KR20230028612A - 인공지능을 이용하는 미세조류 분석장치 - Google Patents
인공지능을 이용하는 미세조류 분석장치 Download PDFInfo
- Publication number
- KR20230028612A KR20230028612A KR1020210109220A KR20210109220A KR20230028612A KR 20230028612 A KR20230028612 A KR 20230028612A KR 1020210109220 A KR1020210109220 A KR 1020210109220A KR 20210109220 A KR20210109220 A KR 20210109220A KR 20230028612 A KR20230028612 A KR 20230028612A
- Authority
- KR
- South Korea
- Prior art keywords
- microalgae
- sample
- artificial intelligence
- image
- analysis device
- Prior art date
Links
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 44
- 238000004458 analytical method Methods 0.000 title claims abstract description 41
- 238000013135 deep learning Methods 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 11
- 230000003044 adaptive effect Effects 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000012937 correction Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000002372 labelling Methods 0.000 claims description 3
- 210000004027 cell Anatomy 0.000 description 34
- 241000894007 species Species 0.000 description 22
- 238000000034 method Methods 0.000 description 15
- 241000195493 Cryptophyta Species 0.000 description 14
- 238000010586 diagram Methods 0.000 description 7
- 238000012544 monitoring process Methods 0.000 description 6
- 239000006059 cover glass Substances 0.000 description 5
- 230000000694 effects Effects 0.000 description 3
- 238000003780 insertion Methods 0.000 description 3
- 230000037431 insertion Effects 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000010790 dilution Methods 0.000 description 2
- 239000012895 dilution Substances 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 241000195628 Chlorophyta Species 0.000 description 1
- 241000192700 Cyanobacteria Species 0.000 description 1
- 241000192701 Microcystis Species 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 210000002421 cell wall Anatomy 0.000 description 1
- 229930002875 chlorophyll Natural products 0.000 description 1
- 235000019804 chlorophyll Nutrition 0.000 description 1
- ATNHDLDRLWWWCB-AENOIHSZSA-M chlorophyll a Chemical compound C1([C@@H](C(=O)OC)C(=O)C2=C3C)=C2N2C3=CC(C(CC)=C3C)=[N+]4C3=CC3=C(C=C)C(C)=C5N3[Mg-2]42[N+]2=C1[C@@H](CCC(=O)OC\C=C(/C)CCC[C@H](C)CCC[C@H](C)CCCC(C)C)[C@H](C)C2=C5 ATNHDLDRLWWWCB-AENOIHSZSA-M 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 239000003085 diluting agent Substances 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000029553 photosynthesis Effects 0.000 description 1
- 238000010672 photosynthesis Methods 0.000 description 1
- 231100000614 poison Toxicity 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 230000035755 proliferation Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000003248 secreting effect Effects 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 239000004094 surface-active agent Substances 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 239000003440 toxic substance Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume, or surface-area of porous materials
- G01N15/06—Investigating concentration of particle suspensions
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume, or surface-area of porous materials
- G01N15/02—Investigating particle size or size distribution
- G01N15/0205—Investigating particle size or size distribution by optical means, e.g. by light scattering, diffraction, holography or imaging
- G01N15/0227—Investigating particle size or size distribution by optical means, e.g. by light scattering, diffraction, holography or imaging using imaging, e.g. a projected image of suspension; using holography
-
- G01N15/075—
-
- G01N15/1433—
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume, or surface-area of porous materials
- G01N15/10—Investigating individual particles
- G01N15/14—Electro-optical investigation, e.g. flow cytometers
- G01N15/1434—Electro-optical investigation, e.g. flow cytometers using an analyser being characterised by its optical arrangement
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume, or surface-area of porous materials
- G01N15/10—Investigating individual particles
- G01N15/14—Electro-optical investigation, e.g. flow cytometers
- G01N15/1456—Electro-optical investigation, e.g. flow cytometers without spatial resolution of the texture or inner structure of the particle, e.g. processing of pulse signals
- G01N15/1463—Electro-optical investigation, e.g. flow cytometers without spatial resolution of the texture or inner structure of the particle, e.g. processing of pulse signals using image analysis for extracting features of the particle
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume, or surface-area of porous materials
- G01N15/06—Investigating concentration of particle suspensions
- G01N2015/0693—Investigating concentration of particle suspensions by optical means, e.g. by integrated nephelometry
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N2021/8466—Investigation of vegetal material, e.g. leaves, plants, fruits
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2333/00—Assays involving biological materials from specific organisms or of a specific nature
- G01N2333/405—Assays involving biological materials from specific organisms or of a specific nature from algae
Abstract
본 발명은 시료가 주입된 상태인 시료 챔버의 다수의 사각셀을 순차적으로 촬영하여 다수의 샘플 이미지를 생성하고, 생성된 다수의 샘플 이미지를 인공지능으로 분석하여 시료에 포함된 미세조류에 대한 분석의 결과를 제공해주는 미세조류 분석장치에 관한 것이다.
본 발명에 의한 인공지능을 이용하는 미세조류 분석장치는 시료가 주입되는 다수의 사각셀이 상단에 형성되는 시료 챔버, 시료 챔버를 고정한 상태에서 자동으로 위치를 조정하는 스테이지와 시료가 주입된 다수의 사각셀을 수직 상방에서 순차적으로 촬영하여 다수의 샘플 이미지를 생성하는 촬영부를 포함하여 구성되는 촬영 장치 및, 샘플 이미지를 인공지능으로 분석하여 시료에 포함된 미세조류의 종을 확인하고, 개체수를 측정하는 분석 장치를 포함하여 구성되는 것을 특징으로 한다.
본 발명에 의한 인공지능을 이용하는 미세조류 분석장치는 시료가 주입되는 다수의 사각셀이 상단에 형성되는 시료 챔버, 시료 챔버를 고정한 상태에서 자동으로 위치를 조정하는 스테이지와 시료가 주입된 다수의 사각셀을 수직 상방에서 순차적으로 촬영하여 다수의 샘플 이미지를 생성하는 촬영부를 포함하여 구성되는 촬영 장치 및, 샘플 이미지를 인공지능으로 분석하여 시료에 포함된 미세조류의 종을 확인하고, 개체수를 측정하는 분석 장치를 포함하여 구성되는 것을 특징으로 한다.
