本發明涉及消毒消殺，特別是涉及一種用于密閉空間下的生物安全柜的消殺效果監測的方法。
背景技術：
1、在現代生物研究和醫療行業中，生物安全柜被廣泛用于存儲和保護各種生物樣本，如試劑、細胞、微生物和藥品等。這些樣本對環境條件非常敏感，任何微生物污染都可能對其質量和效能造成嚴重影響，甚至可能導致實驗失敗或醫療事故。為了確保樣本的安全性，生物安全柜的消毒和殺菌工作至關重要。
2、現在廣泛使用的生物安全柜通常配備有紫外線燈、臭氧發生器、hepa過濾器以及其他消殺設備。這些設備能夠有效地消除空氣和表面中的微生物。然而，僅僅依賴這些消殺設備并不足夠，還需要對它們的消殺效果進行定期監控，以確保其在長期使用中的效能。
3、目前，常見的消殺效果監控方法包括以下幾種：
4、微生物培養法：通過采集生物安全柜內各關鍵位置的樣品，并在培養基中培養一段時間，觀察是否有微生物生長。這種方法可以直接測定微生物殺滅的效果，但操作復雜且耗時，不能實時提供消殺效果的數據。
5、化學指示劑法：使用含有化學指示劑的試紙或膠片，放置于安全柜內，指示劑會在特定條件下發生顏色變化。這種方法相對簡便，但只能定性反映消毒程度，不能精確提供微生物數量的變化。
6、生物指示劑法：將裝有特定微生物孢子的載體(如紙片、玻璃珠等)放置在安全柜中，經消毒過程后取出進行培養，觀察微生物是否生長。這種方法能夠精確監控消殺效果，但同樣存在操作復雜、時間長的問題。
7、申請號為202011073310.8的發明專利中公開了一種消毒效果評估方法，包括：獲取消毒前待評估對象表面的第一圖像；對所述待評估對象表面進行消毒獲取消毒前待評估對象表面的第一圖像；對所述待評估對象表面進行消毒處理；獲取消毒后所述待評估對象表面的第二圖像；對所述待評估對象表面殘留的模擬有毒有害物質進行檢測得到一組測試值；分析處理所述第一圖像、所述第二圖像以及所述一組測試值建立消毒效果評估模型。該專利的消毒效果評估方法建立了實用的裝備染毒表面消毒訓練效果評估方法體系，實現對化學有毒有害物質的裝備消毒訓練效果進行半定量化和綜合性的評價，并進行實體訓練，為規范消毒訓練，也為新型消毒技術的效果檢驗提供技術平臺。該方法主要依賴獲取和處理待評估對象表面的圖像來進行消毒效果評估和檢測，需要使用相應的圖像采集設備和圖像處理算法。如果圖像采集不全或處理不準確，可能會影響評估結果的準確性和可靠性。
技術實現思路
1、為了克服現有技術的不足，本發明的目的是提供一種用于密閉空間下的生物安全柜的消殺效果監測的方法。
2、為實現上述目的，本發明提供了如下方案：
3、一種用于密閉空間下的生物安全柜的消殺效果監測的方法，包括：
4、在生物安全柜內選擇多個關鍵監測點，并對所述關鍵監測點的表面圖像進行拍攝，得到第一圖像，然后在每個關鍵監測點的表面擦拭熒光標記物；所述熒光標記物用于模擬微生物的存留特性；
5、啟動生物安全柜的紫外線燈進行初步消毒處理，待初步消毒過程結束后，利用過氧化氫霧化消毒器對生物安全柜的高效過濾器進行局部消毒處理，并在所述局部消毒處理后對所述關鍵監測點的表面圖像進行再次拍攝，得到第二圖像；
6、對擦拭有所述熒光標記物的生物安全柜的表面進行光譜檢測，得到熒光強度數據；
7、分別基于所述第一圖像和第二圖像，采用圖像語義分割模型提取熒光響應區域，并計算所述熒光響應區域的污染物圖像特征參數；所述圖像特征參數包括封閉區域數量、平均面積、輪廓長度及長寬比；
8、根據消毒前后的所述圖像特征參數之間的差異構建污染物特征指數；所述污染物特征指數包括：污染物數量變化率、面積變化率、圓形度變化值和最小外接矩形長寬比變化值；
9、將所述污染物特征指數與所述熒光強度數據輸入至構建好的消殺效果監測模型中，得到監測結果。
10、優選地，利用過氧化氫霧化消毒器對所述生物安全柜的高效過濾器進行局部消毒處理，包括：
11、關閉生物安全柜的窗口，并通過隔離罩對生物安全柜進行密封，以防止過氧化氫泄漏；
12、根據生物安全柜的體積和消毒要求設置消毒參數；所述消毒參數包括：過氧化氫濃度、消毒時間和設置霧化速率；
13、將設置好消毒參數的過氧化氫霧化消毒器向所述高效過濾器釋放過氧化氫氣霧；所述過氧化氫氣霧與所述高效過濾器的外殼及所述高效過濾器的濾芯接觸，以發揮殺菌作用。
14、優選地，所述熒光標記物為異硫氰酸熒光素。
15、優選地，分別基于所述第一圖像和第二圖像，采用圖像語義分割模型提取熒光響應區域，并計算所述熒光響應區域的污染物圖像特征參數，包括：
16、將所述第一圖像和所述第二圖像分別輸入至預訓練的所述圖像語義分割模型中，所述圖像語義分割模型基于編碼-解碼結構生成對應的二值熒光響應掩模圖；
17、對所述掩模圖執行輪廓提取操作，獲取所有閉合輪廓；
18、統計所有所述閉合輪廓的個數，得到封閉區域數量；
