CN115505524B - 培养皿的温度自适应调节方法、装置、主机及存储介质 - Google Patents
培养皿的温度自适应调节方法、装置、主机及存储介质 Download PDFInfo
- Publication number
- CN115505524B CN115505524B CN202211348384.7A CN202211348384A CN115505524B CN 115505524 B CN115505524 B CN 115505524B CN 202211348384 A CN202211348384 A CN 202211348384A CN 115505524 B CN115505524 B CN 115505524B
- Authority
- CN
- China
- Prior art keywords
- temperature
- culture dish
- preset
- incubator
- neighborhood
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 82
- 230000033228 biological regulation Effects 0.000 title claims abstract description 21
- 230000005684 electric field Effects 0.000 claims abstract description 118
- 230000001105 regulatory effect Effects 0.000 claims abstract description 18
- 239000013598 vector Substances 0.000 claims description 57
- 230000006870 function Effects 0.000 claims description 35
- 238000013528 artificial neural network Methods 0.000 claims description 28
- 238000012549 training Methods 0.000 claims description 28
- 210000002569 neuron Anatomy 0.000 claims description 23
- 239000004065 semiconductor Substances 0.000 claims description 21
- 230000003044 adaptive effect Effects 0.000 claims description 15
- 230000003993 interaction Effects 0.000 claims description 13
- 239000000919 ceramic Substances 0.000 claims description 7
- 229910052751 metal Inorganic materials 0.000 claims description 7
- 239000002184 metal Substances 0.000 claims description 7
- 230000003247 decreasing effect Effects 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 6
- 238000013459 approach Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 abstract description 20
- 238000002474 experimental method Methods 0.000 abstract description 18
- 229910002092 carbon dioxide Inorganic materials 0.000 abstract description 10
- 239000001569 carbon dioxide Substances 0.000 abstract description 8
- 238000004113 cell culture Methods 0.000 description 42
- 210000004027 cell Anatomy 0.000 description 26
- 230000008569 process Effects 0.000 description 13
- 230000000694 effects Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 11
- 238000010438 heat treatment Methods 0.000 description 8
- 244000005700 microbiome Species 0.000 description 8
- 230000008859 change Effects 0.000 description 7
- 206010028980 Neoplasm Diseases 0.000 description 6
- 201000011510 cancer Diseases 0.000 description 6
- BQCADISMDOOEFD-UHFFFAOYSA-N Silver Chemical compound [Ag] BQCADISMDOOEFD-UHFFFAOYSA-N 0.000 description 5
- 230000009471 action Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 5
- 238000004590 computer program Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 229910052709 silver Inorganic materials 0.000 description 5
- 239000004332 silver Substances 0.000 description 5
- 238000004114 suspension culture Methods 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 4
- 239000013078 crystal Substances 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000004308 accommodation Effects 0.000 description 2
- 230000004913 activation Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 125000004122 cyclic group Chemical group 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000001629 suppression Effects 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 229910052782 aluminium Inorganic materials 0.000 description 1
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 239000012531 culture fluid Substances 0.000 description 1
- 238000012258 culturing Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000005685 electric field effect Effects 0.000 description 1
- 238000010030 laminating Methods 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 238000009629 microbiological culture Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 230000005428 wave function Effects 0.000 description 1
Classifications
-
- 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
- C12M41/12—Means for regulation, monitoring, measurement or control, e.g. flow regulation of temperature
-
- 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
- C12M41/34—Means for regulation, monitoring, measurement or control, e.g. flow regulation of concentration of gas
-
- 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
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D23/00—Control of temperature
- G05D23/19—Control of temperature characterised by the use of electric means
- G05D23/20—Control of temperature characterised by the use of electric means with sensing elements having variation of electric or magnetic properties with change of temperature
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/088—Non-supervised learning, e.g. competitive learning
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Organic Chemistry (AREA)
- Wood Science & Technology (AREA)
- Zoology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biochemistry (AREA)
- Microbiology (AREA)
- Theoretical Computer Science (AREA)
- Genetics & Genomics (AREA)
- Analytical Chemistry (AREA)
- Biotechnology (AREA)
- Molecular Biology (AREA)
- General Physics & Mathematics (AREA)
- Sustainable Development (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Artificial Intelligence (AREA)
- Thermal Sciences (AREA)
- Automation & Control Theory (AREA)
- Computer Hardware Design (AREA)
- Immunology (AREA)
- Proteomics, Peptides & Aminoacids (AREA)
- Apparatus Associated With Microorganisms And Enzymes (AREA)
Abstract
本发明提供了一种培养皿的温度自适应调节方法、装置、主机及存储介质，该装置包括：控制主机、驱动器、温湿度传感器、二氧化碳传感器以及至少两个培养皿；不同培养皿的电场产生的热量可能不同且需要达到的目标温度可能不同，将目标温度提前设置成预设温度，利用测温元件对培养皿的温度进行采集并传输至驱动器与预设温度进行比较，确定驱动器输出正/负电压到温度调节单元对培养皿进行降温/升温至预设温度，使得同一环境中的不同培养皿的温度可以个性化、精确化控制。利用上述温度自适应调节装置，能够实现在同一环境中预设温度下不同方向施加不同频率和场强的信号的三维立体方向的电场实验，能够更好的评估和控制实验条件。
Description
技术领域
本发明属于基于电子技术的自动化控制医疗器械领域，具体涉及一种培养皿的温度自适应调节方法、装置、主机及存储介质。
背景技术
本部分旨在为权利要求书中陈述的本发明的实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
现有技术采用培养箱给细胞培养皿提供一个稳定的环境温度，但是无法对不同细胞培养皿内部温度进行监控和调节，无法满足每个细胞培养皿不同的个性化的稳定温度环境。并且由于电极自身电阻和场强不同等原因以及电极与培养皿的不同相对位置，导致电极发热对培养皿的温度或培养对象的影响也不一样，本发明由于一个培养装置中有多个培养皿，每个培养皿所施加的电场不一样，电极发热也不一样，而当细胞培养皿内部的温度超过一定温度阈值时(一般为43℃)，细胞会死亡；并且如果每个培养皿的温度不一致，会影响各对照实验组的结果。此外，如果需要设置培养箱内每个培养皿的温度不一致或呈特定规律分布，现有技术中并无相关技术可以实现该技术效果。
现有细胞培养装置只能对细胞培养皿施加二维方向的电场实验条件，无法实现三维立体方向的电场实验，并且无法实现在不同方向施加不同频率和场强的信号，因此实验条件受到了限制，无法更好的评估实验结果。由于人体以及培养皿内癌细胞并不是完全按照X和Y轴方向排列，因此现有技术只有X和Y轴方向的施加电场作用到癌细胞，而其它方向的癌细胞未能被电场作用，研究效果有限。
现有技术中的培养皿都是直接放置于两个电极之间的，培养皿和电极是分离的，不方便携带，且培养皿和电极之间有空隙，电极片容易偏移，电极片的偏移容易导致目标位置的电场发生改变，无法保证实验条件的一致，无法实现更好的实验效果。
因此，如何为细胞的培养提供一致的条件，并且保证各实验对照组结果的有效性是一个亟待解决的问题。
发明内容
针对上述现有技术中存在的上述问题，提出了一种培养皿的温度自适应调节方法、装置、主机及存储介质，利用这种方法、装置及计算机可读存储介质，能够解决上述问题。
本发明提供了以下方案：
在一实施例中，本发明提供了一种培养皿的温度自适应调节方法，包括：同一培养箱中存在至少两个培养皿；为每一个培养皿设置各自的预设温度；根据各个所述培养皿的温度和所述培养皿各自的预设温度自适应调节所述培养皿各自的温度，使每一个所述培养皿的温度分别稳定在各自对应的预设温度。
在一实施例中，本发明提供了一种培养皿的温度自适应调节方法，所述方法中的每个所述培养皿设置有温度调节单元，所述控制主机根据采集的每个所述培养皿的温度与所述培养皿对应的所述预设温度进行比较，当采集的所述培养皿的温度高于对应的所述预设温度时，所述控制主机的MCU控制驱动器输出正电压到温度调节单元对所述培养皿进行降温并降温至自身的所述预设温度；当采集的所述培养皿的温度低于对应的所述预设温度时，所述控制主机的MCU控制所述驱动器输出负电压到所述温度调节单元对所述培养皿进行升温并升温至自身的所述预设温度。
在一实施例中，本发明提供了一种培养皿的温度自适应调节方法，所述温度调节单元的温度调节采用自组织神经网络算法进行控制。
在一实施例中，本发明提供了一种培养皿的温度自适应调节方法，所述温度调节单元设置在所述培养皿底部,所述温度调节单元对所述培养皿的温度调节采用自组织神经网络算法，通过自组织神经网络算法对神经元相对应的权值进行优化，减小温度控制误差。
在一实施例中，本发明提供了一种培养皿的温度自适应调节方法，所述自组织神经网络算法的控制率采用如下形式计算：
E(t)＝Wje(t)
其中e(t)为所述培养皿的温度与自身的所述预设温度的差值，Wj为自组织神经网络中序号为j的神经元相对应的权值，j为神经元的序号，j是零或正整数，E(t)为所述培养皿的温度调节单元的电压输入。
在一实施例中，本发明提供了一种培养皿的温度自适应调节方法，所述自组织神经网络算法的具体步骤如下：
步骤1：设定SOM网络大小为(N,M)，其中N、M分别为输入层向量的个数和竞争层中模式矢量的大小；
步骤2：生成和选定N个映射层神经元及模式矢量{Xi(0)，i＝0，1，…，M-1}，将各个所述预设温度存入初始化模式库；
步骤3：将初始化邻域设定为Lj(0)，j＝0，1，…，N-1，邻域为可调节权值的神经元范围，其中，Lj(0)为邻域函数；
步骤4：针对目标应用场景，选择一组新的训练矢量U＝(U1，U2，...，UN-1)；
步骤5：将所述新的训练矢量输入网络，计算目标温度和实际采样温度之间的温度误差e(Uj(t))；
步骤6：计算均方误差e(Uj(t))为输入所述新的训练矢量时所产生的目标温度和实际采样温度之间的温度误差，/>为模式库参数所产生的温度误差，分别计算该训练矢量与邻域中每个模式矢量的失真dj(t)，并选择具有最小失真的模式矢量为获胜模式矢量/>其对应的失真为
步骤7：按式(2)调整获胜模式矢量及其邻域/>范围内的模式矢量权值，
其中，为邻域函数，t为迭代步数，j*为获胜神经元的序号，且j*是零或正整数，j为神经元的序号，且j是零或正整数，且j＝0，1，…，N-1，通常选用单调递减函数A0、A1分别为获胜模式矢量/>的最小邻域和最大邻域，T1为邻域衰减常数；在训练初始阶段，邻域半径较大，随着训练矢量的增大，网络逐渐趋于稳定，只需对获胜节点进行较细微的权值调整，使邻域半径不断缩小；α(t)为学习速度函数，反映了模式矢量调整的幅度大小，一般选用单调递减函数/>式中A2为训练开始时的最大学习速度，T2为学习衰减常数；
步骤8：返回步骤4，直到训练完所有的训练矢量，即学习速度函数趋近0；
步骤9：更新存储最新模式矢量Xi(t)，得到最新模式库。