Description
본 발명은 인공지능을 이용하여 시료에 포함된 미세조류를 분석하는 장치에 관한 것으로써, 보다 상세하게는 시료가 주입된 상태인 시료 챔버의 다수의 사각셀을 순차적으로 촬영하여 다수의 샘플 이미지를 생성하고, 생성된 다수의 샘플 이미지를 인공지능으로 분석하여 시료에 포함된 미세조류에 대한 분석의 결과를 제공해주는 미세조류 분석장치에 관한 것이다.
일반적으로 뿌리, 줄기, 잎 등으로 체계적으로 분화되지 않은 하등식물 중에서 엽록소를 이용하여 광합성을 하는 식물을 조류라고 하며, 이러한 조류는 다시 일정한 위치에서만 서식하는 미역, 다시마 등의 대형조류와 50㎛ 이하의 크기를 가지며 물속에서 자유로이 부유하며 살아가는 미세조류로 구분할 수 있다.
이중, 미세조류는 이산화탄소를 흡수하여 광합성에 이용할 수 있고, 오염을 정화하여 토질과 수질을 개선할 수 있는 등의 다양한 장점을 가지고 있으나, 과다하게 증식하여 녹조 또는 적조 현상을 유발함으로써 주변 환경에 악영향을 미칠 수 있는 치명적인 단점도 가지고 있다.
특히, 마이크로시스티스, 아나베나 등과 같은 유해 남조류는 독성 물질과 이취미 원인물질을 분비하여 주변 환경에 큰 피해를 유발하기 때문에 우리나라에서는 강이나 호수 등에서 채취된 시료에 포함된 미세조류의 종과 개체수를 확인하기 위한 검사가 주기적으로 실시되고 있으며, 그 결과에 따라 조류경보가 발령될 수 있다.
그러나 강이나 호수 등에서 채취된 시료를 분석하여 미세조류를 검출하고, 검출된 미세조류의 종을 확인하며 개체수를 측정하기 위해서는 시료를 희석하고 농축하는 등의 이화학적 처리 시간이 필요하고, 고도로 숙련된 전문가가 현미경을 이용하여 실시하게 되는 조류의 형상에 따른 종 분류와 계수 과정이 필요하여, 결과의 도출에 상당한 시간이 걸리게 되는 문제가 발생하게 된다.
따라서, 미세조류의 감시를 위한 검사에 있어 신속성이 요구되며, 이러한 문제를 해결할 수 있는 종래의 발명으로는 대한민국 공개특허공보 제10-2018-0003757호의 “조류 모니터링 시스템”과 대한민국 등록특허공보 제10-1928919호의 “실시간 조류 모니터링 시스템” 등의 발명들이 제안되어 공개된 바 있다.
우선, 상기 대한민국 공개특허공보 제10-2018-0003757호의 “조류 모니터링 시스템”에는 조류가 포함된 시료를 초음파로 전처리함으로써 각 조류의 세포벽을 파괴한 후, 다양한 파장의 빛을 조사하고 관찰함으로써 시료에 포함된 조류의 종류를 검출하고 모니터링할 수 있도록 하는 시스템에 관한 발명이 제안되었다.
또한, 상기 대한민국 등록특허공보 제10-1928919호의 “실시간 조류 모니터링 시스템”에는 직접 현장에 나가 시료를 채취하는 샘플링 과정을 생략한 상태로도 넓은 면적의 수면이나 수중에서 발생하는 조류에 대해 정량적으로 측정하고 분석할 수 있도록 하는 시스템에 관한 발명이 제안되었다.
그러나 상기와 같은 종래의 발명들은 강이나 호수 등의 현장에 직접 설치되는 것이므로 시스템의 구축과 유지보수에 상당한 비용이 발생하게 되고, 시료에 포함된 조류의 종과 개체수에 대한 대략적인 정도만을 파악할 수 있을 뿐, 시료에 포함된 조류의 종과 개체수에 대한 정확한 결과값은 도출하기 어려운 분명한 한계를 내재하고 있다.
따라서, 상기와 같은 문제들을 모두 해결하여, 비용은 절감하되 신속하게 결과를 얻을 수 있고, 동시에 결과의 신뢰성이 보장되는 장치나 시스템 등에 관한 발명이 요구되는 실정이다.
본 발명에 의한 인공지능을 이용하는 미세조류 분석장치는 상기한 문제점들을 해결하기 위해 제안된 발명으로써,
강이나 호수 등에서 채취된 시료를 분석하여 미세조류를 검출하고, 검출된 미세조류의 종을 확인하며 개체수를 측정하기 위해서는 시료를 희석하고 농축하는 등의 이화학적 처리 시간이 필요하고, 고도로 숙련된 전문가가 현미경을 이용하여 실시하게 되는 조류의 형상에 따른 종 분류와 계수 과정이 필요하기 때문에 결과의 도출에 시간이 오래 걸리는 문제가 발생하였고,
결과의 신속성을 위한 종래의 발명들은 강이나 호수 등의 현장에 직접 설치되는 것이므로 시스템의 구축과 유지보수에 상당한 비용이 발생하게 되는 문제가 발생하게 되며,
시료에 포함된 조류의 종과 개체수에 대한 대략적인 정도만을 파악할 수 있을 뿐, 시료에 포함된 조류의 종과 개체수에 대한 정확한 결과값은 도출하기 어려운 문제가 발생하게 되기 때문에, 이에 대한 해결책을 제시하는 것을 그 목적으로 한다.
본 발명은 상기와 같은 목적을 실현하고자,
시료가 주입되는 다수의 사각셀이 상단에 형성되는 시료 챔버; 상기 시료 챔버를 고정한 상태에서 자동으로 위치를 조정하는 스테이지와 시료가 주입된 다수의 사각셀을 수직 상방에서 순차적으로 촬영하여 다수의 샘플 이미지를 생성하는 촬영부를 포함하여 구성되는 촬영 장치; 및, 상기 샘플 이미지를 인공지능으로 분석하여 시료에 포함된 미세조류의 종을 확인하고, 개체수를 측정하는 분석 장치; 를 포함하여 구성되는 것을 특징으로 하는 인공지능을 이용하는 미세조류 분석장치를 제시한다.
