Bộ lọc và3MMáy tính bảng thử nghiệm, ngày càng có nhiều ứng dụng trong sinh học, y học, thực phẩm, môi trường và các lĩnh vực khác để phát hiện vi sinh vật. Rất nhiều màng lọc hoặc phim thử nghiệm đều có một đặc điểm, đó là trên bề mặt của nó có các đường lưới màu sắc khác nhau, kích thước khác nhau. Các lưới này hỗ trợ việc đếm bằng tay, nhưng gây khó khăn cho việc sử dụng ngày càng nhiều máy đếm thuộc địa tự động. Bởi vì màu sắc của lưới có xu hướng tối, các phương pháp truyền thống có xu hướng phát hiện lưới thay vì thuộc địa. Sơ đồ1、2、3Ba loại màng lọc thường được sử dụng và3MMảnh thử nghiệm, cũng như kết quả phân chia sử dụng phương pháp phân chia hình ảnh truyền thống.

Trong đó, biểu đồ1-aĐó là bản đồ ban đầu của màng lọc Sedolis với lưới đen trên bề mặt và các thuộc địa màu vàng nhạt phát triển. hình ảnh1-bLà hiệu ứng phân chia áp dụng phương pháp phân chia giá trị ngưỡng truyền thống. hình ảnh1-cLà hiệu ứng phân tách sử dụng phương pháp gradient màu. Bởi vì màu lưới của màng lọc này đậm hơn các thuộc địa, các phương pháp xử lý hình ảnh truyền thống phân chia lưới thay vì các thuộc địa.

hình ảnh1. Bộ lọc Sedolis

hình ảnh2-alà3MViên nén thử nghiệm Staphylococcus aureus với lưới màu vàng và các thuộc địa màu tím trên bề mặt. hình ảnh1-bLà hiệu ứng phân chia áp dụng phương pháp phân chia giá trị ngưỡng truyền thống. hình ảnh1-cLà hiệu ứng phân tách sử dụng phương pháp gradient màu. Hai phương pháp phân chia này, trong khi phân chia các thuộc địa, cũng chia lưới, do đó không thể đếm các thuộc địa.

hình ảnh2. 3MMáy tính bảng thử nghiệm Staphylococcus aureus

hình ảnh3-alà3MXét nghiệm E. coli với lưới màu đỏ, khuẩn lạc màu đỏ, và nền đỏ trên bề mặt. Tình huống này là phức tạp zui, bất kể sử dụng phương pháp phân chia ngưỡng truyền thống (đồ thị)3-b), hoặc phương pháp phân tách độ lòng màu (bản vẽ)3-c) Đều không thể đạt được hiệu quả lý tưởng.

hình ảnh3. 3MViên nén xét nghiệm E. coli

Hóa ra công nghệ xử lý hình ảnh truyền thống không thể giải quyết các bộ lọc hoặc3MKiểm tra viên nén để phát hiện thuộc địa, phải được nghiên cứu để thiết lập các phương pháp phát hiện mới.Số Fast_Đội ngũ công nghệTrải qua hai năm khắc phục khó khăn, dựa trên mô hình đường viền hoạt động tập hợp ngang hiện nay, kết hợp với màng lọc và3MCác tính năng của tấm thử nghiệm, hình thành bộ phim phù hợp hoặc3MThuật toán phân chia hoàn toàn mới của phim kiểm tra đã giải quyết thành công các vấn đề trên.

1Mô hình đường nét hoạt động tập ngang dựa trên sự ràng buộc hình thái

Nguyên tắc phân chia hình ảnh dựa trên mô hình đường viền hoạt động của bộ ngang là làm cho đường viền hoạt động liên tục tiếp cận mục tiêu phân chia trong quá trình giảm thiểu hàm năng lượng. Nếu một ràng buộc dựa trên kiến thức tiên nghiệm được giới thiệu trong hàm năng lượng, thúc đẩy đường viền hoạt động tiếp cận mục tiêu được xác định bởi các ràng buộc, nó có thể phân chia mục tiêu mong muốn tìm kiếm. Đề xuất trước đó chủ yếu có hai loại ý tưởng sau.

Một loại làCremersMột mô hình được đề xuất dựa trên các ràng buộc của kiến thức tiên nghiệm. Thiết lập một tập hợp các hình dạng được xác định bởi kiến thức tiên nghiệmF₀Mô hình phác thảo hoạt động, dựa trên kiến thức tiên nghiệm về hình dạng, thêm một thuật ngữ năng lượng ràng buộc hình dạng vào hàm năng lượng để hướng dẫn các đường cong hội tụ vào hình dạng này:

Trong thức,LXác định phạm vi mà kiến thức tiên nghiệm về hình dạng diễn ra,L = -1Khu vực bị loại trừ khỏi điểm tích lũy. Phương pháp này quy định nghiêm ngặt vị trí và kích thước của thông tin hình dạng và bị hạn chế trong các ứng dụng thực tế.

Một loại khác làTony ChanMô hình phác thảo hoạt động được đề xuất dựa trên kiến thức tiên nghiệm về hình dạng, cho phép pan, zoom và xoay các hình dạng, v.v. Nếu bộ ngangF₂bởi Horizontal SetF₁Sau khi dịch chuyển, xoay, thu phóng, đặt tọa độ dịch chuyển làa, bPhóng to bội số làrGóc xoay làθVậy biểu thức quan hệ của hai tập ngang là:

Nếu ψ0Là hàm tập ngang của một hình cố định, hàm tập ngang này thu được bằng cách giải hàm khoảng cách ký hiệu. ψ là hàm tập nằm ngang tương ứng với hình dạng ban đầu sau khi pan, xoay hoặc phóng to. Sau đó, hàm năng lượng mô hình tập ngang dựa trên kiến thức tiên nghiệm về hình dạng là:

Giải pháp số của hai phương pháp trên, liên quan đến việc giải quyết dòng chảy gradient descent của nhiều biến của hàm năng lượng, yêu cầu cập nhật nhiều biến cho mỗi lần lặp đường cong, vì vậy mô hình đường viền hoạt động đang tiếp cận rất chậm và không thể thực sự áp dụng.
trên màng lọc lưới hoặc3MĐối với các mảnh thử nghiệm, các thuộc địa cần được phát hiện thường có hình tròn, thì kiến thức tiên nghiệm về hình dạng của bộ ngang có thể được đặt thành hình tròn. Đối với một vòng tròn, sự dịch chuyển và tỷ lệ trong các biến đổi hình học của nó chỉ dẫn đến thay đổi hình dạng, và vòng quay không ảnh hưởng đến hình dạng của nó, vì vậy mô hình bộ ngang dựa trên vòng tròn chỉ yêu cầu ba biến bổ sung (a, b, r), sau đó hàm năng lượng của mô hình đường viền hoạt động của bộ ngang dựa trên các ràng buộc tròn có thể được đơn giản hóa thành:

Trong công thức, hạng mục thứ hai là hạng mục ràng buộc, tác dụng của nó là thúc đẩy đường viền cuối cùng của zui hội tụ thành một vòng tròn. Video tổng hợp báo cáo tin tức dựa trên luật sử dụng hợp lý – Fair use for news reporting ((a, b, r) Ba biến được cập nhật, số lần lặp lại giảm đáng kể, tăng tốc độ phân chia.

Để đạt được sự phát hiện đồng bộ của nhiều thuộc địa trên đĩa phẳng, cần phải giới thiệu thêm mô hình hồ sơ hoạt động của bộ ngang đa pha; Đồng thời, để cải thiện hơn nữa tốc độ phát hiện, cần phải áp dụng phương pháp giải quyết nhanh chóng của mô hình hồ sơ hoạt động của bộ ngang. Và trong cả hai khía cạnh, nhóm nghiên cứu của khoa Công nghệ Fastnumber đã đạt được kết quả quan trọng và ứng dụng thực tế, có thể xem "Đếm thuộc địa" được xuất bản bởi "Fastnumber Technology Co., Ltd."_Công nghệ tiên tiến（một）REFERENCES [Tên bảng tham chiếu] (

2,Hiệu ứng phát hiện trên bề mặt nhăn,Các khuẩn lạc mờ cạnh

Mô hình được dựa trên các khối chế về hình thái, cả hai mô hình được giữ lạiCó những ưu điểm như khả năng chống ồn mạnh, ranh giới phân chia mịn và liên tục, có thể xử lý các tình huống cấu trúc bề mặt phức tạp, đồng thời có thể tiếp cận mục tiêu tròn rất tốt. Đặc biệt đối với một số khuẩn lạc hoặc tế bào có đường viền mờ, nếp nhăn bề mặt khá nghiêm trọng, cho thấy hiệu quả phân chia cực kỳ *.

hình ảnh4Hiệu quả phát hiện trên một tế bào protosome với các cạnh mờ được hiển thị. Trong đó, biểu đồ4-aLà nguyên bản đồ tế bào nguyên sinh thể; hình ảnh4-BThông qua mô hình hồ sơ hoạt động chung của bộ ngang, phát hiện một vòng không tròn do thiếu ràng buộc tròn; hình ảnh4-CSử dụng thuật toán "Mô hình đường viền hoạt động tập ngang dựa trên các ràng buộc hình thái" được phát triển bởi công nghệ số nhanh, do bị ràng buộc bởi các ràng buộc hình tròn, zui tiếp cận tất nhiên là một vòng tròn, do đó giảm nguyên trạng tế bào rất tốt.

hình ảnh4. Làm mờ cạnhHiệu quả phát hiện tế bào protosome

hình ảnh5Cho thấy hiệu quả phát hiện đối với một tế bào nguyên sinh thể có nếp nhăn bề mặt rất nghiêm trọng. Trong đó, biểu đồ4-aLà nguyên bản đồ tế bào nguyên sinh thể; hình ảnh4-BThông qua một mô hình hồ sơ hoạt động chung của bộ ngang, một loạt các mảnh vỡ được phát hiện do thiếu các ràng buộc tròn; hình ảnh4-CSử dụng thuật toán "Mô hình đường viền hoạt động dựa trên các ràng buộc hình thái theo chiều ngang" được phát triển bởi công nghệ Fast Number, và do bị ràng buộc bởi hình tròn, một tế bào protosome hoàn chỉnh đang tiếp cận sau zui.

hình ảnh5. Bề mặt nhănHiệu quả phát hiện tế bào protosome

3Đối với màng lọc và3MHiệu quả phát hiện của máy tính bảng thử nghiệm

hình ảnh6Mô hình được phát triển bằng công nghệ số lượng nhanh "Mô hình được xây dựng theo chiều ngang, dựa trên các khối chế hình thái3MHiệu quả phát hiện của thuốc thử. Trong đó, biểu đồ6-a、6-b、6-cTheo thứ tự là màng lọc của Settons.3MKiểm tra vi khuẩn tụ cầu vàng kim,3MSơ đồ ban đầu của máy tính bảng xét nghiệm E. coli. hình ảnh6-D、6-e、6-FLà hiệu ứng phân tách sau khi sử dụng "Mô hình đường nét hoạt động của bộ ngang dựa trên các hạn chế hình thái". Với các ràng buộc tròn, các đường viền chuyển động tránh tiếp cận lưới, trong khi zui cuối cùng đã phát hiện ra tất cả các thuộc địa tròn.

hình ảnh6. Hiệu ứng mô hình đường viền hoạt động dựa trên các ràng buộc hình thái

4Triển vọng

Phương pháp phân chia hình ảnh dựa trên mô hình hồ sơ hoạt động của bộ ngang,Với những ưu điểm như khả năng chống nhiễu mạnh, ổn định giải pháp số tốt, ranh giới phân chia mịn màng và liên tục, có thể xử lý các tình huống phức tạp về cấu trúc liên kết, v.v., nó trở thành một trong những công nghệ phân chia hình ảnh tiên tiến nhất hiện nay.

Nhóm nghiên cứu và phát triển khoa học kỹ thuật số nhanh, trải qua hơn hai năm khắc phục khó khăn, không chỉ nắm vững công nghệ tiên tiến này, mà còn nhắm vào các đặc điểm của các thuộc địa vi sinh vật, trên cơ sở mô hình hồ sơ hoạt động tập hợp ngang truyền thống, nghiên cứu sáng tạo đã phát triển mô hình hồ sơ hoạt động nhanh phù hợp với số lượng phân chia thuộc địa phức tạp, mô hình hồ sơ hoạt động tập hợp ngang đa pha, cũng như mô hình hồ sơ hoạt động tập hợp ngang dựa trên hạn chế hình thái. Những mô hình này không chỉ đạt được số liệu thống kê chính xác và hiệu quả về các thuộc địa phức tạp, đĩa phẳng có độ khó cao, mà còn phù hợp để phát hiện các tế bào, v.v.

Hàng Châu XunNumber Technology Co, Ltd Phòng Nghiên cứu&Phát triển