CN109952367A - 用于控制细胞培养物的运动以优化细胞生长的系统、装置和方法 - Google Patents

用于控制细胞培养物的运动以优化细胞生长的系统、装置和方法 Download PDF

Info

Publication number
CN109952367A
CN109952367A CN201780068000.7A CN201780068000A CN109952367A CN 109952367 A CN109952367 A CN 109952367A CN 201780068000 A CN201780068000 A CN 201780068000A CN 109952367 A CN109952367 A CN 109952367A
Authority
CN
China
Prior art keywords
pallet
movement
cell
cell culture
measurement
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.)
Pending
Application number
CN201780068000.7A
Other languages
English (en)
Inventor
F·阿玛尼
G·卡塔如斯
F·柯西奥
M·莫雷蒂
A·斯弗力格
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.)
Vbc Holding Co Ltd
Original Assignee
Vbc Holding Co Ltd
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 Vbc Holding Co Ltd filed Critical Vbc Holding Co Ltd
Publication of CN109952367A publication Critical patent/CN109952367A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12M—APPARATUS FOR ENZYMOLOGY OR MICROBIOLOGY; APPARATUS FOR CULTURING MICROORGANISMS FOR PRODUCING BIOMASS, FOR GROWING CELLS OR FOR OBTAINING FERMENTATION OR METABOLIC PRODUCTS, i.e. BIOREACTORS OR FERMENTERS
    • C12M41/00—Means for regulation, monitoring, measurement or control, e.g. flow regulation
    • C12M41/30—Means for regulation, monitoring, measurement or control, e.g. flow regulation of concentration
    • C12M41/36—Means for regulation, monitoring, measurement or control, e.g. flow regulation of concentration of biomass, e.g. colony counters or by turbidity measurements
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12M—APPARATUS FOR ENZYMOLOGY OR MICROBIOLOGY; APPARATUS FOR CULTURING MICROORGANISMS FOR PRODUCING BIOMASS, FOR GROWING CELLS OR FOR OBTAINING FERMENTATION OR METABOLIC PRODUCTS, i.e. BIOREACTORS OR FERMENTERS
    • C12M23/00—Constructional details, e.g. recesses, hinges
    • C12M23/02—Form or structure of the vessel
    • C12M23/04—Flat or tray type, drawers
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12M—APPARATUS FOR ENZYMOLOGY OR MICROBIOLOGY; APPARATUS FOR CULTURING MICROORGANISMS FOR PRODUCING BIOMASS, FOR GROWING CELLS OR FOR OBTAINING FERMENTATION OR METABOLIC PRODUCTS, i.e. BIOREACTORS OR FERMENTERS
    • C12M27/00—Means for mixing, agitating or circulating fluids in the vessel
    • C12M27/16—Vibrating; Shaking; Tilting
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12M—APPARATUS FOR ENZYMOLOGY OR MICROBIOLOGY; APPARATUS FOR CULTURING MICROORGANISMS FOR PRODUCING BIOMASS, FOR GROWING CELLS OR FOR OBTAINING FERMENTATION OR METABOLIC PRODUCTS, i.e. BIOREACTORS OR FERMENTERS
    • C12M41/00—Means for regulation, monitoring, measurement or control, e.g. flow regulation
    • C12M41/48—Automatic or computerized control
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q3/00—Condition responsive control processes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30242—Counting objects in image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/40—Analysis of texture
    • G06T7/41—Analysis of texture based on statistical description of texture
    • G06T7/44—Analysis of texture based on statistical description of texture using image operators, e.g. filters, edge density metrics or local histograms
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Organic Chemistry (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Wood Science & Technology (AREA)
  • Zoology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Biotechnology (AREA)
  • Microbiology (AREA)
  • Biochemistry (AREA)
  • General Engineering & Computer Science (AREA)
  • Genetics & Genomics (AREA)
  • Biomedical Technology (AREA)
  • Sustainable Development (AREA)
  • Analytical Chemistry (AREA)
  • Physics & Mathematics (AREA)
  • Molecular Biology (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • Clinical Laboratory Science (AREA)
  • Immunology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Probability & Statistics with Applications (AREA)
  • Geometry (AREA)
  • Apparatus Associated With Microorganisms And Enzymes (AREA)
  • Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)

Abstract

用于控制细胞培养物的移动的系统包括适于保持细胞培养物的托盘、适于拍摄该细胞培养物的图像的相机、以及适于控制该托盘的运动的设备。该系统还包括处理器，该处理器适于确定该托盘的第一运动，从该相机接收代表该细胞培养物的图像的数据，基于该图像数据确定该细胞培养物的特征，基于该特征确定该托盘的第二运动，该第二运动与该第一运动不同，并且导致该托盘根据该第二运动进行运动。