이때, 상기 촬영부는 고해상도의 영상을 촬영하는 라인스캔 카메라 또는 에어리어 스캔 카메라 중 어느 하나로 구성되는 카메라와, 촬영에 의해 생성된 고해상도의 라인 이미지 또는 영역 이미지에 포함된 다수의 사각셀을 하나씩 구분하여 다수의 사각셀과 동일한 개수의 샘플 이미지를 생성하는 이미지 처리부를 포함하여 구성되는 것을 특징으로 한다.
본 발명에 의한 인공지능을 이용하는 미세조류 분석장치는,
시료가 주입된 상태인 시료 챔버의 다수의 사각셀을 순차적으로 촬영하여 다수의 라인 이미지 또는 영역 이미지를 생성하고, 생성된 다수의 라인 이미지 또는 영역 이미지에 포함된 다수의 사각셀을 하나씩 구분하여 다수의 샘플 이미지를 생성하며, 생성된 다수의 샘플 이미지를 인공지능으로 분석하는 방식을 통해, 비용은 절감하되 시료에 포함된 미세조류에 대한 분석의 결과를 신속하게 얻을 수 있고, 동시에 결과의 신뢰성을 보장할 수 있는 효과가 발생하게 된다.
도 1a은 본 발명에 의한 인공지능을 이용하는 미세조류 분석장치의 시료 챔버를 도시한 사시도.
도 1b는 시료 챔버에 부착되는 커버 글라스를 도시한 사시도.
도 2는 스테이지에 시료 챔버를 고정한 상태로 촬영하는 모습을 나타낸 예시도.
도 3은 촬영부의 세부 구성을 나타낸 구성도.
도 4는 이미지 처리부에 의해 보정이 실시되는 모습을 나타낸 예시도.
도 5는 분석 장치의 세부 구성을 나타낸 구성도.
도 6은 조정부에 의해 샘플 이미지가 확대된 상태를 나타낸 예시도.
도 7a 및 도 7b는 조정부에 의해 샘플 이미지가 고배율로 확대된 상태를 나타낸 예시도.
도 8은 인공지능부에 의한 미세조류의 분석이 실시되는 순서를 나타낸 순서도.
도 9는 분석 장치에 이미지 생성부가 더 부가된 상태를 나타낸 구성도.
도 1b는 시료 챔버에 부착되는 커버 글라스를 도시한 사시도.
도 2는 스테이지에 시료 챔버를 고정한 상태로 촬영하는 모습을 나타낸 예시도.
도 3은 촬영부의 세부 구성을 나타낸 구성도.
도 4는 이미지 처리부에 의해 보정이 실시되는 모습을 나타낸 예시도.
도 5는 분석 장치의 세부 구성을 나타낸 구성도.
도 6은 조정부에 의해 샘플 이미지가 확대된 상태를 나타낸 예시도.
도 7a 및 도 7b는 조정부에 의해 샘플 이미지가 고배율로 확대된 상태를 나타낸 예시도.
도 8은 인공지능부에 의한 미세조류의 분석이 실시되는 순서를 나타낸 순서도.
도 9는 분석 장치에 이미지 생성부가 더 부가된 상태를 나타낸 구성도.
본 발명은 인공지능을 이용하여 시료에 포함된 미세조류를 분석하는 장치에 관한 것으로써,
보다 상세하게는, 시료가 주입되는 다수의 사각셀(110)이 상단에 형성되는 시료 챔버(100); 상기 시료 챔버(100)를 고정한 상태에서 자동으로 위치를 조정하는 스테이지(210)와 시료가 주입된 다수의 사각셀(110)을 수직 상방에서 순차적으로 촬영하여 다수의 샘플 이미지를 생성하는 촬영부(220)를 포함하여 구성되는 촬영 장치(200); 및, 상기 샘플 이미지를 인공지능으로 분석하여 시료에 포함된 미세조류의 종을 확인하고, 개체수를 측정하는 분석 장치(300); 를 포함하여 구성되는 것을 특징으로 하는 인공지능을 이용하는 미세조류 분석장치에 관한 것이다.
이하에서는 첨부한 도면을 참조하여 본 발명의 실시예들을 상세히 설명하고자 한다.
우선, 상기 시료 챔버(100)는 강이나 호수 등에서 채취된 시료가 검사를 위한 목적으로 주입되는 검사용 물품이며, 시료의 주입을 위한 다수의 사각셀(110)이 상단에 형성된다.
즉, 도 1a에 도시된 바와 같이 상기 시료 챔버(100)는 판상형인 하판의 상단에 내입홀이 크게 형성된 챔버벽(120)이 부착된 형태이며, 그 내입홀에는 격자로 구분되어진 다수의 사각셀(110)이 동일한 부피로 형성됨으로써 내부에 주입된 시료가 동일하거나 근사한 부피로 분리될 수 있도록 한다.
이때, 상기 다수의 사각셀(110)은 가로와 세로 그리고 높이가 모두 1㎜로 형성되고, 상단이 개방된 형태로 구성되어, 개방된 상단을 통해 주입된 시료가 동일하거나 근사한 부피로 분리될 수 있도록 하며, 보다 상세하게는 전체의 개수가 1,000(20×50)개로 한정되게 구성되어 항상 1ml로 고정된 양의 시료가 주입될 수 있도록 한다.
또한, 상기 시료 챔버(100)에 주입되는 시료는 강이나 호수 등에서 채취된 상태 그대로 주입될 수 있으나, 서로 뭉쳐진 상태인 미세조류의 분리를 위한 목적으로 희석액 또는 계면 활성제와 같은 약품이 골고루 혼합된 상태로 주입될 수 있으며, 어떠한 방식이든 시료 챔버(100)로 주입되는 전체의 양은 항상 동일하게 형성될 수 있다.
