具体实施方式

以下将结合实施例和附图对本申请的构思、具体结构及产生的技术效果进行清楚、完整的描述，以充分地理解本申请的目的、方案和效果。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。

参考图1，如图1所示为本申请实施例提供的一种DNA定量检测方法，所述方法包括以下步骤：

步骤S100、读取采集到的凝胶电泳图像，将所述凝胶电泳图像转换为灰度图像；

本实施例中，可使用手机等便携成像设备获取DNA凝胶电泳图像；通过导入OpenCV软件包，使用Open CV软件包中的cv2.imread()函数读取采集到的凝胶电泳图像。

在一个优选的实施例中，所述将所述凝胶电泳图像转换为灰度图像具体为：

通过对所述凝胶电泳图像进行灰度图转换、图像锐化、以及高斯模糊操作，得到灰度图像。

本实施例中，使用Open CV软件包中的cv2.GaussianBlur()函数进行高斯模糊操作，用于去除图像中的噪声。

步骤S200、将所述灰度图像分割为多张子图像，对所述多张子图像进行直方图归一化，得到多张归一化图像；

其中，每张所述归一化图像均包含单个DNA凝胶电泳条带；

本实施例中，使用Open CV软件包中的cv2.normalize()函数分别对每张所述条带图像进行直方图归一化，使所述归一化图像的对比度增强；

步骤S300、将所述多张归一化图像合并为一张条带图像，对所述条带图像进行图像阈值化处理，使用轮廓检测识别条带的边缘；

本实施例中，使用Open CV软件包中的cv2.threshold()函数进行图像阈值化处理，使用轮廓检测方法识别条带的边缘；

步骤S400、将所述条带图像中各个像素点的坐标形成像素点的坐标文件，采用聚类算法对所述坐标文件进行分类，得到多个子类，读取每个子类中像素点的RGB值，根据所述RGB值计算得到所述条带图像的亮度值。

本实施例中，所述坐标文件采用csv格式；使用开源的skimage模块读取像素点的RGB三种颜色通道的值，对每个子类中像素点的三个颜色通道的值取平均值，得到三个颜色通道的值，根据所述三个颜色通道的值计算得到亮度值，将所述亮度值存入一个新的列表。其中，所述聚类算法使用开源的sklearn机器学习模块。

步骤S500、读取预先设置的浓度梯度值，根据所述亮度值生成与所述浓度梯度值对应的结果文件；

其中，所述结果文件包括：条带坐标点集合文件、条带识别图片文件、坐标点文本文件、图像切割图片文件、以及折线图图片文件。

本实施例中，在脚本程序所在的文件夹新建一个txt格式的空文本文件，在所述txt格式的空文本文件中预先写入浓度梯度数值；将所述凝胶电泳图像放入脚本程序所在的文件夹，在命令窗口地址调至脚本程序所在的文件夹地址，通过执行本发明实施例提供的Python程序，对所述文本文件进行读取，提取出浓度梯度值，生成与所述浓度梯度值对应的所述结果文件。使用开源的Matplotlib模块对结果文件进行绘图；

本发明提供的DNA凝胶电泳定量分析方法基于RGB色彩体系，利用计算机视觉技术和机器学习技术对DNA样品的DNA凝胶电泳图进行分析，初步建立基于RGB的DNA定量检测方法，该方法采用Python程序语言实现。随后，对DNA分子标记(DNA Marker)以及待测DNA样品进行定量分析方法，考察DNA定量检测的准确度。最终初步建立基于RGB亮度值的DNA凝胶电泳核酸样品定量分析方法。与传统的DNA凝胶分析方法相比，本发明提供的实施例能在更低成本的条件下，具有良好DNA含量定量检测的准确度。

在一个优选的实施例中，所述灰度图转换的计算公式为：0.3×R+0.59×G+0.11×B+0.5；

其中，R为红色分量，G为绿色分量，B为蓝色分量；

在一个优选的实施例中，所述亮度值的计算公式为：0.3×R+0.6×G+0.1×B；

在一个优选的实施例中，所述高斯模糊操作共执行三次。三次斯模糊操作可有效减少图像噪声。

在一个优选的实施例中，所述图像阈值化处理中的阈值参数为130。

参考图2至图6，通过手机拍摄得到DNA待测样品的凝胶电泳图像，对凝胶电泳图像依次进行灰度图像转换、图像锐化后、高斯模糊操作、图像归一化处理、以及图像阈值化处理，得到如图6所示的清晰图像。

实施例1：

在线性回归的基础上，选择DNA分子标记为10000bp的DNA待测样品对RGB灰度、RGB亮度建模，模型的评价标准是决定系数。得到数据表征指标与决定系数的关系如下表所示：

参考图7和图8，分别对DNA分子标记为10000bp、4000bp的DNA待测样品进行数据分析，建立DNA含量与RGB亮度的函数关系，得到的一元一次方程；

其中，DNA分子标记为10000bp的DNA待测样品的方程为：y＝0.2747x+23.9，样本方差为0.9781；DNA分子标记为4000bp的DNA待测样品的方程为：y＝0.2621x+21.32，样本方差为0.9758；x表示DNA含量，其单位为微克(μg)，y表示RGB亮度；可以看出，最终得出的线性回归图对各个点能较好地拟合，模型的泛化能力良好。

实施例2：

利用本发明所建立的DNA定量检测方法，分析DNA分子标记分别为4000bp、10000bp的DNA待测样品的含量。选用亮度值作为数据表征指标来考察本方法的准确性。

随机选取上样量为30ng、50ng、60ng的样品进行验证，并使用4000bp的DNA分子标记作为标准物，探究本测试方法的误差情况，得到DNA分子标记为4000bp的DNA待测样品实测含量与理论产量，如下表所示：

分析随机选取的样品得到的数据并计算其误差分别得到3.8％、3.2％与0.2％，表明本发明提供的DNA定量检测方法准确度良好。

实施例3：

随机选取上样量为30ng、40ng、50ng的样品进行验证，并使用DNA分子标记为10000bp的DNA待测样品作为标准物，探究本测试方法的误差情况，得到DNA分子标记为10000bp的DNA待测样品实测含量与理论产量，如下表所示：

分析随机选取得到的数据并计算其误差分别得到4.0％、2.1％与2.4％，表明本发明所建立的DNA定量检测方法准确度良好。

与图1的方法相对应，本发明实施例还提供一种DNA定量检测系统，所述系统包括：用于承托笔记本电脑的支撑板、用于调节支撑板斜度的电动推杆、以及与所述电动推杆电连接的笔记本电脑，所述笔记本电脑内置有：

至少一个处理器；

至少一个存储器，用于存储至少一个程序；

当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现上述任一实施例所述的DNA定量检测方法。

上述方法实施例中的内容均适用于本系统实施例中，本系统实施例所具体实现的功能与上述方法实施例相同，并且达到的有益效果与上述方法实施例所达到的有益效果也相同。

所述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、分立门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DNA定量检测系统的控制中心，利用各种接口和线路连接整个一种DNA定量检测系统可运行装置的各个部分。

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DNA定量检测系统的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，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。

尽管本申请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，而是应当将其视作是通过参考所附权利要求，考虑到现有技术为这些权利要求提供广义的可能性解释，从而有效地涵盖本申请的预定范围。此外，上文以发明人可预见的实施例对本申请进行描述，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申请的非实质性改动仍可代表本申请的等效改动。