KR20180057793A - 샘플수 분석장치 및 방법 - Google Patents

샘플수 분석장치 및 방법 Download PDF

Info

Publication number
KR20180057793A
KR20180057793A KR1020160155614A KR20160155614A KR20180057793A KR 20180057793 A KR20180057793 A KR 20180057793A KR 1020160155614 A KR1020160155614 A KR 1020160155614A KR 20160155614 A KR20160155614 A KR 20160155614A KR 20180057793 A KR20180057793 A KR 20180057793A
Authority
KR
South Korea
Prior art keywords
moving region
zooplankton
image
images
learning data
Prior art date
Application number
KR1020160155614A
Other languages
English (en)
Other versions
KR101883350B1 (ko
Inventor
박규원
김성태
이해돈
이광호
김대원
Original Assignee
(주) 테크로스
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 (주) 테크로스 filed Critical (주) 테크로스
Priority to KR1020160155614A priority Critical patent/KR101883350B1/ko
Priority to PCT/KR2017/011846 priority patent/WO2018097491A1/ko
Publication of KR20180057793A publication Critical patent/KR20180057793A/ko
Application granted granted Critical
Publication of KR101883350B1 publication Critical patent/KR101883350B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/18—Water
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G06T7/0014—Biomedical image inspection using an image reference approach
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G06T7/75—Determining position or orientation of objects or cameras using feature-based methods involving models

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Medicinal Chemistry (AREA)
  • Biochemistry (AREA)
  • Food Science & Technology (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Farming Of Fish And Shellfish (AREA)
  • Apparatus Associated With Microorganisms And Enzymes (AREA)

Abstract

본 발명은 샘플수 분석장치에 관한 것으로, 샘플수가 수용되는 챔버; 상기 챔버 내의 샘플수를 촬영하는 촬상부; 및 상기 촬상부를 통해 연속 촬영된 영상들을 분석하는 제어부;를 포함하되, 상기 제어부는, 생물 종류별로 복수의 화상 이미지를 입력받아 기계학습을 통해 학습데이터를 생성하고, 상기 연속 촬영된 영상들을 비교하여 이동영역을 획득하고, 상기 학습데이터와 상기 이동영역을 비교하여 상기 이동영역 내에 생존한 생물 종류를 판단하도록 구성됨으로써, 인공지능 이미지 인식을 통해 높은 정확도의 분석결과를 제공하는 효과가 있다.