이에 더하여, 도 1b에 도시된 바와 같이 상기 시료 챔버(100)는 상기 다수의 사각셀(110)에 정량의 시료가 주입된 상태에서 챔버벽(120)의 상단에 안착되는 투명한 커버 글라스(130)를 더 포함하여 구성될 수 있다.
즉, 상기 커버 글라스(130)는 시료에 포함된 미세조류가 각 사각셀(110)의 바닥에 침전될 때까지 그 시료에 다른 이물질이 혼합되는 것을 방지하는 등 외부의 영향을 최소화한 상태에서 촬영부(220)에 의한 영상의 촬영이 발생할 수 있도록 한다.
다만, 상기 커버 글라스(130)의 이용이 항상 필수적은 것은 아니며, 시료에 포함된 미세조류가 침전될 때까지 그 시료에 다른 이물질이 혼합되는 것을 방지하기 위한 용도로만 이용되고, 영상의 촬영시에는 상기 시료 챔버(100)에서 제거될 수 있다.
또한, 상기 촬영 장치(200)는 상기 시료 챔버(100)에 주입된 정량의 시료를 촬영하여 다수의 샘플 이미지를 생성하는 촬영용 장치이며, 시료 챔버(100)의 고정과 이동을 위한 스테이지(210)와 시료의 촬영을 위한 촬영부(220) 그리고 스테이지(210)와 촬영부(220)를 제어하는 제어부(230)를 포함하여 구성되는 것을 특징으로 한다.
우선, 도 2에 도시된 바와 같이 상기 스테이지(210)는 본체의 외형이 사각의 판상형으로 구성되며, 상단에는 상기 시료 챔버(100)의 삽입을 위한 삽입홈이 형성될 수 있고, 시료 챔버(100)의 양측 말단부가 끼워지거나 양측 말단부를 누르는 형태로 고정하는 고정용 지그가 삽입홈을 대신하여 형성될 수 있다.
즉, 상기 스테이지(210)는 상기 시료 챔버(100)를 수평한 상태로 간편하게 고정하거나 고정된 상태를 해제할 수 있고, 상기 촬영부(220)에 의한 시료의 촬영을 방해하지 않는 것이라면 시료 챔버(100)의 고정을 위한 고정 수단이 다양한 형태로 구성될 수 있다.
또한, 상기 스테이지(210)에는 삽입홈이나 고정용 지그와 같은 고정 수단에 의해 고정된 상태인 상기 시료 챔버(100)의 하단을 조명하는 조명 장치가 구비될 수 있다.
따라서, 상기 스테이지(210)의 일측에는 상기 조명 장치의 온, 오프와 밝기의 조절을 위한 입력 수단이 구비될 수 있으며, 조명 장치에 의한 주광색 또는 주백색의 조명으로 인해 상기 촬영부(220)에 의한 촬영 결과물의 선명도가 향상되는 효과가 발생하게 된다.
또한, 상기 스테이지(210)는 수평 방향인 X축 방향과 Y축 방향으로 직선 이동할 수 있도록 구성되어 상기 다수의 사각셀(110)을 대상으로 하는 촬영이 순차적으로 발생할 수 있도록 하며 촬영이 완료된 후에는 초기의 위치로 자동으로 복귀할 수 있으나, 반드시 그러한 것은 아니다.
이때, 상기 스테이지(210)는 X축 방향으로의 이동거리와 Y축 방향으로의 이동거리가 상기 다수의 사각셀(110)의 전체의 면적과 개수를 고려하여 50㎜ 이상으로 구성되어야 한다.
다만, 상기 시료 챔버(100)를 스테이지(210)에 고정시키거나 시료를 주입하는 과정 등에서 상기 촬영부(220)에 의한 간섭이 발생하지 아니하도록 X축 방향으로의 이동거리와 Y축 방향으로의 이동거리가 100㎜ 등으로 최소 거리보다 여유있게 구성되는 것이 바람직하다.
또한, 상기 스테이지(210)는 상기 다수의 사각셀(110)의 내부에 주입된 시료 내부의 안정된 상태가 그대로 유지될 수 있도록 X축 방향과 Y축 방향으로 직선 이동할 때의 이동속도의 제한이 있어야 하며, 바람직하게는 이동속도가 30㎜/sec로 제한될 수 있다.
아울러, 상기 스테이지(210)는 상기 촬영부(220)에 의한 촬영 과정에서의 배율의 조정을 위해 Z축 방향으로도 승강할 수 있도록 구성되는 것이 바람직하다.
또한, 도 3에 도시된 바와 같이 상기 촬영부(220)는 상기 스테이지(210)의 상방에 고정 설치되는 고해상도의 라인스캔 카메라 또는 에어리어 스캔 카메라 중 어느 하나로 구성될 수 있는 카메라(221) 및, 상기 카메라(221)에 의한 촬영에 의해 생성되는 고해상도의 라인 이미지 또는 영역 이미지를 분할하기 위한 이미지 처리부(222)를 포함하여 구성되는 것을 특징으로 한다.
즉, 상기 카메라(221)는 상기 다수의 사각셀(110)을 한 라인씩(20개) 촬영하거나 다수의 사각셀(110) 전체를 일정한 영역씩 분리하여 촬영할 수 있으며, 촬영의 결과물로는 전체의 사각셀(110) 중 일부의 사각셀(110)이 동시에 촬영된 고해상도의 라인 이미지 또는 영역 이미지가 생성될 수 있다.
또한, 상기 이미지 처리부(222)는 상기 카메라(221)에 의하여 생성된 고해상도의 라인 이미지 또는 영역 이미지에 포함된 다수의 사각셀(110)을 하나씩 분할하여 다수의 샘플 이미지를 생성함으로써 결과적으로는 상기 시료 챔버(100) 전체의 사각셀(110)과 동일한 개수의 샘플 이미지가 확보될 수 있도록 한다.
이때, 상기 이미지 처리부(222)는 샘플 이미지를 생성하는 과정에서 하나의 사각셀(110)을 인식함과 동시에 그 사각셀(110)을 구성하는 각 변의 외측 영역에 대한 면적을 계산하도록 프로그래밍 됨으로써, 하나의 사각셀(110)을 구성하는 각 변의 외측 영역의 면적이 모두 지정된 범위값을 만족하는 상태의 샘플 이미지가 생성될 수 있도록 한다.
