「生信软件」microbial-colony-counter：培养皿菌落自动计数与批次参数学习

做微生物实验经常要数培养皿菌落，一次实验几十个平板，全靠人工点一点很崩溃。默认参数自动数又经常偏多偏少——光照、对焦、菌落疏密一变就不稳。最近把 microbial-colony-counter 推到了 v1.1.2，核心是：用少量参考盘的人工真值，为本批次搜一套参数，再批量数其余平板。这里记录一下工具介绍、近期更新和开发时的想法。

1. 这个工具是干什么的

microbial-colony-counter 是一个 培养皿菌落自动计数 工具，当前正式版 v1.1.2（MIT）。

主要能力：

多格式图片：JPG / PNG / BMP / TIFF
OpenCV 自动检测与计数
参数可调：模糊、阈值、面积、边缘距离、圆度等
矩形/圆形 ROI；可选自动检测培养皿圆
分水岭分离粘连菌落
桌面 GUI + 局域网 Web（手机浏览器也能用）
批次参数学习（v1.1.1 / v1.1.2）：参考盘真值 → 搜参数 → 批量计数

依赖与启动：

git clone https://github.com/Caizhaohui/microbial-colony-counter.git
cd microbial-colony-counter
pip install -r requirements.txt

# 桌面版
python main.py

# Web 版（同局域网手机可访问）
python web_launcher.py

Windows 也可以双击 run_gui.bat / start_web_app.bat。Release 里有 Windows 打包：ColonyCounter-Desktop-v1.1.2-win64.exe。

2. 为什么要「学习参数」而不是死磕默认值

传统自动计数靠一组固定默认参数（模糊核、阈值、面积上下限、是否分水岭……）。实际痛点很明确：

拍照条件敏感：光照、对焦、角度一变，同一套默认参数就漂
密菌落粘连：固定阈值/分水岭很难兼顾
实验是成批的：一次几十个平板，菌种、培养基、拍摄方式往往很像

所以更合理的不是追求「一张图打天下」，而是：

用少量已有真值的参考盘，为本批次搜一套 theta*，再把 theta* 套到其余平板上。

这不是云端大模型，而是 批次内的参数标定 / 少样本校准（Few-shot Calibration）：可解释、本地跑、和现有 OpenCV 流水线兼容，也不上传数据。

搜索的大致是 process_image 的超参数：

类别	示例
预处理	高斯模糊核大小
二值化	手动 / 自适应阈值
过滤	最小/最大面积、边缘距离、最小圆度
结构	是否检测培养皿圆、是否分水岭

单盘目标可以粗写成：

找到 theta*，使  | count(I, theta) - N |  尽量小

实现上还会加相对误差、可选点匹配分，避免「总数碰巧对了，圈的却是杂质」这种假准。

3. 最近更新：v1.1.1 → v1.1.2

3.1 v1.1.1：批次标定工作台（学习闭环）

解决的是：只有默认参数或手滑调条，成批实验重复劳动多。

闭环：

打开桌面主程序 → 「📦 批次标定」
提供参考盘真值（部分点选+N / 全量点选 / 仅填 N）
参数搜索得到 theta*
批量计数其余平板
导出 CSV、保存参数 JSON，可选应用到主窗口

新增模块大致是：

backend/core/calibrator.py — 参数搜索与评分
backend/core/batch.py — 多图套同一套参数
backend/core/pointset.py — 点集与标注
batch_workbench.py — 桌面工作台

兼容原则：原有单图计数、ROI、培养皿检测、分水岭、Web 都保留，批次学习是增量入口。

3.2 v1.1.2：多参考盘联合标定（当前重点）

v1.1.1 只能用一块参考盘时，参数容易 过拟合那一块，换盘就漂。

v1.1.2 支持 1～5 块参考盘同时参与搜索（建议 2～5），目标是让各盘误差的 平均值 最小：

找到 theta*，使 (1/K) * (Loss_1 + ... + Loss_K) 最小

能力	说明
多参考盘	最多 5 块，建议 2～5
主路径	每块图 + 人工总数 N
点选增强	列表切换当前盘，左键加点 / 右键删点（可选）
结果透明	每盘预测 vs 真值、单盘误差、平均/最大误差
上限保护	超过 5 块拒绝并提示

工作台从「加载单张」改成了 参考盘列表（添加 / 移除 / 切换 / 保存 N），按钮是 「联合学习 / 标定」。底层是 calibrate_multi()，单盘 calibrate() 复用同一套逻辑。