Description

用于控制细胞培养物的运动以优化细胞生长的系统、装置和 方法
技术领域
本发明总体上涉及培养细胞，并且更具体地，涉及用于控制细胞培养物的运动以优化细胞生长的系统、装置和方法。
背景技术
培养细胞的过程需要向初始细胞群体(无论是来自预先存在的细胞系还是最近分离的细胞系)提供营养组分，随后在无菌器皿/容器中孵育以促进细胞增殖。现有的细胞培养方法包括例如盖玻片法、烧瓶法、旋转管法等。通常，将细胞培养溶液/细胞培养基通过提供促进细胞生长所需的维生素、氨基酸和其他营养素而用于促进初始细胞群体的生长。
活细胞的培养使得其可以从单个细胞获得细胞群体，并且可以出于各种目的而进行，例如，回收通过细胞代谢作用产生的额外副产物、病毒疫苗的制备、制造人工器官或重新填充去细胞器官支架的细胞产生、在真核(例如，动物)细胞系内通过重组表达生产药物等。
典型地，细胞培养过程需要用于培养细胞的合适的容器、用于向细胞提供营养的培养溶液/培养基、以及各种气体(如氧气)以促进细胞生长。将培养溶液/培养基和各种气体引入(例如，注射)到容器的培养空间中并用于培养细胞。这种培养溶液/培养基的例子包括胎牛血清(fetal bovine serum)(“FBS”)和小牛血清(bovine calfserum)(“BCS”)，但是新的调节趋势倾向于最小化或避免使用FBS/BCS作为培养溶液/培养基。定期地，更换培养溶液/培养基和各种气体以使细胞维持新鲜状态并刺激细胞生长。在替代方案中，将培养溶液/培养基和各种气体连续更换以使细胞维持新鲜状态并刺激细胞生长。通过连续更换溶液/培养基和精细控制各种气体，可以获得恒定的最佳细胞营养水平，并且因此使FBS/BCS量最小化，或者可以采用不含有FBS/BCS的新的培养基。
此外，还希望确保在容器的培养空间中生长的细胞均匀地分布，以促进培养溶液/培养基和气体向细胞的供应。然而，在现有的细胞培养设备中，培养空间中的细胞通常不能以均匀分布的方式生长。例如，在许多现有的细胞培养设备中，由于细胞生长的自然模式、培养溶液通过容器培养空间的流动、或者由于不能立即知道的其他原因，细胞以不规则分布的模式生长。
发明内容
根据一个实施方案，提供了一种方法。产生细胞培养物的图像，并且基于该图像确定该细胞培养物的特征。基于该特征对细胞培养物的运动进行调节以促进细胞生长。
在一个实施方案中，从传感器接收指示托盘移动的移动数据。基于该移动数据确定托盘的第一运动。通过基于该特征确定托盘的第二运动来调节细胞培养物的运动，该第二运动与该第一运动不同。
在另一个实施方案中，该特征包括细胞密度的量度。
在另一个实施方案中，将相机用于拍摄细胞培养物的图像，并且分析该图像数据以确定细胞密度的量度。
在另一个实施方案中，确定细胞密度的量度包括确定细胞簇的计数。对细胞密度的量度是否超过预定极限进行确定，并且响应于确定细胞密度的量度超过预定极限而调节细胞培养物的运动。
在另一个实施方案中，确定细胞密度的量度包括确定细胞(代表具有不同形态的细胞)的一种或多种计数。可以基于细胞形态的一种或多种计数确定细胞密度的一种或多种量度。
在另一个实施方案中，将细胞培养物置于托盘中，其中将细胞设置成粘附到托盘上或悬浮于培养溶液中。调节托盘的倾斜移动和/或托盘的摇动移动。调节托盘的倾斜移动可以包括致使托盘以较低或较高的速率来回倾斜。调节托盘的摇动移动可以包括致使托盘以较低或较高的速率来回摇动。
根据另一个实施方案，装置包括第一设备，该第一设备适于保持细胞培养容器并致使细胞培养物在容器中的运动。该装置还包括第二设备，该第二设备适于产生在容器中的细胞培养物的图像；以及至少一个处理器，该至少一个处理器适于基于该图像确定该细胞培养物的特征，并致使该第一设备基于该特征调节细胞培养容器的运动。
在一个实施方案中，该特征包括细胞密度的量度。
在一个实施方案中，该特征包括基于对不同细胞形态的确定而确定的细胞密度的至少一种量度。
在另一个实施方案中，该处理器进一步适于基于图像确定平均细胞密度的量度。
根据另一个实施方案，系统包括适于保持细胞培养容器的托盘、适于拍摄容器内的细胞培养物图像的相机、以及适于控制托盘运动的设备。该系统还包括处理器，该处理器适于确定托盘的第一运动，从相机接收代表细胞培养物图像的数据，基于该图像数据确定细胞培养物的特征，基于该特征确定托盘的第二运动(该第二运动与该第一运动不同)，并且导致该设备致使托盘根据第二运动进行运动。
在一个实施方案中，该系统还包括传感器，该传感器适于获得指示托盘移动的移动数据。该处理器进一步适于从该传感器接收移动数据，并且基于该移动数据确定托盘的第一运动。
在另一个实施方案中，该特征包括细胞密度的量度。
在另一个实施方案中，处理器进一步适于基于图像数据确定细胞密度的量度。
在另一个实施方案中，处理器进一步适于确定细胞簇的计数，并且基于细胞簇的计数确定细胞密度的量度。
在另一个实施方案中，处理器进一步适于确定细胞密度的量度超过预定极限，并且响应于对细胞密度的量度超过预定极限的确定而确定第二运动。
在另一个实施方案中，处理器进一步适于确定培养物中的细胞的一种或多种不同形态，确定具有不同特征(如形状、大小等)的细胞的一种或多种计数，并且根据不同细胞类型确定细胞密度的一种或多种量度。
在另一个实施方案中，处理器进一步适于调节托盘的倾斜移动和托盘的摇动移动中的一个，以确定托盘的第二运动。处理器可以适于致使托盘以较低或较高的速率来回倾斜或致使托盘以较低或较高的速率来回摇动。
通过参考以下具体实施方式和附图，本公开文本的这些和其他优点对于本领域普通技术人员而言将是清楚的。
附图说明
图1显示了根据一个实施方案的细胞培养系统的部件；
图2显示了根据另一个实施方案的细胞培养系统的部件；
图3A显示了根据一个实施方案的托盘控制系统的透视图；
图3B显示了根据另一个实施方案的托盘控制系统的透视图；
图4显示了图3的实施方案的框架、板和托盘的顶视图；
图5显示了根据另一个实施方案的框架、板和托盘的顶视图；
图6A-6C显示了根据一个实施方案的倾斜机构的运行；
图6D显示了根据一个实施方案的倾斜控制器的部件；
图7显示了图3的实施方案的板的顶视图；
图8A-8C显示了根据一个实施方案的摇动机构的运行；
图8D显示了根据一个实施方案的摇动控制器的部件；
图9显示了图8A-8C的实施方案的框架、板和摇动机构的下侧的透视图；
图10显示了根据一个实施方案设置在托盘上的细胞培养物；
图11A是根据一个实施方案控制托盘运动的方法的流程图；
图11B是根据另一个实施方案控制细胞培养物运动的方法的流程图；
图12A显示了根据一个实施方案支撑具有细胞培养物的一个袋子的框架和倾斜机构的侧视图；
图12B显示了根据一个实施方案支撑具有细胞培养物的多个袋子的框架和倾斜机构的侧视图；
图12C显示了根据一个实施方案支撑具有细胞培养物的一个袋子的框架和倾斜机构的侧视图，其中该框架配备有倾斜伺服机构；
图13显示了可以用于实现某些实施方案的示例性计算机的部件；
图14显示了根据一个实施方案由臂支撑的相机；并且
图15A-15B显示了根据一个实施方案的生物反应器系统的部件。
具体实施方式
根据一个实施方案，细胞培养系统包括第一设备，该第一设备适于保持细胞培养物并且致使该细胞培养物以选择来优化细胞生长的方式运动。该装置还包括第二设备，该第二设备适于产生细胞培养物的图像，以及至少一个处理器，该至少一个处理器适于基于该图像确定该细胞培养物的特征，并致使该第一设备基于该特征调节细胞培养物的运动。
图1显示了根据一个实施方案的细胞培养系统的部件。细胞培养系统100包括托盘控制系统110和计算机120。托盘控制系统110适于保持细胞培养物并且使细胞培养物以促进和优化细胞生长的方式运动。计算机120可以从托盘控制系统110接收数据，并且可以将控制信号发送到托盘控制系统110。计算机120可以是任何合适的处理设备，如服务器计算机、个人计算机、笔记本电脑设备、手机等。
图2显示了根据另一个实施方案的细胞培养系统100的部件。细胞培养系统100包括托盘220、倾斜机构230、摇动机构240、电源250、相机260、加速度计270、图像分析器280和托盘移动控制器290。细胞培养系统100可以包括在图2中未示出的部件。
托盘220包括适于保持细胞培养物的表面。托盘220可以具有任何形状；托盘220可以是正方形、矩形、圆形或另一种形状。托盘220可以包括超过一个表面。在一个实施方案中，细胞培养物被包含在直接设置在托盘220的表面上的容器中。在另一个实施方案中，细胞培养物可以被包含在袋子或设置在托盘220上的其他外壳中。托盘220可以由塑料(包括透明塑料)、金属或任何其他合适的材料制成。
倾斜机构230致使托盘220倾斜，即，将其方向从水平位置(其中托盘220被设置在水平平面中)改变到所选定的非水平位置(其中托盘被设置在第二非水平平面中)。例如，倾斜机构230可以致使托盘220在第一非水平平面(由相对于水平平面的第一预定角度限定)与第二非水平平面(由相对于第二水平平面的第二预定角度限定)之间以所选定的速度或加速度来回运动。倾斜机构230可以响应于从处理设备接收的控制信号而运行。
摇动机构240致使托盘220摇动，即以所选定的速度或加速度从一侧运动到另一侧。摇动机构240可以响应于从处理设备接收的控制信号而运行。
电源250向细胞培养系统100提供电力。例如，电源250可以包括一个或多个电池。细胞培养系统100可以包括超过一个电源。
相机260获得设置在托盘220上的细胞培养物的图像。例如，相机260可以是数字相机。相机260可以将数字图像数据提供给计算机或其他处理设备进行分析。
加速度计270是传感器，该传感器适于获得指示托盘220的加速度的数据。加速度计270还可以测量其他参数，包括例如，托盘220的速度和/或其他移动。加速度计270可以将加速度和/或其他移动数据提供给计算机或其他处理设备。
在其他实施方案中，细胞培养系统100可以包括其他类型的传感器，如测量温度、质量、重量、pH、气体水平(O2和CO2)等的传感器。
图像分析器280分析由相机260产生的图像数据，并且确定设置在托盘220上的细胞培养物的一个或多个特征。例如，图像分析器280可以分析细胞培养物的图像并且确定细胞密度的量度。图像分析器280可以将信息(例如，细胞密度的量度或其他信息)发送到托盘移动控制器290。
托盘移动控制器290控制托盘220的移动。例如，托盘移动控制器290可以致使倾斜机构230使托盘220倾斜。托盘移动控制器290可以致使摇动机构240使托盘220摇动。有时，托盘移动控制器290可以从图像分析器280接收信息，并且基于该信息，导致倾斜机构230或摇动机构240调节托盘220的移动。例如，托盘移动控制器290可以从图像分析器280接收细胞密度的量度(其可以包括，例如，平均细胞密度的量度、根据不同细胞形态的细胞密度的一种或多种量度等)，并且基于细胞密度的该量度，导致倾斜机构230或摇动机构240调节托盘220的移动。
在图2中所示的一个或多个部件可以通过计算机(如图1的计算机120)来实现。例如，图像分析器280和/或托盘移动控制器290可以包含在计算机120上驻留和运行的软件(和/或电路)。
图3A显示了根据一个实施方案的托盘控制系统110的透视图。托盘控制系统110包括框架350。摇动机构240包括矩形板305，该矩形板设置在框架350内并通过四个线圈320联接到框架350上。托盘220被设置在摇动机构240的顶表面上。摇动机构240还包括摇动控制器860(位于板305的下方)。倾斜机构230被连接到框架350的一侧。例如，相机260通过臂364被定位在托盘220的上方，该臂可以被连接到框架350的一侧。
图3B显示了根据另一个实施方案的托盘控制系统110的透视图。托盘控制系统110包括框架350、摇动机构240和矩形板305。托盘220被设置在摇动机构240的顶表面上。倾斜机构230被连接到框架350的一侧。杆370被定位于框架350的一侧上方。滑动机构392适于沿着杆370滑动。滑动机构392被连接到臂394上并支撑该臂，该臂将相机260保持在托盘220上方。因为臂394被连接到滑动机构392上，所以相机260可以从框架350的一个端部运动到另一个端部，以获得托盘220的各种视图(以及位于托盘220上的任何培养物的各种视图)。托盘控制系统110还包括适于控制滑动机构392的运动的控制器380。因此，控制器380适于导致相机260从第一位置运动到第二选定位置，以获得托盘220的所选定部分的图像。