즉, 도 4에 도시된 바와 같이, 상기 이미지 처리부(222)는 샘플 이미지를 생성하는 과정에서 하나의 사각셀(110)을 인식함과 동시에 그 사각셀(110)을 구성하는 각 변의 외측 영역(a,b, c, d)에 대한 면적을 계산할 수 있으며, 각 외측 영역(a,b, c, d)의 면적이 지정된 범위값을 모두 만족하도록 보정할 수 있다.
이러한 과정에 의하여 샘플 이미지 각각은 모두 하나의 사각셀(110)을 완전하게 포함하도록 구성됨과 동시에 그 사각셀(110)의 위치가 항상 동일한 위치에 형성되는 일관성을 가지게 된다.
한편, 상기 스테이지(210)의 X축 방향으로의 이동과 Y축 방향으로의 이동 그리고 Z축 방향으로의 승강은 상기 제어부(230)에 의해 자동으로 발생하도록 구성되되, 상기 카메라(221)에 대한 제어와 연계하여 발생하도록 구성될 수 있다.
즉, 상기 제어부(230)는 상기 카메라(221)를 제어하여 다수의 사각셀(110) 중 일부에 대한 라인 이미지 또는 영역 이미지가 촬영될 수 있도록 하고, 상기 스테이지(210)를 제어하여 상기 시료 챔버(100)가 이동할 수 있도록 하며, 다시 카메라(221)를 제어하여 다수의 사각셀(110) 중 다른 일부에 대한 라인 이미지 또는 영역 이미지가 촬영될 수 있도록 한다.
이때, 상기 제어부(230)는 초점과 배율의 조절의 위해 상기 스테이지(210)를 Z축 방향으로 승강시킬 수 있으며, 상기와 같은 모든 과정은 모든 사각셀(110)에 대한 촬영이 완료될 때까지 반복될 수 있다.
또한, 상기 분석 장치(300)는 상기 촬영부(220)에 의해 생성된 샘플 이미지를 인공지능으로 분석하는 분석용 장치이며, 분석에 의한 결과로 시료에 포함된 미세조류의 종이 정확하게 확인될 수 있도록 함과 동시에 미세조류의 개체수가 정확하게 계산될 수 있도록 한다.
구체적으로, 도 5에 도시된 바와 같이 상기 분석 장치(300)는 미세조류의 명칭, 형상, 크기나 길이를 포함하여 구성되는 미세조류 정보가 저장되고, 상기 샘플 이미지가 저장되는 데이터 베이스(310)와 샘플 이미지의 전체 배율을 조정하는 조정부(320)를 포함하여 구성되는 것을 특징으로 한다.
이때, 상기 데이터 베이스(310)에 저장되는 미세조류 정보 중 형상 정보는 순수 배양된 미세조류의 형상일 수 있으며, 미세조류의 단일 개체의 형상뿐만 아니라 개체 간의 결합에 의한 다양한 형태 및 특징을 더 포함할 수 있다.
또한, 도 5에 도시된 바와 같이 상기 분석 장치(300)는 상기 미세조류 정보를 딥러닝 방식으로 학습하고, 학습된 내용을 기반으로 하여 샘플 이미지에 나타난 하나 이상의 미세조류를 인식하며, 인식된 하나 이상의 미세조류에 대한 종 판정을 수행하고 종별로 개체수를 계산하는 인공지능부(330)를 더 포함하여 구성되는 것을 특징으로 한다.
즉, 본 발명의 실시를 위해서는 데이터 저장 장치인 상기 데이터 베이스(310)에 미세조류 정보가 선행되어 저장되어야 하며, 상기 인공지능부(330)는 미세조류 정보의 저장이 발생하는 즉시 이를 이용한 딥러닝 방식의 학습을 실시할 수 있다.
이때, 상기 인공지능부(330)에는 구글의 텐서플로(Tensor folw) 등 오픈 소스 기반의 딥러닝 학습 프로그램이 적용되어 이용될 수 있으나, 이용되는 학습 프로그램의 종류에 어떠한 한정이 있는 것은 아니다.
이후, 상기 인공지능부(330)는 딥러닝 방식에 의한 학습의 결과를 기반으로 하여 상기 촬영 장치(200)의 구성에 의해 생성된 다수의 샘플 이미지에 대한 분석을 실시할 수 있으며, 상기 조정부(320)는 샘플 이미지의 전체 배율을 조정함으로써 시료에 포함된 미세조류의 형상이 명확하게 식별될 수 있도록 한다.
즉, 도 6에 도시된 바와 같이 상기 조정부(320)는 샘플 이미지를 일정비율로 확대하여 상기 인공지능부(330)에 의한 미세조류의 분석이 실시될 수 있도록 하며, 시료에 미세조류가 다량으로 포함되는 등의 이유로 분석에 실패한 부분에 대해서는 도 7a 및 도 7b에 도시된 바와 같이 이전보다 고배율로 부분 확대를 실시하여, 다시 인공지능부(330)에 의한 미세조류의 분석이 실시될 수 있도록 한다.
이때, 샘플 이미지에 포함된 하나 이상의 미세조류 중 상기 인공지능부(330)에 의하여 식별이 완료된 미세조류에 대한 이미지는 변색 처리 되거나 삭제 처리되어 개체수 계산에서의 중복이 발생하지 않도록 할 수 있으며, 이 경우에 있어 원본 영상은 따로 저장된 상태를 유지한다.
보다 구체적으로, 상기 인공지능부(330)에 의해 미세조류의 분석이 실시되는 상세한 과정은 다음과 같다.
우선, 도 8에 도시된 바와 같이, 상기 인공지능부(330)는 상기 샘플 이미지에 포함된 노이즈를 제거하고, 영상을 부드럽게 보정하는 가우시안 블러링 단계(S100)를 실시할 수 있다.
