KR101924285B1 - 미생물 자동 카운팅 방법 및 장치 - Google Patents

미생물 자동 카운팅 방법 및 장치 Download PDF

Info

Publication number
KR101924285B1
KR101924285B1 KR1020170063951A KR20170063951A KR101924285B1 KR 101924285 B1 KR101924285 B1 KR 101924285B1 KR 1020170063951 A KR1020170063951 A KR 1020170063951A KR 20170063951 A KR20170063951 A KR 20170063951A KR 101924285 B1 KR101924285 B1 KR 101924285B1
Authority
KR
South Korea
Prior art keywords
microorganism
microorganisms
value
microbial
image
Prior art date
Application number
KR1020170063951A
Other languages
English (en)
Inventor
배유석
김현석
박정웅
송시범
송민경
Original Assignee
한국산업기술대학교산학협력단
주식회사 세니젠
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 한국산업기술대학교산학협력단, 주식회사 세니젠 filed Critical 한국산업기술대학교산학협력단
Priority to KR1020170063951A priority Critical patent/KR101924285B1/ko
Application granted granted Critical
Publication of KR101924285B1 publication Critical patent/KR101924285B1/ko

Links

Images

Classifications

    • 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
    • C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
    • C12Q1/02—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving viable microorganisms
    • C12Q1/04—Determining presence or kind of microorganism; Use of selective media for testing antibiotics or bacteriocides; Compositions containing a chemical indicator therefor
    • C12Q1/06—Quantitative determination
    • 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
    • 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

Abstract

미생물 자동 카운팅 방법 및 장치가 제공된다. 일 실시예에 따른 미생물 자동 카운팅 방법은, 미생물이 촬영된 미생물 영상을 수신하는 단계; 뉴럴 네트워크 기반의 분류기를 이용하여 상기 미생물 영상에서 상기 미생물의 개수를 카운팅하는 단계; 및 상기 카운팅된 결과를 출력하는 단계를 포함할 수 있다.

