边缘线；由黏膜皱裂边缘线和黏膜下层边缘线在待测sem图像中构成的闭合区域，记作黏膜层模糊区域。
9.进一步地，在s500中，在黏膜边界线上计算得到黏膜微层标记序列和微层量值序列的方法为：s501，利用像素坐标(x, y)表示待测sem图像中的像素点位置，设待测sem图像尺寸大小为m
×
n个像素点，其中x值的取值范围为[1, m]，y值的取值范围为[1, n]；s502，取黏膜边界线上的像素点，按对应像素坐标x和y值的总和(x+y)的数值从小到大排列构成对应的黏膜边界像素点序列，其中黏膜边界像素点序列的第一个像素点对应为在黏膜边界线上像素坐标总和最小的像素点；s503，在所述黏膜边界像素点序列中，按排列顺序遍历计算各个像素点的黏膜微层标记度，得到对应的黏膜微层标记序列；；其中，muco(q)表示为黏膜微层标记序列中第q个像素点的黏膜微层标记度（标记度能够准确的标记出黏膜各个微层直接的黏连程度），dq(x,y)为黏膜边界像素点序列中第
q个像素点在待测sem图像中对应像素坐标为(x, y)的像素值；θ为黏膜边界像素点序列中第q个像素点在黏膜边界线上的切线与直角坐标系的横坐标之间的夹角；q是黏膜微层标记序列的元素序号，q∈[1,m
×
n]；s504，以黏膜边界像素点序列中第q个像素点作为中心位置的矩形区域表示为第q个模糊区域，尺寸大小为w0
×
w0个像素点，记作wq；计算在对应模糊区域内所有像素值的算术平均值记作avek，遍历模糊区域内的像素点将大于avek的对应第i个像素值记作dmi(x,y)，并计算第q个像素点对应的微层量值，按排列顺序得到对应的微层量值序列；shad(q)=
ꢀꢀ
log
10
{p
q }；；其中，shad(q)表示为微层量值序列中第q个像素点的微层量值，area(wq)为计算模糊区域内像素点的像素值总和，为计算在模糊区域内满足像素值大于avek的像素值总和；为微层量值序列的归一化系数；pq为区域像素比。
[0010]
进一步地，在s600中，由黏膜微层标记序列和微层量值序列计算修复权重，修复黏膜层模糊区域中黏膜边界线对应的边缘区域，并更新黏膜边界线的方法为：s601，查找微层量值序列中的最大值和最小值对应的像素点分别记为maxq和minq，计算maxq和minq对应的像素值大小之间的相对误差，记作δ；计算在黏膜边界像素点序列中各个像素值的中值对应的像素坐标记为像素中心点位置，像素坐标表示为(z
x
, zy)；s602，由黏膜微层标记序列和微层量值序列计算各个像素点的修复权重；；其中，rw(q)为黏膜边界像素点序列中第q个像素点对应的修复权重；s603，确定在黏膜边界像素点序列中对应的相似区域，记作；其中相似区域的左上角位置坐标表示为(x1, y1)，右下角位置坐标表示为(x2, y2)；x1=z
x-pp； y1=z
y-pp；x2=z
x
+w0+pp-1; y2=zy+w0+pp-1；；其中，表示在黏膜边界像素点序列中计算所有像素点对应数值的总和；len(ψ)为黏膜边界像素点序列中各个元素之间的最大距离值；size(ψ)为黏膜边界像素点序列中的元素个数；w0为模糊区域的长度大小，w0∈[1,comd]，comd为m和n值的所有公约数中不大于10的最大值；pp为在所述黏膜边界像素点序列中对应的相似区域内所有像素点的修复距离差值；s604，计算当前相似区域中在待测sem图像内对应所有像素值的标准偏差，记作dev；将当前相似区域分割为多个尺寸大小为w0
×
w0个像素点的修复补丁区域，分别计算在黏膜边界像素点序列中第q个模糊区域与当前相似区域内各个修复补丁区域之间的相似指数：
；其中，sim(q, i)为在黏膜边界像素点序列中第q个模糊区域与对应第i个修复补丁区域之间的相似指数；为在当前相似区域内分割的第i个修复补丁区域中对应第j个像素值，w
q (j)为在黏膜边界像素点序列中第q个模糊区域中对应第j个像素值；表示为在整个区域范围为w0
×
w0个像素点内计算总和；i值为当前相似区域中各个修复补丁区域的序号，i值的取值范围为i∈[1,num]，num为当前相似区域中修复补丁区域的总数；j值为模糊区域中的像素点序号，j∈[1, w0