다음으로, 상기 인공지능부(330)는 상기 샘플 이미지의 모든 픽셀을 대상으로 하여 일정한 크기의 블록 영역을 설정하고, 각 블록 영역의 내부 픽셀 값의 분포로부터 고유의 임계값을 결정하여, 샘플 이미지를 이진화 처리하는 적응형 이진화 단계(S110)와 적응형 이진화 단계(S110)에서 발생하는 노이즈와 홀을 제거하여 선명하게 보정하는 모폴로지 단계(S120)를 순차적으로 실시할 수 있다.
즉, 상기 이진화 단계(S110)는 상기 샘플 이미지를 흑백의 이미지로 처리하는 단계이며, 상기 모폴로지 단계(S120)에서는 샘플 이미지가 흑백으로 처리될 때 발생하는 노이즈와 홀을 제거함으로써 샘플 이미지를 선명화 시키게 된다.
그 다음으로, 상기 인공지능부(330)는 상기 샘플 이미지에 포함된 미세조류를 개체별로 분리하는 라벨링 단계(S130)와 개체별로 분리된 미세조류를 기입력된 조건에 따라 분류하는 조건부 필터링 단계(S140) 그리고 분류된 미세조류의 종 판정을 수행하고, 개체수를 계산하는 판정 및 계산 단계(S150)를 순차적으로 실시할 수 있다.
이러한 과정은 시료에 포함된 모든 미세조류의 식별이 완료될 때까지 반복될 수 있으며, 샘플 이미지에 포함된 미세조류의 종과 개체수로 구성되는 분석의 결과는 지정된 양식에 따라 도표와 그래프 등으로 시각화되어 사용자에게 제공될 수 있다.
또한, 도 9에 도시된 바와 같이 상기 분석 장치(300)는 상기 미세조류 정보를 기반으로 하여 하나 이상의 미세조류가 포함된 가상의 샘플 이미지를 생성하고, 가상의 샘플 이미지에 포함된 미세조류의 종과 개체수를 태깅 처리하는 이미지 생성부(340)를 더 포함하여 구성될 수 있으며, 상기 이미지 생성부(340)에 의해 생성된 가상의 샘플 이미지는 상기 인공지능부(330)에 의한 딥러닝 학습에 이용될 수 있다.
즉, 상기 인공지능부(330)는 상기 이미지 생성부(340)에 의하여 신규로 생성된 가상의 샘플 이미지와 그 가상의 샘플 이미지에 태깅된 정보를 이용하여 딥러닝 학습을 실시할 수 있다.
이와 같은 구성은 한정된 양의 미세조류 정보를 이용하게 되는 경우에 있어 상기 인공지능부(330)에 의한 분석의 결과에 신뢰도를 보장할 수 없게 되는 딥러닝 학습의 한계를 보완하기 위한 것이다.
상기와 같은 방식의 딥러닝 학습은 일정한 기간마다 정기적으로 실시될 수 있으며, 학습의 효과를 높이기 위한 목적으로 가상의 샘플 이미지가 생성되는 횟수가 증가할 때마다 그 가상의 샘플 이미지에 포함되는 미세조류의 종과 개체수는 점차 다양화되고 증가할 수 있다.
이에 더하여, 상기 인공지능부(330)는 상기 이미지 생성부(340)에 의하여 신규로 생성된 가상의 샘플 이미지를 이용하여 그 가상의 샘플 이미지에 포함된 하나 이상의 미세조류에 대한 종 판정을 수행할 수 있고, 종별로 개체수를 계산할 수 있으며, 가상의 샘플 이미지에 태깅된 정보를 이용하여 판정과 계산의 결과를 확인할 수 있다.
즉, 상기 인공지능부(330)는 상기 데이터 베이스(310)에 저장된 미세조류 정보를 이용하여 딥러닝 학습할 수 있고, 상기 이미지 생성부(340)에 의하여 신규로 생성된 가상의 샘플 이미지를 이용하여 딥러닝 학습할 수 있으며, 가상의 샘플 이미지를 이용한 테스트와 딥러닝 학습을 병행하여 실시할 수 있다.
따라서, 본 발명은 한정된 양의 미세조류 정보를 기반으로 하는 딥러닝 학습의 한계를 극복하여, 분석의 결과에 대한 충분한 신뢰도를 보장할 수 있게 되는 효과가 발생할 수 있다.
이후, 상기 이미지 처리부(222)에 의한 다수의 샘플 이미지, 상기 분석 장치(300)에 의한 분석에 의한 결과와 가상의 샘플 이미지는 상기 데이터 베이스(310)에 저장된 후, 유선 또는 무선 방식으로 직접 연결된 상태이거나 온라인을 통해 연결된 모니터링 장치로 전송되어 조류 감시를 위한 목적으로 이용될 수 있고, 외부의 관리 서버로 전송되어 각종 통계의 작성이나 조류 도감의 작성을 위한 자료로 이용될 수 있으며, 무료로 일반에 공개될 수 있다.
이때, 상기 인공지능부(330)는 상기 이미지 처리부(222)에 의한 다수의 샘플 이미지 중 최단 시간에 식별된 각 종의 샘플 이미지를 하나 이상 선별할 수 있고, 선별된 하나 이상의 샘플 이미지 중 각 종의 특성을 가장 잘 반영한 샘플 이미지를 선별할 수 있으며, 선별된 각 종의 샘플 이미지는 해당 조류의 특성을 가장 잘 반영하여 식별이 용이한 것이므로 외부의 관리 서버로 전송되어 조류 도감의 작성에 우선적으로 이용될 수 있다.
위에서 소개된 실시예들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 본 발명의 기술적 사상이 충분히 전달될 수 있도록 하기 위해, 예로써 제공되는 것이며, 본 발명은 위에서 설명된 실시예들에 한정되지 않고, 다른 형태로 구체화 될 수도 있다.
본 발명을 명확하게 설명하기 위하여 설명과 관계없는 부분은 도면에서 생략하였으며 도면들에 있어서, 구성요소의 폭, 길이, 두께 등은 편의를 위하여 과장 또는 축소되어 표현될 수 있다.
또한, 명세서 전체에 걸쳐서 동일한 참조 번호들은 동일한 구성요소들을 나타낸다.