图4显示了图3的实施方案的框架350、板305和托盘220的顶视图。板305与框架350分开了宽度“W”的间隙。在板305与框架350之间的间隙允许板305(和被设置在板305上的托盘220)在框架350内运动。在一个实施方案中，宽度“W”在5.0-20.0毫米之间。
图5显示了根据另一个实施方案的框架350、板305和托盘220的顶视图。加速度计270被设置在托盘220上。在其他实施方案中，加速度计270可以被放置在另一个地方(location)或位置(position)。
根据一个实施方案，容器内的细胞培养物被设置在托盘220上，并且控制该细胞培养物的移动以优化细胞生长。例如，可以通过控制托盘220的移动来控制细胞培养物的移动。具体地，托盘220可以前后倾斜。可替代地，托盘220能以前后移动的方式摇动。以这样的移动方式使托盘220运动导致被设置在托盘220上的细胞培养物以类似的移动方式运动。使细胞培养物运动应该致使细胞培养物中的细胞的分布发生变化；例如，快速倾斜或摇动移动可以致使簇中的细胞分离，从而降低细胞培养物中的细胞密度。有利地，使细胞密度降低可以促进细胞培养物中的细胞的生长。然而，应该调节托盘220的运动以避免细胞培养物内的过度剪切，该过度剪切可能导致细胞膜的破坏和不希望的细胞死亡。
图6A-6C显示了根据一个实施方案的倾斜机构230的运行。参考图6A，倾斜机构230包括连接到框架350上的支撑臂620。倾斜控制器630被附接到支撑臂620上。具有四个旋转臂的旋转件640被附接到支撑臂620上，并且由倾斜控制器630控制。杠杆610在第一端部通过连接器667被连接到旋转件640的旋转臂之一上，并且在第二端部通过第二连接器664被连接到框架上。连接器664和667可以是例如螺钉或其他类型的紧固件。
参考图6B，倾斜控制器630不时地导致旋转件640以逆时针方向旋转。当旋转件640以逆时针方向旋转时，旋转件640拉动杠杆610，这转而导致框架350的端部690向下倾斜。当框架350向一侧倾斜时，板240和托盘220也以类似的方式倾斜。
现在参考图6C，倾斜控制器630不时地导致旋转件640以顺时针方向旋转。当旋转件640以顺时针方向旋转时，旋转件640推动杠杆610，这转而导致框架350的端部690向上倾斜。当框架350向一侧倾斜时，板240和托盘220也以类似的方式倾斜。
图6D显示了根据一个实施方案的倾斜控制器630的部件。倾斜控制器630包括处理器682、存储器684和收发器686。处理器682控制旋转件640的运动。处理器682可以不时地将数据存储在存储器684中。收发器686可以不时地接收控制信号(例如，从托盘移动控制器290或从其他部件)。例如，收发器686可以包括天线。
再次参考图3，托盘220依靠在板305上。图7显示了根据一个实施方案的板305的顶视图。板305在板的中心处或附近具有孔725。孔725穿过板305。板305可以由塑料、金属或另一种合适的材料制成。塑料可以包括透明塑料，其允许透射光模式成像。因此，在一个实施方案中，托盘220可以包含透明塑料，板305也可以包含透明塑料；在这种情况下，可以使用透射光模式成像。例如，孔725可以具有在1.0厘米与5.0厘米之间的直径。可以使用其他直径。
图8A-8C显示了根据一个实施方案的摇动机构240的运行。图8A显示了托盘220和摇动机构240的部件的截面图。托盘220依靠在板305上。托盘220包括突出构件810，该突出构件从托盘220的下侧突出并适合通过孔725。
摇动机构240包括旋转件820、摇动控制器860、以及一个或多个连接器840。旋转件820包括第一空腔822和第二空腔826。摇动控制器860具有旋转构件865。
参考图8B，托盘220的突出构件810适合进入旋转件820的第一空腔822中。摇动控制器860的旋转构件865适合进入旋转件820的第二空腔826中。连接器840将摇动控制器860与板305连接。在其他实施方案中，可以使用其他类型的连接器将摇动控制器860与板305连接。例如，摇动控制器860可以保持在与板305连接的篮子中。
根据一个实施方案，摇动控制器860导致旋转构件865旋转。将旋转构件865固定在旋转件820的空腔826内。因此，当旋转构件865旋转时，其致使旋转件820围绕旋转构件865旋转，从而致使托盘220的突出构件810在孔725内以圆周进行旋转。图8C显示了在旋转件已经相对于图8B中所示的位置旋转大约一百八十(180)度之后的托盘220和摇动机构240的部件。该移动已经导致突出构件810和托盘220运动。
在一个实施方案中，摇动控制器860可以导致旋转构件865以每秒在10转与300转之间的速度旋转。可以使用其他旋转速率。突出构件810的旋转移动导致托盘220在板305的顶部上以圆周移动进行运动。托盘220的圆周移动向被设置在托盘220上的任何细胞培养物施加摇动移动。
图8D显示了根据一个实施方案的摇动控制器860的部件。摇动控制器860包括处理器882、存储器884和收发器886。处理器882控制旋转构件865的运动。处理器882可以不时地将数据存储在存储器884中。收发器886可以不时地接收控制信号(例如，从托盘移动控制器290或从其他部件)。例如，收发器886可以包括天线。
图9显示了图8A-8C的实施方案的框架350、板305和摇动机构240的下侧的透视图。在其他实施方案中，摇动机构240可以不同地配置和/或可以以不同的方式运行。
根据一个实施方案，细胞培养系统100可以用于优化细胞培养物中的细胞生长。细胞培养系统100可以是批量反应器系统、补料分批反应器系统或连续反应器系统。此类系统在本领域中是熟知的。也可以将细胞培养系统100模块化以便于使用。
在说明性实施例中，将含有细胞培养物的容器放置在托盘220上，并且该托盘根据预定模式进行运动。例如，托盘可以以第一选定速率来回倾斜，以便促进细胞的均匀分布。拍摄细胞的一个或多个图像。还获得指示托盘移动的移动数据。分析该图像数据以确定细胞培养物内的细胞密度的量度。基于该图像数据和该移动数据确定经调节的托盘移动。例如，假设确定细胞密度的量度超过预定极限，可以确定选择来降低细胞密度的经调节的移动。例如，经调节的移动可以包括以第二选定速率(比第一速率快)和/或以选定角度使托盘倾斜，并且还可以包括以第三选定速率使托盘摇动。然后，导致托盘根据经调节的移动进行运动。
例如，在图10中所示的说明性实施方案中，细胞培养物1000被设置在托盘220上。托盘移动控制器290现在使用倾斜机构230和摇动机构240，致使托盘220遵循预定的移动。例如，倾斜机构230和摇动机构240可以用于致使托盘220以第一预定速率来回倾斜，并以第二预定速率来回摇动。
现在将细胞培养系统100用于监测细胞培养物1000中的细胞生长并且控制(和调节)托盘220的移动以优化细胞生长。例如，可以通过确定细胞培养物中是否发生不希望的高水平细胞密度来促进细胞生长，并且作为响应，调节托盘220的移动从而以降低细胞密度的方式促进细胞培养物内的细胞生长。
图11A是根据一个实施方案控制细胞培养物的移动的方法的流程图。在步骤1110，接收代表托盘上的细胞培养物的图像的图像数据。在说明性实施方案中，相机260拍摄细胞培养物1000的一个或多个图像。相机260将图像转换为图像数据并且将图像数据发送给图像分析器280。
在步骤1115，基于该图像数据确定细胞密度的量度。图像分析器280从相机260接收图像数据并且分析该图像数据以产生细胞密度的量度。可以使用多种方法中的任何一种来产生细胞密度的量度。例如，图像分析器280可以鉴别图像中的所有细胞并且计算平均细胞密度的量度。在另一个实施方案中，可以将图像数据用于鉴别细胞培养物中的细胞之间的不同细胞形态(大小、形状等)，并且基于不同细胞形态确定细胞密度的一种或多种量度。可替代地，图像分析器280可以检查细胞培养物中的细胞以鉴别满足预定标准的特征。例如，图像分析器280可以鉴别正在形成“细胞簇”的区域，其中“簇”被定义为具有高于预定极限的细胞密度的区域。然后，图像分析器280可以使用此类区域的数量的计数作为细胞密度的量度。可以使用其他量度。将细胞密度的量度提供给托盘移动控制器290。
在步骤1120，接收与托盘移动有关的移动数据。在说明性实施方案中，加速度计270产生移动数据并将该移动数据发送给托盘移动控制器290。移动数据可以包括但不限于指示加速度、速度、移动方向等的数据。托盘移动控制器290可以经选定的时间段接收多个移动测量值。
在步骤1125，基于移动数据确定托盘的当前运动。托盘移动控制器290分析从加速度计270接收的移动数据并且确定托盘220的当前运动。例如，托盘移动控制器290可以基于该移动数据确定托盘220处于静止状态，或者托盘220以特定速度和加速度在特定方向上运动，或者托盘220正在遵循诸如来回移动等移动模式。
在步骤1130，基于该图像数据和该移动数据确定托盘的经调节的运动。在说明性实施方案中，托盘移动控制器290分析细胞密度信息和移动数据，并且确定是否希望对托盘的运动进行调节以便优化或改善细胞生长。假设托盘移动控制器290确定需要经调节的运动，对托盘的运动的调节可以包括对托盘220的倾斜移动的调节和/或对托盘220的水平(摇动)运动的调节。例如，托盘移动控制器290可以确定细胞密度超过预定极限，并且作为响应，确定应该通过将托盘倾斜到较高的角度、和/或通过将托盘以较高的速率来回倾斜来调节托盘220的倾斜移动，或者可以确定应该通过以较高的速率摇动托盘来调节托盘220的摇动移动等。
在步骤1140，导致托盘根据经调节的运动而运动。托盘移动控制器290导致倾斜机构230和摇动机构240调节托盘的移动，以便实现在步骤1130确定的经调节的运动。因此，托盘移动控制器290可以导致倾斜机构230以较快或较慢的速率使托盘220倾斜，和/或可以导致摇动机构240以较快或较慢的速率使托盘220摇动。例如，托盘移动控制器290可以产生控制信号并将控制信号发送给倾斜机构230和/或给摇动机构240以实现经调节的运动。
在其他实施方案中，可以确定被设置在托盘220上的细胞培养物的其他特征并且用于调节托盘的移动。例如，可以将图像分析器280和/或一个或多个传感器用于确定，但不限于，细胞培养物的颜色的量度、细胞培养物的温度的量度、细胞培养物的重量的量度、根据不同细胞形态的不同细胞密度的一种或多种量度、细胞培养物的透明度或不透明度的量度等。可替代地，可以从图像数据确定细胞生长的模式。可以基于这些观察到的和测量的特征来确定和应用对托盘220的移动的调节。
在另一个实施方案中，可以通过检查细胞培养物的图像并定义含有一个或多个细胞的一个或多个“细胞区域”来确定细胞密度的量度。例如，可以认为位于另一个细胞的预定距离内的两个细胞是在相同的细胞区域内。轮廓被定义为在每个细胞区域的周围。确定由细胞区域所占据的总面积。然后可以基于被细胞区域所占据的总面积，相对于未被细胞区域占据的区域确定细胞密度的量度。例如，可以将细胞密度的量度确定为由细胞区域所占据的总面积与托盘的总面积(或由细胞培养物所覆盖的托盘的部分)的比率。可替代地，可以通过将由细胞区域所占据的总面积与预定值进行比较来确定细胞密度的量度。
在另一个实施方案中，对于真核细胞培养物，可以基于观察到的细胞核数量来确定细胞密度的量度。例如，可以检查细胞培养物的图像以鉴别图像中的每个细胞核。可以基于观察到的细胞核的数量来确定真核细胞的细胞密度的量度。
在另一个实施方案中，通过分析在细胞培养物的图像中的像素来确定细胞密度的量度。确定边缘像素的第一数量和非边缘像素的第二数量。例如，可以通过确定边缘像素与非边缘像素的比率来确定细胞密度的量度。
在其他实施方案中，可以将图像识别算法用于鉴别诸如细胞生长模式、根据不同细胞形态的不同细胞密度等特征。可以基于对细胞生长特征的分析来确定细胞密度的量度。
在另一个实施方案中，可以使用Voronoi算法来确定细胞密度的量度。
在另一个实施方案中，可以基于重叠测量来确定细胞密度的量度。
在另一个实施方案中，可以基于细胞运动的测量来确定细胞密度的量度。例如，可以观察和分析一个或多个细胞的轨迹。可以基于观察到的运动和轨迹来确定细胞密度的量度。
在另一个实施方案中，可以基于RGB测量值来确定细胞密度的量度。
在另一个实施方案中，可以基于HSV测量值来确定细胞密度的量度。
在另一个实施方案中，可以基于灰度级转换(grey scale conversion)来确定细胞密度的量度。
在另一个实施方案中，可以基于颜色通道梯度来确定细胞密度的量度。
在另一个实施方案中，可以基于折射率测量值来确定细胞密度的量度。
在另一个实施方案中，可以基于温度测量值来确定细胞密度的量度。例如，可以测量细胞培养物的温度，并且可以基于温度测量值来确定细胞密度的量度。
在另一个实施方案中，可以基于质量的质量测量值来确定细胞密度的量度。例如，可以测量细胞培养物的质量，并且可以基于质量测量值来确定细胞密度的量度。
在另一个实施方案中，可以基于重量测量值来确定细胞密度的量度。例如，可以测量细胞培养物的重量，并且可以基于重量测量值来确定细胞密度的量度。
在另一个实施方案中，可以基于相位测量值来确定细胞密度的量度。例如，可以将波前传感器用于检测波前。
在另一个实施方案中，可以基于光谱测量值来确定细胞密度的量度。
在另一个实施方案中，可以基于细胞类型和/或细胞形状的观察来确定细胞密度的量度。
在另一个实施方案中，可以基于其他方法(如介电谱、光吸收、光散射、傅里叶变换图像分析等)来确定细胞密度的量度。
图11B是根据另一个实施方案控制细胞培养物移动的方法的流程图.在步骤1160，产生细胞培养物的图像。如本文所述，相机260可以获得被设置在托盘220中的细胞培养物的图像。
在步骤1170，基于该图像确定细胞培养物的特征。图像分析器280和/或托盘移动控制器290可以基于图像数据(如细胞密度、颜色、生长模式等)来确定任何希望的特征。
在步骤1180，基于该特征调节细胞培养物的移动。因为细胞培养物被设置在托盘220上，所以通过调节托盘220的运动来调节细胞培养物的移动。以与本文所述的那些类似的方式，基于所确定的特征，托盘移动控制器290可以导致倾斜机构230和/或摇动机构240调节托盘220的移动。例如，可以基于测量的细胞密度、测量的颜色、观察到的细胞生长模式等来调节托盘220的移动以优化细胞生长。托盘220根据经调节的移动而运动，导致细胞培养物同样运动。
在另一个实施方案中，细胞培养物可以包含在设置在托盘220上的容器中。图12A显示了根据一个实施方案的框架350和倾斜机构230的侧视图。含有细胞培养物1235的袋子1220被设置在托盘220上。尽管未示出，袋子1220可以与反应器系统的其他部件流体连通以优化细胞生长。托盘移动控制器290可以使用与本文所述的那些类似的方法来控制托盘220的移动以便优化细胞培养物1235的生长。虽然细胞培养物1235描绘在袋子1220内，但细胞培养物1235可以被设置在用于细胞生长的任何合适的容器(如烧瓶)中。如图12B中进一步所示，也可以将多个袋子1220设置在托盘220上。尽管未示出，但是除了与反应器系统的其他部件流体连通之外，多个袋子1220也可以彼此流体连通以优化细胞生长。图12C显示了另外的实施方案，其中框架350在框架350的相对端部配备有倾斜伺服机构(未标记)，以便于接近细胞培养物1235。
可以使用各种技术来产生细胞密度的量度、确定细胞培养物的特征、或者处理和/或分析图像。
例如，2016年8月9日发布的美国专利号9,412,176公开了用于处理和分析图像的方法、系统和制品。具体地，美国专利号9,412,176公开了用于为数字图像产生基于边缘的特征描述符的方法、系统和制品。各个实施方案可以为纹理丰富的图像以及纹理贫乏的图像提供有效的基于图像的对象识别能力。在一个实施方案中，在数字图像内检测到多个边缘。数字图像可以是例如视频流的视频帧或渲染图像。可以基于张量投票和Canny边缘检测算法之一来检测多个边缘。选择沿多个边缘的一个边缘定位的锚点。锚点可以是对应于以下各项中的至少一个的特征：尺度不变量特征变换(SIFT)、快速视网膜关键点(FREAK)、定向梯度直方图(HOG)、加速鲁棒特征(SURF)、DAISY、二进制鲁棒不变尺度特征关键点(BRISK)、FAST、二进制鲁棒独立基元特征(BRIEF)、Harris角点、边缘、梯度位置和方向直方图(GLOH)、图像梯度能量(EOG)或变换不变低秩纹理(TILT)特征。产生与锚点相关的分析网格，该分析网格包括多个单元格。与锚点相关的分析网格可以在锚点处具有几何中心，并且可以包括极坐标网格、径向极坐标网格或直线网格中的一种。计算锚点法向矢量，其包含在锚点处的边缘的法向矢量。锚点法向矢量可以是Harris矩阵特征向量或与锚点的像素坐标处的边缘正交的几何法向矢量中的一种。计算一个或多个边缘像素法向矢量，其包含沿分析网格的单元格内沿着边缘在一个或多个位置处的边缘法向矢量。边缘像素法向矢量可以是Harris矩阵特征向量或与像素坐标处的边缘正交的几何法向矢量。针对分析网格的一个或多个单元格中的每一个产生相似度直方图，每个相似度直方图都是基于在单元格内的每个边缘像素法向矢量与锚点法向矢量之间的相似度量度，并且基于相似度直方图针对分析网格产生描述符。产生描述符可以包括连接来自分析网格的一个或多个单元格的相似度直方图的数据。可以使用分析网格的描述符来促进基于图像的对象识别搜索。
例如，2016年10月11日发布的美国专利号9,466,009公开了用于处理和分析图像的装置、系统和方法。具体地，美国专利号9,466,009公开了用于处理和分析图像的装置、系统和方法，其中对象数据处理系统可以实时地确定哪些识别算法应该应用于数字表示中的感兴趣区域。在一个实施方案中，系统包含多个不同识别模块和数据预处理模块。每个模块代表被配置成执行存储在非暂时性计算机可读存储器中的一组或多组软件指令的硬件。例如，识别模块可以包含至少一种识别算法(例如，SIFT、DAISY、ASR、OCR等)。此外，数据预处理模块可以经由其软件指令进行配置，以获得场景的数字表示。数字表示可以包括一种或多种数据模态，包括图像数据、视频数据、传感器数据、新闻数据、生物计量数据或其他类型的数据。预处理模块利用不变特征识别算法，优选地在目标数据上快速运行的算法，以从数字表示来产生一组不变特征。可以应用于图像数据的一种合适的不变识别特征算法包括FAST角点检测算法。预处理模块进一步将该组不变特征聚类或以其他方式分组到感兴趣的区域中，其中每个感兴趣的区域可以具有相关的区域特征密度(例如，每单元区域的特征、每单元体积的特征、特征分布等)。然后，随着区域的特征密度的变化，预处理器可以向每个区域分配一个或多个识别模块。然后，每个识别模块可以被配置成根据识别模块的识别算法处理它们各自的感兴趣的区域。
例如，2016年11月22日发布的美国专利号9,501,498公开了如下装置、系统和方法，其中可以使用典型形状将现实世界的对象摄取到对象识别数据库中。在一个实施方案中，对象识别摄取系统具有典型形状数据库和对象摄取引擎。将典型形状数据库编程为执行存储一个或多个形状对象的步骤，其中该形状对象代表可管理的数据对象。可以认为每个形状对象代表已知的典型形状或对象模板；例如球形、圆柱形、金字塔形、杯形、车形或其他类型的形状。此外，形状对象包括反映例如其相应形状、半径、长度、宽度或其他几何特征的方面的几何属性。特别值得注意的是，形状对象还包括一个或多个参考视点(PoV)，其指示可以从中分析具有相应形状的对象的优选透视图。对象摄取引擎可以与典型形状数据库联接，并将其编程为执行实现摄取对象信息以填充对象识别数据库的角色或职责的步骤。引擎获得图像数据，该图像数据包括感兴趣的目标对象的数字表示。引擎进一步可以通过执行一种或多种边缘检测算法的实施从图像数据导出对象的一个或多个边缘。每个导出边缘包括与边缘的性质有关的几何信息(例如，半径、长度、边缘、小边缘、边缘描述符等)。引擎可以使用与该组边缘有关的信息来获得一组形状对象作为来自典型形状数据库的结果集。在一些实施方案中，将边缘几何信息用于将具有兼容或互补形状属性的形状对象鉴别为边缘集。将结果集中的至少一个形状对象选择为用于构建目标对象的对象模型的候选形状对象。因此，引擎可以通过基于所选形状和图像数据产生目标对象的一个或多个对象模型来继续分析目标对象。例如，可以调节形状的几何属性或采用与对象有关的特定值，并且可以将对象的图像数据用于纹理和/或绘制对象模型。此外，将引擎编程为执行使用所选形状的参考PoV以确定应该从哪些PoV分析对象模型以产生关键帧信息的步骤。引擎使用参考PoV以可能基于一个或多个规则或对象对称驱动一组模型关键帧PoV，该模型关键帧PoV将用于产生关键帧。此外，引擎从对象模型将描述符对象模型实例化，其中该描述符模型包括具有在对象模型内或其上并且相对于模型关键帧PoV的位置的识别算法描述符(例如，SIFT、FREAK、FAST等)。从描述符对象模型，引擎进一步编译可以被其他设备使用以识别目标对象的一个或多个关键帧束。关键帧束可以包括来自相应关键帧PoV的对象模型的图像、与关键帧PoV有关的描述符、法向矢量、或其他识别信息中的一种或多种。可以将关键帧束存储在对象识别数据库中，用于其他设备在需要识别目标对象时供它们使用。此外，关键帧束可以根据需要与对象信息、地址、内容信息、应用、软件、命令或其他类型的媒体相关。
例如，2017年1月31日公布的美国专利号9,558,426公开了用于鉴别训练图像内的鲁棒特征的方法、系统和制品。不同实施方案可以允许构建紧凑且有效的识别库用于基于图像的对象识别。在一个实施方案中，在训练图像内鉴别鲁棒特征。训练图像可以是未失真图像、红外线滤波图像、x射线图像、360度视图图像、机器视图图像、视频数据帧、三维对象的图形渲染或透视图，并且可以通过经由图像拍摄设备拍摄视频流的视频帧来获得。通过将特征检测算法应用于训练图像来产生训练特征，每个训练特征在训练图像内具有训练特征位置。根据预定义的图像变换将训练图像的至少一部分变换为变换图像。可以将多个图像变换呈现给用户以供选择作为预定义图像变换，并且可以独立于用于拍摄训练图像的方法来选择预定义图像变换。通过将特征检测算法应用于变换图像来产生变换特征，每个变换特征在变换图像内具有变换特征位置。训练特征的训练特征位置根据预定义的图像变换被映射到变换图像内的相应训练特征变换位置，并且通过选择鲁棒特征来编译鲁棒特征集，其中每个鲁棒特征代表具有与变换特征之一的变换特征位置邻近的训练特征变换位置的训练特征。根据特征检测算法，可以通过特征描述符来描述训练特征和变换特征中的每一个。每个训练特征位置可以包含像素坐标，并且每个变换特征位置可以包含变换的像素坐标。特征检测算法可以包括以下各项中的至少一个：尺度不变量特征变换(SIFT)、快速视网膜关键点(FREAK)、定向梯度直方图(HOG)、加速鲁棒特征(SURF)、DAISY、二进制鲁棒不变尺度特征关键点(BRISK)、FAST、二进制鲁棒独立基元特征(BRIEF)、Harris角点、边缘、梯度位置和方向直方图(GLOH)、图像梯度能量(EOG)或变换不变低秩纹理(TILT)特征检测算法。
例如，2017年4月25日公布的美国专利号9,633,042公开了如下装置、系统和方法，其中一个或多个计算设备发现有助于增强基于特征的对象识别的场景属性。在一些实施方案中，特征(feature)从由图像传感器拍摄的图像的数字表示导出，并且性状(trait)从场景性状传感器数据导出，特定组的场景性状传感器数据与拍摄数据的时间和场景处的特定数字表示有关。在一些实施方案中，对象识别性状标识系统包括性状分析引擎。在一些实施方案中，系统还包括场景性状数据库。在一些实施方案中，系统还包括对象识别系统和相应的对象识别数据库。场景性状数据库被配置或编程为存储代表场景或环境的属性的一个或多个场景性状(例如，照明条件、无线场强、重力等)。每个场景性状可以具有场景属性空间内的相应值(例如，标量、矢量等)。性状分析引擎利用场景性状来尝试区分通常与一个对象或与许多对象相关的类似对象识别特征。性状分析引擎被配置为获得场景中的对象的数字表示(例如，图像、视频、声音等)，并且然后将一个或多个识别算法应用于数字表示以导出一个或多个特征，其中该特征存在于特征空间内。引擎进一步将一部分特征编译成至少一个相似度特征集，其中该相似度特征集内的特征根据相似度量度(例如，低方差、特征空间中的紧密接近、聚类等)被认为彼此相似。尽管相似度特征集内的特征被认为在特征空间内彼此相似，但引擎关于非特征场景属性空间中的一个或多个场景性状分析类似特征，从而产生关于已知的场景性状的一个或多个性状差异。性状差异为引擎提供足够的信息以选择至少一个性状作为相似度特征集中的特征的区别性状。然后可以将特征连同区分性状信息存储在对象识别数据库中。在替代性实施方案中，将场景性状分析应用于多个场景拍摄中的所有对象的识别，无论那些对象是否与相似度特征集中的描述符相关。
例如，2017年5月23日公布的美国专利号9,659,033公开了一种装置，该装置包含与处理器通信地联接的存储器，该处理器可以被配置成作为对象识别平台运行。存储器可以存储一个或多个对象特异性度量图，其将目标对象图像数据的图像颜色空间映射到一组度量值，该组度量值被选择以增强关于特定对象和关于目标算法的描述符检测。例如，对象特异性度量图可以将来自目标对象的数字表示(digital representation)的每个像素的RGB值映射到识别值的单个度量通道，该单个度量通道可以通过在处理器上执行的图像处理算法进行处理。当作为识别引擎运行时，随着基于度量的描述符集的变化，处理器可以执行各种对象识别步骤，包括例如，从存储器上获得一个或多个目标对象特异性度量图，获得场景的数字表示并包括图像数据(例如，经由存储存储器和处理器等的设备的传感器)，使用对象特异性度量图产生改变的图像数据，使用图像分析算法导出描述符集，并且检索与目标对象相关的数字内容。
例如，2017年5月30日发布的美国专利号9,665,606公开了如下装置、系统和方法，其中一个或多个计算设备可以作为图像处理系统运行以鉴别代表图像数据的边缘并且使用所鉴别的边缘以减少假阳性的方式识别对象或对对象进行分类。例如，公开了一种使得设备或系统能够基于图像数据采取行动的方法。该方法包括获得具有感兴趣对象的数字表示(digital representation)的图像数据。优选地由图像处理设备(例如，平板电脑、智能电话、公用电话亭、扩大或虚拟现实眼镜等)执行的图像识别系统被编程为执行这种方法。该方法还包括分析图像数据以产生边缘集合。例如，该方法可以包括通过对与该对象有关的图像数据的至少一部分执行共圆度算法的实施来产生边缘集合。在更多的实施方案中，集合中的边缘可以包括感知量度(例如，凸起、平滑度、长度等)，其指示从感知角度的与边缘相关的“边缘度”(edged-ness)。从边缘集合中，图像识别系统可以部分地基于感知量度来选择一组候选边缘。这些候选边缘集代表图像处理设备可以从其构造基于边缘的描述符的可能起点。因此，该方法可以从候选集中的边缘的图像数据构造像素级小边缘。然后，该方法从小边缘导出多个基于边缘的描述符，其中该描述符代表小边缘的荟萃。一旦鉴别到荟萃或其相应的描述符，可以将它们用于配置设备或图像识别系统，以基于在多个基于边缘的描述符中的一个或多个描述符采取行动。例如，行动可以包括根据相关的基于边缘的描述符索引与内容数据库(例如，数据库、文件系统、溢出树、k-d树等)中的对象有关的内容，以便稍后可以对内容进行检索。另一个示例性行动包括使用基于边缘的描述符来向内容数据库查询与对象有关的内容。
在图14中所示的另一个实施方案中，可以将具有鱼眼镜头的相机用于获得较宽的或全景的图像。图14显示了根据一个实施方案的由臂364支撑的相机260。相机260包括鱼眼镜头1405。鱼眼镜头1405使得相机260能够获得位于托盘220上的任何培养物的宽视野和/或全景视图。
在另一个实施方案中，将细胞控制系统(如细胞培养系统100，包括与托盘控制系统110类似的托盘控制系统和计算机如计算机120)设置在生物反应器系统内。图15A-15B显示了根据一个实施方案的生物反应器系统1500的部件。生物反应器系统1500包括隔室1520和门1530。将细胞培养系统100设置在隔室1520内。门1530具有如图15A所示的关闭位置和如图15B所示的打开位置。例如，可以将门1530打开以允许接近细胞培养系统1530。可以将细胞培养系统100配置和/或修改成适合隔室1520并在其内运行。
在不同实施方案中，本文所述的方法步骤(包括图11A和11B中描述的方法步骤)，可以以与所描述或所示出的特定顺序不同的顺序执行。在其他实施方案中，可以提供其他步骤，或者可以从所描述的方法中取消步骤。
本文所述的系统、装置和方法可以使用数字电路来实施，或者使用一台或多台计算机使用熟知的计算机处理器、存储器单元、存储设备、计算机软件和其他部件来实施。典型地，计算机包括用于执行指令的处理器和用于存储指令和数据的一个或多个存储器。计算机还可以包括或联接到一个或多个大容量存储设备，如一个或多个磁盘、内部硬盘和可移动磁盘、磁光盘、光盘等。
可以使用以客户端-服务器关系运行的计算机来实施本文所述的系统、装置和方法。典型地，在这样的系统中，客户端计算机距离服务器计算机很遥远并且经由网络进行交互。客户端-服务器关系可以由在各自客户端和服务器计算机上运行的计算机程序来定义和控制。
本文所述的系统、装置和方法可以在基于网络的云计算系统中使用。在这样的基于网络的云计算系统中，连接到网络的服务器或另一个处理器经由网络与一个或多个客户端计算机通信。例如，客户端计算机可以经由在客户端计算机上驻留并运行的网络浏览器应用程序与服务器通信。客户端计算机可以在服务器上存储数据并且经由网络访问该数据。客户端计算机可以经由网络向服务器发送对数据的请求或对在线服务的请求。服务器可以执行所请求的服务并且向一台或多台客户端计算机提供数据。服务器还可以发送适于导致客户端计算机执行指定功能的数据，例如，执行计算、在屏幕上显示指定数据等。
本文所述的系统、装置和方法可以使用在信息载体中(例如，在非暂时性机器可读存储设备中)有形地体现用于由可编程处理器执行的计算机程序产品来实施；并且本文所述的方法步骤(包括图11A和11B的一个或多个步骤)可以使用可由这样的处理器执行的一个或多个计算机程序来实施。计算机程序是一组计算机程序指令，可以直接或间接地在计算机中使用以执行某种活动或引起某种结果。计算机程序可以以任何形式的编程语言编写，包括编译或解释语言，并且它可以以任何形式部署，包括作为独立程序或作为模块、部件、子程序或适合用于在计算环境中使用的其他单元。
可以用于实施本文所述的系统、装置和方法的示例性计算机的高级框图在图13中示出。计算机1300包括与数据存储设备1302和存储器1303可操作地联接的处理器1301。处理器1301通过执行定义此类操作的计算机程序指令来控制计算机1300的整体运行。计算机程序指令可以存储在数据存储设备1302或其他计算机可读介质中，并且在希望执行计算机程序指令时加载到存储器1303中。因此，图11A和11B的方法步骤可以由存储在存储器1303和/或数据存储设备1302中的计算机程序指令来定义，并且由执行计算机程序指令的处理器1301控制。例如，计算机程序指令可以作为由本领域技术人员编程的计算机可执行代码实施，以执行由图11A和11B的方法步骤所定义的算法。因此，通过执行计算机程序指令，处理器1301执行由图11A和11B的方法步骤所定义的算法。计算机1300还包括一个或多个网络接口1304，用于经由网络与其他设备通信。计算机1300还包括使得用户能够与计算机1300交互的一个或多个输入/输出设备1305(例如，显示器、键盘、鼠标、扬声器、按钮等)。
处理器1301可以包括通用和专用两种微处理器，并且可以是计算机1300的唯一处理器或多个处理器之一。例如，处理器1301可以包括一个或多个中央处理单元(CPU)。处理器1301、数据存储设备1302和/或存储器1303可以包括、补充或并入一个或多个专用集成电路(ASIC)和/或一个或多个现场可编程门阵列(FPGA)。
数据存储设备1302和存储器1303各自均包括有形的非暂时性计算机可读存储介质。数据存储设备1302和存储器1303可以各自包括高速随机存取存储器，如动态随机存取存储器(DRAM)、静态随机存取存储器(SRAM)、双数据速率同步动态随机存取存储器(DDRRAM)、或其他随机存取固态存储器设备，并且可以包括非易失性存储器，如一个或多个磁盘存储设备，如内部硬盘和可移动磁盘、磁光盘存储设备、光盘存储设备、闪存设备、半导体存储器设备，如可擦除可编程只读存储器(EPROM)、电子可擦除可编程只读存储器(EEPROM)、光碟只读存储器(CD-ROM)、数字多功能碟只读存储器(DVD-ROM)磁盘、或其他非易失性固态存储设备。
输入/输出设备1305可以包括外围设备，如打印机、扫描仪、显示屏等。例如，输入/输出设备1305可以包括用于向用户显示信息的显示设备(如阴极射线管(CRT)或液晶显示器(LCD)监视器)、键盘、和用户可以通过其向计算机1300提供输入的定点设备(如鼠标或轨迹球)。
本领域技术人员将认识到，实际计算机或计算机系统的实施可以具有其他结构，并且也可以含有其他部件，并且出于说明性目的图13是这样的计算机的一些部件的高级表示。
前述具体实施方式应理解为在各方面都是说明性和示例性的，而非限制性的，并且本文公开的本发明的范围不是由具体实施方式确定的，而是由权利要求书确定的，如根据专利法允许的所有方面解释的。应当理解，本文所显示和描述的实施方案仅是对本发明原理的说明，并且在不偏离本发明的范围和精神的情况下，本领域技术人员可以实施各种修改。在不偏离本发明的范围和精神的情况下，本领域技术人员可以实施各种其他特征组合。
权利要求书(按照条约第19条的修改)
1.一种方法，其包括：
产生细胞培养物的图像；
基于该图像确定该细胞培养物的特征；并且
基于该特征调节该细胞培养物的托盘的倾斜移动和该细胞培养物的摇动移动。
2.权利要求1的方法，其还包括
从传感器接收指示该细胞培养物的移动的移动数据；
基于该移动数据确定该细胞培养物的第一运动；
通过基于该特征确定该细胞培养物的第二运动来调节该细胞培养物的该移动，该第二运动与该第一运动不同。
3.权利要求1的方法，其中该特征包含细胞密度的量度。
4.权利要求3的方法，其还包括
使用相机来拍摄该细胞培养物的图像；并且
分析该图像数据以确定细胞密度的该量度。
5.权利要求3的方法，其中细胞密度的该量度包括平均细胞密度的第二量度。
6.权利要求3的方法，其中确定细胞密度的该量度包括确定细胞簇的计数。
7.权利要求3的方法，其还包括
确定细胞密度的该量度是否超过预定极限；并且
响应于确定细胞密度的该量度超过该预定极限，调节该细胞培养物的该运动。
8.权利要求3的方法，其中确定细胞密度的该量度包括：
鉴别在该细胞培养物中的细胞之间的一种或多种细胞形态；并且
基于该一种或多种细胞形态确定细胞密度的一个或多个第二量度。
9.(删除)
10.权利要求1的方法，其中：
调节该细胞培养物的倾斜移动包括导致该细胞培养物以较低速率和较高速率之一来回倾斜；并且
调节该细胞培养物的摇动移动包括导致该托盘以较低速率和较高速率之一来回摇动。
11.一种装置，其包含：
第一设备，该第一设备适于：
保持细胞培养物；并且
导致该细胞培养物的运动；
第二设备，该第二设备适于产生该细胞培养物的图像；以及
至少一个处理器，该至少一个处理器适于：
基于该图像确定该细胞培养物的特征；并且
基于该特征，导致该第一设备调节该细胞培养物的托盘的倾斜移动和该细胞培养物的摇动移动。
12.权利要求11的装置，其中该特征包含细胞密度的量度。
13.权利要求12的装置，其中该处理器进一步适于：
基于该图像确定平均细胞密度的量度。
14.权利要求11的装置，其中该处理器进一步适于：
基于该图像确定细胞簇的计数；并且
基于细胞簇的该计数确定细胞密度的该量度。
15.一种系统，其包含：
托盘，该托盘适于保持细胞培养物；
相机，该相机适于拍摄该细胞培养物的图像；
设备，该设备适于控制该托盘的运动；以及
处理器，该处理器适于：
确定该托盘的第一运动；
从该相机接收代表该细胞培养物的图像的数据；
基于该图像数据确定该细胞培养物的特征；
基于该特征确定该托盘的第二运动，该第二运动与该第一运动不同；并且
导致该设备致使该托盘根据该第二运动而运动。
16.权利要求15的系统，其还包含：
传感器，该传感器适于获得指示该托盘的移动的移动数据，其中该处理器进一步适于：
从该传感器接收该移动数据；并且
基于该移动数据确定该托盘的该第一运动。
17.权利要求15的系统，其中该特征包含细胞密度的量度。
18.权利要求17的系统，其中该处理器进一步适于：
基于该图像数据确定平均细胞密度的第二量度。
19.权利要求18的系统，其中该处理器进一步适于：
确定细胞簇的计数；并且
基于细胞簇的该计数确定细胞密度的该量度。
20.权利要求17的系统，其中该处理器进一步适于：
确定细胞密度的该量度超过预定极限；并且
响应于对细胞密度的该量度超过该预定极限的该确定而确定该第二运动。
21.权利要求15的系统，其中该处理器进一步适于：
调节该托盘的倾斜移动和该托盘的摇动移动中的一个以确定该托盘的该第二运动。
22.权利要求21的系统，其中该处理器进一步适于执行以下中的一个：导致该托盘以较低速率和较高速率之一来回倾斜；并且
导致该托盘以较低速率和较高速率之一来回摇动。

Claims (22)

1.一种方法，其包括：
产生细胞培养物的图像；
基于该图像确定该细胞培养物的特征；并且
基于该特征调节该细胞培养物的运动。
2.权利要求1的方法，其还包括
从传感器接收指示该托盘的移动的移动数据；
基于该移动数据确定该托盘的第一运动；
通过基于该特征确定该托盘的第二运动来调节该细胞培养物的该运动，该第二运动与该第一运动不同。
3.权利要求1的方法，其中该特征包含细胞密度的量度。
4.权利要求3的方法，其还包括
使用相机来拍摄该细胞培养物的图像；并且
分析该图像数据以确定细胞密度的该量度。
5.权利要求3的方法，其中细胞密度的该量度包括平均细胞密度的第二量度。
6.权利要求3的方法，其中确定细胞密度的该量度包括确定细胞簇的计数。
7.权利要求3的方法，其还包括
确定细胞密度的该量度是否超过预定极限；并且
响应于确定细胞密度的该量度超过该预定极限，调节该细胞培养物的该运动。
8.权利要求3的方法，其中确定细胞密度的该量度包括：
鉴别在该细胞培养物中的细胞之间的一种或多种细胞形态；并且
基于该一种或多种细胞形态确定细胞密度的一个或多个第二量度。
9.权利要求1的方法，其中将该细胞培养物设置在托盘中，
该方法还包括调节该托盘的倾斜移动和该托盘的摇动移动中的一个。
10.权利要求9的方法，其中：
调节该托盘的倾斜移动包括导致该托盘以较低速率和较高速率之一来回倾斜；并且
调节该托盘的摇动移动包括导致该托盘以较低速率和较高速率之一来回摇动。
11.一种装置，其包含：
第一设备，该第一设备适于：
保持细胞培养物；并且
导致该细胞培养物的运动；
第二设备，该第二设备适于产生该细胞培养物的图像；以及
至少一个处理器，该至少一个处理器适于：
基于该图像确定该细胞培养物的特征；并且
基于该特征，导致该第一设备调节该细胞培养物的该运动。
12.权利要求11的装置，其中该特征包含细胞密度的量度。
13.权利要求12的装置，其中该处理器进一步适于：
基于该图像确定平均细胞密度的量度。
14.权利要求11的装置，其中该处理器进一步适于：
基于该图像确定细胞簇的计数；并且
基于细胞簇的该计数确定细胞密度的该量度。
15.一种系统，其包含：
托盘，该托盘适于保持细胞培养物；
相机，该相机适于拍摄该细胞培养物的图像；
设备，该设备适于控制该托盘的运动；以及
处理器，该处理器适于：
确定该托盘的第一运动；
从该相机接收代表该细胞培养物的图像的数据；
基于该图像数据确定该细胞培养物的特征；
基于该特征确定该托盘的第二运动，该第二运动与该第一运动不同；并且
导致该设备致使该托盘根据该第二运动而运动。
16.权利要求15的系统，其还包含：
传感器，该传感器适于获得指示该托盘的移动的移动数据，
其中该处理器进一步适于：
从该传感器接收该移动数据；并且
基于该移动数据确定该托盘的该第一运动。
17.权利要求15的系统，其中该特征包含细胞密度的量度。
18.权利要求17的系统，其中该处理器进一步适于：
基于该图像数据确定平均细胞密度的第二量度。
19.权利要求18的系统，其中该处理器进一步适于：
确定细胞簇的计数；并且
基于细胞簇的该计数确定细胞密度的该量度。
20.权利要求17的系统，其中该处理器进一步适于：
确定细胞密度的该量度超过预定极限；并且
响应于对细胞密度的该量度超过该预定极限的该确定而确定该第二运动。
21.权利要求15的系统，其中该处理器进一步适于：
调节该托盘的倾斜移动和该托盘的摇动移动中的一个以确定该托盘的该第二运动。
22.权利要求21的系统，其中该处理器进一步适于执行以下中的一个：
导致该托盘以较低速率和较高速率之一来回倾斜；并且
导致该托盘以较低速率和较高速率之一来回摇动。
CN201780068000.7A 2016-09-14 2017-09-13 用于控制细胞培养物的运动以优化细胞生长的系统、装置和方法 Pending CN109952367A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201662394569P 2016-09-14 2016-09-14
US62/394,569 2016-09-14
PCT/US2017/051350 WO2018052991A1 (en) 2016-09-14 2017-09-13 Systems, apparatus and methods for controlling a movement of a cell culture to optimize cell growth

Publications (1)

Publication Number Publication Date
CN109952367A true CN109952367A (zh) 2019-06-28

Family

ID=60083411

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201780068000.7A Pending CN109952367A (zh) 2016-09-14 2017-09-13 用于控制细胞培养物的运动以优化细胞生长的系统、装置和方法

Country Status (8)

Country Link
US (2) US10801005B2 (zh)
EP (1) EP3512932A1 (zh)
JP (1) JP2019526288A (zh)
KR (1) KR20190053892A (zh)
CN (1) CN109952367A (zh)
AU (1) AU2017328196B2 (zh)
CA (1) CA3036691A1 (zh)
WO (1) WO2018052991A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115927198A (zh) * 2022-11-09 2023-04-07 自然资源部第三海洋研究所 抑制naaa活性的药物筛选模型及其构建方法

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPWO2019131626A1 (ja) * 2017-12-28 2020-12-10 オリンパス株式会社 細胞培養制御方法、細胞培養制御装置、細胞培養装置および細胞培養システム
CN108546633A (zh) * 2018-04-17 2018-09-18 贵州省中国科学院天然产物化学重点实验室 一种培养皿使用的辅助装置
US12044687B1 (en) 2019-03-20 2024-07-23 Nantbio, Inc. Method of detecting cellular reporting for therapy production
US11386636B2 (en) 2019-04-04 2022-07-12 Datalogic Usa, Inc. Image preprocessing for optical character recognition
CN110057290B (zh) * 2019-05-08 2024-05-28 广西大学 混凝土试块特定显色区域几何参数的图像获取装置及其测量方法
US12019040B2 (en) 2019-09-30 2024-06-25 Cornell University System and devices for monitoring cell-containing materials and methods of their use

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050186669A1 (en) * 2004-02-20 2005-08-25 Cesco Bioengineering Co., Ltd. Apparatus and method for preparing and culturing cells
US20090042293A1 (en) * 2005-11-01 2009-02-12 Norihiko Hata Cell Culture Apparatus, Cell Culture Method, Cell Culture Program and Cell Culture System
US20150072401A1 (en) * 2012-03-29 2015-03-12 Takayuki Nozaki Culture vessel and automated culture apparatus
EP2995676A1 (en) * 2013-05-06 2016-03-16 Optolane Technologies Inc. Device for analyzing cells and monitoring cell culturing and method for analyzing cells and monitoring cell culturing using same
US20160137967A1 (en) * 2013-07-09 2016-05-19 Universal Bio Research Co., Ltd. Culture device, culture system, and culture method

Family Cites Families (31)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH037575A (ja) 1989-03-30 1991-01-14 Shimadzu Corp 細胞培養装置
US6544788B2 (en) 2001-02-15 2003-04-08 Vijay Singh Disposable perfusion bioreactor for cell culture
JP2006320226A (ja) * 2005-05-18 2006-11-30 Hitachi Medical Corp 細胞培養装置
EP1739165A1 (en) 2005-06-29 2007-01-03 Cellution Biotech B.V. Method and apparatus for cultivating cells utilizing wave motion
WO2007052718A1 (ja) * 2005-11-01 2007-05-10 Medinet Co., Ltd. 細胞培養用振盪装置及び細胞培養方法の振盪培養方法
KR100932863B1 (ko) 2007-11-30 2009-12-21 코아스템(주) 세포배양을 위한 회전 구동 장치
US20120329151A1 (en) * 2009-07-06 2012-12-27 F. Hoffmann-La Roche Ag Method of culturing eukaryotic cells
US8841126B2 (en) * 2010-06-30 2014-09-23 Takara Bio Inc. Method for gene transfer
US20130143307A1 (en) * 2010-08-12 2013-06-06 Takayuki Nozaki Automatic culture device
WO2012115581A1 (en) 2011-02-23 2012-08-30 Ge Healthcare Bio-Sciences Ab Bioreactor including a rocking device
JP6097817B2 (ja) * 2013-03-15 2017-03-15 株式会社日立製作所 細胞培養装置
EP2781591B1 (en) * 2013-03-19 2017-05-03 Unisense Fertilitech A/S A tray, a system and a method for monitoring and culturing of a cell culture
WO2014183118A1 (en) * 2013-05-10 2014-11-13 The Regents Of The University Of California Digital microfluidic platform for creating, maintaining and analyzing 3-dimensional cell spheroids
US9659033B2 (en) 2013-08-19 2017-05-23 Nant Holdings Ip, Llc Metric based recognition, systems and methods
WO2015089115A1 (en) 2013-12-09 2015-06-18 Nant Holdings Ip, Llc Feature density object classification, systems and methods
WO2015123646A1 (en) 2014-02-14 2015-08-20 Nant Holdings Ip, Llc Edge-based recognition, systems and methods
WO2015123647A1 (en) 2014-02-14 2015-08-20 Nant Holdings Ip, Llc Object ingestion through canonical shapes, systems and methods
US9633042B2 (en) 2014-02-28 2017-04-25 Nant Holdings Ip, Llc Object recognition trait analysis systems and methods
CN106029866A (zh) 2014-03-07 2016-10-12 东洋制罐集团控股株式会社 细胞培养方法以及细胞培养装置
US9558426B2 (en) 2014-04-24 2017-01-31 Nant Holdings Ip, Llc Robust feature identification for image-based object recognition
CN106716450B (zh) 2014-05-06 2020-05-19 河谷控股Ip有限责任公司 利用边缘向量的基于图像的特征检测
EP3175302B1 (en) * 2014-08-01 2021-12-29 The Regents of the University of California Device and method for iterative phase recovery based on pixel super-resolved on-chip holography
JP6291388B2 (ja) * 2014-09-12 2018-03-14 富士フイルム株式会社 細胞培養評価システムおよび方法
WO2016042743A1 (ja) * 2014-09-17 2016-03-24 東洋製罐グループホールディングス株式会社 細胞培養装置
JP6348030B2 (ja) * 2014-09-18 2018-06-27 富士フイルム株式会社 細胞培養装置および方法
US11478789B2 (en) * 2014-11-26 2022-10-25 Medica Corporation Automated microscopic cell analysis
US20160272932A1 (en) * 2015-03-16 2016-09-22 Thomas Allen Precht Cell culture apparatus with mechanical and temperature control
FR3038620B1 (fr) * 2015-07-09 2019-05-24 Biomerieux Procede de detection d'une presence ou d'une absence d'au moins une premiere zone d'inhibition
EP3150696A1 (en) * 2015-09-30 2017-04-05 Shibuya Corporation Apparatus for producing cell mass sheet and method for producing cell mass sheet
WO2017107837A1 (zh) * 2015-12-23 2017-06-29 上海吉凯基因科技有限公司 全自动细胞连续培养系统
AU2017287141B2 (en) * 2016-07-01 2020-06-18 Sony Corporation Image acquisition method, image acquisition device, program and culture container

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050186669A1 (en) * 2004-02-20 2005-08-25 Cesco Bioengineering Co., Ltd. Apparatus and method for preparing and culturing cells
US20090042293A1 (en) * 2005-11-01 2009-02-12 Norihiko Hata Cell Culture Apparatus, Cell Culture Method, Cell Culture Program and Cell Culture System
US20150072401A1 (en) * 2012-03-29 2015-03-12 Takayuki Nozaki Culture vessel and automated culture apparatus
EP2995676A1 (en) * 2013-05-06 2016-03-16 Optolane Technologies Inc. Device for analyzing cells and monitoring cell culturing and method for analyzing cells and monitoring cell culturing using same
US20160137967A1 (en) * 2013-07-09 2016-05-19 Universal Bio Research Co., Ltd. Culture device, culture system, and culture method

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115927198A (zh) * 2022-11-09 2023-04-07 自然资源部第三海洋研究所 抑制naaa活性的药物筛选模型及其构建方法

Also Published As

Publication number Publication date
EP3512932A1 (en) 2019-07-24
US11434463B2 (en) 2022-09-06
US20180072981A1 (en) 2018-03-15
CA3036691A1 (en) 2018-03-22
US20200399580A1 (en) 2020-12-24
US10801005B2 (en) 2020-10-13
KR20190053892A (ko) 2019-05-20
AU2017328196A1 (en) 2019-04-04
WO2018052991A1 (en) 2018-03-22
AU2017328196B2 (en) 2021-05-13
JP2019526288A (ja) 2019-09-19

Similar Documents

Publication Publication Date Title
CN109952367A (zh) 用于控制细胞培养物的运动以优化细胞生长的系统、装置和方法
US20190384967A1 (en) Facial expression detection method, device and system, facial expression driving method, device and system, and storage medium
KR20200097292A (ko) 디스플레이 디바이스에 대한 향상된 포즈 결정
WO2019232247A1 (en) Biomass estimation in an aquaculture environment
Yamauchi et al. Towards stable and salient multi-view representation of 3D shapes
Beck et al. An embedded system for the automated generation of labeled plant images to enable machine learning applications in agriculture
CN110300264A (zh) 图像处理方法、装置、移动终端以及存储介质
CN105547152A (zh) 农作物表型田间高通量主动测量装置与方法
Yoshida et al. Fruit recognition method for a harvesting robot with RGB-D cameras
CN117029673B (zh) 一种基于人工智能实现的鱼类体表多尺寸测量方法
CN109191434A (zh) 一种细胞分化中的图像检测系统及检测方法
US20230141945A1 (en) Quantifying biotic damage on plants, by separating plant-images and subsequently operating a convolutional neural network
CN109415676A (zh) 图像获取方法、图像获取装置、程序和培养容器
WO2022213099A1 (en) Facial synthesis for head turns in augmented reality content
US20220124294A1 (en) System and method for interactively rendering and displaying 3d objects
CN114445540A (zh) 面向互补视角多目标协同跟踪的虚拟视频生成方法
Yu et al. An automatic detection and counting method for fish lateral line scales of underwater fish based on improved YOLOv5
EP4224429A1 (en) Systems and methods for visually indicating stale content in environment model
Emery et al. Estimating gaze from head and hand pose and scene images for open-ended exploration in VR environments
CN116828305A (zh) 一种基于YOLOv5算法的云台自动追踪目标物方法
US11709913B2 (en) Automatic generation system of training image and method thereof
US20240169523A1 (en) Cell counting method, machine learning model construction method and recording medium
Gibbs et al. Three-dimensional reconstruction of plant shoots from multiple images using an active vision system
EP4052179A1 (en) Efficient plant selection
Jogeshwar Look at the Bigger Picture: Analyzing Eye Tracking Data With Multi-Dimensional Visualization

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20190628