CN102911852A - 克隆菌株自动筛选装置及方法 - Google Patents

克隆菌株自动筛选装置及方法 Download PDF

Info

Publication number
CN102911852A
CN102911852A CN2011102181826A CN201110218182A CN102911852A CN 102911852 A CN102911852 A CN 102911852A CN 2011102181826 A CN2011102181826 A CN 2011102181826A CN 201110218182 A CN201110218182 A CN 201110218182A CN 102911852 A CN102911852 A CN 102911852A
Authority
CN
China
Prior art keywords
clone strain
clone
strain
image
screening
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN2011102181826A
Other languages
English (en)
Other versions
CN102911852B (zh
Inventor
周富强
崔毅
谭焕然
牛刚
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Individual
Original Assignee
Individual
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to CN 201110218182 priority Critical patent/CN102911852B/zh
Publication of CN102911852A publication Critical patent/CN102911852A/zh
Application granted granted Critical
Publication of CN102911852B publication Critical patent/CN102911852B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Image Processing (AREA)
  • Apparatus Associated With Microorganisms And Enzymes (AREA)

Abstract

本发明公开了一种克隆菌株自动筛选装置及方法。该装置包括放置培养皿且改变其空间位置的三维电控运动平台,三维电控运动平台的控制端与中央管理系统的相应控制端连接,三维电控运动平台的周围设置有高分辨率数字摄像机、双目立体视觉传感系统、测量特征光学投影系统及光学照明系统,测量特征光学投影系统的控制端与中央管理系统的相应控制端连接,高分辨率数字摄像机、双目立体视觉传感系统的控制端经由图像采集控制系统与中央管理系统的相应控制端连接。该方法利用对克隆菌株生长中的对数期进行监测来实现自动筛选。本发明方法通过本发明装置实现了对克隆菌株实施快速、自动筛选,筛选结果准确,筛选出的克隆菌株无损。

Description

克隆菌株自动筛选装置及方法
技术领域
本发明涉及一种克隆菌株自动筛选装置及方法,属于微生物测量技术领域。
背景技术
菌株筛选在生物医学实验和工业生产中具有举足轻重的地位,其被广泛应用于食品保健、医药、化工和农业等领域,例如:从新鲜牛奶中筛选高产γ-氨基丁酸的乳酸菌菌株;从发霉的秸秆、毛巾以及土壤等纤维素含量较高的样品中筛选高效降解木质纤维素的微生物菌株;从被聚乙烯醇直接污染的环境中筛选高效降解PVA的微生物菌株等。
现有的菌株筛选方法有:菌落原位杂交筛选法、免疫酶技术、化学发光免疫分析和放射免疫测定等。这些方法均建立在分子生物学或者免疫学的基础上,通常筛选工序繁多、周期较长,需要经验丰富的技术人员进行判断,耗费了大量的人力和物力。并且,目前尚无一种能够对克隆菌株的生长状态进行自动判定,快速筛选出已经培养成功的菌株的装置及方法。
发明内容
本发明的目的在于提供一种克隆菌株自动筛选装置及方法,该装置及方法可快速、准确、无损地筛选出培养成功的克隆菌株。
为了实现上述目的,本发明采用了以下技术方案:
一种克隆菌株自动筛选装置,其特征在于:它包括放置培育有多个克隆菌株的培养皿且可改变该培养皿的空间位置的三维电控运动平台,该三维电控运动平台的控制端经由步进电机而与中央管理系统的相应控制端连接,该三维电控运动平台的周围设置有对该培养皿内培育的所有克隆菌株拍摄二维分布全局图像的高分辨率数字摄像机、对单个克隆菌株拍摄带有光学特征点的左侧图像和右侧图像的双目立体视觉传感系统、向该双目立体视觉传感系统要拍摄的单个克隆菌株投射光学特征点而利于对该双目立体视觉传感系统拍摄该单个克隆菌株得到的左、右侧图像中的该单个克隆菌株之间进行匹配对位的测量特征光学投影系统以及为拍摄提供均匀稳定的光照环境的光学照明系统,该测量特征光学投影系统的控制端与该中央管理系统的相应控制端连接,该高分辨率数字摄像机、该双目立体视觉传感系统的控制端经由图像采集控制系统而与该中央管理系统的相应控制端连接。
所述双目立体视觉传感系统包括分别对单个克隆菌株拍摄左侧图像、右侧图像的两个摄像机,该两个摄像机的摄像头中轴线的延长线形成一个设定角度;所述测量特征光学投影系统包括投影仪;该投影仪的投影头中轴线的延长线与该两个摄像机的摄像头中轴线的延长线相交于一点。
所述设定角度为30°到50°。
所述高分辨率数字摄像机和所述双目立体视觉传感系统的标定端均与传感器标定装置的标定控制端连接。
一种基于克隆菌株自动筛选装置实现的克隆菌株自动筛选方法,其特征在于,它包括如下步骤:
步骤一:打开光学照明系统,使三维电控运动平台及放在其上的培养皿处于适于拍摄的均匀稳定的光照下;
步骤二:通过中央管理系统经由步进电机对三维电控运动平台进行控制,将培养皿移动到高分辨率数字摄像机的视场中央,采集该培养皿内培育的所有克隆菌株的二维分布全局图像;
步骤三:对采集的该二维分布全局图像进行图像分割处理,分割出该培养皿内的各个克隆菌株,在该二维分布全局图像中对各个克隆菌株进行编号和坐标定位,并根据各个克隆菌株的坐标定位,规划出测定路径;
步骤四:按照步骤三规划出的测定路径,通过双目立体视觉传感系统和测量特征光学投影系统对待测的每个克隆菌株拍摄带有光学特征点的左、右侧图像,从而计算出每个克隆菌株在其左右侧图像拍摄时刻的体积;
步骤五:经过设定时间间隔后,再次执行步骤二至四,绘制出每个克隆菌株的体积随时间变化的动态生长曲线,其中:每个克隆菌株的编号在整个自动筛选过程中是固定不变的;在再次执行步骤三时,测定路径是在排除被认为是培养失败和培养成功的克隆菌株后对剩余克隆菌株进行规划得出的;
步骤六:针对同种类的克隆菌株的标准生长曲线,对紧挨着该步骤六之前执行的那一个步骤五中再次执行步骤四时的每个克隆菌株的左右侧图像拍摄时刻进行时间区间判定:若该克隆菌株的左右侧图像拍摄时刻小于等于克隆菌株生长的对数期的起始时间点,则该克隆菌株被认为是需继续培养;若该克隆菌株的左右侧图像拍摄时刻大于等于克隆菌株生长的对数期的结束时间点,则该克隆菌株被认为是培养失败;若该克隆菌株的左右侧图像拍摄时刻大于克隆菌株生长的对数期的起始时间点且小于克隆菌株生长的对数期的结束时间点,则将该克隆菌株的动态生长曲线和与其同种类的克隆菌株的标准生长曲线进行匹配识别,其中:若该动态生长曲线与该标准生长曲线的相似百分度大于上临界设定值,则该克隆菌株被认为是培养成功;若该动态生长曲线与该标准生长曲线的相似百分度小于下临界设定值,则该克隆菌株被认为是培养失败;若该动态生长曲线与该标准生长曲线的相似百分度大于等于下临界设定值且小于等于上临界设定值,则该克隆菌株被认为是不确定;
步骤七:若存在被认为是需继续培养或不确定的克隆菌株,则再次执行步骤五至七;若不存在被认为是需继续培养和不确定的克隆菌株,则整个自动筛选过程结束。
首次执行所述步骤四中,将对第一个克隆菌株拍摄带有光学特征点的左、右侧图像时的左右侧图像拍摄时刻设定为零时刻。
在所述步骤三中,所述图像分割处理包括步骤:对所述二维分布全局图像进行排除杂质和/或干扰噪声的处理;采用动态轮廓模型方法将每个克隆菌株单独所处区域分割出来。
在所述步骤三中,对所述二维分布全局图像中的各个克隆菌株进行坐标定位包括步骤:根据步进电机的步长,将所述二维分布全局图像划分成具有设定形状、大小网格的网格结构,将克隆菌株的二维图像重心所在网格的中心坐标作为该克隆菌株的中心坐标。
在所述步骤四中,对待测的每个克隆菌株拍摄带有光学特征点的左、右侧图像并计算左右侧图像拍摄时刻的体积具体包括步骤:根据该克隆菌株的坐标定位,通过步进电机对三维电控运动平台进行控制,将该克隆菌株移动到双目立体视觉传感系统的视场中央;测量特征光学投影系统向该克隆菌株投射光学特征点;图像采集控制系统控制双目立体视觉传感系统对该克隆菌株进行拍摄,获取带有该光学特征点的左侧图像和右侧图像;通过该光学特征点,左、右侧图像中的该克隆菌株之间被准确匹配对位;根据双目立体视觉原理得出该克隆菌株的三维坐标,利用二重积分计算出该克隆菌株在其左右侧图像拍摄时刻的体积。
在步骤一前还包括:对高分辨率数字摄像机和双目立体视觉传感系统进行焦距、主点坐标、畸变系数、姿态参数的校准。
本发明的优点是:
基于机器视觉的图像处理、光学三维显微测量技术以及分子生物学手段,本发明克隆菌株自动筛选方法通过本发明克隆菌株自动筛选装置实现了对克隆菌株实施快速、自动筛选,且筛选结果准确,筛选出的培养成功的克隆菌株无损。
附图说明
图1是本发明克隆菌株自动筛选装置的组成示意图;
图2是某种类的克隆菌株的标准生长曲线示意图。
具体实施方式
如图1所示,本发明克隆菌株自动筛选装置包括放置培养皿70且可改变该培养皿70的空间位置的三维电控运动平台60,该培养皿70内培育有多个克隆菌株,该三维电控运动平台60的控制端经由步进电机(图中未示出)而与中央管理系统40的相应控制端连接,该三维电控运动平台60的周围设置有对该培养皿70内培育的所有克隆菌株拍摄二维分布全局图像的高分辨率数字摄像机10、对单个克隆菌株拍摄带有光学特征点的左侧图像和右侧图像的双目立体视觉传感系统20、向该双目立体视觉传感系统20要拍摄的单个克隆菌株投射光学特征点而利于对该双目立体视觉传感系统20拍摄该单个克隆菌株得到的左、右侧图像中的该单个克隆菌株之间进行匹配对位的测量特征光学投影系统30以及为拍摄提供均匀稳定的光照环境的光学照明系统80,该测量特征光学投影系统30的控制端与该中央管理系统40的相应控制端连接,该高分辨率数字摄像机10、该双目立体视觉传感系统20的控制端经由图像采集控制系统50而与该中央管理系统40的相应控制端连接。
该中央管理系统40内存储有采用分子生物学手段(属于公知技术)测定、绘制出的各个种类的克隆菌株的标准生长曲线,这些各个种类的克隆菌株的标准生长曲线用于和通过本发明方法绘制出的与其相同种类的克隆菌株的动态生长曲线之间进行曲线相似度比较使用。
该双目立体视觉传感系统20包括分别对单个克隆菌株拍摄左侧图像、右侧图像的两个摄像机,该两个摄像机的摄像头中轴线的延长线形成一个设定角度,例如该设定角度为30°到50°。该测量特征光学投影系统30包括投影仪,该投影仪的投影头中轴线的延长线与该两个摄像机的摄像头中轴线的延长线相交于一点,以使在该投影仪对准待拍摄的单个克隆菌株投射出光学特征点时,该两个摄像机可以对准该单个克隆菌株进行拍摄。
该光学照明系统80包括LED发光管阵列,该光学照明系统80可为单独控制,或者,该光学照明系统80可由中央管理系统40控制,可视实际情况而定。该光学照明系统80的照明强度、该高分辨率数字摄像机10的曝光时间等可随环境的改变而做出自适应调整。
如图1,该高分辨率数字摄像机10和双目立体视觉传感系统20的标定端均与传感器标定装置90的标定控制端连接。该传感器标定装置90用于在对克隆菌株进行自动筛选前,对该高分辨率数字摄像机10和双目立体视觉传感系统20的焦距、主点坐标、畸变系数、姿态参数等参数进行校准,且在整个自动筛选过程中只校准一次即可。
在本发明装置中,高分辨率数字摄像机10、三维电控运动平台60、图像采集控制系统50、中央管理系统40、传感器标定装置90等均为本领域的熟知设备,故其具体构成不再在这里详述。