100 : 시료 챔버 → 110 : 사각셀
→ 120 : 챔버벽
→ 130 : 커버 글라스
200 : 촬영 장치 → 210 : 스테이지
→ 220 : 촬영부 → 221 : 카메라
→ 222 : 이미지 처리부
→ 230 : 제어부
300 : 분석 장치 → 310 : 데이터 베이스
→ 320 : 조정부
→ 330 : 인공지능부
→ 340 : 이미지 생성부
S100 : 가우시안 블러링 단계
S110 : 적응형 이진화 단계
S120 : 모폴로지 단계
S130 : 라벨링 단계
S140 : 조건부 필터링 단계
S150 : 판정 및 계산 단계
→ 120 : 챔버벽
→ 130 : 커버 글라스
200 : 촬영 장치 → 210 : 스테이지
→ 220 : 촬영부 → 221 : 카메라
→ 222 : 이미지 처리부
→ 230 : 제어부
300 : 분석 장치 → 310 : 데이터 베이스
→ 320 : 조정부
→ 330 : 인공지능부
→ 340 : 이미지 생성부
S100 : 가우시안 블러링 단계
S110 : 적응형 이진화 단계
S120 : 모폴로지 단계
S130 : 라벨링 단계
S140 : 조건부 필터링 단계
S150 : 판정 및 계산 단계
Claims (5)
- 시료가 주입되는 다수의 사각셀(110)이 상단에 형성되는 시료 챔버(100);
상기 시료 챔버(100)를 고정한 상태에서 자동으로 위치를 조정하는 스테이지(210)와 시료가 주입된 다수의 사각셀(110)을 수직 상방에서 순차적으로 촬영하여 다수의 샘플 이미지를 생성하는 촬영부(220)를 포함하여 구성되는 촬영 장치(200); 및,
상기 샘플 이미지를 인공지능으로 분석하여 시료에 포함된 미세조류의 종을 확인하고, 개체수를 측정하는 분석 장치(300); 를 포함하여 구성되는 것을 특징으로 하는 인공지능을 이용하는 미세조류 분석장치.
- 제1항에 있어서,
상기 촬영부(220)는,
고해상도의 영상을 촬영하는 라인스캔 카메라 또는 에어리어 스캔 카메라 중 어느 하나로 구성되는 카메라(221)와,
촬영에 의해 생성된 고해상도의 라인 이미지 또는 영역 이미지에 포함된 다수의 사각셀(110)을 하나씩 구분하여 다수의 사각셀(110)과 동일한 개수의 샘플 이미지를 생성하는 이미지 처리부(222)를 포함하여 구성되는 것을 특징으로 하는 인공지능을 이용하는 미세조류 분석장치.
- 제1항에 있어서,
상기 분석 장치(300)는,
미세조류의 명칭, 형상, 크기나 길이를 포함하여 구성되는 미세조류 정보가 저장되고, 상기 샘플 이미지가 저장되는 데이터 베이스(310);
상기 샘플 이미지의 전체 배율을 조정하는 조정부(320); 및,
상기 미세조류 정보를 딥러닝 학습하고, 학습된 내용을 기반으로 하여 상기 샘플 이미지에 나타난 하나 이상의 미세조류를 인식하며, 인식된 하나 이상의 미세조류에 대한 종 판정을 수행하고 종별로 개체수를 계산하는 인공지능부(330); 를 포함하여 구성되는 것을 특징으로 하는 인공지능을 이용하는 미세조류 분석장치.
- 제3항에 있어서,
상기 인공지능부(330)는,
상기 샘플 이미지에 포함된 노이즈를 제거하고, 영상을 부드럽게 보정하는 가우시안 블러링 단계(S100);
상기 샘플 이미지의 모든 픽셀을 대상으로 하여 일정한 크기의 블록 영역을 설정하고, 각 블록 영역의 내부 픽셀 값의 분포로부터 고유의 임계값을 결정하여, 샘플 이미지를 이진화 처리하는 적응형 이진화 단계(S110);
상기 적응형 이진화 단계(S110)에서 발생하는 노이즈와 홀을 제거하여 선명하게 보정하는 모폴로지 단계(S120);
상기 샘플 이미지에 포함된 미세조류를 개체별로 분리하는 라벨링 단계(S130);
개체별로 분리된 미세조류를 기입력된 조건에 따라 분류하는 조건부 필터링 단계(S140); 및,
분류된 미세조류의 종 판정을 수행하고, 개체수를 계산하는 판정 및 계산 단계(S150); 를 순차적으로 실시하여, 미세조류에 대한 종 판정을 수행하고 종별로 개체수를 계산하도록 구성되는 것을 특징으로 하는 인공지능을 이용하는 미세조류 분석장치.
- 제3항에 있어서,
상기 분석 장치(300)는,
상기 미세조류 정보를 기반으로 하여 하나 이상의 미세조류가 포함된 가상의 샘플 이미지를 생성하고, 생성된 가상의 샘플 이미지에 포함된 미세조류의 종과 개체수를 태깅 처리하는 이미지 생성부(340)를 더 포함하여 구성되고,
상기 인공지능부(330)는,
상기 이미지 생성부(340)에 의해 생성된 가상의 샘플 이미지를 딥러닝 학습에 이용하도록 구성되는 것을 특징으로 하는 인공지능을 이용하는 미세조류 분석장치.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210109220A KR102562371B1 (ko) | 2021-08-19 | 2021-08-19 | 인공지능을 이용하는 미세조류 분석장치 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210109220A KR102562371B1 (ko) | 2021-08-19 | 2021-08-19 | 인공지능을 이용하는 미세조류 분석장치 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20230028612A true KR20230028612A (ko) | 2023-03-02 |
| KR102562371B1 KR102562371B1 (ko) | 2023-08-02 |
Family
ID=85508993
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210109220A KR102562371B1 (ko) | 2021-08-19 | 2021-08-19 | 인공지능을 이용하는 미세조류 분석장치 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102562371B1 (ko) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20010102961A (ko) * | 1998-12-23 | 2001-11-17 | 해리 제이. 레온 하르트 | 집적된 휴대용 생물학적 검출시스템 |
| KR20100109874A (ko) * | 2009-04-01 | 2010-10-11 | (주)월드이엔지 | 플랑크톤 관찰용 이송장치 및 그를 위한 미생물 처리 시스템 및 그 방법 |
| KR20160123047A (ko) * | 2015-04-15 | 2016-10-25 | 주식회사 지비에스코리아 | 셀 카운팅 장치 |
| KR101743270B1 (ko) * | 2017-03-08 | 2017-06-05 | (주)나인정보시스템 | 다수의 플랑크톤이 응집 혹은 산재해 있는 현미경 영상에서 딥러닝을 이용하여 개개 플랑크톤을 분리 및 인식하는 방법 |
| KR20180003757A (ko) | 2016-07-01 | 2018-01-10 | (주) 팬지아이십일 | 조류 모니터링 시스템 |
| KR101883350B1 (ko) * | 2016-11-22 | 2018-08-02 | (주) 테크로스 | 샘플수 분석장치 및 방법 |
| KR101928919B1 (ko) | 2018-09-27 | 2018-12-13 | 재단법인 한국환경산업연구원 | 실시간 조류 모니터링 시스템 |
| KR102088028B1 (ko) * | 2018-12-11 | 2020-03-11 | 건양대학교 산학협력단 | 다중 부피를 이용한 세포 계수장치 |
| CN110889844A (zh) * | 2019-11-29 | 2020-03-17 | 哈尔滨工程大学 | 一种基于深度聚类分析的珊瑚分布及健康状况评估方法 |
| KR20210046589A (ko) * | 2018-09-14 | 2021-04-28 | 일루미나, 인코포레이티드 | 플로우 셀 및 이와 관련된 방법 |
-
2021
- 2021-08-19 KR KR1020210109220A patent/KR102562371B1/ko active IP Right Grant
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20010102961A (ko) * | 1998-12-23 | 2001-11-17 | 해리 제이. 레온 하르트 | 집적된 휴대용 생물학적 검출시스템 |
| KR20100109874A (ko) * | 2009-04-01 | 2010-10-11 | (주)월드이엔지 | 플랑크톤 관찰용 이송장치 및 그를 위한 미생물 처리 시스템 및 그 방법 |
| KR20160123047A (ko) * | 2015-04-15 | 2016-10-25 | 주식회사 지비에스코리아 | 셀 카운팅 장치 |
| KR20180003757A (ko) | 2016-07-01 | 2018-01-10 | (주) 팬지아이십일 | 조류 모니터링 시스템 |
| KR101883350B1 (ko) * | 2016-11-22 | 2018-08-02 | (주) 테크로스 | 샘플수 분석장치 및 방법 |
| KR101743270B1 (ko) * | 2017-03-08 | 2017-06-05 | (주)나인정보시스템 | 다수의 플랑크톤이 응집 혹은 산재해 있는 현미경 영상에서 딥러닝을 이용하여 개개 플랑크톤을 분리 및 인식하는 방법 |
| KR20210046589A (ko) * | 2018-09-14 | 2021-04-28 | 일루미나, 인코포레이티드 | 플로우 셀 및 이와 관련된 방법 |
| KR101928919B1 (ko) | 2018-09-27 | 2018-12-13 | 재단법인 한국환경산업연구원 | 실시간 조류 모니터링 시스템 |
| KR102088028B1 (ko) * | 2018-12-11 | 2020-03-11 | 건양대학교 산학협력단 | 다중 부피를 이용한 세포 계수장치 |
| CN110889844A (zh) * | 2019-11-29 | 2020-03-17 | 哈尔滨工程大学 | 一种基于深度聚类分析的珊瑚分布及健康状况评估方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR102562371B1 (ko) | 2023-08-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10430640B2 (en) | System and method for classification of particles in a fluid sample | |
| US6529612B1 (en) | Method for acquiring, storing and analyzing crystal images | |
| JP5396484B2 (ja) | 植物の葉片の成長を測定するための方法およびそれに適した装置 | |
| JPWO2006051813A1 (ja) | 細胞培養装置、画像処理装置及び細胞検出システム | |
| EP2948753B1 (en) | System and method for counting zooplankton | |
| US10948481B2 (en) | Device and method for determining the action of active ingredients on nematodes and other organisms in aqueous tests | |
| TW201314626A (zh) | 昆蟲影像檢測方法以及昆蟲分類流程 | |
| KR100889997B1 (ko) | 영상처리를 이용한 선박 밸러스트 워터 검사 장치 및 그방법 | |
| US10453189B2 (en) | Process and device for direct measurements of plant stomata | |
| KR20210018672A (ko) | 카메라를 이용한 미세먼지 농도 측정용 예측값 제공 장치 및 방법 | |
| KR102562371B1 (ko) | 인공지능을 이용하는 미세조류 분석장치 | |
| JP2010216920A (ja) | 細胞画像解析装置 | |
| CN111344555B (zh) | 评估泌乳哺乳动物的健康状态的方法和系统 | |
| KR102501578B1 (ko) | 플로우 셀을 이용하는 조류 분석장치 | |
| JPH06102152A (ja) | フロー式粒子画像解析装置用標準液 | |
| CN110148141A (zh) | 一种丝印滤光片小片检测计数方法及设备 | |
| KR100520125B1 (ko) | 선충 분류 방법 | |
| JPH0668489B2 (ja) | 水棲動物監視装置 | |
| KR102436336B1 (ko) | 인공지능 기반의 미세조류 검출장치 및 그 방법 | |
| JP7017100B2 (ja) | 粒子画像解析装置及び粒子画像解析方法 | |
| CN117710338A (zh) | 一种类镜面表面的缺陷检测方法 | |
| Haffner et al. | Proposal of system for visual evaluation of lemna minor bioassays | |
| CN117078619A (zh) | 血液图像采样补偿方法、装置、设备及可读存储介质 | |
| González et al. | Non-Invasive Monitoring: Panthera Onca Recognition Based on Image Processing | |
| LI | OPTIMIZATION OF LIGHTING PARAMETERS FOR EDIBLE BIRD’S NEST VISION INSPECTION SYSTEM |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |