全自动菌落计数仪原理：它怎么“看”到培养基上的每一个点？

菌落计数是微生物学实验中最基础也最频繁的操作——无论是食品检测、环境监测还是药物无菌检查，最终都要统计培养基上长出的菌落数量。人工计数不仅耗时，而且不同操作者对“模糊小点”的判断标准不一致，数据的可重复性存在问题。全自动菌落计数仪通过图像采集和图像分析技术，将“人的眼睛”换成了“相机的眼睛”，将“人的主观判断”换成了“算法的客观判定”。理解其工作原理，有助于在操作中正确设置参数，并对可疑结果进行合理的人工复核。

图像采集：给培养皿拍一张“标准照”

全自动菌落计数仪的第一步是获取培养皿的数字图像。培养皿放置在仪器的成像室内，由均匀的LED光源（通常从培养皿下方或侧方照明）照亮。为了保证菌落与培养基背景之间有足够的对比度，通常采用透射照明或反射照明，具体取决于培养基的透明度和颜色。透射照明适合透明培养基，菌落呈不透明点状，在背光下与明亮背景形成鲜明对比；反射照明适合不透明培养基或需要观察菌落表面特征的场景。高分辨率工业相机从正上方拍摄培养皿图像，确保整皿清晰成像。

图像预处理：突出菌落，削弱背景

原始图像中除了菌落之外，还包括培养基的颜色、光照不均匀、灰尘颗粒等干扰信息。图像预处理算法对原始图像进行处理：灰度化将彩色图像转换为灰度图像，减少计算量；对比度增强使菌落与背景的灰度差异更明显；滤波器去除图像中的噪声，避免灰尘或划痕被误识别为菌落。预处理后的图像中，菌落区域与背景区域的灰度差异被放大，为后续的菌落识别打下基础。

菌落识别：从像素到菌落

菌落识别是算法的核心步骤。常见的识别逻辑包括：

• 阈值分割：根据像素灰度值设定一个“阈值”，高于阈值的像素标记为背景，低于阈值的像素标记为潜在菌落。由于不同培养皿的曝光条件不同，阈值通常不是固定值，而是根据当前图像的灰度直方图自动计算（如大津法）。

• 边缘检测：检测图像中灰度突变的边界，勾勒出菌落的轮廓。适合边缘清晰的菌落，但对边缘模糊的菌落识别效果较差。

• 形态学处理：对初步识别出的菌落区域进行膨胀、腐蚀等形态学操作，填补菌落内部的空洞，分离粘连的菌落，使每个菌落区域成为独立的连通区域。

粘连菌落的分离

菌落密度较高时，相邻菌落可能生长在一起，形成粘连区域。粘连菌落的分割是菌落计数仪算法中的难点。常用的分割方法包括：

• 分水岭算法：将图像灰度值视为地形高度，模拟水从局部低点开始上升，在相邻区域即将合并的地方筑坝，实现粘连菌落的分离。

• 凹点检测：在粘连区域的边缘上检测凹点，通过连接凹点之间的最短路径将粘连菌落分割为多个独立的菌落。

人工验证与参数微调

全自动菌落计数仪在绝大多数情况下能给出可靠的计数结果，但在某些特殊情况下（如培养基表面有气泡、菌落颜色与培养基对比度低、菌落过小），算法识别可能存在偏差。建议操作者每次自动计数后，通过软件界面查看识别标记：被计数的菌落是否有绿色或红色圈标记，是否覆盖了所有菌落。如有漏计或误计，可手动添加或删除标记，软件自动更新计数结果。对于同一类型的培养皿，建议将调整好的参数保存为标准方法，后续批次可直接调用，提高效率和一致性。

全自动菌落计数仪将图像采集、图像处理与模式识别算法相结合，替代了传统的人工计数。它的识别精度不仅取决于硬件成像质量，更依赖于图像预处理和菌落分离算法的设计质量。理解这些原理，有助于在实际操作中根据样品特点调整参数设定，并对仪器给出的结果进行科学的复核验证。