×
w0]；sum(w0
×
w0)为模糊区域中的像素点个数；s605，遍历i值的取值范围，判断sim(q, i)是否小于或等于dev，是则取出对应sim(q, i)数值最小的第i个修复补丁区域更新覆盖对应黏膜边界像素点序列中第q个模糊区域，否则判断w0值是否等于1，是则连接maxq和minq之间的直线记作lineq，经过像素中心点位置(z
x
, zy)作lineq的垂线，将像素坐标(z
x
, zy)更新为该垂线与lineq的交点位置，跳转至步骤s603，若w0值不等于1，则令w0值减1，跳转至步骤s603；当i值的取值范围遍历完毕，跳转至s606；s606，遍历q值的取值范围由步骤s605更新修复所述待测sem图像的黏膜层模糊区域中对应黏膜边界线的边缘区域；利用边缘检测算法获得黏膜层模糊区域中各个边缘线所构成的区域中面积次小于黏膜边界线构成的区域对应的边缘线，更新为黏膜边界线。
[0011]
进一步地，在s700中，判断黏膜边界线是否与黏膜皱裂边缘线重合，是则所述黏膜层模糊区域修复完成，即所述待测sem图像中的黏膜层模糊区域已更新覆盖，得到修复sem图像；否则跳转至s500。
[0012]
本发明还提供了一种利用鱼肠道图像检测饲料中消炎成分的系统，所述系统包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述一种利用鱼肠道图像检测饲料中消炎成分的方法中任一项的步骤，所述一种利用鱼肠道图像检测饲料中消炎成分的系统运行于桌上型计算机、笔记本、掌上电脑或云端数据中心的计算设备中，运行的系统包括处理器、存储器、服务器集群。
[0013]
如上所述，本发明所述的一种利用鱼肠道图像检测饲料中消炎成分的方法及系统，具有以下有益效果：（1）定位鱼肠道sem图像中由于炎症引起的组织学特征模糊区域，提高基于鱼肠道图像检测炎症特征的准确度；（2）针对鱼肠道图像中由炎症引起的模糊组织区域，恢复炎症组织特征和提高修复效率；（3）确定修复区域进行局部消炎成分检测，提高水产饲料对鱼肠道炎症反应的检测效率和检测精度。
附图说明
[0014]
通过对结合附图所示出的实施方式进行详细说明，本发明的上述以及其他特征将更加明显，本发明附图中相同的参考标号表示相同或相似的元素，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图，在附图中：
图1所示为一种利用鱼肠道图像检测饲料中消炎成分的方法于一实施例中的流程图；图2所示为一种利用鱼肠道图像检测饲料中消炎成分的系统于一实施例中的系统结构图。
具体实施方式
[0015]
以下将结合实施例和附图对本发明的构思、具体结构及产生的技术效果进行清楚、完整的描述，以充分地理解本发明的目的、方案和效果。需要说明的是，在不冲突的情况下，本技术中的实施例及实施例中的特征可以相互组合。
[0016]
如图1所示为根据本发明的一种利用鱼肠道图像检测饲料中消炎成分的方法的流程图，下面结合图1来阐述根据本发明的实施方式的一种利用鱼肠道图像检测饲料中消炎成分的方法。
[0017]
本发明提出一种利用鱼肠道图像检测饲料中消炎成分的方法，所述方法具体包括以下步骤：s100，对待测鱼苗进行随机抽样，获得待测鱼肠道切片样本；s200，利用扫描电子显微镜采集待测鱼肠道切片样本的待测鱼肠道图像；s300，对待测鱼肠道图像进行高斯平滑、小波去噪处理，得到待测sem图像；s400，提取待测sem图像中的黏膜皱裂边缘线和黏膜下层边缘线，由黏膜皱裂边缘线和黏膜下层边缘线构成的闭合区域，记作黏膜层模糊区域；初始化黏膜下层边缘线为黏膜边界线；其中，初始化黏膜下层边缘线为黏膜边界线的意义为：设置一个曲线为黏膜边界线，将令黏膜下层边缘线为黏膜边界线，或者，初始化黏膜下层边缘线为黏膜边界线的意义为：设置一个曲线为黏膜边界线，令黏膜边界线中的像素点的像素值和像素坐标为黏膜下层边缘线的像素点的像素值和像素坐标；s500，在黏膜边界线上计算得到黏膜微层标记序列和微层量值序列；s600，由黏膜微层标记序列和微层量值序列计算修复权重，修复黏膜层模糊区域中黏膜边界线对应的边缘区域，并更新黏膜边界线；s700，判断黏膜边界线是否与黏膜皱裂边缘线重合，是则所述黏膜层模糊区域修复完成，得到修复sem图像（跳转至s800）；否则跳转至s500；s800，定位所述修复sem图像中对应的黏膜层模糊区域，利用傅里叶显微红外光谱分析仪对相同待测鱼肠道切片样本中对应的黏膜层模糊区域采集漫反射光谱，定量分析消炎成分。
[0018]
进一步地，在s100中，将一批健康鱼苗放置室内养殖系统中饲养，控制养殖系统的水体、光照、温度因素相同，其中水体控制氨和硝酸盐含量低于0.03 mg/l，溶解氧高于7mg/l，控温29
±
1℃,放置室内自然光照处；喂食待测消炎饲料，日投喂两次，至表观饱腹水平，记录喂食饲料量；持续养殖10周后获得待测鱼苗，进行随机抽样一尾鱼获得后肠道组织样本，清除肠系膜和脂肪组织，用去离子水冲洗去除残留后，得到待测鱼肠道切片样本。
[0019]
进一步地，在s400中，提取待测sem图像中的黏膜皱裂边缘线和黏膜下层边缘线的方法为：对所述待测sem图像进行边缘检测得到边缘图像，并获取边缘图像中各个边缘线所构成的区域中面积最大的区域，再次对该面积最大的区域进行边缘检测，得到构成面积最
大的区域对应的边缘线，记为所述黏膜下层边缘线；其中获取边缘图像中各个边缘线所构成的区域中面积最小的区域对应的边缘线，记为所述黏膜皱裂边缘线；由黏膜皱裂边缘线和黏膜下层边缘线在待测sem图像中构成的闭合区域，记作黏膜层模糊区域。
[0020]
优选地，该边缘检测算法可为canny算子、sobel算子、laplace算子、roberts算子、krisch算子、prewitt算子、susan角点检测算法等其中一种方法实现。
[0021]
进一步地，在s500中，在黏膜边界线上计算得到黏膜微层标记序列和微层量值序列的方法为：s501，利用像素坐标(x, y)表示待测sem图像中的像素点位置，设待测sem图像尺寸大小为m
×
n个像素点，其中x值的取值范围为[1, m]，y值的取值范围为[1, n]；m是sem图像的长度，n是sem图像的宽度；m∈[80,2000]像素，n∈[80,2000]像素；s502，取黏膜边界线上的像素点，按对应像素坐标x和y值的总和(x+y)的数值从小到大排列构成对应的黏膜边界像素点序列，其中黏膜边界像素点序列的第一个像素点对应为在黏膜边界线上像素坐标总和最小的像素点；s503，在所述黏膜边界像素点序列中，按排列顺序遍历计算各个像素点的黏膜微层标记度，得到对应的黏膜微层标记序列；；其中，muco(q)表示为黏膜微层标记序列中第q个像素点的黏膜微层标记度，dq(x,y)为黏膜边界像素点序列中第q个像素点在待测sem图像中对应像素坐标为(x, y)的像素值；θ为黏膜边界像素点序列中第q个像素点在黏膜边界线上的切线与直角坐标系的横坐标之间的夹角；q是黏膜微层标记序列的元素序号，q∈[1,m
×
n]；s504，以黏膜边界像素点序列中第q个像素点作为中心位置的矩形区域表示为第q个模糊区域，尺寸大小为w0
×
w0个像素点，记作wq；计算在对应模糊区域内所有像素值的算术平均值，遍历模糊区域内的像素点将大于其算术平均值的对应第i个像素值记作，并计算第q个像素点对应的微层量值，按排列顺序得到对应的微层量值序列；shad(q)=
ꢀꢀ
log
10
{p
q }；；其中，shad(q)表示为微层量值序列中第q个像素点的微层量值，为计算模糊区域内像素点的像素值总和，为计算在模糊区域内满足像素值大于avek的像素值总和；为微层量值序列的归一化系数，或者，∈[0.5,1]；pq为区域像素比，log
10
为以10为底的对数。
[0022]
由于鱼肠道切片样本的sem图像中的黏膜层会因为炎症诱发存在组织学特征模糊区域，其微层成像模糊会导致检测误差；因此，通过定位鱼肠道sem图像中的特征模糊区域的黏膜边界线，并由步骤s500中在黏膜边界线计算对应的黏膜微层标记序列和微层量值序列，可量化对黏膜存在的微层炎症特征的模糊程度，提高基于鱼肠道图像检测炎症特征的准确度，进一步在步骤s600中修复sem图像的模糊区域。
[0023]
进一步地，在s600中，由黏膜微层标记序列和微层量值序列计算修复权重，修复黏膜层模糊区域中黏膜边界线对应的边缘区域，并更新黏膜边界线的方法为：s601，查找微层量值序列中的最大值和最小值对应的像素点分别记为maxq和minq，计算maxq和minq对应的像素值大小之间的相对误差，或maxq和minq之间的比值，记作δ；计算在黏膜边界像素点序列中各个像素值的中值对应的像素坐标记为像素中心点位置，像素坐标表示为(z
x
, zy)；s602，由黏膜微层标记序列和微层量值序列计算各个像素点的修复权重；；其中，rw(q)为黏膜边界像素点序列中第q个像素点对应的修复权重；s603，确定在黏膜边界像素点序列中对应的相似区域，记作；其中相似区域的左上角位置坐标表示为(x1, y1)，右下角位置坐标表示为(x2, y2)；x1=z
x-pp； y1=z
y-pp；x2=z
x
+w0+pp-1; y2=zy+w0+pp-1；；其中，表示在黏膜边界像素点序列中计算所有像素点对应数值的总和；len(ψ)为黏膜边界像素点序列中各个元素之间的最大距离值；size(ψ)为黏膜边界像素点序列中的元素个数；w0为模糊区域的长度大小，w0∈[1,comd]，comd为m和n值的所有公约数中不大于10的最大值；pp为在所述黏膜边界像素点序列中对应的相似区域内所有像素点的修复距离差值；优选地，在本具体实施例中设定sem图像尺寸大小为480
×
640个像素点，选择w0 = 10；s604，计算当前相似区域中在待测sem图像内对应所有像素值的标准偏差，记作dev；将当前相似区域分割为多个尺寸大小为w0
×
w0个像素点的修复补丁区域，分别计算在黏膜边界像素点序列中第q个模糊区域与当前相似区域内各个修复补丁区域之间的相似指数：；其中，sim(q, i)为在黏膜边界像素点序列中第q个模糊区域与对应第i个修复补丁区域之间的相似指数；为在当前相似区域内分割的第i个修复补丁区域中对应第j个像素值，w
q (j)为在黏膜边界像素点序列中第q个模糊区域中对应第j个像素值；表示为在整个区域范围为w0
×
w0个像素点内计算总和；i值为当前相似区域中各个修复补丁区域的序号，i值的取值范围为i∈[1,num]，num为当前相似区域中修复补丁区域的总数；j值为模糊区域中的像素点序号，j∈[1, w0
×
w0]；sum(w0
×
w0)为模糊区域中的像素点个数；s605，遍历i值的取值范围，判断sim(q, i)是否小于或等于dev，是则取出对应sim(q, i)数值最小的第i个修复补丁区域更新覆盖对应黏膜边界像素点序列中第q个模糊区域，否则判断w0值是否等于1，是则连接maxq和minq之间的直线记作lineq，经过像素中心点
位置(z
x
, zy)作lineq的垂线，将像素坐标(z
x
, zy)更新为该垂线与lineq的交点位置，跳转至步骤s603，若w0值不等于1，则令w0值减1，跳转至步骤s603；s606，遍历q值的取值范围由步骤s605更新修复所述待测sem图像的黏膜层模糊区域中对应黏膜边界线的边缘区域；利用边缘检测算法获得黏膜层模糊区域中各个边缘线所构成的区域中面积次小于黏膜边界线构成的区域对应的边缘线，更新为黏膜边界线。
[0024]
在步骤s600中精准定位鱼肠道图像中模糊区域的黏膜边界线，根据所述黏膜边界像素点序列中各个元素邻近的相似区域，逐步修复更新黏膜边界线上的像素点，能更高效准确地恢复黏膜微层的炎症组织特征，提高了修复效率的同时，准确定位局部检测提高了水产饲料对鱼肠道炎症反应的检测精度。
[0025]
进一步地，在s700中，判断黏膜边界线是否与黏膜皱裂边缘线重合，是则所述黏膜层模糊区域修复完成，即所述待测sem图像中的黏膜层模糊区域已更新覆盖，得到修复sem图像；否则跳转至s500。
[0026]