Description

미생물 자동 카운팅 방법 및 장치{METHOD AND APPARATUS FOR AUTOMATICALLY COUNTING MICROORGANISM}
아래 설명은, 미생물 자동 카운팅 방법 및 장치에 관한 것이다.
임상 또는 샘플에서 미생물을 검출할 때 사용 하는 방식은 플레이트 배양법과 건조필름배지를 이용하는 방법들이 있다. 건조필름배지의 경우 배지를 제조할 필요 없이 바로 미생물 실험이 가능하다는 특징을 가지고 있다.
현재 미생물 카운팅에 주로 사용되는 방식은 외형은 펜이며 일정한 압력을 가해 미생물을 누르게 되면 펜 혹은 기기에 부착되어 있는 화면에 숫자가 입력되는 방식으로 카운팅된다.
건조필름배지 상에 자란 미생물을 카운팅 하기 위해서는 실험자가 직접 육안으로 미생물을 확인하고 카운팅해야 하기 때문에 매우 노동집약적이며 미생물을 검출하는데 오랜 시간을 필요로 하게 된다. 또한 실험자간 오차가 매우 크다는 문제점이 있다.
일 실시예에 따른, 미생물 자동 카운팅 방법은, 미생물이 촬영된 미생물 영상을 수신하는 단계; 뉴럴 네트워크 기반의 분류기를 이용하여 상기 미생물 영상에서 상기 미생물의 개수를 카운팅하는 단계; 및 상기 카운팅된 결과를 출력하는 단계를 포함할 수 있다.
일 실시예에 따른, 미생물 자동 카운팅 방법은, 상기 수신된 미생물 영상에서 미생물의 개수를 카운팅하기 위하여, 미생물이 있는 영역을 검출하기 위한 관심 영역을 설정하는 단계를 더 포함할 수 있다.
일 실시예에 따른, 미생물 자동 카운팅 방법은, 상기 분류기의 입력 데이터인 후보 영역을 도출하기 위하여, 상기 설정된 관심 영역 중 상기 미생물의 종류에 따른 고유 컬러 값을 기초로 미생물이 있다고 판단되는 후보 영역을 검출하는 단계를 더 포함할 수 있다.
일 실시예에 따른, 상기 검출하는 단계는, 상기 미생물의 종류에 따른 고유 컬러값이 임계값보다 큰 영역을 상기 후보 영역으로서 검출할 수 있다.
일 실시예에 따른, 상기 출력하는 단계는, 상기 미생물 영상에 포함된 미생물의 개수를 출력할 수 있다.
일 실시예에 따른, 상기 카운팅하는 단계는, 상기 미생물 영상에서 타겟팅한 미생물의 개수를 카운팅할 수 있다.
일 실시예에 따른, 상기 카운팅된 결과는, 상기 타겟팅한 미생물이 존재하는지의 여부 또는 상기 타겟팅한 미생물이 아닌 이물질이 존재하는지의 여부를 포함할 수 있다.
일 실시예에 따른, 미생물 자동 카운팅 장치는, 미생물이 촬영된 미생물 영상을 수신하는 미생물 영상 수신부; 뉴럴 네트워크 기반의 분류기를 이용하여 상기 미생물 영상에 나타난 상기 미생물의 개수를 결정하는 미생물 개수 결정부; 및 상기 결정된 미생물의 개수를 출력하는 카운팅 결과 출력부를 포함할 수 있다.
일 실시예에 따른, 상기 뉴럴 네트워크 기반의 분류기는, 미생물 또는 세균별로 학습 과정이 수행된 분류기일 수 있다.
도 1은 일 실시예에 따른 미생물 자동 카운팅 방법을 나타내는 흐름도이다.
도 2는 일 실시예에 따른 미생물 자동 카운팅 방법의 동작을 나타내는 도면이다.
도 3은 일 실시예에 따른 미생물 자동 카운팅 방법에 이용되는 분류기를 학습시키는 동작의 흐름을 나타내는 도면이다.
도 4는 일 실시예에 따른 미생물 자동 카운팅 장치를 나타내는 블록도이다.
실시예들에 대한 특정한 구조적 또는 기능적 설명들은 단지 예시를 위한 목적으로 개시된 것으로서, 다양한 형태로 변경되어 실시될 수 있다. 따라서, 실시예들은 특정한 개시형태로 한정되는 것이 아니며, 본 명세서의 범위는 기술적 사상에 포함되는 변경, 균등물, 또는 대체물을 포함한다.
제1 또는 제2 등의 용어를 다양한 구성요소들을 설명하는데 사용될 수 있지만, 이런 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 해석되어야 한다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 설명된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함으로 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 해당 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 갖는 것으로 해석되어야 하며, 본 명세서에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 실시예들을 첨부된 도면들을 참조하여 상세하게 설명한다. 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조 부호를 부여하고, 이에 대한 중복되는 설명은 생략하기로 한다.
도 1은 일 실시예에 따른 미생물 자동 카운팅 방법을 나타내는 흐름도이다.