4. 批次学习怎么用（v1.1.2）

python main.py
# 工具栏 → 「📦 批次标定」

步骤：

➕ 添加参考盘…（可多选，最多 5 块），每块填人工菌落数 N
（可选）列表里选中某盘，左键点几个典型菌落作增强
点 「联合学习 / 标定」，看各盘误差是否可接受
添加其余平板 → 批量计数 → 导出 CSV / 保存参数 JSON
可选：应用到主窗口，用学到的参数再做单张细调

点选快捷键：左键加点 · 右键删最近点 · Ctrl+Z 撤销。

冒烟测试：

python backend/test_calibrator.py

5. 真值怎么给、边界在哪

方式	操作	适用
图 + 总数 N（主路径）	上传图，填人工数完的 N	最快；多盘联合首选
部分点选 + N	点若干典型菌落，并填 N	密菌落、杂质多时更稳
全量点选	点完所有菌落（N = 点数）	单盘精标

点选不是必须。默认推荐 图 + N；难盘再点选增强。

使用边界（很重要）：

学习结果 按批次有效：换菌种、培养基、相机或光照，请 重新标定
参考盘与待测盘尽量 同条件
只拟合总数时缺少位置信息，密菌落建议对 1～2 块难盘做点选
这是经典视觉参数搜索，不是深度学习，数据不出本机

和「纯默认参数」比：

	默认参数直接数	参考盘参数学习
准备成本	无	人工数 1～5 块参考盘
同批次多盘	可能整体偏多/偏少	向真值对齐后更稳
可解释性	手调滑条	给出 theta* 与每盘误差
适用场景	单张试探	一次数十个平板的实验批次

6. 单图自动计数（原有能力）

批次学习之外，主窗口还是完整的单图流程：

选图 → 调参 →（可选）选区 → 处理
看结果 / 菌落详情 → 保存报告

类别	参数	说明
预处理	高斯模糊核	去噪，建议 3–15 奇数
二值化	手动 / 自适应	光照不均优先自适应
培养皿	自动检测圆	只统计皿内
过滤	面积、边缘距离	去噪点与边缘伪影
高级	分水岭、最小圆度	粘连与形状

7. 开发路径与踩坑

这条线也是被真实实验推着长的，大致阶段：

阶段	解决什么	收获
v1.0.0	桌面 + Web 自动计数可用	OpenCV 流水线：模糊→阈值→轮廓→过滤
v1.1.0	Web 与桌面能力对齐、性能	缩略图传输、异步线程池、处理尺寸限制
v1.1.1	成批实验不想每张手调	参考盘真值 → 参数搜索 → 批量套用
v1.1.2	单盘过拟合	多盘联合最小化平均误差

几个比较深的体会：

1）别迷信「通用默认参数」

实验室拍照条件千差万别。与其做一套永远不够用的默认值，不如承认 批次内标定 更符合使用方式。

2）真值可以很轻

不一定要全图点完。很多时候 人工总数 N 就够启动搜索；难盘再加点选。准备成本低，闭环才转得起来。

3）单盘拟合会骗人

一块盘误差很小，不代表下一块也准。v1.1.2 把目标改成多盘平均误差，并报告 最大盘误差，过拟合更容易被发现。

4）增量功能比推倒重来重要

单图计数、ROI、Web 已经有人在用。批次标定做成独立工作台入口，旧流程不破坏，心理负担小很多。

5）可解释 > 黑盒准一点点

参数搜索给出的是阈值、面积、是否分水岭这类人能看懂的量。实验记录里能写清「这批用了哪套 JSON」，比端到端模型更贴实验室习惯。

项目结构（核心）：

microbial-colony-counter/
├── backend/core/
│   ├── algorithm.py      # 核心计数
│   ├── calibrator.py     # 单盘 / 多盘参数学习
│   ├── batch.py          # 批量套用
│   └── pointset.py       # 点选
├── main.py               # 桌面主程序
├── batch_workbench.py    # 批次工作台
├── web_launcher.py
└── 开发计划-批次标定.md

8. 小结

microbial-colony-counter 更适合：

培养皿照片的自动 / 半自动菌落计数
一次实验几十个平板、拍摄条件相近的批次
需要本地运行、结果可解释、能导出 CSV 的场景

最近重点是 v1.1.1 批次标定闭环 和 v1.1.2 多参考盘联合学习。后面如果继续改，大概会优先：更稳的密菌落点匹配、Web 端批次标定入口、以及更细的失败原因报告。

欢迎 Issue / PR。用到类似场景时，先人工数 2～3 块参考盘再批量跑，通常比死磕默认参数省心得多。