进一步地，在s800中，通过精准定位所述修复sem图像中对应的黏膜层模糊区域，即为待测鱼肠道切片样本中存在炎症病变的表征区域；可利用傅里叶显微红外光谱分析仪进一步对同一待测鱼肠道切片样本中对应炎症病变的表征区域采集漫反射光谱，对漫反射光谱进行定量成分分析，可精准量化待测饲料中作用于待测鱼肠道切片样本炎症病变区域的消炎成分，避免对无效区域检测带来的光谱干扰，提高检测精度的同时达到利用鱼肠道图像检测饲料中消炎成分的有益效果。
[0027]
本发明的实施例还提供的一种利用鱼肠道图像检测饲料中消炎成分的系统，如图2所示为本发明的一种利用鱼肠道图像检测饲料中消炎成分的系统结构图，该实施例的一种利用鱼肠道图像检测饲料中消炎成分的系统包括：处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述一种利用鱼肠道图像检测饲料中消炎成分的系统实施例中的步骤。
[0028]
所述系统包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序运行在以下系统的单元中：边缘检测提取单元，用于运用边缘检测算法提取待测sem图像中的黏膜皱裂边缘线和黏膜下层边缘线，以及更新黏膜边界线；黏膜边界计算单元，用于在黏膜边界线上计算得到黏膜微层标记序列和微层量值序列；黏膜边界修复单元，用于由黏膜微层标记序列和微层量值序列计算修复权重，修复黏膜层模糊区域中黏膜边界线对应的边缘区域。
[0029]
判断边界处理单元，用于判断黏膜边界线是否与黏膜皱裂边缘线重合。
[0030]
所述一种利用鱼肠道图像检测饲料中消炎成分的系统可以运行于桌上型计算机、笔记本、掌上电脑及云端数据中心等计算设备中。所述一种利用鱼肠道图像检测饲料中消炎成分的系统包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，所述例子仅仅是一种利用鱼肠道图像检测饲料中消炎成分的方法及系统的示例，并不构成对一种利用鱼肠道图像检测饲料中消炎成分的方法及系统的限定，可以包括比例子更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述一种利用鱼肠道图像检测饲料中消炎成分的系统还可以包括输入输出设备、网络接入设备、总线等。
[0031]
所称处理器可以是中央处理单元(central processing unit，cpu)，还可以是其他通用处理器、数字信号处理器 (digital signal processor，dsp)、专用集成电路 (application specific integrated circuit，asic)、现场可编程门阵列 (field-programmable gate array，fpga) 或者其他可编程逻辑器件、分立元器件门电路或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述一种利用鱼肠道图像检测饲料中消炎成分的系统的控制中心，利用各种接口和线路连接整个一种基于梯度提升决策树的句词概率计算系统的各个分区域。
[0032]
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述一种利用鱼肠道图像检测饲料中消炎成分的方法及系统的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡（smart media card, smc），安全数字（secure digital, sd）卡，闪存卡（flash card）、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
[0033]
尽管本发明的描述已经相当详尽且特别对几个所述实施例进行了描述，但其并非旨在局限于任何这些细节或实施例或任何特殊实施例，从而有效地涵盖本发明的预定范围。此外，上文以发明人可预见的实施例对本发明进行描述，其目的是为了提供有用的描述，而那些目前尚未预见的对本发明的非实质性改动仍可代表本发明的等效改动。