Description

샘플수 분석장치 및 방법{Apparatus and method for analyzing microorganism}
본 발명은 샘플수 분석장치 및 방법에 관한 것이다. 보다 상세하게는 선박평형수 처리장치에 적용가능하도록 수중생물을 정확하게 분석할 수 있도록 하는 샘플수 분석장치 및 방법에 관한 것이다.
일반적으로 선박평형수 또는 밸러스트수(Ballast Water)는 선박으로부터 화물을 하역시킨 상태 또는 선박에 적재된 화물량이 매우 적은 상태에서 선박을 운행할 경우, 선박이 균형을 유지할 수 있도록 선박에 설치된 밸러스트탱크에 채우는 해수를 말하는 것이다.
이러한 선박평형수에는 각종 수중생물이 서식하고 있으므로, 이를 아무런 처리없이 타지역에서 배출시킬 경우 심각한 해양오염 및 생태계 파괴를 유발시킬 우려가 높게 된다.
이에 따라 국제해사기구(IMO: International Maritime Organization)에서는 국제협약을 체결하여 선박평형수의 살균 및 정화처리에 필요한 장치를 선박에 탑재토록 하였다.
선박에 탑재된 선박평형수 처리장치는, 국제해사기구(IMO)의 기준에 맞추어 육상시험 및 선상시험을 거쳐 인증서를 받은 다음 운항하여야 하기 때문에 선박평형수 처리장치에 의하여 처리된 평형수가 국제해사기구에서 규정한 배출기준에 적합한 것인지를 모니터링하는 시스템이 필요하게 된다.
그러나, 선박평형수 처리장치의 기준 만족여부를 판단하기 위한 생물생사판별 측정이나 생물 계수시 영상분석 장치의 화면에 표시된 물체의 움직임(Mobility)만으로 판단하였기 때문에 생물이 아닌 물체(예를 들면, 부유물)도 생물로 혼돈되어 측정되어 정확도가 떨어지는 문제점이 있었다.
본 발명은 상기와 같은 문제점을 해결하기 위해 안출된 것으로, 특히 수중생물을 보다 정확하게 판단할 수 있는 샘플수 분석장치 및 방법을 제공하는 데 그 목적이 있다.
상기 목적을 달성하기 위해 안출된 본 발명의 일관점에 따른 샘플수 분석장치는, 샘플수가 수용되는 챔버; 상기 챔버 내의 샘플수를 촬영하는 촬상부; 및 상기 촬상부를 통해 연속 촬영된 영상들을 분석하는 제어부;를 포함하되, 상기 제어부는, 생물 종류별로 복수의 화상 이미지를 입력받아 기계학습을 통해 학습데이터를 생성하고, 상기 연속 촬영된 영상들을 비교하여 이동영역을 획득하고, 상기 학습데이터와 상기 이동영역을 비교하여 상기 이동영역 내에 생존한 생물 종류를 판단하도록 구성된다.
여기서, 상기 생물은, 동물성 플랑크톤의 한 종류일 수 있다.
또한, 상기 제어부는, 상기 학습데이터와 상기 이동영역을 비교하여 판단된 동물성 플랑크톤 종류의 정확도가 20% 이상일 경우, 판단된 동물성 플랑크톤의 종류가 맞다고 인식하도록 구성할 수 있다.
한편, 본 발명의 일실시예에 따른 샘플수 분석장치는, 촬영된 상기 영상을 보여주는 디스플레이부를 더 포함하되, 상기 디스플레이부는, 맞다고 인식된 상기 동물성 플랑크톤의 종류가 추가로 표시될 수 있다.
여기서, 상기 디스플레이부는, 맞다고 인식된 상기 동물성 플랑크톤의 크기가 추가로 표시될 수 있다.
또한, 상기 디스플레이부는, 맞다고 인식된 상기 동물성 플랑크톤의 크기가 50㎛이상인지 여부를 표시할 수도 있다.
본 발명의 일실시예에서, 상기 동물성 플랑크톤의 크기는, 상기 이동영역의 가로 및 세로의 화소수와 화소당 실제 크기를 근거로 산출될 수 있다.
본 발명의 일실시예에서, 상기 촬상부는, 1초에 한 프레임(frame) 이상의 영상을 연속적으로 촬영할 수 있다.
또한, 상기 이동영역은, 연속된 2개의 프레임들의 차이를 근거로 획득될 수 있다.
상기 화상 이미지는, 생물 종류별로 분류가 되도록 저장 폴더가 구분되거나, 파일이름이 구분되거나, 파일이름과 대응되는 생물 종류를 매핑시키는 매핑정보가 제공될 수 있다.
한편, 본 발명의 다른 관점에 따른 샘플수 분석방법은, 생물 종류별로 복수의 화상 이미지를 입력받아 기계학습을 통해 학습데이터를 생성하는 단계; 샘플수를 연속 촬영하고, 상기 연속 촬영된 영상들을 비교하여 이동영역을 획득하는 단계; 및 상기 학습데이터와 상기 이동영역을 비교하여 상기 이동영역 내에 생존한 생물 종류를 판단하는 단계;를 포함한다.
본 발명에 의하면 수중의 부유물과 생물을 정확하게 구분하여 보다 정확하게 수중생물의 생사판별을 하고, 살균 처리 유무를 검사할 수 있도록 하는 효과가 있다.
또한, 본 발명에 의하면 수중생물의 종류뿐만 아니라 크기정보를 정확하게 획득함으로써 보다 다양하게 수중생물정보를 제공하는 효과가 있다.
도 1은 본 발명의 일실시예에 따른 샘플수 분석장치를 도시한 구성도이고,
도 2는 본 발명의 일실시예에 따른 샘플수 분석장치에 입력되는 동물성 플랑크톤의 학습이미지들을 도시한 것이고,