19、計算各閉合輪廓內部包含的像素點數量，并求所述像素點數量平均值，得到所述平均面積；
20、根據各所述閉合輪廓的邊界點坐標計算所述所述閉合輪廓周長總和或均值，得到輪廓長度；
21、基于每一個所述閉合輪廓所對應的最小外接矩形，計算所述最小外接矩形的長邊與短邊之比，并對所有所述閉合輪廓的長寬比分布情況進行統計，得到長寬比。
22、優選地，所述圖像語義分割模型包括：
23、編碼器子網絡，用于接收所述第一圖像和所述第二圖像，并提取多尺度圖像特征；所述編碼器子網絡包括多個串聯連接的多尺度殘差卷積塊，每個所述殘差卷積塊由并聯的不同尺寸卷積核構成；所述多尺度殘差卷積塊用于同時提取局部細節特征與全局語義特征；
24、解碼器子網絡，用于對所述編碼器子網絡提取的多尺度圖像特征進行逐層上采樣與重建；所述解碼器子網絡包括多個解碼單元，每個解碼單元由上采樣操作模塊與通道注意力模塊順序連接構成；所述編碼器子網絡的各級輸出特征圖通過跳躍連接方式傳遞至解碼器子網絡的對應層，并與所述解碼器子網絡的當前層的上采樣特征圖進行特征融合；所述解碼器子網絡的輸出連接至一個包含二維卷積層與softmax激活函數的輸出層，用于生成與輸入圖像尺寸一致的所述二值熒光響應掩模圖。
25、優選地，所述特征融合的表達式為：
26、fl(i,j,c)＝dl(i,j,c)+gl(i,j)el(i,j,c)
27、其中，其中，e1(i,j,c)為編碼器子網絡第l級輸出特征圖在坐標(i,j)通道c處的特征值；di(i,j,c)為解碼器子網絡第l級上采樣特征圖在坐標(i,j)通道c處的特征值；為經過跳躍連接融合后在坐標(i,j)通道c處得到的特征值；為在坐標(i,j)處編碼器子網絡與解碼器子網絡特征差值的通道平均；gl(i,j)為由經sigmoid函數映射得到的像素級門控系數；c為該級特征圖的總通道數；i、j分別為特征圖的行、列坐標；exp為自然指數函數。
28、優選地，根據消毒前后的所述圖像特征參數之間的差異構建污染物特征指數，包括：
29、分別統計消毒前第一圖像對應的封閉區域數量n1與消毒后第二圖像對應的封閉區域數量n2，計算得到污染物數量變化率rn；
30、分別計算消毒前所有封閉區域像素面積之和s1與消毒后所有封閉區域像素面積之和s2，計算得到污染物面積變化率rs；
31、分別求得消毒前所有封閉區域的平均圓形度c1與消毒后所有封閉區域的平均圓形度c2，計算δc＝c2-c1，得到圓形度變化值δc；
32、分別求得消毒前所有封閉區域的平均最小外接矩形長寬比r1與消毒后所有封閉區域的平均最小外接矩形長寬比r2，計算δr＝r2-r1，得到最小外接矩形長寬比變化值δr；
33、按照(rn,rs,δc,δr)的順序組合計算結果，構成用于后續消殺效果評估的污染物特征指數。
34、優選地，所述熒光強度數據包括熒光平均強度衰減率以及熒光峰值強度衰減率。
35、優選地，將所述污染物特征指數與所述熒光強度數據輸入至構建好的消殺效果監測模型中，得到監測結果，包括：
36、依次取污染物數量變化率rn、面積變化率rs、圓形度變化值δc、最小外接矩形長寬比變化值δr、熒光平均強度衰減率ri與熒光峰值強度衰減率rp，構成六維原始特征向量
37、參照由訓練樣本預先確定的最小值向量m與最大值向量m，對所述六維原始特征向量執行統一最小-最大歸一化，得到歸一化特征向量
38、將所述歸一化特征向量輸入所述消殺效果監測模型，所述消殺效果監測模型按下列公式計算監測評分：
39、
40、其中，w1為第一全連接層權重矩陣；b1為第一全連接層偏置向量；h為relu激活后的特征嵌入向量；w2,k為第k維注意力權重向量；αk為第k維注意力系數；hk為h的第k維分量；z為加權聚合特征標量；w3為輸出層權重標量；b3為輸出層偏置標量；y為0-1區間的所述監測評分；t為合格判定閾值；d為預設數值，d＝6，σ為sigmoid函數；
41、當y≥t時判定監測結果合格，當y<t時判定監測結果不合格。
42、根據本發明提供的具體實施例，本發明公開了以下技術效果：
43、本發明通過“熒光標記-圖像語義分割-光譜檢測-多特征融合”四級協同：利用熒光標記物模擬微生物并一次性布點，可在無需真實污染與采樣培養的前提下獲得高對比度信號，避免傳統培養24h以上的時滯；結合深度語義分割精確提取污染區域，配合封閉區域數量、面積、輪廓長度和長寬比等形態學參數，實現對殘留污染的定量化描述，克服化學試紙只能粗略變色的定性缺陷；通過光譜熒光強度同步采集，彌補純圖像方案易受光照和背景噪聲干擾的不足，提高靈敏度；以差分形成的污染物特征指數與熒光衰減率共同驅動消殺效果監測模型，可在一次消毒循環內輸出數值化合格判定，實現密閉空間內快速、客觀、自動的消殺效果評估，大幅提升安全性與運維效率。