미생물 자동 카운팅 장치가 수행하는 미생물 자동 카운팅 방법은 하기와 같은 단계를 포함할 수 있다.
단계(110)에서, 미생물 자동 카운팅 장치는 현미경 또는 카메라 센서를 이용하여 미생물이 촬영된 미생물 영상을 수신할 수 있다. 미생물(예를 들어, 일반 세균, 황색포도상구균 또는 대장균 등)이 촬영된 영상인 미생물 영상은 건조필름배지 또는 샬레(schale) 또는 페트리 디쉬(Petri dish) 등에서 자란 미생물을 촬영한 영상일 수 있다.
미생물 자동 카운팅 장치는 오 검출을 방지하고, 계산량을 감소시켜 수신된 미생물 영상에서 미생물의 개수를 카운팅하기 위하여, 미생물이 배양된 영역에 미생물이 있는 영역을 검출하기 위한 관심 영역(region of interest; ROI)을 설정할 수 있다. 예를 들어, 미생물 자동 카운팅 장치는 미생물 영상에서 건조필름배지 또는 샬레의 원형 영역을 관심 영역으로 설정할 수 있다.
건조필름배지는 시험자가 미생물을 육안으로 카운트하기 용이하도록 미생물 배양 영역 내에 일정 간격으로 노랑 색상의 격자를 둘 수 있다. 미생물 자동 카운팅 장치는 노랑 색상의 특징을 가진 격자를 검출하기 위해 기존의 RGB 컬러 공간을 CIE Lab 컬러 공간으로 변환할 수 있다. 미생물 자동 카운팅 장치는 변환된 CIE Lab 컬러 공간을 이용하여 미생물 배양 영역의 ROI를 설정할 수 있다. CIE Lab 컬러 공간은 매체에 독립적인 컬러 공간으로 L은 밝기 공간, a는 빨강과 초록, b는 파랑과 노랑을 나타낼 수 있다. 미생물 자동 카운팅 장치는 파랑과 노랑을 나타내는 CIE Lab 컬러의 b 공간을 이용하여 임계값(Threshold)을 설정하여 배양 영역의 이진 영상(Threshold image)을 생성할 수 있다.
미생물 자동 카운팅 장치는 분류기의 입력 데이터인 후보 영역을 도출하기 위하여, 설정된 관심 영역 중 미생물의 종류에 따른 고유 컬러 값을 기초로 미생물이 있다고 판단되는 후보 영역을 검출할 수 있다. 이때, 미생물 자동 카운팅 장치는 미생물의 종류에 따른 고유 컬러 값이 임계값보다 큰 영역을 후보 영역으로서 검출할 수 있다.
고유 컬러 값은 미생물 각각에 따른 색상 정보일 수 있다. 후보 영역은 미생물이 존재할 것이라고 추정된 영역으로서, 가령, 검출된 것이 실제 미생물이라면, 미생물 후보 영역 중앙에 미생물이 위치할 수도 있다. 또한, 미생물의 후보 영역들에 관한 정보는 분류기에 입력될 수 있다.
건조필름배지는 배양 시 각 미생물 별로 형성되는 집락의 색상이 서로 다를 수 있다. 일반세균 건조필름배지의 경우 일반세균은 빨강 색상으로 집락을 형성할 수 있다. 예를 들어, 대장균/대장균군 건조필름배지의 경우 대장균은 파랑 색상, 대장균군은 빨강 색상으로 집락을 형성할 수 있다. 해당 색상 정보를 이용하여 미생물을 분류하고 대장균/대장균군 배양시 각 균 주변에 생성되는 기포 포함 여부를 분류하여 분류 결과를 토대로 건조필름배지 이미지에서 미생물을 카운팅할 수 있다.
미생물 자동 카운팅 장치는 관심 영역 내에서 정확한 미생물 영역이 아닌 노이즈까지 포함하는 미생물 영역을 모두 포함시키는 값으로 각 미생물 고유 색상 및 주변 환경과의 차이 정보를 이용하여 미생물 영역과 유사한 특징을 가지는 이진 영상을 생성할 수 있다. 미생물 자동 카운팅 장치는 일반세균 건조필름배지의 경우 일반세균이 집락되는 빨강의 색상 정보를 이용하여 CIE Lab 컬러 공간의 a공간을 사용할 수 있다. 또한, 대장균/대장균군 건조필름배지의 경우, 미생물 자동 카운팅 장치는 대장균이 집락되는 파랑 색상 및 대장균군이 집락되는 빨강 색상, 그리고 주변 배경 값과의 차이 값을 이용하기 위해 밝기정보를 이용하여 CIE Lab 컬러 공간 모두를 사용할 수 있다.
단계(120)에서, 미생물 자동 카운팅 장치는 뉴럴 네트워크(NN, neural network) 기반의 분류기(classifier)를 이용하여 미생물 영상에서 타겟팅한 미생물의 개수를 카운팅할 수 있다. 뉴럴 네트워크 기반의 분류기는 각 미생물 또는 세균별로 학습 과정이 수행된 분류기일 수 있다. 또한, 뉴럴 네트워크 기반의 분류기는 미생물 데이터베이스로 학습된 MLP(Multi layer perceptron) 뉴럴 네트워크 분류기 일 수 있다. 컬러 값, 위치, 히스토그램 특징, 기포 여부 등과 같은 특정한 특징이 선택되어 분류기에 입력될 수 있다.
미생물 자동 카운팅 장치는 후보 영역들에 관한 정보를 분류기에 입력할 수 있다. 분류기는 학습에 따라 입력된 후보 영역들에 관한 정보를 기초로 후보 영역 각각에 미생물이 포함되었는지 여부를 판단하거나 미생물의 개수를 카운팅할 수 있다.
가령, 미생물 자동 카운팅 장치는 제1 후보 영역에 관한 정보, 제2 후보 영역에 관한 정보, ..., 제n 후보 영역에 관한 정보를 분류기에 입력할 수 있다. 이때, 제1 후보 영역, 제2 후보 영역에 미생물이 포함되었다고 판단될 경우, 미생물 자동 카운팅 장치는 미생물의 개수를 2개로 카운팅할 수 있다. 또한, 제1 후보 영역에 2개의 미생물이 포함되었다고 판단하고, 제2 후보 영역에 3개의 미생물이 포함되었다고 판단될 경우, 미생물 자동 카운팅 장치는 미생물의 개수를 5개로 카운팅할 수도 있다.
단계(130)에서, 미생물 자동 카운팅 장치는 카운팅된 결과를 출력할 수 있다. 카운팅된 결과는 미생물 영상에 포함된 미생물의 개수일 수 있다. 또한, 카운팅된 결과는 타겟팅한 미생물이 존재하는지의 여부 또는 미생물이 아닌 이물질이 존재하는지의 여부를 포함할 수도 있다.
도 2는 일 실시예에 따른 미생물 자동 카운팅 방법의 동작을 나타내는 도면이다.
도 2를 참조하면, 미생물 자동 카운팅 장치가 수행하는 미생물 자동 카운팅 방법의 동작을 알 수 있다. 단계(210)에서, 미생물 자동 카운팅 장치는 미생물 이미지를 입력 받을 수 있다. 미생물 자동 카운팅 장치는 미생물 촬영 장치 등으로부터 미생물이 촬영된 미생물 영상을 수신할 수 있다.
단계(220)에서, 미생물 자동 카운팅 장치는 미리 학습된 분류기를 이용하여 미생물의 개수를 자동으로 카운팅할 수 있다. 분류기는 뉴럴 네트워크로 구성될 수 있으며, 각 노드마다 입력된 값을 순차적으로 다른 노드로 전달할 수 있다. 입력된 값은 미생물 이미지에서 미생물이 존재하는 영역에 관한 정보일 수 있다. 각 노드마다 설정된 수학식을 이용하여 입력된 값은 변형된 값으로 다른 노드에 출력될 수 있으며, 결과적으로 최종 노드에서 최종 출력 값이 출력될 수 있다. 최종 출력 값은 미생물이 존재하는 영역에 미생물이 존재하는 지 여부 또는 미생물의 개수가 될 수 있다. 분류기는 학습이 되지 않은 입력 값이 입력될 경우에도, 입력 값에 대한 출력 값으로서 학습된 값과 근접한 값으로 출력 값을 출력할 수 있다.
단계(230)에서, 미생물 자동 카운팅 장치는 미생물이 카운팅된 결과를 출력할 수 있다. 미생물이 카운팅된 결과는 이미지로서 출력될 수도 있으며, 미생물의 개수가 출력될 수도 있다. 이미지로서 출력될 경우, 예를 들어, 미생물 영상에서 미생물에 해당하는 부분이 특정 설정된 색상으로 변경되거나 또는 검출된 미생물들이 특정한 식별자에 의해 표시될 수 있다.
도 3은 일 실시예에 따른 미생물 자동 카운팅 방법에 이용되는 분류기를 학습시키는 동작의 흐름을 나타내는 도면이다.
도 3을 참조하면, 미생물 자동 카운팅 장치에 이용되는 분류기를 학습시키는 과정을 알 수 있다. 학습 장치는 뉴럴 네트워크로 구성되는 분류기(예를 들면, MLP 뉴럴 네트워크 분류기)를 학습시킬 수 있다. 단계(310)에서, 학습 장치는 수집된 미생물 이미지 데이터를 미생물 이미지 데이터 수집 장치로부터 수신할 수 있다. 수집된 미생물 이미지 데이터는 학습에 이용하기 위한 미생물 영상일 수 있다. 학습 장치는 미생물 촬영 장치 등으로부터 미생물이 촬영된 미생물 영상들을 수신할 수 있다. 촬영된 미생물 영상들은 각각 서로 다른 미생물이 촬영된 영상일 수 있다.
단계(320)에서, 학습 장치는 미생물 영상에서 관심 영역을 설정할 수 있다. 학습 장치는 격자 검출, 임계값, 히스토그램 기법 등을 이용하여 관심 영역을 설정할 수 있다. 단계(330)에서, 학습 장치는 설정한 관심 영역에 대하여 미생물 후보 영역을 검출할 수 있다. 미생물 후보 영역은 관심 영역에서 미생물이 존재한다고 판단되는 영역일 수 있다.
단계(340)에서, 학습 장치는 특징을 선택하고 학습할 수 있다. 특징에 대한 값은 컬러 값이나 히스토그램의 적어도 하나의 값이 될 수 있다. 후보 영역에 관한 정보는 학습 장치에 입력되고, 학습 장치는 입력된 값에 대응하는 출력 값을 출력할 수 있다.
학습 장치는 설정된 미생물 후보 영역에서 미생물을 분류하기 위하여, 오차역전파(Error Back Propagation) 방식으로 학습할 수 있다. 학습 장치는 일반세균 건조필름배지 및 대장균/대장균군 건조필름배지에서 각 미생물 분류를 위해 미생물 이미지를 BGR히스토그램으로 변환할 수 있다. 학습 장치는 예를 들어, 1 X 768 히스토그램 벡터를 특징으로 하여, 입력 층 768, 은닉 층 32 , 출력 층 2로 뉴럴 네트워크를 구성하고 학습율(Learning rate)은 0.05로 하여 학습할 수 있다.
일 실시예에서, 학습 장치는 일반세균 건조필름배지의 경우 일반세균 영역과 배경 영역 분류기 학습을 위해 미생물 영역 이미지 80개, 격자 영역 80개, 배경 영역 80개를 사용할 수 있다. 대장균/대장균군 건조필름배지의 경우 대장균/대장균군 분류 전 주변 기포 포함 여부를 인식하기 위해, 학습 장치는 기포를 포함하는 이미지 80개, 기포를 포함하지 않는 이미지 80개를 학습하여 기포 포함 여부를 판별할 수 있다. 학습 장치는 기포 포함 여부 인식 후 대장균/대장균군을 분류하기 위하여, 대장균 이미지 80개, 대장균군 이미지 80개, 배경 영역 80개 데이터베이스를 학습하여 대장균과 대장균군을 분류할 수 있다.
단계(350)에서, 학습 장치는 출력된 값을 기초로 결과를 출력할 수 있다. 출력된 결과는 미생물이 존재하는 영역에 미생물이 존재하는 지 여부 또는 미생물의 개수가 될 수 있다.
도 4는 일 실시예에 따른 미생물 자동 카운팅 장치를 나타내는 블록도이다.
도 4를 참조하면, 미생물 자동 카운팅 장치(400)는 미생물 영상 수신부(410), 미생물 개수 결정부(420), 카운팅 결과 출력부(430)를 포함할 수 있다.
미생물 영상 수신부(410)는 미생물이 촬영된 미생물 영상을 수신할 수 있다.
미생물 자동 카운팅 장치(400)는 수신된 미생물 영상에 대하여 전처리 과정을 수행할 수 있다. 미생물 자동 카운팅 장치(400)는 수신된 미생물 영상에서 미생물의 개수를 카운팅하기 위하여, 미생물이 있는 영역을 검출하기 위한 관심 영역(ROI)을 설정할 수 있다. 예를 들어, 미생물 자동 카운팅 장치(400)는 미생물 영상에서 건조필름배지 또는 샬레의 원형 영역을 관심 영역으로 설정할 수 있다.
미생물 자동 카운팅 장치(400)는 분류기의 입력 데이터인 후보 영역을 도출하기 위하여, 설정된 관심 영역 중 미생물의 종류에 따른 고유 컬러 값을 기초로 미생물이 있다고 판단되는 후보 영역을 검출할 수 있다.
미생물 자동 카운팅 장치(400)는 미생물의 종류에 따른 고유 컬러 값이 임계값보다 큰 영역을 후보 영역으로서 검출할 수 있다. 고유 컬러 값은 미생물 각각에 따른 색상 정보일 수 있다.
후보 영역은 미생물이 존재할 것이라고 추정된 영역으로서, 가령, 검출된 것이 실제 미생물이라면, 미생물 후보 영역 중앙에 미생물이 위치할 수도 있다. 또한, 미생물의 후보 영역들에 관한 정보는 뉴럴 네트워크 기반의 분류기에 입력될 수 있다.
미생물 자동 카운팅 장치(400)는 히스토그램 평활화, 가우시안 필터 등을 이용하여 미생물 영상의 이미지를 전처리할 수 있으며, 미생물 별 특성에 따른 색상의 고유 정보 등을 분석할 수도 있다. 한편, 미생물 자동 카운팅 장치(400)는 버블의 유무 또는 미생물의 형태 및 위치 조건을 분석할 수도 있다. 또한, 미생물 자동 카운팅 장치(400)는 미생물의 에지(Edge), 밝기 정보 등의 특징을 분석할 수 있다.
미생물 개수 결정부(420)는 뉴럴 네트워크 기반의 분류기를 이용하여 미생물 영상에 나타난 미생물의 개수를 결정할 수 있다. 뉴럴 네트워크 기반의 분류기는 크기, 색상정보, 형태적 특성 등의 영상의 특징 정보를 분석하고, 추출된 특징을 학습한 분류기일 수 있다. 분류기는 학습된 기준을 이용하여 미생물 영역을 검출함으로써 미생물의 개수 또는 미생물이 존재하는 지 여부를 출력할 수 있다. 한편, 분류기는 각 특징의 유사도를 계산하고, 특징 별 자동 클러스터링을 수행함으로써, 정확도가 높은 클러스터를 선택하고, 선택된 클러스터에 가중치를 부여할 수도 있다.
카운팅 결과 출력부(430)는 결정된 미생물의 개수를 출력할 수 있다. 결정된 미생물의 개수는 한 종류의 미생물의 개수일 수도 있고, 서로 다른 종류의 미생물의 개수일 수도 있다.
한편, 미생물 자동 카운팅 장치(400)는 출력된 미생물의 개수를 데이터베이스화하여 메모리 등의 저장 장치에 저장할 수도 있다. 미생물 자동 카운팅 장치(400)는 미생물의 각각의 종류에 따른 미생물의 개수를 데이터베이스화하여 실시간으로 저장장치에 저장할 수 있다.미생물 자동 카운팅 장치(400)는 영상 처리 및 인공지능을 이용하여, 미생물 카운팅 오차를 감소시킴으로써, 정확도, 생산성 및 경제성 향상을 도모할 수 있다는 장점이 있다.
또한, 미생물 자동 카운팅 장치(400)는 일반세균, 대장균뿐만 아니라, 황색포도상구균, 효모곰팡이, 리스테리아, 속성 일반세균, 속성 효모곰팡이, 살모넬라 등의 여러 종의 미생물을 카운팅할 수 있으며, 빠른 시간 내에 미생물의 수를 자동으로 카운팅할 수 있다는 효과를 획득할 수 있다.
이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 컴퓨터 판독 가능 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.

Claims (5)

  1. 미생물 자동 카운팅 방법에 있어서,
    미생물이 촬영된 미생물 영상을 수신하는 단계;
    상기 수신된 미생물 영상에서 미생물의 개수를 카운팅하기 위하여, 미생물이 있는 영역을 검출하기 위한 관심 영역을 설정하는 단계;
    뉴럴 네트워크 기반의 분류기를 이용하여 상기 미생물 영상에서 상기 미생물의 개수를 카운팅하는 단계; 및
    상기 카운팅된 결과를 출력하는 단계
    를 포함하고,
    상기 카운팅하는 단계는,
    히스토그램 평활화 및 가우시안 필터를 이용하여 미생물 영상을 전처리하고, 미생물의 고유의 색상 정보를 이용하여 버블의 유무, 미생물의 형태 및 위치 정보를 분석하고,
    상기 뉴럴 네트워크 기반의 분류기는, 상기 뉴럴 네트워크를 구성하는 각 노드마다 입력된 값을 순차적으로 다른 노드로 전달하고, 각 노드마다 설정된 수학식을 이용하여 상기 입력된 값을 변형된 값으로 다음 노드에 출력하고, 최종 노드에서 최종 출력 값을 출력하고, 상기 최종 출력 값은 상기 관심 영역에 미생물이 존재하는 지 여부 또는 미생물의 개수에 대한 정보를 포함하고, 학습이 되지 않은 입력 값이 입력될 경우에, 입력 값에 대한 출력 값으로서 학습된 값과 근접한 값으로 출력 값을 출력하고, 상기 최종 출력 값은 이미지로서 출력되고, 상기 최종 출력 값은 상기 미생물 영상에서 미생물에 해당하는 부분이 미리 설정된 색상으로 변경되거나 미리 설정된 식별자로 표시되는 미생물 자동 카운팅 방법.

  2. 삭제
  3. 제1항에 있어서,
    상기 분류기의 입력 데이터인 후보 영역을 도출하기 위하여, 상기 설정된 관심 영역 중 상기 미생물의 종류에 따른 고유 컬러 값을 기초로 미생물이 있다고 판단되는 후보 영역을 검출하는 단계
    를 더 포함하는, 미생물 자동 카운팅 방법.
  4. 제3항에 있어서,
    상기 검출하는 단계는,
    상기 미생물의 종류에 따른 고유 컬러값이 임계값보다 큰 영역을 상기 후보 영역으로서 검출하는, 미생물 자동 카운팅 방법.
  5. 미생물 자동 카운팅 장치에 있어서,
    미생물이 촬영된 미생물 영상을 수신하는 미생물 영상 수신부;
    상기 수신된 미생물 영상에서 미생물의 개수를 카운팅하기 위하여, 미생물이 있는 영역을 검출하기 위한 관심 영역을 설정하고, 뉴럴 네트워크 기반의 분류기를 이용하여 상기 미생물 영상에 나타난 상기 미생물의 개수를 결정하는 미생물 개수 결정부; 및
    상기 결정된 미생물의 개수를 출력하는 카운팅 결과 출력부
    를 포함하고,
    상기 미생물 개수 결정부는,
    히스토그램 평활화 및 가우시안 필터를 이용하여 미생물 영상을 전처리하고, 미생물의 고유의 색상 정보를 이용하여 버블의 유무, 미생물의 형태 및 위치 정보를 분석하고,
    상기 뉴럴 네트워크 기반의 분류기는, 상기 뉴럴 네트워크를 구성하는 각 노드마다 입력된 값을 순차적으로 다른 노드로 전달하고, 각 노드마다 설정된 수학식을 이용하여 상기 입력된 값을 변형된 값으로 다음 노드에 출력하고, 최종 노드에서 최종 출력 값을 출력하고, 상기 최종 출력 값은 상기 관심 영역에 미생물이 존재하는 지 여부 또는 미생물의 개수에 대한 정보를 포함하고, 학습이 되지 않은 입력 값이 입력될 경우에, 입력 값에 대한 출력 값으로서 학습된 값과 근접한 값으로 출력 값을 출력하고, 상기 최종 출력 값은 이미지로서 출력되고, 상기 최종 출력 값은 상기 미생물 영상에서 미생물에 해당하는 부분이 미리 설정된 색상으로 변경되거나 미리 설정된 식별자로 표시되는 미생물 자동 카운팅 장치.

KR1020170063951A 2017-05-24 2017-05-24 미생물 자동 카운팅 방법 및 장치 KR101924285B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020170063951A KR101924285B1 (ko) 2017-05-24 2017-05-24 미생물 자동 카운팅 방법 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170063951A KR101924285B1 (ko) 2017-05-24 2017-05-24 미생물 자동 카운팅 방법 및 장치

Publications (1)

Publication Number Publication Date
KR101924285B1 true KR101924285B1 (ko) 2018-11-30

Family

ID=64561120

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170063951A KR101924285B1 (ko) 2017-05-24 2017-05-24 미생물 자동 카운팅 방법 및 장치

Country Status (1)

Country Link
KR (1) KR101924285B1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200102034A (ko) * 2019-02-20 2020-08-31 한양대학교 에리카산학협력단 세포 계수 장치 및 방법
US20220253627A1 (en) * 2021-02-05 2022-08-11 Byoungjin PARK Method and system for processing captured image data of a microbial culture medium and recognizing colony forming unit (cfu) from the captured image data using pre-learned deep learning model
WO2023113178A1 (ko) * 2021-12-16 2023-06-22 조홍 세포 또는 미생물의 미세 입자 분석 방법 및 시스템

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5707399B2 (ja) * 2010-06-23 2015-04-30 株式会社エヌテック 微生物検出方法、微生物検出装置及びプログラム

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5707399B2 (ja) * 2010-06-23 2015-04-30 株式会社エヌテック 微生物検出方法、微生物検出装置及びプログラム

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200102034A (ko) * 2019-02-20 2020-08-31 한양대학교 에리카산학협력단 세포 계수 장치 및 방법
KR102257998B1 (ko) * 2019-02-20 2021-05-31 한양대학교 에리카산학협력단 세포 계수 장치 및 방법
US20220253627A1 (en) * 2021-02-05 2022-08-11 Byoungjin PARK Method and system for processing captured image data of a microbial culture medium and recognizing colony forming unit (cfu) from the captured image data using pre-learned deep learning model
WO2022169045A1 (ko) * 2021-02-05 2022-08-11 박병진 학습된 딥러닝 모델을 이용한 cfu 인식 방법
KR20220113063A (ko) * 2021-02-05 2022-08-12 박병진 학습된 딥러닝 모델을 이용한 cfu 인식 방법
KR102454880B1 (ko) * 2021-02-05 2022-10-14 박병진 학습된 딥러닝 모델을 이용한 cfu 인식 방법
WO2023113178A1 (ko) * 2021-12-16 2023-06-22 조홍 세포 또는 미생물의 미세 입자 분석 방법 및 시스템

Similar Documents

Publication Publication Date Title
AU2021202750B2 (en) Method and system for automatically counting microbial colonies
US11669971B2 (en) Colony contrast gathering
EP2681715B1 (en) Method and software for analysing microbial growth
KR101924285B1 (ko) 미생물 자동 카운팅 방법 및 장치
JP7416136B2 (ja) コロニー検出装置
Andreini et al. Automatic image classification for the urinoculture screening
US20210334514A1 (en) System and method for monitoring bacterial growth of bacterial colonies and predicting colony biomass
Andreini et al. Automatic image analysis and classification for urinary bacteria infection screening
Jain et al. Original Research Article Performance analysis of various deep learning models for detecting rice diseases
HULLAMANI et al. AN ANALYSIS OF PLANT DISEASES USING NEURAL NETWORK FOR INCREASING ECONOMIC GROWTH OF FARMERS

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant