CN116426383A - 一种用于微重力装置的状态监测系统 - Google Patents
一种用于微重力装置的状态监测系统 Download PDFInfo
- Publication number
- CN116426383A CN116426383A CN202310403136.6A CN202310403136A CN116426383A CN 116426383 A CN116426383 A CN 116426383A CN 202310403136 A CN202310403136 A CN 202310403136A CN 116426383 A CN116426383 A CN 116426383A
- Authority
- CN
- China
- Prior art keywords
- cell
- monitoring
- image
- module
- growth state
- 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
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 100
- 230000005486 microgravity Effects 0.000 title claims abstract description 42
- 230000012010 growth Effects 0.000 claims abstract description 44
- 238000004113 cell culture Methods 0.000 claims abstract description 25
- 238000012545 processing Methods 0.000 claims abstract description 20
- 238000012549 training Methods 0.000 claims abstract description 20
- 238000003708 edge detection Methods 0.000 claims abstract description 13
- 238000001914 filtration Methods 0.000 claims abstract description 11
- 230000011218 segmentation Effects 0.000 claims description 13
- 230000001105 regulatory effect Effects 0.000 claims description 12
- 238000013527 convolutional neural network Methods 0.000 claims description 6
- 238000012706 support-vector machine Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 5
- 238000012258 culturing Methods 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 claims description 2
- 210000004027 cell Anatomy 0.000 description 95
- 238000004422 calculation algorithm Methods 0.000 description 10
- 238000000034 method Methods 0.000 description 5
- 235000002566 Capsicum Nutrition 0.000 description 4
- 239000006002 Pepper Substances 0.000 description 4
- 241000722363 Piper Species 0.000 description 4
- 235000016761 Piper aduncum Nutrition 0.000 description 4
- 235000017804 Piper guineense Nutrition 0.000 description 4
- 235000008184 Piper nigrum Nutrition 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 4
- 150000003839 salts Chemical class 0.000 description 4
- 238000007635 classification algorithm Methods 0.000 description 3
- 230000010261 cell growth Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 210000005056 cell body Anatomy 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000684 flow cytometry Methods 0.000 description 1
- 239000007850 fluorescent dye Substances 0.000 description 1
- 238000001215 fluorescent labelling Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
Images
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
- C12M35/00—Means for application of stress for stimulating the growth of microorganisms or the generation of fermentation or metabolic products; Means for electroporation or cell fusion
- C12M35/04—Mechanical means, e.g. sonic waves, stretching forces, pressure or shear stimuli
-
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Wood Science & Technology (AREA)
- Organic Chemistry (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Zoology (AREA)
- Biotechnology (AREA)
- Genetics & Genomics (AREA)
- General Engineering & Computer Science (AREA)
- Sustainable Development (AREA)
- Microbiology (AREA)
- Biomedical Technology (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Cell Biology (AREA)
- Mechanical Engineering (AREA)
- Apparatus Associated With Microorganisms And Enzymes (AREA)
Abstract
本发明公开了一种用于微重力装置的状态监测系统,包括:采集模块,用于获取细胞培养微重力装置的运行状态数据和细胞图像;处理模块,用于对所述细胞图像进行滤波处理和边缘检测,获得目标细胞图像;监测模块,用于构建细胞监测模型,并基于所述目标细胞图像对所述细胞监测模型进行训练,基于训练后的细胞监测模型监测细胞的实际生长状态;对比模块,用于将所述细胞的实际生长状态与目标生长状态进行对比,所述细胞培养微重力装置基于对比结果继续对细胞进行培养;预警模块,用于实时获取所述微重力装置的运行状态数据,当实时运行状态数据与预设运行状态数据不匹配时进行预警。本发明能够实现微重力装置内的细胞生长状态的自动监测和远程监控。
Description
技术领域
本发明属于监测技术领域,特别是涉及一种用于微重力装置的状态监测系统。
背景技术
微重力装置可用于细胞的培养,在细胞培养的过程中对细胞的生长状态进行实时监测,用以控制微重力装置的运行显得尤为重要。常规的细胞监测手段,如显微镜成像、荧光标记检测、流式细胞术等,或难以实现定量检测,或需要对细胞进行特殊处理,或需要终止细胞培养,均无法实现培养过程中的细胞生长实时监测。
目前对于细胞培养及筛选过程仍然只能依靠人工操作完成,缺乏自动监测和远程监控等智能监测技术,这大大降低了细胞培养的操作效率。因此,亟需提出一种用于微重力装置的状态监测系统,设计科学化、自动化的监控方法,实现细胞培养过程中对生长状态的实时监测。
发明内容
本发明的目的是提供一种共享仓库管理系统,以解决上述现有技术存在的问题。
为实现上述目的,本发明提供了一种用于微重力装置的状态监测系统,包括:
采集模块,用于获取细胞培养微重力装置的运行状态数据和细胞图像;
处理模块,与所述采集模块连接,用于对所述细胞图像进行滤波处理和边缘检测,获得目标细胞图像;
监测模块,与所述处理模块连接,用于构建细胞监测模型,并基于所述目标细胞图像对所述细胞监测模型进行训练,基于训练后的细胞监测模型监测细胞的实际生长状态;
对比模块,与所述监测模块连接,用于将所述细胞的实际生长状态与目标生长状态进行对比,所述细胞培养微重力装置基于对比结果继续对细胞进行培养;
预警模块,与所述采集模块连接,用于实时获取所述微重力装置的运行状态数据,当实时运行状态数据与预设运行状态数据不匹配时进行预警。
可选的,所述采集模块包括:
第一采集单元,用于实时获取细胞培养微重力装置的运行状态数据;
第二采集单元,用于基于细胞显微影像自动采集设备获取细胞图像。
可选的,所述处理模块包括:
预处理单元,用于对所述细胞图像进行滤波处理,获得预处理后的细胞图像;
边缘检测单元,用于对预处理后的细胞图像进行边缘检测,获得细胞边缘图像;
阈值分割单元,用于预设分割阈值,并基于所述分割阈值对所述细胞边缘图像进行分割处理,获得目标细胞图像。
可选的,所述监测模块包括:
模型构建单元,用于基于K-近邻、支持向量机和卷积神经网络构建细胞监测模型并进行训练,获得训练后的细胞监测模型;
细胞监测单元,用于基于所述训练后的细胞监测模型监测细胞的实际生长状态。
可选的,所述模型构建单元包括:
训练集构建子单元,用于基于所述目标细胞图像和标记的生长状态标签,构建训练集;
模型训练子单元,用于将所述目标细胞图像输入到所述细胞监测模型中进行识别,获得识别结果;用所述标记的生长状态标签作为参考标准与所述识别结果进行比较,基于比较结果建立奖赏机制,通过监督式的学习方式训练出最优的模型参数,进而获得训练后的细胞监测模型。
可选的,所述对比模块包括:
对比单元,用于将细胞的实际生长状态与目标生长状态进行对比,基于对比结果生成调节指令;
调节单元,用于将所述调节指令发送给微重力装置,微重力装置基于所述调节指令继续进行细胞培养。
可选的,所述状态监测系统还包括展示模块,所述展示模块用于将细胞的实际生长状态与目标生长状态的对比结果以折线统计图的方式进行展示。
本发明的技术效果为:
本发明对细胞图像进行滤波处理,以对该细胞图像进行去噪,减少噪声对细胞监测的影响,进一步地提高细胞监测的准确率。
本发明通过构建细胞监测模型,并对其进行训练,利用训练后的细胞监测模型监测细胞的实际生长状态,能够实现细胞生长状态的自动监测和远程监控,提高细胞培养的操作效率,促进细胞培养监测体系的建立和完善。
附图说明
构成本申请的一部分的附图用来提供对本申请的进一步理解,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本发明实施例中的用于微重力装置的状态监测系统结构示意图。
具体实施方式
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
实施例一
如图1所示,本实施例中提供一种用于微重力装置的状态监测系统,包括:
采集模块,用于获取细胞培养微重力装置的运行状态数据和细胞图像;
处理模块,与所述采集模块连接,用于对所述细胞图像进行滤波处理和边缘检测,获得目标细胞图像;
监测模块,与所述处理模块连接,用于构建细胞监测模型,并基于所述目标细胞图像对所述细胞监测模型进行训练,基于训练后的细胞监测模型监测细胞的实际生长状态;
对比模块,与所述监测模块连接,用于将所述细胞的实际生长状态与目标生长状态进行对比,所述细胞培养微重力装置基于对比结果继续对细胞进行培养;
预警模块,与所述采集模块连接,用于实时获取所述微重力装置的运行状态数据,当实时运行状态数据与预设运行状态数据不匹配时进行预警。
可实施的,所述采集模块包括:第一采集单元,用于实时获取细胞培养微重力装置的运行状态数据;第二采集单元,用于基于细胞显微影像自动采集设备获取细胞图像。细胞显微影像自动采集设备可采用各类可实现拍摄成像的摄像元件,例如基于CCD或CMOS成像的摄像头等,其能够按照预设的时间间隔或者按照指令或实时的对用于细胞培养的微重力装置内的细胞图像进行获取。
可实施的,所述处理模块包括:预处理单元,用于对所述细胞图像进行滤波处理,获得预处理后的细胞图像;边缘检测单元,用于对预处理后的细胞图像进行边缘检测,获得细胞边缘图像;阈值分割单元,用于预设分割阈值,并基于所述分割阈值对所述细胞边缘图像进行分割处理,获得目标细胞图像。
作为具体的实施例,椒盐噪声是图像中经常见到的一种图像噪声,是一种随机出现的白点和黑点,可能是亮的区域有黑色像素或者是在暗的区域有白色像素,或者两者皆有。因此,为了避免细胞图像中椒盐噪声的干扰,可以对细胞图像进行滤波处理,以对该细胞图像进行去噪,减少椒盐噪声对细胞监测的影响,进一步地提高细胞监测的准确率。在本申请实施例中,并不限定对细胞图像进行滤波处理所采用的技术手段,只要能够达到消除椒盐噪声的功能即可。
进一步的,在本申请说明书中,采用例如基于Canny算子的边缘检测算法、基于Log算子的边缘检测算法。在本申请说明书中并不限定对细胞图像进行边缘检测的具体方式,根据预设阈值,对获得的细胞边缘信息图像进行阈值分割,获取保留细胞胞体的细胞边缘信息图像。
可实施的,所述监测模块包括:模型构建单元,用于基于K-近邻、支持向量机和卷积神经网络构建细胞监测模型并进行训练,获得训练后的细胞监测模型;细胞监测单元,用于基于所述训练后的细胞监测模型监测细胞的实际生长状态。
可实施的,所述模型构建单元包括:训练集构建子单元,用于基于所述目标细胞图像和标记的生长状态标签,构建训练集;模型训练子单元,用于将所述目标细胞图像输入到所述细胞监测模型中进行识别,获得识别结果;用所述标记的生长状态标签作为参考标准与所述识别结果进行比较,基于比较结果建立奖赏机制,通过监督式的学习方式训练出最优的模型参数,进而获得训练后的细胞监测模型。
作为具体的实施例,细胞监测模型为一个包含了K-近邻、支持向量机(SVM)、卷积神经网络(CNN)等经典图像识别算法的集成分类器,通过数据集训练得到适用于不同输出特征的最优模型。本实施例选择K-近邻、支持向量机和卷积神经网络三种图像识别算法构建集成细胞监测模型,这三种算法为并列关系,是机器学习过程算法需要自主选择的内容,即在对细胞监测模型进行训练时通过结果最优原则来决定最佳的分类算法,选择最佳的分类算法作为最终智能监测模型中使用的算法。所述奖惩机制在机器学习领域用于补充损失函数的正则项,根据本实施例的分类需求,此处正则项可定义为:当分类正确时为1;分类错误时为-1。通过奖惩机制与监督式学习的得分结果,以结果最优原则来决定最佳的分类算法,并保存最优分类器参数,用于细胞生长状态的智能监测。
可实施的,所述对比模块包括:对比单元,用于将细胞的实际生长状态与目标生长状态进行对比,基于对比结果生成调节指令;调节单元,用于将所述调节指令发送给微重力装置,微重力装置基于所述调节指令继续进行细胞培养。
可实施的,所述状态监测系统还包括展示模块,所述展示模块用于将细胞的实际生长状态与目标生长状态的对比结果以折线统计图的方式进行展示。
本实施例对细胞图像进行滤波处理,以对该细胞图像进行去噪,减少噪声对细胞监测的影响,进一步地提高细胞监测的准确率。本实施例通过构建细胞监测模型,并对其进行训练,利用训练后的细胞监测模型监测细胞的实际生长状态,能够实现细胞生长状态的自动监测和远程监控,提高细胞培养的操作效率,促进细胞培养监测体系的建立和完善。本实施例除了对细胞培养过程的生长状态进行实时监测,还实时监测微重力装置的运行状态,保证了微重力装置的正常运行。
本发明实施例中有涉及“第一”、“第二”等的描述,则该“第一”、“第二”等的描述仅用于描述目的,而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。另外,各个实施例之间的技术方案可以相互结合,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在,也不在本发明要求的保护范围之内。
以上所述,仅为本申请较佳的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应该以权利要求的保护范围为准。
Claims (7)
1.一种用于微重力装置的状态监测系统,其特征在于,包括:
采集模块,用于获取细胞培养微重力装置的运行状态数据和细胞图像;
处理模块,与所述采集模块连接,用于对所述细胞图像进行滤波处理和边缘检测,获得目标细胞图像;
监测模块,与所述处理模块连接,用于构建细胞监测模型,并基于所述目标细胞图像对所述细胞监测模型进行训练,基于训练后的细胞监测模型监测细胞的实际生长状态;
对比模块,与所述监测模块连接,用于将所述细胞的实际生长状态与目标生长状态进行对比,所述细胞培养微重力装置基于对比结果继续对细胞进行培养;
预警模块,与所述采集模块连接,用于实时获取所述微重力装置的运行状态数据,当实时运行状态数据与预设运行状态数据不匹配时进行预警。
2.根据权利要求1所述的用于微重力装置的状态监测系统,其特征在于,
所述采集模块包括:
第一采集单元,用于实时获取细胞培养微重力装置的运行状态数据;
第二采集单元,用于基于细胞显微影像自动采集设备获取细胞图像。
3.根据权利要求1所述的用于微重力装置的状态监测系统,其特征在于,
所述处理模块包括:
预处理单元,用于对所述细胞图像进行滤波处理,获得预处理后的细胞图像;
边缘检测单元,用于对预处理后的细胞图像进行边缘检测,获得细胞边缘图像;
阈值分割单元,用于预设分割阈值,并基于所述分割阈值对所述细胞边缘图像进行分割处理,获得目标细胞图像。
4.根据权利要求1所述的用于微重力装置的状态监测系统,其特征在于,
所述监测模块包括:
模型构建单元,用于基于K-近邻、支持向量机和卷积神经网络构建细胞监测模型并进行训练,获得训练后的细胞监测模型;
细胞监测单元,用于基于所述训练后的细胞监测模型监测细胞的实际生长状态。
5.根据权利要求4所述的用于微重力装置的状态监测系统,其特征在于,
所述模型构建单元包括:
训练集构建子单元,用于基于所述目标细胞图像和标记的生长状态标签,构建训练集;
模型训练子单元,用于将所述目标细胞图像输入到所述细胞监测模型中进行识别,获得识别结果;用所述标记的生长状态标签作为参考标准与所述识别结果进行比较,基于比较结果建立奖赏机制,通过监督式的学习方式训练出最优的模型参数,进而获得训练后的细胞监测模型。
6.根据权利要求1所述的用于微重力装置的状态监测系统,其特征在于,
所述对比模块包括:
对比单元,用于将细胞的实际生长状态与目标生长状态进行对比,基于对比结果生成调节指令;
调节单元,用于将所述调节指令发送给微重力装置,微重力装置基于所述调节指令继续进行细胞培养。
7.根据权利要求1所述的用于微重力装置的状态监测系统,其特征在于,
所述状态监测系统还包括展示模块,所述展示模块用于将细胞的实际生长状态与目标生长状态的对比结果以折线统计图的方式进行展示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310403136.6A CN116426383A (zh) | 2023-04-14 | 2023-04-14 | 一种用于微重力装置的状态监测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310403136.6A CN116426383A (zh) | 2023-04-14 | 2023-04-14 | 一种用于微重力装置的状态监测系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116426383A true CN116426383A (zh) | 2023-07-14 |
Family
ID=87092261
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310403136.6A Pending CN116426383A (zh) | 2023-04-14 | 2023-04-14 | 一种用于微重力装置的状态监测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116426383A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116407562A (zh) * | 2023-04-13 | 2023-07-11 | 安徽科门生物科技有限公司 | 脐带或胎盘或脐血来源间充质干细胞治疗慢阻肺应用 |
-
2023
- 2023-04-14 CN CN202310403136.6A patent/CN116426383A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116407562A (zh) * | 2023-04-13 | 2023-07-11 | 安徽科门生物科技有限公司 | 脐带或胎盘或脐血来源间充质干细胞治疗慢阻肺应用 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106845890B (zh) | 一种基于视频监控的仓储监控方法及装置 | |
WO2020007363A1 (zh) | 识别目标数量的方法、装置及计算机可读存储介质 | |
CN111539265B (zh) | 一种电梯轿厢内异常行为检测方法 | |
CN103914833B (zh) | 一种自动检测票据是否残缺的方法及系统 | |
CN109858480A (zh) | 一种数字式仪表识别方法 | |
CN116426383A (zh) | 一种用于微重力装置的状态监测系统 | |
CN109598200B (zh) | 一种铁水罐罐号的图像智能识别系统及方法 | |
CN115661650A (zh) | 一种基于物联网数据监测的农场管理系统 | |
CN106851229A (zh) | 一种基于图像识别的安防智能决策的方法与系统 | |
CN102043963A (zh) | 一种图像人数识别统计方法 | |
CN110287902B (zh) | 畜禽存活检测方法、装置、设备及计算机程序产品 | |
CN116167951A (zh) | 一种智能食用菌种植云平台系统 | |
CN115797811A (zh) | 一种基于视觉的农产品检测方法及系统 | |
Isa et al. | CNN transfer learning of shrimp detection for underwater vision system | |
CN111310837A (zh) | 车辆改装识别方法、装置、系统、介质和设备 | |
CN112560779B (zh) | 进料口溢料识别方法、设备及搅拌站进料控制系统 | |
CN112232205B (zh) | 移动端cpu实时多功能人脸检测方法 | |
CN116523853A (zh) | 一种基于深度学习的芯片检测系统及方法 | |
CN213990849U (zh) | 一种基于mec边缘云的图像检测系统 | |
CN109636797A (zh) | 一种非接触式柔性直流换流阀模块形变检测的方法 | |
CN112749607B (zh) | 基于人工智能的图像识别方法及装置 | |
US20230386170A1 (en) | System and Method to Detect LEDs and Their States in an AR Context | |
JP6949656B2 (ja) | 物体分布推定装置 | |
LU504993B1 (en) | System and method for managing personnel in power plant in production | |
CN116245883B (zh) | 一种针对票据的图像质量检测以及图像矫正方法 |
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 |