基于上述的克隆菌株自动筛选装置,本发明还提出了一种克隆菌株自动筛选方法(即自动筛选过程),它包括如下步骤:
假设本次自动筛选过程所筛选的克隆菌株的种类与图2所示曲线涉及的克隆菌株的种类相同。
步骤一:打开光学照明系统80,使三维电控运动平台60及放在其上的培养皿70处于适于拍摄的均匀稳定的光照下。当然,此时的其他各设备也均应处于开启状态。
步骤二:通过中央管理系统40经由步进电机对三维电控运动平台60进行控制,将培养皿70移动到高分辨率数字摄像机10的视场中央,该高分辨率数字摄像机10采集该培养皿70内培育的所有克隆菌株的二维分布全局图像。该二维分布全局图像被传送给中央管理系统40。
步骤三:在中央管理系统40内,对采集的该二维分布全局图像进行图像分割处理,分割出该培养皿70内的各个克隆菌株,在该二维分布全局图像中对各个克隆菌株进行编号和坐标定位,并根据各个克隆菌株的坐标定位,通过诸如哈密顿算法来规划出测定路径。
步骤四:按照步骤三规划出的测定路径,通过双目立体视觉传感系统20和测量特征光学投影系统30对待测的每个克隆菌株拍摄带有光学特征点的左、右侧图像,从而计算出每个克隆菌株在其左右侧图像拍摄时刻的体积。
步骤五:经过设定时间间隔后,再次执行步骤二至四,绘制出每个克隆菌株的体积随时间变化的动态生长曲线(该动态生长曲线通过几个拍摄时间点以及在该几个拍摄时间点上分别计算出的克隆菌株的体积便能绘制出来),其中:每个克隆菌株的编号在整个自动筛选过程中是固定不变的;在再次执行步骤三时,测定路径是在排除被认为是培养失败和培养成功的克隆菌株后对剩余克隆菌株进行规划得出的。需要说明的是,由于一个克隆菌株在生长过程中,其体积的增长可视为基本围绕其中心向四周扩展的,因此,在一设定时间间隔的前后,同一个克隆菌株是可以根据其大体的位置来辨别出的,此属于公知技术。
步骤六:针对同种类的克隆菌株的标准生长曲线,如图2所示,对紧挨着该步骤六之前执行的那一个步骤五中再次执行步骤四时的每个克隆菌株的左右侧图像拍摄时刻进行时间区间判定:
若该克隆菌株的左右侧图像拍摄时刻小于等于该同种类的克隆菌株的标准生长曲线中克隆菌株生长的对数期的起始时间点T1,则该克隆菌株被认为是需继续培养(因监测时间过短,根据绘制出的动态生长曲线无法判断出该克隆菌株是否培养成功);
若该克隆菌株的左右侧图像拍摄时刻大于等于该同种类的克隆菌株的标准生长曲线中克隆菌株生长的对数期的结束时间点T2,则该克隆菌株被认为是培养失败(因监测时间过长,但仍没能判断出该克隆菌株的培养情况,说明该克隆菌株的生长很不稳定,且该克隆菌株很快就会进入衰亡期,于是直接得出培养失败的结论);
若该克隆菌株的左右侧图像拍摄时刻大于该同种类的克隆菌株的标准生长曲线中克隆菌株生长的对数期的起始时间点T1且小于该同种类的克隆菌株的标准生长曲线中克隆菌株生长的对数期的结束时间点T2,则将该克隆菌株最新绘制出的该动态生长曲线和与其同种类的克隆菌株的标准生长曲线(如图2)进行匹配识别,其中:若该动态生长曲线与该标准生长曲线的相似百分度大于上临界设定值,则该克隆菌株被认为是培养成功;若该动态生长曲线与该标准生长曲线的相似百分度小于下临界设定值,则该克隆菌株被认为是培养失败;若该动态生长曲线与该标准生长曲线的相似百分度大于等于下临界设定值且小于等于上临界设定值,则该克隆菌株被认为是不确定(需要继续培养,目的是增加监测时间来保证准确度)。一般,上、下临界设定值可分别设定为80%、20%。
步骤七:若存在被认为是需继续培养或不确定的克隆菌株,则再次执行步骤五至七;若不存在被认为是需继续培养和不确定的克隆菌株,则整个自动筛选过程结束。
在整个自动筛选过程中,中央管理系统40对克隆菌株的左右侧图像拍摄时刻、计算出的体积、是否培养成功的结论(包括培养成功、培养失败、不确定、需继续培养等)会进行及时记录和处理。
在实际中,在首次执行步骤三时,培养皿70内的各个克隆菌株可先通过形态几何特征参数初筛出培养皿70中的某些值得继续测定的克隆菌株,具体步骤为:通过图像分割处理后的各个克隆菌株的二维图像,提取出该培养皿70内每个克隆菌株的形态几何特征参数,如利用八链码边界跟踪技术(八链码边界跟踪技术为公知技术,请参见《图像工程(上册)-图像处理和分析》(章毓晋著,清华大学出版社,1999年)一书。)获取克隆菌株的周长、面积等,然后,根据该形态几何特征参数确定出将要测定的克隆菌株,换句话说,在初始生长时刻,对于形态几何特征参数不符合设定要求的克隆菌株,即认为其后期的生长不会很好,首先被排除,即被认为是培养失败的克隆菌株,而形态几何特征参数符合设定要求的克隆菌株则被作为将要测定的克隆菌株,其是否培养成功,还要看其后期的生长情况,这样的做法可以加快筛选速度。
在实际实施中,首次执行步骤四中,可将对第一个克隆菌株拍摄带有光学特征点的左、右侧图像时的左右侧图像拍摄时刻设定为零时刻,需要说明的是,由于步骤一至三的执行速度很快,将承载有处于初始生长状态的克隆菌株的培养皿70放在三维电控运动平台60上到对第一个克隆菌株拍摄带有光学特征点的左、右侧图像的时间是很短的,在该时间段里,克隆菌株的生长状态基本不会发生变化,因此,为了方便时间点的计算,在本发明方法中,在首次执行步骤四中,将对第一个克隆菌株拍摄带有光学特征点的左、右侧图像时的左右侧图像拍摄时刻设定为零时刻,这种做法是可行的,是不会影响筛选结果的准确度的。当然,也可以将步骤一的执行时刻设定为零时刻。
在实际实施中,在步骤三中,图像分割处理包括步骤:在中央管理系统40内,对二维分布全局图像进行排除杂质和/或干扰噪声的处理(属于公知技术);采用动态轮廓模型方法(动态轮廓模型方法属于公知技术,即用一个可发生形变的轮廓去捕捉不同形状的目标,将非连通的感兴趣目标区域从复杂背景中划分出来,请参见《Computer Vision:Algorithms and Applications》(Richard Szeliski著,Springer出版社,2010年)一书。)将每个克隆菌株单独所处区域分割出来。
另外,在步骤三中,对二维分布全局图像中的各个克隆菌株进行坐标定位包括步骤:根据步进电机的步长,将二维分布全局图像划分成具有设定形状、大小网格的网格结构,将克隆菌株的二维图像重心所在网格的中心坐标作为该克隆菌株的中心坐标。
在步骤四中,对待测的每个克隆菌株拍摄带有光学特征点的左、右侧图像并计算左右侧图像拍摄时刻的体积具体包括步骤:
根据该克隆菌株的坐标定位,通过步进电机对三维电控运动平台60进行控制,将该克隆菌株移动到双目立体视觉传感系统20的视场中央(步进电机的步长与网格之间有一定的关联关系,以使步进电机根据克隆菌株的中心坐标便可将该克隆菌株移动到双目立体视觉传感系统20的视场中央);中央管理系统40控制测量特征光学投影系统30向该克隆菌株投射光学特征点;图像采集控制系统50控制双目立体视觉传感系统20对该克隆菌株进行拍摄,获取带有该光学特征点的左侧图像和右侧图像;通过该光学特征点,左、右侧图像中的该克隆菌株之间被准确匹配对位,并且,通过公知技术,可将该克隆菌株与和其邻接的其他克隆菌株相分离开;基于匹配对位结果,根据双目立体视觉原理(双目立体视觉原理属于公知技术,请参见《计算机视觉-计算理论与算法基础》(马颂德,张正友著,科学出版社,1998年)一书)得出该克隆菌株的三维坐标,利用二重积分(二重积分属于公知技术,请参见《工科数学分析基础(下册)》(马知恩,王绵森著,高等教育出版社,1998年)一书)计算出该克隆菌株在其左右侧图像拍摄时刻(即拍摄该克隆菌株的左右侧图像时的时间点)的体积。
投射到克隆菌株上的光学特征点是用于左侧图像中的该克隆菌株与右侧图像中的该克隆菌株之间进行匹配对位的。由于克隆菌株自身的特征并不明显,因此,必须人为加入明显的特征,也就是光学特征点,才能顺利地在左右侧图像中匹配对位该克隆菌株。该匹配对位是针对克隆菌株上的某一点进行的,即在左右侧图像中找到该克隆菌株在空间中的同一个点(该点即为光学特征点),才能计算出该点的空间三维坐标,也即是计算出该克隆菌株的三维坐标。举个例子来说明匹配对位的含义和作用,从两个角度对同一张人脸拍摄出两张人脸图像,那么,这两张人脸图像必须匹配对位,即眼部对眼部、鼻子对鼻子,这样才能计算出该人脸的空间三维坐标。当然,没有投射上光学特征点的克隆菌株部分可通过插值等方法来计算其三维坐标,所以,光学特征点密度越大,覆盖住克隆菌株的面积越大,计算出该克隆菌株的三维坐标精度也就越高,最后计算出该克隆菌株的体积也就越准确。因此,在实际实施中,测量特征光学投影系统30向该克隆菌株投射基本上刚好覆盖住该克隆菌株的光学特征点为宜。
在步骤六中,该动态生长曲线与该标准生长曲线两个曲线的相似百分度的计算可采用最小二乘匹配算法来实现,该最小二乘匹配算法为公知技术,请参见《最优化理论与方法》(袁亚湘、孙文瑜著,科学出版社,1999年)一书。另外,动态生长曲线与标准生长曲线的相似百分度比较可针对整个曲线或两个曲线间对应的某部分线段来进行,视需求而定。
当然,在实施上述本发明方法前,还可先进行如下准备工作:通过传感器标定装置90对高分辨率数字摄像机10和双目立体视觉传感系统20进行焦距、主点坐标、畸变系数、姿态参数(指双目立体视觉传感系统20的两个摄像机在空间中的相对位置关系)等参数的校准。
如图2,图2示出的是某一种类的克隆菌株的标准生长曲线,在实际中,其他种类的克隆菌株的标准生长曲线与图2所示曲线基本相似,略有不同。在实际实验中可以发现,克隆菌株的体积变化与克隆菌株内细菌数目变化之间存在一定的关联,随着克隆菌株内细菌数目的增多,该克隆菌株的体积会逐渐变大,因此,可通过对克隆菌株的体积实施监测来实现对克隆菌株内细菌数目的监测。
在图2中,单个克隆菌株在繁殖过程中,存在一个特殊的对数期,其体积在对数期内呈现出一种体积在短时间内迅速增长的生长规律,即有一个迅猛的增长,如图2,T1代表对数期启始时间点(体积突变开始),T2代表对数期结束时间点(体积突变结束)。
本发明方法正是利用了对克隆菌株生长中的对数期进行监测,来实现自动筛选的,处于图2所示对数期的克隆菌株的细菌数目增长速度很快,可认为处于正常的迅速增长的状态,也就是说,该克隆菌株可以被判定为已培养成功。对于刚刚开始生长的、处于迟缓期的克隆菌株而言,其处于刚生长阶段,还需很长时间才能成熟,因此,其不能作为培养成功的克隆菌株而被筛选出。对于处于稳定期的克隆菌株而言,因为在其稳定期前的对数期内,其并没有被筛选为培养成功的克隆菌株,这说明该克隆菌株的生长很不稳定(其动态生长曲线与相应标准生长曲线的相似百分度不低也不高,即相似百分度大于等于下临界设定值且小于等于上临界设定值,无法直接判定其是否培养成功),且其已处于稳定期,很快就要进入衰亡期,因此,其也不能作为培养成功的克隆菌株而被筛选出。而对于处于对数期的克隆菌株而言:如果其实际测定、绘制出的动态生长曲线与相应标准生长曲线的相似百分度很高(即相似百分度大于上临界设定值)的话,则说明该克隆菌株的生长很正常,已培养成功,其进入稳定期后便可供使用,因此,其应被筛选为培养成功的克隆菌株;如果其实际测定、绘制出的动态生长曲线与相应标准生长曲线的相似百分度很低(即相似百分度小于下临界设定值)的话,则说明该克隆菌株的生长不正常,即刻就可判定其为培养失败的克隆菌株;如果其实际测定、绘制出的动态生长曲线与相应标准生长曲线的相似百分度不低也不高(即相似百分度大于等于下临界设定值且小于等于上临界设定值)的话,则其还需继续监测,此刻还不能对其是否培养成功做出结论。并且,在本发明方法中,对于处于对数期的克隆菌株而言,监测时间越长,对其做出的是否培养成功的结论越准确。
本发明的优点是:
1、本发明采用基于机器视觉的光学三维显微测量技术,极大提高了筛选克隆菌株的自动化程度,大大缩短了医学克隆实验周期和工业菌株的研发时间,新性能克隆菌株的开发效率也得以提高。
2、与传统的基于分子生物学手段实现的菌株筛选方法而言,本发明方法无需冗长严格的筛选工艺步骤和频繁的人工干预,避免了因人员疲劳造成的误操作或误判断,减轻了工作者的负担,提高了筛选结果的准确度,降低了生产成本。
3、本发明方法无需繁琐的样品准备,无需苛刻的测量环境,无需复杂的扫描运动,即可获取整个克隆菌株的三维空间信息,筛选流程全自动化,可操作性强。
4、本发明方法属于非接触式测量,对克隆菌株的持续生长没有破坏作用,实现了无损筛选。并且,本发明方法是针对克隆菌株的对数期进行筛选的,提高了筛选的准确度。
5、本发明装置中使用的高分辨率数字摄像机、双目立体视觉传感系统的分辨率满足本发明方法的需求,对测量环境和被测物要求很低,且不会对克隆菌株的生长造成破坏,其中的高分辨率数字摄像机拍摄视角广,可对大范围的克隆菌株进行观测。
而目前针对菌株等生物样品成像的设备有:扫描电子显微镜、透射电子显微镜、扫描隧道显微镜、扫描近场光学显微镜和原子力显微镜等。这些设备的分辨率虽然能够达到纳米甚至亚纳米量级,但往往在测量时会破坏细菌生长的自然形态,不易看到不同生长阶段的菌株形态及其自然生长的轨迹,而且观测区域狭小。有些设备仅限于单个细菌的观察,不能进行大范围的动态观测,无法掌握整个菌株的生长情况。有些设备对测量环境和被测物要求也较为苛刻,比如扫描电子显微镜,其需要在真空环境中进行测量,样品要求洁净且被测面导电等。并且,这些设备操作复杂、测量费时、设备昂贵,利用这些设备进行大规模克隆菌株自动筛选会受到限制,且实现困难,不具备大范围推广应用的可行性。
基于机器视觉的图像处理、光学三维显微测量技术以及分子生物学手段,本发明克隆菌株自动筛选方法通过本发明克隆菌株自动筛选装置实现了对克隆菌株实施快速、自动筛选,且筛选结果准确,筛选出的培养成功的克隆菌株无损。
上述是本发明的较佳实施例及其所运用的技术原理,对于本领域的技术人员来说,在不背离本发明的精神和范围的情况下,任何基于本发明技术方案基础上的等效变换、简单替换等显而易见的改变,均属于本发明保护范围之内。

Claims (10)

1.一种克隆菌株自动筛选装置,其特征在于:它包括放置培育有多个克隆菌株的培养皿且可改变该培养皿的空间位置的三维电控运动平台,该三维电控运动平台的控制端经由步进电机而与中央管理系统的相应控制端连接,该三维电控运动平台的周围设置有对该培养皿内培育的所有克隆菌株拍摄二维分布全局图像的高分辨率数字摄像机、对单个克隆菌株拍摄带有光学特征点的左侧图像和右侧图像的双目立体视觉传感系统、向该双目立体视觉传感系统要拍摄的单个克隆菌株投射光学特征点而利于对该双目立体视觉传感系统拍摄该单个克隆菌株得到的左、右侧图像中的该单个克隆菌株之间进行匹配对位的测量特征光学投影系统以及为拍摄提供均匀稳定的光照环境的光学照明系统,该测量特征光学投影系统的控制端与该中央管理系统的相应控制端连接,该高分辨率数字摄像机、该双目立体视觉传感系统的控制端经由图像采集控制系统而与该中央管理系统的相应控制端连接。
2.如权利要求1所述的克隆菌株自动筛选装置,其特征在于:
所述双目立体视觉传感系统包括分别对单个克隆菌株拍摄左侧图像、右侧图像的两个摄像机,该两个摄像机的摄像头中轴线的延长线形成一个设定角度;
所述测量特征光学投影系统包括投影仪;
该投影仪的投影头中轴线的延长线与该两个摄像机的摄像头中轴线的延长线相交于一点。
3.如权利要求2所述的克隆菌株自动筛选装置,其特征在于:
所述设定角度为30°到50°。
4.如权利要求1或2所述的克隆菌株自动筛选装置,其特征在于:
所述高分辨率数字摄像机和所述双目立体视觉传感系统的标定端均与传感器标定装置的标定控制端连接。
5.一种基于权利要求1所述的克隆菌株自动筛选装置实现的克隆菌株自动筛选方法,其特征在于,它包括如下步骤:
步骤一:打开光学照明系统,使三维电控运动平台及放在其上的培养皿处于适于拍摄的均匀稳定的光照下;
步骤二:通过中央管理系统经由步进电机对三维电控运动平台进行控制,将培养皿移动到高分辨率数字摄像机的视场中央,采集该培养皿内培育的所有克隆菌株的二维分布全局图像;
步骤三:对采集的该二维分布全局图像进行图像分割处理,分割出该培养皿内的各个克隆菌株,在该二维分布全局图像中对各个克隆菌株进行编号和坐标定位,并根据各个克隆菌株的坐标定位,规划出测定路径;
步骤四:按照步骤三规划出的测定路径,通过双目立体视觉传感系统和测量特征光学投影系统对待测的每个克隆菌株拍摄带有光学特征点的左、右侧图像,从而计算出每个克隆菌株在其左右侧图像拍摄时刻的体积;
步骤五:经过设定时间间隔后,再次执行步骤二至四,绘制出每个克隆菌株的体积随时间变化的动态生长曲线,其中:每个克隆菌株的编号在整个自动筛选过程中是固定不变的;在再次执行步骤三时,测定路径是在排除被认为是培养失败和培养成功的克隆菌株后对剩余克隆菌株进行规划得出的;
步骤六:针对同种类的克隆菌株的标准生长曲线,对紧挨着该步骤六之前执行的那一个步骤五中再次执行步骤四时的每个克隆菌株的左右侧图像拍摄时刻进行时间区间判定:若该克隆菌株的左右侧图像拍摄时刻小于等于克隆菌株生长的对数期的起始时间点,则该克隆菌株被认为是需继续培养;若该克隆菌株的左右侧图像拍摄时刻大于等于克隆菌株生长的对数期的结束时间点,则该克隆菌株被认为是培养失败;若该克隆菌株的左右侧图像拍摄时刻大于克隆菌株生长的对数期的起始时间点且小于克隆菌株生长的对数期的结束时间点,则将该克隆菌株的动态生长曲线和与其同种类的克隆菌株的标准生长曲线进行匹配识别,其中:若该动态生长曲线与该标准生长曲线的相似百分度大于上临界设定值,则该克隆菌株被认为是培养成功;若该动态生长曲线与该标准生长曲线的相似百分度小于下临界设定值,则该克隆菌株被认为是培养失败;若该动态生长曲线与该标准生长曲线的相似百分度大于等于下临界设定值且小于等于上临界设定值,则该克隆菌株被认为是不确定;
步骤七:若存在被认为是需继续培养或不确定的克隆菌株,则再次执行步骤五至七;若不存在被认为是需继续培养和不确定的克隆菌株,则整个自动筛选过程结束。
6.如权利要求5所述的克隆菌株自动筛选方法,其特征在于:
首次执行所述步骤四中,将对第一个克隆菌株拍摄带有光学特征点的左、右侧图像时的左右侧图像拍摄时刻设定为零时刻。
7.如权利要求5所述的克隆菌株自动筛选方法,其特征在于:
在所述步骤三中,所述图像分割处理包括步骤:对所述二维分布全局图像进行排除杂质和/或干扰噪声的处理;采用动态轮廓模型方法将每个克隆菌株单独所处区域分割出来。
8.如权利要求5所述的克隆菌株自动筛选方法,其特征在于:
在所述步骤三中,对所述二维分布全局图像中的各个克隆菌株进行坐标定位包括步骤:根据步进电机的步长,将所述二维分布全局图像划分成具有设定形状、大小网格的网格结构,将克隆菌株的二维图像重心所在网格的中心坐标作为该克隆菌株的中心坐标。
9.如权利要求8所述的克隆菌株自动筛选方法,其特征在于:
在所述步骤四中,对待测的每个克隆菌株拍摄带有光学特征点的左、右侧图像并计算左右侧图像拍摄时刻的体积具体包括步骤:根据该克隆菌株的坐标定位,通过步进电机对三维电控运动平台进行控制,将该克隆菌株移动到双目立体视觉传感系统的视场中央;测量特征光学投影系统向该克隆菌株投射光学特征点;图像采集控制系统控制双目立体视觉传感系统对该克隆菌株进行拍摄,获取带有该光学特征点的左侧图像和右侧图像;通过该光学特征点,左、右侧图像中的该克隆菌株之间被准确匹配对位;根据双目立体视觉原理得出该克隆菌株的三维坐标,利用二重积分计算出该克隆菌株在其左右侧图像拍摄时刻的体积。
10.如权利要求5所述的克隆菌株自动筛选方法,其特征在于:
在步骤一前还包括:对高分辨率数字摄像机和双目立体视觉传感系统进行焦距、主点坐标、畸变系数、姿态参数的校准。
CN 201110218182 2011-08-01 2011-08-01 克隆菌株自动筛选装置及方法 Active CN102911852B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN 201110218182 CN102911852B (zh) 2011-08-01 2011-08-01 克隆菌株自动筛选装置及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN 201110218182 CN102911852B (zh) 2011-08-01 2011-08-01 克隆菌株自动筛选装置及方法

Publications (2)

Publication Number Publication Date
CN102911852A true CN102911852A (zh) 2013-02-06
CN102911852B CN102911852B (zh) 2013-12-18

Family

ID=47610435

Family Applications (1)

Application Number Title Priority Date Filing Date
CN 201110218182 Active CN102911852B (zh) 2011-08-01 2011-08-01 克隆菌株自动筛选装置及方法

Country Status (1)

Country Link
CN (1) CN102911852B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105219834A (zh) * 2015-10-22 2016-01-06 上海理工大学 细菌鉴定方法
CN107179272A (zh) * 2017-05-10 2017-09-19 中南民族大学 一种显微镜下急性分离神经细胞捕捉系统及方法
CN109639968A (zh) * 2018-12-12 2019-04-16 湖南爱威医疗科技有限公司 显微镜图片采集方法、装置、计算机设备和存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000171360A (ja) * 1998-12-09 2000-06-23 Jt Science:Kk コロニ―採取方法および装置
DE20112088U1 (de) * 2001-07-18 2002-01-03 ViALUX Messtechnik + Bildverarbeitung GmbH, 09126 Chemnitz Vorrichtung zur Betonsteinprüfung
DE10158964A1 (de) * 2001-11-30 2003-08-07 Digi Plan Gmbh Planungsgesells Verfahren und Vorrichtung zur Untersuchung von Medien auf das Vorhandensein von Lebendmaterie
CN101680021A (zh) * 2007-06-04 2010-03-24 株式会社N-Tech 菌落计数方法
CN102122066A (zh) * 2011-03-24 2011-07-13 姚斌 全自动双ccd感光元件数字显微镜

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000171360A (ja) * 1998-12-09 2000-06-23 Jt Science:Kk コロニ―採取方法および装置
DE20112088U1 (de) * 2001-07-18 2002-01-03 ViALUX Messtechnik + Bildverarbeitung GmbH, 09126 Chemnitz Vorrichtung zur Betonsteinprüfung
DE10158964A1 (de) * 2001-11-30 2003-08-07 Digi Plan Gmbh Planungsgesells Verfahren und Vorrichtung zur Untersuchung von Medien auf das Vorhandensein von Lebendmaterie
CN101680021A (zh) * 2007-06-04 2010-03-24 株式会社N-Tech 菌落计数方法
CN102122066A (zh) * 2011-03-24 2011-07-13 姚斌 全自动双ccd感光元件数字显微镜

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105219834A (zh) * 2015-10-22 2016-01-06 上海理工大学 细菌鉴定方法
CN107179272A (zh) * 2017-05-10 2017-09-19 中南民族大学 一种显微镜下急性分离神经细胞捕捉系统及方法
CN107179272B (zh) * 2017-05-10 2019-06-07 中南民族大学 一种显微镜下急性分离神经细胞捕捉方法
CN109639968A (zh) * 2018-12-12 2019-04-16 湖南爱威医疗科技有限公司 显微镜图片采集方法、装置、计算机设备和存储介质
CN109639968B (zh) * 2018-12-12 2020-08-07 湖南爱威医疗科技有限公司 显微镜图片采集方法、装置、计算机设备和存储介质

Also Published As

Publication number Publication date
CN102911852B (zh) 2013-12-18

Similar Documents

Publication Publication Date Title
US11436824B2 (en) Water stress detection method for tomatoes in seedling stage based on micro-CT and polarization-hyperspectral imaging multi-feature fusion
Lili et al. Development of a tomato harvesting robot used in greenhouse
US20210056685A1 (en) Method and device for monitoring comprehensive growth of potted lettuce
JP5396484B2 (ja) 植物の葉片の成長を測定するための方法およびそれに適した装置
CN107392956B (zh) 作物根系表型检测方法和装置
CN105547152A (zh) 农作物表型田间高通量主动测量装置与方法
Lou et al. Accurate multi-view stereo 3D reconstruction for cost-effective plant phenotyping
WO2011030481A1 (ja) 細菌分類装置および細菌検査前処理装置
CN113920106B (zh) 一种基于rgb-d相机的玉米长势三维重构及茎粗测量方法
CN102911852B (zh) 克隆菌株自动筛选装置及方法
CN104006760A (zh) 植株生长发育三维几何形态连续监测装置及方法
CN105710045B (zh) 绿色植株表型与分选的系统和方法
Liu et al. Key technologies of plug tray seedling transplanters in protected agriculture: A review
CN110741790B (zh) 一种基于深度相机的穴盘苗多爪移栽-分选的处理方法
Zhao et al. Research on the end effector and optimal motion control strategy for a plug seedling transplanting parallel robot
Feng et al. Fruit bunch measurement method for cherry tomato based on visual servo
CN107966135B (zh) 一种基于穹顶结构的多目视觉测量方法
Zhang et al. Field phenotyping robot design and validation for the crop breeding
Dengyu et al. Phenotype-based robotic screening platform for leafy plant breeding
Kurpaska et al. The concept of the constructional solution of the working section of a robot for harvesting strawberries
Jin et al. Obstacle avoidance transplanting method based on Kinect visual processing
Li et al. Nondestructive Detection of Key Phenotypes for the Canopy of the Watermelon Plug Seedlings Based on Deep Learning
Rahman et al. 3-D image reconstruction techniques for plant and animal morphological analysis-a review
CN110009726A (zh) 一种根据平面基元间的结构关系对点云提取平面的方法
CN206464272U (zh) 一种巨菌草种苗分选装置

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant