基于全景化視域重構的微生物影像檢測技術
一、所屬領域
人工智能,精密自動化,生物分析與檢測,環境微生物檢測,工業微生物檢測,細胞組織分析檢測。
二、項目介紹
1. 痛點問題
微生物的識別、計數和定性分析一直是食品、醫藥和生物行業的重要一環。傳統的人工檢測方式勞動強度比較大,且檢測主觀性強,標準難以統一,計數和檢測結果不準確;在對環境的微生物監測中,人工方法只能做到抽樣檢測,無法做到持續性檢測。
近兩年行業巨頭們(如GE,安捷倫,賽默飛等)開始推出圖像識別技術的微生物檢測設備,其結果來自直觀影像,分辨率高,操作難度低。但是這些設備目前采用的光學顯微鏡倍數都在800倍以下,只能進行計數,如果要完成相關定性分析,需要在800倍以上的放大倍數獲得單細胞微生物的清晰圖像(如酵母菌,大腸桿菌)。但800倍放大倍數對應的有效視場只有200微米*200微米,對計數和活性統計分析又不具備足夠的采樣數量。目前國內外設備均沒有解決好這個問題,對微生物進行定性分析的準確率低,無法滿足市場需求。
2. 解決方案
本項目針對微生物和細胞活體檢測中缺乏有效參照物的技術難點,根據顯微掃描設備的結構,將全景化視域重構技術和微米級電機結合,解決了鏡頭大幅平移過程中的自動對焦難題和微生物溶液動態環境中的影像拼接難題,在保證1000倍放大的基礎上,獲得的有效視場增加到10毫米*10毫米的范圍;再通過自動化圖像采集和拼接,得到完整的微生物圖像;然后結合傳統的圖像分割以及深度學習圖像識別的優勢,小樣本高精度動態完成微生物的類型識別,計數,活性,死亡率,出芽率等定量定性分析。
3. 競爭優勢分析
與國內外的主流檢測設備對比,本項目技術優勢主要體現在:
1)獨創的微生物影像全景化視域重構技術,實現0.5微米的分辨率和20*25毫米的超大視角;
2) 解決微生物影像領域小樣本智能識別和智能檢測的難題;
3) 檢測目標、檢測內容、檢測流程和邏輯可通過自然語言定制,提高設備功能通用性;
4)計數準確率超過人工計數,準確率超過國內細胞計數儀器一個數量級;
5)第一臺按照國家微生物計數檢測標準開發研制的微生物計數儀。
本項目的第一代產品樣機與國內外同類產品對比,主要性能優勢和技術優勢如下:
在食品行業,本項目獲得了青島啤酒北京密云分廠的啤酒原液和相關酵母菌種,針對生產用酵母菌采集了大量實拍圖像數據,優化后的酵母菌計數和出芽率算法識別率均在95%以上。
4. 發展規劃
按照三步走的方式來設定發展規劃:
1)基于全景化視域重構技術,構建第一代檢測儀器,首先進入門檻最低的食品微生物檢測市場,對啤酒和發酵乳企業提供酵母菌檢測計數技術和設備;
2) 利用已有技術積累,進入環境微生物檢測和高校實驗室市場;
3)最后以食品和環境檢測市場為根據地,進入門檻最高的生物醫藥檢測市場,提供微生物檢測和組織檢測的相關設備。
5. 知識產權情況
已申請3項專利。
三、合作需求
1)尋求500-800萬元天使投資;
2)尋找高校研究所,食品工業和環境檢測領域的客戶、渠道伙伴;
3)尋找生物醫藥,醫學臨床領域的客戶、渠道伙伴和產品測試環境。
四、團隊介紹
科研團隊:
1)周悅芝 博士 清華大學計算機系研究員,項目負責人,在邊緣計算和深度學習等領域有豐富的開發經驗和杰出的研究成果,在面向醫學影像的AI圖像分析方面曾發表多篇論文,申請或獲得多項國家發明專利。
2)黃權偉 清華大學計算機系碩士,負責圖像分割及細胞識別等相關算法研發。
3)梁志偉 清華大學計算機系碩士,負責深度學習算法加速研究和實現。
五、聯系方式
E-mail:[email protected]
成果編號:20230055
清華大學
2023-07-11