도 3은 본 발명의 일실시예에 따른 샘플수 분석장치의 디스플레이부를 도시한 것이다.
이하, 본 발명의 바람직한 실시예를 첨부된 도면들을 참조하여 상세히 설명한다. 우선 각 도면의 구성 요소들에 참조 부호를 부가함에 있어서, 동일한 구성 요소들에 대해서는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 부호를 가지도록 하고 있음에 유의해야 한다. 또한, 본 발명을 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명은 생략한다. 또한, 이하에서 본 발명의 바람직한 실시예를 설명할 것이나, 본 발명의 기술적 사상은 이에 한정하거나 제한되지 않고 당업자에 의해 변형되어 다양하게 실시될 수 있음은 물론이다.
도 1은 본 발명의 일실시예에 따른 샘플수 분석장치를 도시한 구성도이다. 도 1에 도시된 바와 같이, 본 발명의 실시예에 따른 샘플수 분석장치(100)는, 수중생물 포함된 샘플수가 수용되는 챔버(110)와, 챔버(110) 내의 샘플수를 촬영하는 촬상부(120)와, 촬상부(120)에서 촬영된 영상을 처리하는 제어부(130)를 포함한다.
여기서, 챔버(110) 내의 샘플수는, 수중의 생물을 분석할 필요가 있는 다양한 분야에서 샘플링되어 샘플수 내에 포함된 수중생물이 분석될 수 있다.
일례로, 선박평형수는 밸러스팅(ballasting)시에 전기분해 또는 화학약품 투입 등 다양한 방식으로 처리된 다음, 밸러스트 탱크로 유입되어 저장되었다가 디밸러스팅(deballasting)시 배출배관을 통해 선박 밖으로 배출되는데, 배출되는 선박평형수는 국제해사기구에서 규정한 배출기준에 적합한 것인지를 판단하여야 하기 때문에, 배출되는 선박평형수를 샘플링하여 선박평형수 내에 존재하는 수중생물의 종류, 생사판별 등의 분석작업을 하게 된다.
다른 실시예로, 정수장에서 살균처리된 정수를 샘플링하여 본 발명의 샘플수 분석장치(100)를 통해 분석할 수도 있다.
챔버(110)는, 분석할 샘플수가 수용되어 분석시간 동안 계류될 수 있도록 구성된다. 여기서, 챔버(110)는 유입 및 유출되는 유입부(미도시) 및 유출부(미도시)를 구비하여 샘플수가 유입 및 유출되도록 구성할 수도 있고, 유입부(미도시) 및 유출부(미도시)를 구비하지 않는 그릇 등의 형태로 구성되어 실험자가 수작업으로 물을 담아서 사용할 수도 있다.
촬상부(120)는, 챔버(110)의 샘플수 내에 포함된 수중생물을 촬영하도록 챔버(110)의 상측 또는 하측 방향, 측면 방향에 설치될 수 있다.
여기서, 촬상부(120)는 상하 또는 좌우로 이동이 가능하도록 구동부(미도시)를 포함하여 챔버(110)와의 이격거리를 측정환경에 맞게 조절할 수 있도록 한다.
제어부(130)는, 촬상부(120)를 통해 촬영된 영상들을 분석하는 장치이다.
본 발명의 제어부(130)는, 특히 기계학습을 통해 학습데이터를 생성하고 학습데이터와, 촬상부(120)에서 촬영된 영상을 비교하여 수중 생물을 분석할 수 있도록 구성된다.
이를 위해, 제어부(130)는, 도 2에 도시된 본 발명의 일실시예에 따른 샘플수 분석장치에 입력되는 동물성 플랑크톤의 학습이미지들과 같은 복수의 화상이미지들을 사전에 입력받아 학습하는 과정을 거쳐 학습데이터를 생성하여야 한다.
이때, 학습이미지(200)는, 동물성 플랑크톤의 종류별로 분류가 되도록 라벨링(Labeling)될 수 있다.
라벨링의 일실시예로서, 동물성 플랑크톤 종류별로 분류가 되도록 학습이미지(200)의 저장폴더(210)가 동물성 플랑크톤 종류별로 구분되도록 하거나, 학습이미지(200)의 파일이름(220)의 일부가 동물성 플랑크톤의 종류명이 되도록 설정하여 분류할 수 있다. 제어부(130)는 프로그램된 기계학습에 의해 학습이미지(200)가 저장된 경로에서 복수개의 학습이미지(200)들을 읽어서 동물성 플랑크톤의 종류를 구분하는 학습을 수행하게 된다.
라벨링의 다른 실시예로서, 파일이름과 대응되는 동물성 플랑크톤 종류를 각각 매핑시키는 매핑정보를 제공할 수도 있다. 예를 들면, 텍스트 파일 등에 파일이름과 각각의 라벨(대응되는 동물성 플랑크톤 종류명)을 한줄씩 입력한 매핑정보를 생성하고, 매핑정보를 사용하여 종류에 맞는 학습이미지(200)들을 획득하도록 구성할 수 있다.
본 발명의 도 2에서는 동물성 플랑크톤의 종류별로 9개의 학습이미지(200)들을 사용하였지만, 더욱 정확한 분석을 위해서는 더 많은 양의 학습이미지(200)를 학습시킬 필요가 있다.
여기서, 학습이미지(200)들은 상호간에 유사도가 떨어지는 것들을 사용하면 더욱 적은 양의 학습이미지(200)를 사용할 수 있다. 예를 들면, 같은 종류의 동물성 플랑크톤 사진이지만, 크기나 형태를 다양하도록 하는 것이 기계학습 효과를 향상시킬 수 있게 된다.
제어부(130)은, 이와 같이 학습이미지(200)를 통해 기계학습을 수행하여 학습데이터를 생성하고, 촬상부(120)에서 촬영된 영상과 비교하여 수중생물을 분석하게 된다.
이때, 제어부(130)는, 촬상부(120)에서 샘플수를 연속으로 촬영한 영상들을 비교하여 이동영역을 획득한다.
본 발명의 일실시예에서 촬상부(120)는, 1초에 한 프레임(frame) 이상의 영상을 연속적으로 촬영한다. 이를 통해 보다 신뢰성 높은 영상데이터들을 확보하여 수중생물의 분석을 정확하게 진행할 수 있게 된다.
제어부(130)에서는, 움직임이 감지된 영역인 이동영역을 연속촬영된 영상에서 추출하여 기계학습을 통해 기생성된 학습데이터와 비교하는데, 이때 이동영역은, 연속된 2개의 프레임들의 차이를 근거로 획득될 수 있다. 이와 같이 연속된 프레임간의 차이로 이동영역을 추출함으로써 분석 오류를 줄일 수 있게 된다.
여기서, 제어부(130)는, 학습데이터와 이동영역을 비교하여 이동영역 내에 생존한 동물성 플랑크톤의 종류를 판단하게 되는데, 판단된 결과가 참인지 거짓인지 여부는 분석결과의 정확도를 기준으로 판단한다. 즉, 판단된 동물성 플랑크톤 종류의 정확도가 소정의 임계값 이상일 경우, 판단된 동물성 플랑크톤의 종류가 맞다고 인식하도록 구성할 수 있다. 본 발명의 실시예에서는, 다수회의 실험결과 정확도가 20% 이상일 경우, 판단결과가 맞을 확률이 매우 높기 때문에 20% 이상일 때 판단결과가 맞다고 인식한다.
한편, 본 발명의 일실시예에 따른 샘플수 분석장치(100)는, 촬영된 영상을 보여주는 디스플레이부(140)를 더 포함할 수 있다.
디스플레이부(140)는, 도 3에 도시된 바와 같이, 수중생물이 촬영된 영상을 보여주는 영상부(141)가 좌측에 위치되고, 우측에는 영상부(141)에서 이동영역(141a,141b,141c)으로 인식된 부분과 학습데이터를 비교분석한 결과 판단된 동물성 플랑크톤의 종류이미지(142)와, 종류명(143), 정확도(144)와 크기(145) 등의 분석 정보를 제공한다.
이때, 정확도(144)가 소정값(일례로 20%)이상인 것만 디스플레이부(140)에 표시되도록 구성할 수 있다.
여기서, 표시된 동물성 플랑크톤의 크기(145)는, 이동영역(141a,141b,141c)의 가로 및 세로의 화소수와 화소당 실제 크기를 근거로 산출될 수 있다. 예를 들면, 영역의 화소수가 18*25이고, 화소당 실제 크기가 2.5mm인 경우, 실제 크기는 45mm*62.5mm가 되고, 이 실제 크기를 디스플레이부(140)에 표시하게 된다.
또한, 디스플레이부(140)는, 이동영역(141a,141b,141c)의 크기를 근거로 동물성 플랑크톤의 크기가 50㎛이상인지 여부를 표시하는 크기표시부(146)를 포함할 수 있다. 크기표시부(146)의 일례로 도 3에서는 50㎛이상인 개체수가 몇 개인지, 10~50㎛미만의 개체수가 몇개인지를 표시하도록 구성하였다.
도 3의 실시예에서는, 수중에 3개 종류의 동물성 플랑크톤이 존재한다고 판단하였고, 그 크기는 모두 50㎛이상인 것으로 분석하였다.
이와 같이 본 발명의 샘플수 분석장치(100)는, 제어부(130)에서 촬상부(120)에서 촬영된 샘플수의 영상을 수신하고 샘플수내에 어떠한 종류의 생물체가 존재하는지를 분석하여 선박평형수 살균처리 결과가 IMO 기준에 만족하는지를 판단할 수 있게 된다. 기준에 만족할 경우, 처리수를 연안해역에 배출하는 디밸러스팅 동작을 수행하고, 기준에 불만족할 경우 처리수의 배출을 중단하고 수중생물의 살균을 위한 재처리공정을 수행하게 된다.
특히, 기계학습을 통해 제어부(130)에서 분석된 결과값을 통해 생물 생사판별을 자동으로 수행할 뿐만 아니라 어떤 종류의 동물성 플랑크톤이 들어 있는지, 50㎛이상의 동물성 플랑크톤의 개수는 몇 개인지를 자동으로 표시할 수 있도록 구성된다.
이와 같이 기계학습을 통해 수중 생물의 분석작업을 자동으로 진행할 경우에는 자동으로 데이터를 측정함으로써 데이터 축적할 수 있을 뿐만 아니라 생물크기 및 종류정보를 제공하며 보다 신뢰성이 높게 생사판별을 수행할 수 있게 된다.
이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위 내에서 다양한 수정, 변경 및 치환이 가능할 것이다. 따라서, 본 발명에 개시된 실시예 및 첨부된 도면들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예 및 첨부된 도면에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.
100: 샘플수 분석장치
110: 챔버
120: 촬상부
130: 제어부
140: 디스플레이부
141: 영상부
141a,141b,141c: 이동영역
146: 크기표시부
200: 학습이미지
220: 파일이름

Claims (11)

  1. 샘플수가 수용되는 챔버;
    상기 챔버 내의 샘플수를 촬영하는 촬상부; 및
    상기 촬상부를 통해 연속 촬영된 영상들을 분석하는 제어부;를 포함하되,
    상기 제어부는,
    생물 종류별로 복수의 화상 이미지를 입력받아 기계학습을 통해 학습데이터를 생성하고,
    상기 연속 촬영된 영상들을 비교하여 이동영역을 획득하고,
    상기 학습데이터와 상기 이동영역을 비교하여 상기 이동영역 내에 생존한 생물 종류를 판단하도록 구성되는, 샘플수 분석장치.
  2. 청구항 1에 있어서,
    상기 생물은,
    동물성 플랑크톤의 한 종류인, 샘플수 분석장치.
  3. 청구항 2에 있어서,
    상기 제어부는,
    상기 학습데이터와 상기 이동영역을 비교하여 판단된 동물성 플랑크톤 종류의 정확도가 20% 이상일 경우, 판단된 동물성 플랑크톤의 종류가 맞다고 인식하는, 샘플수 분석장치.
  4. 청구항 3에 있어서,
    상기 샘플수 분석장치는,
    촬영된 상기 영상을 보여주는 디스플레이부를 더 포함하되,
    상기 디스플레이부는,
    맞다고 인식된 상기 동물성 플랑크톤의 종류가 추가로 표시되는, 샘플수 분석장치.
  5. 청구항 4에 있어서,
    상기 디스플레이부는,
    맞다고 인식된 상기 동물성 플랑크톤의 크기가 추가로 표시되는, 샘플수 분석장치.
  6. 청구항 4에 있어서,
    상기 디스플레이부는,
    맞다고 인식된 상기 동물성 플랑크톤의 크기가 50㎛이상인지 여부를 표시하는, 샘플수 분석장치.
  7. 청구항 6에 있어서,
    상기 동물성 플랑크톤의 크기는,
    상기 이동영역의 가로 및 세로의 화소수와 화소당 실제 크기를 근거로 산출되는, 샘플수 분석장치.
  8. 청구항 1에 있어서,
    상기 촬상부는,
    1초에 한 프레임(frame) 이상의 영상을 연속적으로 촬영하는, 샘플수 분석장치.
  9. 청구항 1에 있어서,
    상기 이동영역은,
    연속된 2개의 프레임들의 차이를 근거로 획득되는, 샘플수 분석장치.
  10. 청구항 1에 있어서,
    상기 화상 이미지는,
    생물 종류별로 분류가 되도록 저장 폴더가 구분되거나, 파일이름이 구분되거나, 파일이름과 대응되는 생물 종류를 매핑시키는 매핑정보가 제공되는, 샘플수 분석장치.
  11. 생물 종류별로 복수의 화상 이미지를 입력받아 기계학습을 통해 학습데이터를 생성하는 단계;
    샘플수를 연속 촬영하고, 상기 연속 촬영된 영상들을 비교하여 이동영역을 획득하는 단계; 및
    상기 학습데이터와 상기 이동영역을 비교하여 상기 이동영역 내에 생존한 생물 종류를 판단하는 단계;를 포함하는, 샘플수 분석방법.
KR1020160155614A 2016-11-22 2016-11-22 샘플수 분석장치 및 방법 KR101883350B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020160155614A KR101883350B1 (ko) 2016-11-22 2016-11-22 샘플수 분석장치 및 방법
PCT/KR2017/011846 WO2018097491A1 (ko) 2016-11-22 2017-10-25 샘플수 분석장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020160155614A KR101883350B1 (ko) 2016-11-22 2016-11-22 샘플수 분석장치 및 방법

Publications (2)

Publication Number Publication Date
KR20180057793A true KR20180057793A (ko) 2018-05-31
KR101883350B1 KR101883350B1 (ko) 2018-08-02

Family

ID=62195567

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020160155614A KR101883350B1 (ko) 2016-11-22 2016-11-22 샘플수 분석장치 및 방법

Country Status (2)

Country Link
KR (1) KR101883350B1 (ko)
WO (1) WO2018097491A1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2020032394A (ja) * 2018-08-31 2020-03-05 株式会社明電舎 汚水処理運転状況評価装置及び汚水処理運転状況評価方法
KR102105184B1 (ko) * 2018-11-29 2020-04-28 (주) 테크로스 샘플수 분석장치 및 방법
KR20210053692A (ko) * 2019-11-04 2021-05-12 (주) 테크로스 샘플수 분석장치 및 방법

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102351562B1 (ko) * 2019-12-26 2022-01-14 박상준 인공지능을 이용한 다중촬영 영상 분석 기반 개체 계수 시스템
KR102562371B1 (ko) * 2021-08-19 2023-08-02 (주)엠큐빅 인공지능을 이용하는 미세조류 분석장치
KR102531861B1 (ko) 2022-10-05 2023-05-12 주식회사 엠에스텍 수중 유충 실시간 모니터링 시스템

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH05263411A (ja) * 1992-03-19 1993-10-12 Hitachi Ltd 物体の観察方法および装置
KR20080090734A (ko) * 2007-04-05 2008-10-09 (주)월드이엔지 영상처리를 이용한 선박 밸러스트 워터 검사 장치 및 그방법
JP2015103144A (ja) * 2013-11-27 2015-06-04 富士ゼロックス株式会社 画像処理装置及びプログラム
JP2016095259A (ja) * 2014-11-17 2016-05-26 横河電機株式会社 プランクトン測定システムおよびプランクトン測定方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101108614B1 (ko) * 2009-11-06 2012-01-31 주식회사 파나시아 밸러스트수 실시간 감시장치 및 이를 이용한 감시방법
KR101201446B1 (ko) * 2011-03-04 2012-11-14 주식회사 엔케이 선박용 밸러스트수의 모니터링 시스템
WO2015065697A1 (en) * 2013-10-28 2015-05-07 Molecular Devices, Llc Method and system for classifying and identifying individual cells in a microscopy image

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH05263411A (ja) * 1992-03-19 1993-10-12 Hitachi Ltd 物体の観察方法および装置
KR20080090734A (ko) * 2007-04-05 2008-10-09 (주)월드이엔지 영상처리를 이용한 선박 밸러스트 워터 검사 장치 및 그방법
JP2015103144A (ja) * 2013-11-27 2015-06-04 富士ゼロックス株式会社 画像処理装置及びプログラム
JP2016095259A (ja) * 2014-11-17 2016-05-26 横河電機株式会社 プランクトン測定システムおよびプランクトン測定方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
FDA와 Calcein-AM 방법을 이용한 해양플랑크톤 생사판별기법, Ocean and Polar Research *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2020032394A (ja) * 2018-08-31 2020-03-05 株式会社明電舎 汚水処理運転状況評価装置及び汚水処理運転状況評価方法
KR102105184B1 (ko) * 2018-11-29 2020-04-28 (주) 테크로스 샘플수 분석장치 및 방법
KR20210053692A (ko) * 2019-11-04 2021-05-12 (주) 테크로스 샘플수 분석장치 및 방법

Also Published As

Publication number Publication date
KR101883350B1 (ko) 2018-08-02
WO2018097491A1 (ko) 2018-05-31

Similar Documents

Publication Publication Date Title
KR101883350B1 (ko) 샘플수 분석장치 및 방법
KR101844928B1 (ko) 샘플수 분석장치 및 방법
JP6791972B2 (ja) 試料中のインターフェレントを検出するための方法と装置
EP4361946A1 (en) Deep learning-based context-sensitive detection method for urine formed element
JP6927465B2 (ja) 検体中の妨害因子を分類するためのモデルベース方法及び装置
JP6888770B2 (ja) 試料内のアーチファクトを分類する方法と装置
TWI499669B (zh) 微生物檢測方法、微生物檢測裝置及程式
JP5414707B2 (ja) 分析装置
CN111209876A (zh) 一种漏油缺陷检测方法及系统
US9366623B2 (en) Optical analysis method for liquid in a sample container and analysis device for carrying out the method
JP2019504997A (ja) 側方多視点から試料を定量化するように構成された方法及び装置
CN106251333B (zh) 元件反件检测方法和系统
KR100889997B1 (ko) 영상처리를 이용한 선박 밸러스트 워터 검사 장치 및 그방법
JP2010063403A (ja) 微生物の簡易計数方法
Abalos et al. Fresh fish classification using hog feature extraction and svm
US10115028B2 (en) Method and device for classifying an object in an image
EP4073693A1 (en) Method and system for detecting liquid level inside a container
CN114841967A (zh) 异物检测方法、装置、ai服务器、系统及存储介质
KR101463005B1 (ko) 특정 파장에 대한 형광 특성을 갖는 미생물 검사방법
CN113326749A (zh) 目标检测方法、装置以及存储介质、电子设备
CN114005064A (zh) 一种基于机器视觉技术的生物式水体污染预警方法及装置
CN117197048B (zh) 一种船舶水尺读数检测方法、装置及设备
KR102294417B1 (ko) 샘플수 분석장치 및 방법
CN115359412A (zh) 一种盐酸中和实验评分方法、装置、设备及可读存储介质
CN115393869A (zh) 体积测量容器读数方法、装置、存储介质和计算机设备

Legal Events

Date Code Title Description
A201 Request for examination
PA0109 Patent application

Patent event code: PA01091R01D

Comment text: Patent Application

Patent event date: 20161122

PA0201 Request for examination
E902 Notification of reason for refusal
PE0902 Notice of grounds for rejection

Comment text: Notification of reason for refusal

Patent event date: 20180105

Patent event code: PE09021S01D

PG1501 Laying open of application
E701 Decision to grant or registration of patent right
PE0701 Decision of registration

Patent event code: PE07011S01D

Comment text: Decision to Grant Registration

Patent event date: 20180723

GRNT Written decision to grant
PR0701 Registration of establishment

Comment text: Registration of Establishment

Patent event date: 20180724

Patent event code: PR07011E01D

PR1002 Payment of registration fee

Payment date: 20180724

End annual number: 3

Start annual number: 1

PG1601 Publication of registration
PR1001 Payment of annual fee

Payment date: 20210428

Start annual number: 4

End annual number: 4

PR1001 Payment of annual fee

Payment date: 20220621

Start annual number: 5

End annual number: 5

PR1001 Payment of annual fee

Payment date: 20230524

Start annual number: 6

End annual number: 6

PR1001 Payment of annual fee

Payment date: 20240626

Start annual number: 7

End annual number: 7