在一实施例中，本发明提供的所述培养皿上设置有电极。
在一实施例中，本发明提供的在细胞培养皿上按至少三个方向安装至少三对电极，电极与开关选择电路建立电气连接；导通一个或多个方向的开关选择电路，选择不同电极施加电压信号从而产生多种相同/不同电场作用于细胞培养皿。
在一实施例中，本发明提供了一种培养皿的温度自适应调节方法，所述培养皿的电极按照X、Y、Z三个方向分别成对设置，用于在X、Y、Z三个方向上分别生成电场，所述电场作用于所述培养皿。
在一实施例中，本发明提供了一种培养皿的温度自适应调节方法，所述电极的一面为陶瓷皿壁；另一面为烘焙金属面,所述电极的烘焙金属面通过导线与所述开关选择电路相连，所述开关选择电路用于施加电信号于所述电极。
在一实施例中，本发明提供了一种培养皿的温度自适应调节方法，所述温度调节单元为半导体温度控制片，简称为半导体温控片；在一实施例中，所述培养皿为细胞培养皿。优选地，本发明所述的培养皿能够实现3D悬浮培养。
在一实施例中，本发明提供了一种培养皿的温度自适应调节方法，所述预设温度为一固定值或一随时间变化的函数。
在一实施例中，本发明提供了一种培养皿的温度自适应调节方法，通过预设程序自动输入所述预设温度或通过人机交互模块设置所述预设温度，所述通过人机交互模块设置所述预设温度可以是预设默认值、人工输入新的预设温度值或者通过人机交互模块编写程序自动输入中的至少一种。
在一实施例中，本发明提供了一种培养皿的温度自适应调节方法，利用所述培养皿的测温元件采集所述培养皿的温度，其中所述培养皿的测温元件为数字测温元件或模拟测温元件；如果所述测温元件为数字测温元件则直接将所述测温元件采集到的温度传输至所述控制主机；如果所述测温元件为模拟测温元件，则将所述测温元件采集到的温度值经模数转换后传输至所述控制主机。
在一实施例中，本发明提供了一种培养皿的温度自适应调节装置，所述装置还包括：控制模块和至少一个所述培养箱，所述控制模块用于执行如本发明中任一实施例所述的方法。
在一实施例中，本发明提供了一种培养皿的温度自适应调节装置，所述培养箱包括温湿度传感器，利用所述温湿度传感器采集所述培养箱的温度并发送到所述控制主机。
在一实施例中，本发明提供了一种培养皿的温度自适应调节装置，为每一个培养箱设置各自的预设温度；根据所述培养箱中的环境温度和每一个所述培养箱各自的预设温度自适应调节每一个所述培养箱各自的温度，使每一个所述培养箱的温度分别稳定在各自对应的预设温度。
在一实施例中，本发明提供了一种培养皿的温度自适应调节装置，所述控制模块包括控制主机和驱动器，所述培养箱包括至少两个培养皿，所述培养皿上安装有电极、测温元件和温度调节单元，所述电极通过烘焙方式安装在所述培养皿底部，由于烘焙方式导致电极与培养皿进行了深度贴合，从而可能导致不同培养皿的内部温度不一样，所述测温元件能够采集所述培养皿的温度；所述培养皿底部安装有温度调节单元，用于制热或制冷。
在一实施例中，本发明提供了一种培养皿的温度自适应调节装置，该装置包括：控制模块、温湿度传感器、二氧化碳传感器以及培养皿，所述控制模块包括控制主机和驱动器；所述二氧化碳传感器采集所述培养箱的二氧化碳参数，所述温湿度传感器采集所述培养箱的温度参数和湿度参数。优选地，所述驱动器为温度控制板，所述温度控制板包括温度控制模块、ADC模块、DAC模块和开关选择电路中的一个或多个；所述培养皿为细胞培养皿或微生物培养皿；优选地，所述培养皿为晶体培养箱。
在一实施例中，本发明提供了一种培养皿的温度自适应调节控制主机，包括：至少一个处理器；以及，与至少一个处理器通信连接的存储器；其中，存储器存储有可被所述至少一个处理器执行的指令，指令被至少一个处理器执行时使所述至少一个处理器能够执行根据本发明任一项实施例述的方法。
一种计算机可读存储介质，所述计算机可读存储介质存储有程序，当所述程序被多核处理器执行时，使得所述多核处理器执行如本发明任一项实施例所述的方法。
本发明的有益效果，通过在同一环境中预设温度下不同方向施加不同频率和场强的信号的至少三维立体方向的电场实验，并且实现在不同方向施加不同频率和场强的信号至培养皿，能够更好的评估实验结果；并通过在每个培养皿底部放置一个测温元件和一个半导体温控片，采用自组织神经网络算法，通过MCU进行控制实现培养皿温度的调节，更好地控制培养皿的温度。解决了不同培养皿的电场产生的热量可能不同但需要培养皿达到的目标温度的技术问题。使得同一环境中的不同培养皿的温度可以个性化、精确化控制，能够更好的评估和控制实验条件。
应当理解，上述说明仅是本发明技术方案的概述，以便能够更清楚地了解本发明的技术手段，从而可依照说明书的内容予以实施。为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举例说明本发明的具体实施例。
附图说明
通过阅读下文的示例性实施例的详细描述，本领域普通技术人员将明白本文所述的优点和益处以及其他优点和益处。附图仅用于示出示例性实施例的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的标号表示相同的部件。在附图中：
图1为根据本发明一实施例的基于电场环境的温度自适应调节装置示意图；
图2为根据本发明一实施例的基于电场环境的温度自适应细胞培养实验方法的流程示意图；
图3为根据本发明一实施例的细胞培养皿的结构示意图；
图4为根据本发明一实施例的细胞培养皿的温度监控流程示意图；
图5为根据本发明一实施例的自组织神经网络算法流程示意图。
具体实施例
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
在本发明实施例的描述中，应理解，诸如“包括”或“具有”等术语旨在指示本说明书中所公开的特征、数字、步骤、行为、部件、部分或其组合的存在，并且不旨在排除一个或多个其他特征、数字、步骤、行为、部件、部分或其组合存在的可能性。
除非另有说明，“/”表示或的意思，例如，A/B可以表示A或B；本文中的“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。
术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”等的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明实施例的描述中，除非另有说明，“多个”的含义是两个或两个以上。
本发明中的所有代码都是示例性的，本领域技术人员根据所使用的编程语言，具体的需求和个人习惯等因素会在不脱离本发明的思想的条件下想到各种变型。
如上所述，传统方案对细胞培养皿施加二维方向的电场实验条件。但是传统方案存在如下问题：无法实现至少三维立体方向的电场实验，并且无法实现在不同方向施加不同频率和场强的信号，无法更好的评估实验结果。
在某些实验场景下，同一培养箱中的多个培养皿需要设置不同的温度进行实验时，培养皿的温度受培养箱中的环境温度影响，同时还受电极、测温元件等与培养皿接触的电子元件发热以及培养过程产生的热量的影响，每个培养皿内的温度无法稳定在目标温度，导致每个培养皿的实验不够准确。为了至少部分地解决上述问题以及其他潜在问题中的一个或者多个，本公开的示例实施例提出了一种培养皿的温度自适应调节方法、装置、主机及存储介质。研究电极发热、测温元件、培养皿内的反应、培养箱内的环境温度、多维度不同电场频率、场强以及不同电场工作时间对培养皿中温度的影响，通过直接监测培养皿内的温度和培养箱内环境的温度，根据各个所述培养皿和各个所述培养箱各自的预设温度自适应调节各个所述培养皿个各个所述培养箱各自的温度，所述调节过程采用自组织神经网络自适应算法进行控制，使每一个所述培养皿或培养箱的温度分别稳定在各自对应的预设温度，使得各个培养皿或培养箱实现了个性化温度调节并且调节误差更小，使得细胞(正常组织细胞及病变细胞)、微生物和晶体等需要严格控制过程温度的过程更加精确可靠。
在一实施例中，所述预设温度为一固定值或一随时间变化的函数。其中，所述预设温度为一随时间变化的函数具体如可以是模拟某地一天中气温变化的函数，或者模拟某地一年中气温变化的函数，或者为某一随时间变化的函数。
以此方式，通过在至少三个不同的方向施加电场于细胞培养皿，并采用不同的电场频率、场强以及不同电场工作时间对细胞进行影响评估，能够更好地评估实验结果。
下面将参考附图并结合实施例来详细说明本发明。
图1示出了根据本公开的实施例的细胞培养装置的示例的示意图。需要说明的是，图1即可为基于电场环境的温度自适应细胞培养实验方法的硬件运行环境的结构示意图。
在一实施例中，如图1所示，该基于电场环境的温度自适应调节装置可以包括以下各模块，控制模块、培养皿、培养箱、二氧化碳传感器、温湿度传感器。二氧化碳传感器、温湿度传感器均与控制主机电连接。进一步地，所述控制模块包括控制主机和驱动器，所述驱动器与控制主机电连接。优选地，所述驱动器为温度控制板。控制主机包括MCU(微控制器)、可编程波形发生器、DAC芯片(数模转换器)、ADC芯片(模数转换器)、运算放大器以及人机交互模块，由MCU和可编程波形发生器生成所需频率的正弦波信号和/或其他任意指定波形信号，并通过ADC和运算放大器对波形幅值进行调制。驱动器主要由温度控制模块、ADC和MOS管组成的开关选择电路组成。驱动器与各个培养皿的温度调节单元电连接，优选地，所述温度调节单元为半导体温控片。优选地，所述驱动器为温度控制板。在一实施例中，二氧化碳传感器、温湿度传感器、驱动器和培养皿放置于培养箱中。在一实施例中，二氧化碳传感器、温湿度传感器和培养皿安装于培养箱中，控制主机与驱动器集成在培养箱体上。本发明实施例基于电场环境的温度自适应调节装置的控制主机可以是PC，便携计算机、手机等终端设备。
在一实施例中，本发明提供了一种培养皿的温度自适应调节方法，包括：同一培养箱中存在至少两个培养皿；为每一个培养皿设置各自的预设温度；根据各个所述培养皿的温度和所述培养皿各自的预设温度自适应调节所述培养皿各自的温度，使每一个所述培养皿的温度分别稳定在各自对应的预设温度。
在一个实施例中，多个培养箱中的部分培养箱或者全部培养箱可以共享一个控制主机，共享一个控制主机的培养箱对应的驱动器均与所述一个控制主机相连，其中，共享一个控制主机共同对应一个独立的驱动器或者各自对应一个独立的驱动器，未共享控制主机的培养箱共同对应一个独立的驱动器或者各自对应一个独立的驱动器。在一个实施例中，共享一个控制主机的培养箱对应一个总的驱动器，所述总的驱动器与所述共享主机连接。
在一实施例中，培养皿包括电极、测温元件和温度调节单元，所述温度调节单元可以实现制热和制冷功能，温度调节单元置于培养皿底部，测温元件固定在温度调节单元与培养皿之间。优选地，培养皿为细胞培养皿。优选地，测温元件为数字测温元件。优选地，温度调节单元为TEC(即半导体温控片)。
在一实施例中，具有电极的所述培养皿，用于将外部电信号施加到培养皿内的培养液中，所述培养皿包括：壳体和电极。壳体包括：顶部具有开口的皿体和盖设在皿体顶部开口的皿盖，能够便于将皿体和皿盖分离开来或扣合在一起。壳体的内部设置有用于容纳培养液(用于培养细胞)的第一容纳腔体。电极包括设置在壳体壁体上用于形成平面方向电场的一组或多组电极对和用于形成与平面方向呈一定夹角的电场的一组或多组电极对。使用时，该培养皿通过平面方向电场和与该平面方向电场形成一定夹角的电场的共同作用，能够实现培养皿内培养液的三维悬浮培养。同时该培养皿也能够兼顾只输出平面方向电场，从而兼顾二维玻片培养(与该平面方向电场形成一定夹角的电场无法穿过玻片)。并且，该培养皿能够研究不同方向的电场频率、场强以及不同电场工作时间对细胞(正常组织细胞及病变细胞)的影响。应当理解的是，平面方向电场是指形成电场的电场方向与平面平行。平面方向电场由安装于第一容纳腔体内或壳体外的一对或多对电极片形成。
应当理解的是，二维玻片培养是指讲涂敷有细胞的玻片至于培养皿中，并向细胞施加平面方向的电场。平面方向的电场可以是多个方向电场，比如X轴方向和Y轴方向的电场。
应当理解的是，三维悬浮培养是指向配培养液内的细胞施加平面方向的电场以及施加至少一个平面以外的方向的电场；平面方向的电场可以是多个方向电场，比如X轴方向和Y轴方向的电场；平面以外的方向的电场可以是Z轴方向的电场。
所述电极与所述控制模块电连接。在一实施例中，电极直接与控制主机电连接，所述电极直受所述控制主机控制。在一实施例中，电极直接与驱动器电连接，所述电极直受所述驱动器控制，所述驱动器受所述控制主机控制。
在一实施例中，所述培养皿的测温元件为模拟测温元件，驱动器与各个所述培养皿的测温元件电连接，ADC对测温元件温度进行采集转换成数字信号传输到控制主机，经所述控制主机处理后，所述控制主机的MCU发出控制信号控制MOS管组成的开关选择电路实现信号在电极的不同方向的切换；或在一些可能的实施例中，所述培养皿的测温元件为数字测温元件，所述数字测温元件直接和所述控制主机电连接，由数字测温元件以数字信号的模式直接将采集所述培养皿的温度传输给控制主机的MCU，在一实施例中，所述控制主机的MCU发送控制信号到驱动器，控制培养皿的电场和自适应调节培养皿的温度，MOS管组成的开关选择电路通过控制主机的MCU控制信号实现电极在不同方向信号的切换，产生各种目标电场。在一实施例中，由控制主机直接将信号发送到目标电极，实现电极在不同方向信号的切换，产生各种目标电场。
在一实施例中，以XYZ三维立体方向的电场实验为例，所述三个不同方向确定具有X轴、Y轴和Z轴的三维坐标系，第一对电极正好分别位于X轴的正半轴X+处和负半轴X-处，第二对电极正好分别位于Y轴的正半轴Y+处和负半轴Y-处，第三对电极正好分别位于Z轴的正半轴Z+处和负半轴Z-处，三对电极分别在X、Y、Z至少三个方向施加电场，所述控制主机的MCU发送控制信号到所述开关选择电路，所述开关选择电路根据所述控制信号实现不同方向信号的切换，在一些可能的实施例中，如控制X+和X-方向对应的MOS管导通，然后切换为X+和Y-方向对应对MOS管导通,然后切换为X+和Y+方向对应对MOS管导通,然后切换为X+和Z-方向对应对MOS管导通,然后切换为X+和Z+方向对应对MOS管导通,再切换到Y+和Y-方向对应的MOS管导通,再切换到Y+和Z-方向对应的MOS管导通,再切换到Y+和Z+方向对应的MOS管导通,再切换到Z+和Z-方向对应的MOS管导通，然后切换为X-和Y-方向对应对MOS管导通,然后切换为X-和Y+方向对应的MOS管导通，……，一直切换完所有组合方向上形成的电场后，重新切换到X+和X-方向对应的MOS管导通，重新执行上述过程，也可以根据需要选择只导通一个方向或几个方向的MOS管；在一些可能的实施例中，还可以选择如控制X+和X-、Y-方向MOS管导通形成局部电场，然后切换为Y+和Y-、Z-方向MOS管导通形成局部电场,再切换到Z+和Z-、X-方向MOS管导通形成局部电场，重新执行上述过程，可以灵活选择不同电极施加信号从而产生多种电场。在一些可能的实施例中，如控制X+和X-方向对应的MOS管导通，然后切换为Y+和Y-方向对应的MOS管导通,如控制Z+和Z-方向对应的MOS管导通，然后切换为X+和Y-方向对应的MOS管导通,重新切换回X+和X-方向对应的MOS管导通，开始循环重复该过程。在一些可能的实施例中，以非周期的方式进行切换。在一些可能的实施例中，进行周期切换。预设切换的时间点的规律可以根据实际需要进行任意设定。通过局部电场覆盖了成对电极产生的电场覆盖不到的地方，并且生成了与成对电极之间产生的线性电场不同的弯曲电场，弥补了线性电场的不足。
在一个具体的实施例中，形成平面方向的电场包括多组电极对，多组电极对形成平面内的多个方向的电场；多组电极对包括成对设置在培养皿的壳体的侧壁上的多个电极片，相对设置于壳体的侧壁的一对电极片形成电极对；进一步，在一个优选的实施例中，培养皿为八面体形状，优选地，八面体为长方体或立方体形，培养皿的壳体具有相对设置的八面侧壁，八面侧壁围成正八面体形状，壳体的内部设置有中空的第一容纳腔体，八片电极片一一对应的分别安装于八面侧壁上；相对的两电极片形成一个电极对，一个电极对形成平面内的一个方向的电场。进一步，在一个优选的实施例中，培养皿为圆柱形状，培养皿的壳体由皿盖、皿体组成，所述皿体的水平横截面呈圆环形。
在一实施例中，在控制器的控制下，多个电场交替施加于位于培养皿中的细胞。在一个具体的实施例中，与平面方向呈一定夹角的电场的电极对包括设置在壳体的顶部(皿盖)和底部(皿体的底部)的第一电极对。形成平面方向的电场包括多组电极对，多组电极对形成平面内的多个方向的电场；多组电极对包括设置在壳体的第一侧壁和第二侧壁上的第二电极对及设置在壳体的第三侧壁和第四侧壁上的第三电极对，第一电极对用于形成沿Z轴方向(垂向方向)的电场，第二电极对和第三电极对用于形成XY平面(水平方向)电场。使用时，该培养皿通过XY平面方向电场和Z轴方向的电场的共同作用，能够快速实现培养皿内培养液的三维悬浮培养，且结构简单，使用方便。在另一实施例中，该培养皿也能够兼顾只输出XY平面方向的电场，从而兼顾二维玻片培养。在另一实施例中，同时该培养皿也能够兼顾只输出Z轴方向的电场。
在一个具体的实施例中，第二电极对用于形成沿X轴方向的电场。第三电极对用于形成沿Y轴方向的电场。使用时，该培养皿通过X轴方向的电场、Y轴方向的电场和Z轴方向的电场的共同作用，能够简捷高效地实现培养皿内培养液的三维悬浮培养，且结构简单，使用方便。同时该培养皿也能够兼顾只输出XY平面方向的电场，从而兼顾二维玻片培养(Z轴方向的电场无法穿过玻片)。
在一个具体的实施例中，与平面方向呈一定夹角的电场的电极对包括设置在壳体的顶部和底部的多对电极对，在本实施例中，壳体的顶部和底部可以是相对设置的弧形面；形成电极对的电极片分别设于壳体的顶部和底部的弧形面上，以形成多个方向的电场。
优选的，向不同的电极施加的信号的频率范围可以为50KHZ-1MHZ，更优选的，信号的频率为100KHz-300KHz，因为该频率范围的电场对癌细胞的作用比较明显。
另外，施加的电场信号的场强优选为0.1V/cm-3V/cm。
上述对MOS管导通切换的过程中需要设定某个方向的MOS导通的时间，即该方向的电极运行时间，优选的，运行时间可以设定为18小时-120小时。
更优选的，一个方向MOS导通时间为18小时，然后切断6小时，并可以进行循环往复的运行操作。
在一实施例中，所述培养皿的温度范围为30-40℃，优选37℃；湿度为60％-100％，优选100％；CO2浓度为1％-5％，优选5％。在一实施例中，上述培养皿的温度范围为0-100℃，优选37℃；湿度为1％-100％，优选100％；CO2浓度为1％-50％，优选5％。
本领域技术人员可以理解，图1中示出的基于电场环境的培养皿的温度自适应调节装置结构并不构成对基于电场环境的温度自适应调节装置的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。所述培养皿的培养对象可以是细胞、微生物或晶体等，凡是需要控制温度或者电场或者两者组合的实验均可适用于本发明所述的温度自适应调节方法和装置。
图2示出了根据本公开的实施例的用于执行基于电场环境的温度自适应培养实验方法的流程图。该方法例如可以由如图1所示的基于电场环境的培养皿的温度自适应调节装置来执行。应当理解的是，方法200还可以包括未示出的附加框和/或可以省略所示出的框，本公开的范围在此方面不受限制。优选地，所述培养皿为细胞培养皿。优选地，所述培养皿为微生物培养皿。优选地，本公开的实施例的用于执行基于电场环境的温度自适调节方法的流程图为基于电场环境的温度自适细胞或微生物培养实验方法的流程图。
在步骤202，控制主机生成相同/不同预设频率及相同/不同预设幅值的信号施加到所述培养皿的部分电极片上，所述培养皿具有按不同方向设置的至少三对六处电极片。优选地，每对电极的任意一方可以是一个电极或多个电极组成，这里的任意一方是指坐标轴上投影所对应的一处电极。在一实施例中，任意一对电极两方的电极数量均相同，在另一实施例中，部分或全部成对的电极两方的电极数量可以不同。
在一实施例中，培养皿的外壁可以按照至少三个方向设置三对共六处电极片，优选地，所述六处电极片中，每处由一个电极片组成。在施加电场到培养皿时，不同方向设置的电极片所施加的电场信号的频率大小和幅值大小可以相同，也可以不相同，只需满足实验要求即可。
具体地，电场频率范围可以为50KHZ-1MHZ，优选的，电场信号频率可选择100KHz-300KHz，依据对细胞作用的明显程度而定。场强范围可以为0.1V/cm-3V/cm。优选地，场强可以在作用时间内呈平缓地梯度增加。优选地，场强也可以在作用时间内是一个恒定值，场强强度变化规律可以根据实际需要进行任意设定。
在步骤204处，按预设时间对各方向所述信号中的一个或多个电极进行导通切换，并对所述信号频率进行周期性变化。优选地，在电极工作过程中，可以对施加到所述电极上的电压信号的频率进行周期性变化。所述激活是指向电极输入特定波形的电压信号，使电极正常工作的过程。所述循环切换激活电极是指在一工作时间内，仅有一对或部分成对电极激活，在紧邻的下一工作时间内，更换为激活另一对或剩余部分成对电极片，如此不断切换，使目标区域内还未工作过的电极激活，直到目标区域内所有电极均工作后重新开始该循环。
基于对培养皿中的电场作用的稳定需求，可以按照一定的时间周期对电极进行导通切换和施加到电极的信号频率进行调整。在电极工作过程中，调整施加到电极的电压信号，优选地，可以按特定的波函数或规律调整电压信号的周期、频率和幅值。
具体来说，可以将电极的导通切换时间周期范围可设定为0.1秒-90秒，优选为1秒。因为，频繁的切换施加电场的方向对于癌细胞的抑制和破坏更加有效。
各电极的运行时间为18-120小时，优选的，信号频率调整周期可以设定为18小时导通，6小时的断开，并循环导通切换。循环的周期可以根据需要任意设定，也可以预先设置好默认值或设置成某一随时间变化的函数。
本实施例中，实现至少三维立体方向的电场实验，并且实现在不同方向施加不同频率和场强的信号，因此实验条件得到了充分的扩展，能够更好的评估实验结果。在全部所述不同方向的成对电极中至少有三对电极所在的方向不在一个平面内；本发明中所述至少有三对电极所在的方向不在一个平面内，是指所述三个方向不共面，或者所述三个方向上的矢量经过平移也不共面，至少有三对电极所在的方向不在一个平面内也就是指所述电极是三维分布的，从而产生本发明所指的三维电场。
需要说明的是，本实施例中未作详细说明的步骤可以参考图2所示实施例中相关步骤中的描述，此处不再赘述。
在本说明书的描述中，参考术语“一些可能的实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述未必针对相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
关于本发明实施例的方法流程图，将某些操作描述为以一定顺序执行的不同的步骤。这样的流程图属于说明性的而非限制性的。可以将在本文中所描述的某些步骤分组在一起并且在单个操作中执行、可以将某些步骤分割成多个子步骤、并且可以以不同于在本文中所示出的顺序来执行某些步骤。可以由任何电路结构和/或有形机制(例如，由在计算机设备上运行的软件、硬件(例如，处理器或芯片实现的逻辑功能)等、和/或其任何组合)以任何方式来实现在流程图中所示出的各个步骤。
基于相同的技术构思，本发明实施例还提供一种基于电场环境的温度自适应细胞和/或微生物培养实验装置，一个培养装置中可以有多个培养皿，优选的，所述培养皿为细胞培养皿。优选的，所述微生物培养实验装置为微生物培养箱，或者所述培养实验装置为培养箱。图3为本发明实施例提供的细胞培养皿结构示意图。
如图3所示，细胞培养皿外壁设有X+、X-、Y+、Y-、Z+、Z-六处电极，优选地，六处电极中的每一处电极可以为一个或者多个电极组成，可以在X、Y、Z三个方向施加电场,并通过X+、X-、Y+、Y-、Z+、Z-六处电极的组合可以生成15个方向的电场，而每个培养皿所施加的电场不一样，从而可能导致不同培养皿的内部温度不一样。
优选的，在培养皿的顶部和底部分别安装有一片电极，组成在Z轴施加电场的电极对；在培养皿的侧面安装有2对电极，分别在X轴和Y轴施加电场。
在一实施例中，所述培养箱包括至少两个培养皿，所述培养皿上安装有电极、测温元件和温度调节单元，所述电极在不同方向上成对安装，所述电极为将金属烘焙到陶瓷培养皿外壁上形成的烘焙金属面，所述烘焙金属面即为电极片，所述电极片的一面通过烘焙工艺与陶瓷培养皿外壁贴合，另一面通过导线与所述控制模块相连，所述控制模块通过导线向所述电极传输电压信。所述电极通过烘焙方式安装在所述培养皿底部、上盖和侧壁上，相比于电极片与培养皿可分离的情形来说，由于烘焙方式导致电极与培养皿进行了深度贴合，从而导致电极对培养皿的内部温度影响更大，并且不同电极对培养皿的影响还不同，所述测温元件能够采集所述培养皿的温度；所述培养皿底部安装有温度调节单元，用于制热或制冷。
优选的，电极的一面为陶瓷皿壁，直接与培养液和细胞接触，这样电极之间施加的电场比非接触方案更强，而电场的强弱对于细胞培养效果有决定性影响；而另一面为焙银面，电极的焙银面通过导线与驱动器相连，接收所述驱动器施加的电信号。优选的，所述驱动器包括所述开关选择电路，所述导线与驱动器的开关选择电路相连。通过烘焙工艺可以使电极和培养皿融为一体，使用更加方便，并且电场强度更强。优选地，所述开关选择电路可以通过芯片电路或PCB板实现。优选地，所述开关选择电路可以通过芯片电路或PCB板实现。优选的，还可以将铝或者铜烘焙到陶瓷培养皿外壁上形成电极片，电极片的一面通过烘焙工艺与陶瓷培养皿外壁紧密贴合，另一面焊接电线引出，通过电线向电极片传输电压信号。解决了现有技术培养皿和分离的电极之间电场易受干扰、携带不方便等技术问题。
优选的，烘焙银面为圆形面，也可以为正方形或环形等其它形状，优选圆形面，因为圆形面场强更加均匀。在一实施例中，培养皿的上下方向的电极烘焙银面为圆形面或环形中的一种或多种的组合，方向在水平面内的电极的烘焙银面为矩形、正方形或环形中的一种或多种的组合。
优选的，同一方向的两个电极大小形状一致，且在培养皿侧面的上下位置高度一致，如X与Y两个方向电极的形状大小可以相同，也可以不同；X与Y两个方向电极在培养皿侧面的上下位置高度可以相同，也可以不同。优选地，方向水平面内的电极等间距设置。
优选的，X方向与Y轴方向电极之间为等间距设置。
每个细胞培养皿底部放置至少一个测温元件和至少一个半导体温控片，通过MCU进行控制实现培养皿温度的调节。从而保证每个培养皿温度控制在37±0.5℃范围内，为细胞的培养提供一致的条件，并且保证各实验对照组结果的有效性。
优选的，半导体温控片安装于所述培养皿的底部，可以实现制热和制冷功能；更优选的，半导体温控片设有避让孔，用于避让底部电极和测温元件，优选的，测温元件固定于半导体温控片与培养皿之间。
在一些可能的实施例中，温度自适应调节装置通过控制主机可以在各方向部分培养皿电极上输出不同频率和场强的信号，并在各方向之间周期性进行切换，切换时间周期设置范围为0.1秒-90秒。优选地，所述切换时间周期设置0.1秒或90秒。
频繁的切换施加电场的方向对于癌细胞的抑制和破坏更加有效，因此，优选上述切换时间周期设置为1秒。
优选的，各方向输出的不同频率信号的频率可预设置，如在X轴方向施加100KHz的信号，在Y轴方向施加200KHz的信号，在Z轴方向施加300KHz的信号等。
当然，细胞培养皿外壁还可以设置三个以上方向的电极，且施加电场在其中部分电极以作用于细胞培养皿，并采用上述频率和时间周期的设置方式输出不同频率和场强的信号。本发明并不仅限于上述所列举的实施例，本领域技术人员在无需付出创造性劳动的情况下所获得所有实施例均属于本发明的保护范围，在此不一一列举。
在一实施例中，如图4所示，细胞培养皿的温度监控流程如下：
步骤1：温湿度传感器2对培养箱的温度进行采集获得培养箱内的环境温度；
另选地，可由驱动器中的ADC模块对测温元件进行温度采集并转换成数字信号传输至控制主机1。
步骤2：温湿度传感器将所述环境温度传输至控制主机1，或者由ADC模块将数字形式的所述环境温度传输至主机。
步骤3：控制主机根据接收到的所述环境温度与目标预设温度(如37℃或一随时间变化的函数)进行数值比较，当实际所述环境温度高于目标温度时，控制主机的MCU控制驱动器输出正电压到半导体温控片对细胞培养皿进行降温；当实际所述环境温度低于目标温度时，控制主机的MCU控制驱动器输出负电压到半导体温控片对细胞培养皿进行升温。
然而，上述温度的调节中，只考虑到培养箱内的环境温度对培养皿温度的影响，未考虑到电极、测温器件等其他模块发热以及培养过程中产生的热量对培养皿的影响。因细胞培养的待调节区域温度不能产生较大的波动，为了解决上述实施例中的技术问题，本发明进一步对培养皿的温度进行监测并对温控片的温度调节采用智能温度调节算法，即自组织神经网络算法实现目标区域的温度调节，进一步改进的细胞培养皿的温度监控调节流程如下：
步骤1：测温单元对培养皿的温度进行采集获得培养皿内的温度；
另选地，可由驱动器中的ADC模块对测温元件进行温度采集并转换成数字信号传输至控制主机。
步骤2：测温单元将所述培养皿的温度传输至控制主机，或者由ADC模块将数字形式的所述培养皿的温度传输至主机。
步骤3：控制主机根据接收到的各个所述培养皿的温度，然后将各个所述培养皿的温度与对应的预设温度(如37℃或一随时间变化的函数)进行数值比较，当实际所述培养皿的温度高于预设温度时，控制主机的MCU控制驱动器输出正电压到半导体温控片对对应的细胞培养皿进行降温；当实际所述培养皿的温度低于目标温度时，控制主机的MCU控制驱动器输出负电压到半导体温控片对对应的细胞培养皿进行升温。
在另一实施例中，在所述步骤3中，每隔时间间隔t1，在时间t2内实时采集各个所述培养皿的采集温度、培养箱的环境温度和电极发热的温度，采集并记录各个所述培养皿的采集温度、培养箱环境温度和电极发热的温度得到综合历史温度，根据t2内的综合历史温度获得培养皿内的温度变化趋势，根据所述温度变化趋势预测培养皿下一时刻或下一时间内的预测温度，优选地，下一时刻可以是紧接着t2的某一个时刻，下一时间可以是t2到t2+t1之间的时间，下一时间内的预测温度可以是该时间内的平均温度，将预测培养皿下一时刻或下一时间内的预测温度与对应的预设温度(如37℃或一随时间变化的函数)进行数值比较，当预测培养皿下一时刻或下一时间内的预测温度高于预设温度时，控制主机的MCU控制驱动器输出正电压到半导体温控片对对应的细胞培养皿进行降温；当预测培养皿下一时刻或下一时间内的预测温度低于目标温度时，控制主机的MCU控制驱动器输出负电压到半导体温控片对对应的细胞培养皿进行升温，t1和t2的具体数值可以由本领域技术人员根据实际需要提前设置。
控制主机通过驱动器(或控制模块)控制所述半导体温控片调节所述培养皿的温度，采用自组织神经网络算法控制所述半导体温控片(或温度调节单元)的温度调节。所述半导体温控片(或温度调节单元)设置在所述培养皿底部，所述半导体温控片(或温度调节单元)对所述培养皿的温度调节采用自组织神经网络算法，通过自组织神经网络算法对神经元相对应的权值进行优化，减小温度控制误差。
其中，所述自组织神经网络SOM算法的控制率采用如下形式计算：
e(t)＝Wje(t)
其中e(t)为所述培养皿的实际温度与自身的所述预设温度的差值，Wj为自组织神经网络中序号为j的神经元相对应的权值，j为神经元的序号，且j是零或正整数，或者且j＝0，1，…，N-1，N为输入层向量的个数且N为正整数，E(t)为所述培养皿的温度调节单元的电压输入。
在细胞培养装置投入使用前，先进行循环温度实验，基于自组织神经网络算法得到不同温度对应的参数知识库。后期使用过程中根据自组织神经网络算法对权值这个参数不断进行优化，从而可以使得温度控制误差不断减小。
传统PID算法参数对开发者经验依赖性强，从而使得可能不好的经验值使得控制算法效果很差，而自组织神经网络算法的竞争机制可以不断地对参数进行优化，从而可以使得控制精度不断的提高。
如图5示出的实施例，本发明优选的自组织神经网络算法的具体步骤如下：
步骤1：设定SOM网络大小为(N，M)，其中N、M分别为输入层向量的个数(即电压点数量)和竞争层(输出层)中模式矢量的大小(即温度点数量)。
步骤2：生成和选定N个映射层神经元(初始权值)及模式矢量{Xi(0)，i＝0，1，…，M-1}，i表示模式矢量的编号，将各个培养皿的预设温度存入初始化模式库。
步骤3：将初始化邻域设定为Lj(0)，j＝0，1，…，N-1，邻域为可调节权值的神经元范围，其中，Lj(0)为邻域函数。
步骤4：针对某一个应用场景，选择一组新的训练矢量(电压点)U＝(U1，U2，...UN-1)。
步骤5：将新的训练矢量输入网络，计算目标温度和实际采样温度之间的温度误差。
步骤6：计算均方误差e(Uj(t))为新的训练矢量(即新的输入电压)时所产生的温度误差(目标温度和实际采样温度的误差)，/>为模式库参数所产生的温度误差，分别计算该训练矢量与邻域中每个模式矢量的失真dj(t)，并选择具有最小失真的模式矢量为获胜模式矢量/>其对应的失真为
步骤7：按式(2)调整获胜模式矢量及其邻域/>范围内的模式矢量权值，
其中，为邻域函数，通常选用单调递减函数/>t为迭代步数，t为正整数或零。优选地，0≤t＜10000。优选地，0＜t＜1000。j*是零或正整数，j*为获胜神经元的序号，j是零或正整数，j为神经元的序号。优选地，j是零或正整数且j＝0，1，…，N-1，j*是零或正整数，且j*＝0，1，…，N-1。A0、A1分别为获胜模式矢量/>的最小邻域和最大邻域，T1为邻域衰减常数。在训练初始阶段，邻域半径较大，随着训练矢量的增大，网络逐渐趋于稳定，只需对获胜节点进行较细微的权值调整，因而邻域半径不断缩小。α(t)为学习速度函数，它反映了模式矢量调整的幅度大小，一般选用单调递减函数/>式中A2为训练开始时的最大学习速度，T2为学习衰减常数。
步骤8：返回步骤4，直到训练完所有的训练矢量，即学习速度函数趋近0。
步骤9：更新存储最新模式矢量Xi(t)，得到最新模式库。
在一实施例中，上述步骤9中更新存储最新模式矢量Xi(t)后t增加1，直到t达到最大值时停止更新。
通过采用上述自组织神经网络算法对模式库中的权值参数进行不断地优化，保证了细胞培养皿的温度调节的精确度，更有利于细胞的培养，存活率更高。
在一实施例中，温湿度传感器采集所述培养箱的湿度和温度，并传输给控制主机，通过人机交互模块展示所述培养箱的湿度和温度。
在另一实施例中，基于电场环境的温度自适应培养实验方法和装置，还可以为每一个培养皿设置一个预设温度，控制主机还可以控制调节每一个培养皿的半导体温控片，调节每一个培养皿达到所述预设温度，从而实现每一个细胞培养皿温度的个性化调节。在一实施例中，用户通过人机交互模块为每一个培养皿个性化设置所述预设温度。优选地，若各个培养皿需要设置的预设温度相同，人机交互模块有默认的一键设置温度，所述一键设置温度值为一默认值，优选地，所述默认值为37℃。优选地，若各个培养皿需要设置的预设温度相同，人机交互模块有默认的一键设置温度，所述一键设置温度值为为人工输入值。在一实施例中，通过预设程序自动输入或通过人机交互模块设置所述预设温度，所述通过人机交互模块设置所述预设温度可以是预设默认值、人工输入新的预设温度值或者通过人机交互模块编写程序自动输入中的至少一种。在一实施例中，可以通过人机交互模块人工输入预设温度，也可以通过温度传感器采集目标区域的温度输入预设温度，也可以通过程序根据环境的客观条件自动生成参数进行输入。优选地，所述人工输入实体键盘输入、虚拟键盘输入、鼠标点击选择输入、语音输入或者脑机设备输入等。优选地，所述培养皿为细胞培养皿。通过本发明的实验方法和装置能够轻易实现每一个细胞培养皿温度的个性化调节，实现以温度为变量的对照实验。
在一实施例中，所述培养箱为一个或多个，每个所述培养箱包括温湿度传感器，本发明提供了一种培养箱的温度自适应调节方法，所述方法还包括采集所述培养箱中的环境温度和湿度；将所述培养箱中的环境温度和湿度传输至控制主机进行处理。
在一个实施例中，所述培养箱为一个或多个，每个培养箱具有温度调节单元。为每一个培养箱设置各自的预设温度；根据所述培养箱中的环境温度和每一个所述培养箱各自的预设温度自适应调节每一个所述培养箱各自的温度，使每一个所述培养箱的温度分别稳定在各自对应的预设温度。本发明的培养箱的温度自适应调节方法也可以采用本发明提出的与自适应调节培养皿的方法相同的方法步骤以及自组织神经网络算法等神经网络模型，相关步骤包括于此，此处不再赘述。在一个实施例中，所述培养箱还可以根据所述控制主机发送的控制命令调节培养箱内的湿度。
需要说明的是，本发明实施例中的细胞/微生物/晶体培养实验装置或者培养皿的温度自适应调节装置可以实现前述温度自适应调节方法的实施例的各个过程，并达到相同的效果和功能，这里不再赘述。
根据本发明的一些实施例，提供了基于电场环境的温度自适应细胞培养实验方法的非易失性计算机存储介质，其上存储有计算机可执行指令，该计算机可执行指令设置为在由处理器运行时执行：上述实施例所述的方法。
本发明中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置、设备和计算机可读存储介质实施例而言，由于其基本相似于方法实施例，所以其描述进行了简化，相关之处可参见方法实施例的部分说明即可。
本发明实施例提供的装置、设备和计算机可读存储介质与方法是对应的，因此，装置、设备和计算机可读存储介质也具有与其对应的方法类似的有益技术效果，由于上面已经对方法的有益技术效果进行了详细说明，因此，这里不再赘述装置、设备和计算机可读存储介质的有益技术效果。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。此外，尽管在附图中以特定顺序描述了本发明方法的操作，但是，这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。
虽然已经参考若干具体实施例描述了本发明的精神和原理，但是应该理解，本发明并不限于所公开的具体实施例，对各方面的划分也不意味着这些方面中的特征不能组合以进行受益，这种划分仅是为了表述的方便。本发明旨在涵盖所附权利要求的精神和范围内所包括的各种修改和等同布置。
Claims (17)
1.一种培养皿的温度自适应调节方法，其特征在于，包括：
同一培养箱中存在至少两个培养皿；
为每一个培养皿设置各自的预设温度；
根据各个所述培养皿的温度和所述培养皿各自的预设温度自适应调节所述培养皿各自的温度，使每一个所述培养皿的温度分别稳定在各自对应的预设温度；
所述温度调节单元的温度调节采用自组织神经网络算法进行控制；
所述自组织神经网络算法的步骤，包括：
设定网络大小为/>，其中/>、/>分别为输入层向量的个数和竞争层中模式矢量的大小；
生成和选定个映射层神经元及模式矢量/>，将各个所述预设温度存入初始化模式库；
将初始化邻域设定为，邻域为可调节权值的神经元范围，其中，为邻域函数；
将训练矢量输入网络，计算目标温度和实际采样温度之间的温度误差；
根据所述温度误差训练所述训练矢量，直到训练完所有的训练矢量。
2.根据权利要求1所述的培养皿的温度自适应调节方法，其特征在于，
每个所述培养皿设置有温度调节单元，控制主机根据采集的每个所述培养皿的温度与所述培养皿对应的所述预设温度进行比较，当采集的所述培养皿的温度高于对应的所述预设温度时，所述控制主机的MCU控制驱动器输出正电压到温度调节单元对所述培养皿进行降温并降温至自身的所述预设温度；
当采集的所述培养皿的温度低于对应的所述预设温度时，所述控制主机的MCU控制所述驱动器输出负电压到所述温度调节单元对所述培养皿进行升温并升温至自身的所述预设温度。
3.根据权利要求1所述的培养皿的温度自适应调节方法，其特征在于：所述温度调节单元设置在所述培养皿底部,所述温度调节单元对所述培养皿的温度调节采用自组织神经网络算法，通过自组织神经网络算法对神经元相对应的权值进行优化，减小温度控制误差。
4.根据权利要求3所述的培养皿的温度自适应调节方法，其特征在于：所述自组织神经网络算法的控制率采用如下形式计算：
其中e(t)为所述培养皿的温度与自身的所述预设温度的差值，为自组织神经网络中序号为j的神经元相对应的权值，j为神经元的序号，j是零或正整数，E(t)为所述培养皿的温度调节单元的电压输入。
5.根据权利要求3所述的培养皿的温度自适应调节方法，其特征在于：所述自组织神经网络算法的具体步骤如下：
步骤1：设定网络大小为/>，其中/>、/>分别为输入层向量的个数和竞争层中模式矢量的大小；
步骤2：生成和选定个映射层神经元及模式矢量/>，将各个所述预设温度存入初始化模式库；
步骤3：将初始化邻域设定为，邻域为可调节权值的神经元范围，其中，/>为邻域函数；
步骤4：针对目标应用场景，选择一组新的训练矢量；
步骤5：将所述新的训练矢量输入网络，计算目标温度和实际采样温度之间的温度误差；
步骤6：计算均方误差，/>为输入所述新的训练矢量时所产生的目标温度和实际采样温度之间的温度误差，/>为模式库参数所产生的温度误差，分别计算该训练矢量与邻域中每个模式矢量的失真/>，并选择具有最小失真的模式矢量为获胜模式矢量/>，其对应的失真为
（1）；
步骤7：按式（2）调整获胜模式矢量及其邻域/>范围内的模式矢量权值，
（2），
其中，为邻域函数，t为迭代步数，j*为获胜神经元的序号，且j*是零或正整数，j为神经元的序号，且j是零或正整数，且/>，通常选用单调递减函数，/>分别为获胜模式矢量/>的最小邻域和最大邻域，/>为邻域衰减常数；在训练初始阶段，邻域半径较大，随着训练矢量的增大，网络逐渐趋于稳定，只需对获胜节点进行较细微的权值调整，使邻域半径不断缩小；/>为学习速度函数，反映了模式矢量调整的幅度大小，一般选用单调递减函数/>，式中/>为训练开始时的最大学习速度，/>为学习衰减常数；
步骤8：返回步骤4，直到训练完所有的训练矢量，即学习速度函数趋近0；
步骤9：更新存储最新模式矢量，得到最新模式库。
6.根据权利要求1任一项所述的培养皿的温度自适应调节方法，其特征在于，
所述培养皿上设置有电极。
7.根据权利要求6所述的培养皿的温度自适应调节方法，其特征在于：所述培养皿的电极按照X、Y、Z三个方向分别成对设置，用于在X、Y、Z三个方向上分别生成电场，所述电场作用于所述培养皿。
8.根据权利要求6所述的培养皿的温度自适应调节方法，其特征在于：所述电极的一面为陶瓷皿壁；另一面为烘焙金属面, 所述电极的烘焙金属面通过导线与开关选择电路相连，所述开关选择电路用于施加电信号于所述电极。
9.根据权利要求2所述的培养皿的温度自适应调节方法，其特征在于：所述温度调节单元为半导体温度控制片。
10.根据权利要求1所述的培养皿的温度自适应调节方法，其特征在于：
所述预设温度为一固定值或一随时间变化的函数。
11.根据权利要求1所述的培养皿的温度自适应调节方法，其特征在于：通过预设程序自动输入所述预设温度或通过人机交互模块设置所述预设温度，所述通过人机交互模块设置所述预设温度可以是预设默认值、人工输入新的预设温度值或者通过人机交互模块编写程序自动输入中的至少一种。
12.根据权利要求1-11任一项所述的培养皿的温度自适应调节方法，其特征在于，
利用所述培养皿的测温元件采集所述培养皿的温度，其中所述培养皿的测温元件为数字测温元件或模拟测温元件；如果所述测温元件为数字测温元件则直接将所述测温元件采集到的温度传输至所述控制主机；如果所述测温元件为模拟测温元件，则将所述测温元件采集到的温度值经模数转换后传输至所述控制主机。
13.一种培养皿的温度自适应调节装置，其特征在于，所述装置还包括：
控制模块和至少一个所述培养箱，所述控制模块用于执行如权利要求1-12中任一项所述的方法。
14.根据权利要求13所述的培养皿的温度自适应调节装置，其特征在于，
所述培养箱包括温湿度传感器，利用所述温湿度传感器采集所述培养箱的温度并发送到所述控制主机。
15.根据权利要求14所述的培养皿的温度自适应调节装置，其特征在于，
为每一个培养箱设置各自的培养箱预设温度；根据所述培养箱中的环境温度和每一个所述培养箱各自的培养箱预设温度自适应调节每一个所述培养箱各自的温度，使每一个所述培养箱的温度分别稳定在各自对应的培养箱预设温度。
16.一种培养皿的温度自适应调节控制主机，其特征在于，包括：
至少一个处理器；以及，与至少一个处理器通信连接的存储器；其中，存储器存储有可被所述至少一个处理器执行的指令，指令被至少一个处理器执行时使所述至少一个处理器能够执行根据权利要求1-12任一项所述的方法。
17.一种计算机可读存储介质，所述计算机可读存储介质存储有程序，当所述程序被多核处理器执行时，使得所述多核处理器执行如权利要求1-12中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211348384.7A CN115505524B (zh) | 2022-10-31 | 2022-10-31 | 培养皿的温度自适应调节方法、装置、主机及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211348384.7A CN115505524B (zh) | 2022-10-31 | 2022-10-31 | 培养皿的温度自适应调节方法、装置、主机及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115505524A CN115505524A (zh) | 2022-12-23 |
| CN115505524B true CN115505524B (zh) | 2023-11-10 |
Family
ID=84512940
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211348384.7A Active CN115505524B (zh) | 2022-10-31 | 2022-10-31 | 培养皿的温度自适应调节方法、装置、主机及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115505524B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116661517B (zh) * | 2023-07-24 | 2023-09-29 | 山东三方化工集团有限公司 | 基于物联网的复合微生物肥料发酵温度智能调控系统 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DK122100B (da) * | 1966-05-26 | 1972-01-17 | Gen Electric | Styrekredsløb til regulering af temperaturen af en ovn, som renses ved hjælp af stærk varme. |
| CN110016436A (zh) * | 2019-04-26 | 2019-07-16 | 北京康源嘉成生物科技有限公司 | 一种电环境生物培养系统 |
| CN110193141A (zh) * | 2019-07-03 | 2019-09-03 | 陕西巴赫曼健康产品有限公司 | 一种肿瘤电场治疗系统及装置 |
| CN110951608A (zh) * | 2019-12-20 | 2020-04-03 | 李晓 | 微生物自动检验设备 |
| CN210458213U (zh) * | 2019-04-26 | 2020-05-05 | 湖南安泰康成生物科技有限公司 | 一种电环境生物培养系统 |
| CN112680349A (zh) * | 2020-12-31 | 2021-04-20 | 江苏海莱新创医疗科技有限公司 | 一种可施加参数化电场的体外实验装置及其温度控制方法 |
| CN113368389A (zh) * | 2021-06-08 | 2021-09-10 | 湖南安泰康成生物科技有限公司 | 利用电场抑制肿瘤增殖的设备及其控制方法和装置 |
| CN114149922A (zh) * | 2021-12-24 | 2022-03-08 | 江苏海莱新创医疗科技有限公司 | 体外实验系统及其温度调节方法 |
| CN217459386U (zh) * | 2022-06-30 | 2022-09-20 | 云南双柏妥甸酱油有限公司 | 一种内部支架可拆卸取出清洗的霉菌培养箱 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE112018004960T5 (de) * | 2017-10-26 | 2020-07-23 | Sony Corporation | Informationsverarbeitungseinrichtung, informationsverarbeitungsverfahren, programm und beobachtungssystem |
| WO2020128162A1 (en) * | 2018-12-21 | 2020-06-25 | Aalto University Foundation Sr. | A method of finding a target environment suitable for growth of a plant variety |
-
2022
- 2022-10-31 CN CN202211348384.7A patent/CN115505524B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DK122100B (da) * | 1966-05-26 | 1972-01-17 | Gen Electric | Styrekredsløb til regulering af temperaturen af en ovn, som renses ved hjælp af stærk varme. |
| CN110016436A (zh) * | 2019-04-26 | 2019-07-16 | 北京康源嘉成生物科技有限公司 | 一种电环境生物培养系统 |
| CN210458213U (zh) * | 2019-04-26 | 2020-05-05 | 湖南安泰康成生物科技有限公司 | 一种电环境生物培养系统 |
| CN110193141A (zh) * | 2019-07-03 | 2019-09-03 | 陕西巴赫曼健康产品有限公司 | 一种肿瘤电场治疗系统及装置 |
| CN110951608A (zh) * | 2019-12-20 | 2020-04-03 | 李晓 | 微生物自动检验设备 |
| CN112680349A (zh) * | 2020-12-31 | 2021-04-20 | 江苏海莱新创医疗科技有限公司 | 一种可施加参数化电场的体外实验装置及其温度控制方法 |
| CN113368389A (zh) * | 2021-06-08 | 2021-09-10 | 湖南安泰康成生物科技有限公司 | 利用电场抑制肿瘤增殖的设备及其控制方法和装置 |
| CN114149922A (zh) * | 2021-12-24 | 2022-03-08 | 江苏海莱新创医疗科技有限公司 | 体外实验系统及其温度调节方法 |
| CN217459386U (zh) * | 2022-06-30 | 2022-09-20 | 云南双柏妥甸酱油有限公司 | 一种内部支架可拆卸取出清洗的霉菌培养箱 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115505524A (zh) | 2022-12-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115505524B (zh) | 培养皿的温度自适应调节方法、装置、主机及存储介质 | |
| Principe et al. | Local dynamic modeling with self-organizing maps and applications to nonlinear system identification and control | |
| CN110193849B (zh) | 一种机器人手眼标定的方法及装置 | |
| CN110809505B (zh) | 用于执行机器人手臂的移动控制的方法和装置 | |
| CN108656117A (zh) | 一种多约束条件下最优时间的机械臂空间轨迹优化方法 | |
| US20200159323A1 (en) | Neural operating system | |
| KR20160124890A (ko) | 훈련지원설비 및 훈련지원방법 | |
| CN110806260B (zh) | 一种基于神经网络的超声悬浮三维操纵控制方法及系统 | |
| JPWO2016125259A1 (ja) | 動作指令生成装置、動作指令生成方法、コンピュータプログラム、及び処理システム | |
| McLachlan et al. | Towards modelling active sound localisation based on Bayesian inference in a static environment | |
| Ma et al. | A novel APSO-aided weighted LSSVM method for nonlinear hammerstein system identification | |
| CN108063701B (zh) | 一种控制智能设备的方法及装置 | |
| TW201817128A (zh) | 用於無線電力傳輸的波束形成 | |
| US20190308315A1 (en) | Process Control Using Deep Learning Training Model | |
| CN116144491A (zh) | 一种基于三维电场的培养皿、培养皿系统 | |
| KR20230052797A (ko) | 뇌파 신호를 이용한 아바타 제어 모델 구축 방법과, 이를 포함하는 아바타 제어 시스템 및 방법 | |
| Boby et al. | Adaptive control of nonlinear system based on QFT application to 3-DOF flight control system | |
| US20180325490A1 (en) | Probe device and control method therefor | |
| CN112416115B (zh) | 一种用于控件交互界面中进行人机交互的方法与设备 | |
| Wang et al. | Echo state networks based predictive model of vinyl chloride monomer convention velocity optimized by artificial fish swarm algorithm | |
| Agrawal et al. | Bacterial foraging optimization: A survey | |
| Liu et al. | Application of least square support vector machine based on particle swarm optimization to chaotic time series prediction | |
| Rymarczyk et al. | Tomographic ultrasonic sensors in industrial applications | |
| Peremans et al. | A comprehensive robotic model for neural & acoustic signal processing in bats | |
| WO2022165369A1 (en) | Systems, methods, and media for decoding observed spike counts for spiking cells |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |