WO2018164551A1 - 샘플수 분석장치 및 방법 - Google Patents

샘플수 분석장치 및 방법 Download PDF

Info

Publication number
WO2018164551A1
WO2018164551A1 PCT/KR2018/002879 KR2018002879W WO2018164551A1 WO 2018164551 A1 WO2018164551 A1 WO 2018164551A1 KR 2018002879 W KR2018002879 W KR 2018002879W WO 2018164551 A1 WO2018164551 A1 WO 2018164551A1
Authority
WO
WIPO (PCT)
Prior art keywords
sample number
analysis
value
measured
samples
Prior art date
Application number
PCT/KR2018/002879
Other languages
English (en)
French (fr)
Inventor
박규원
김성태
이해돈
이광호
이지현
Original Assignee
(주) 테크로스
재단법인 한국화학융합시험연구원
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, 재단법인 한국화학융합시험연구원 filed Critical (주) 테크로스
Publication of WO2018164551A1 publication Critical patent/WO2018164551A1/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
    • 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
    • G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
    • G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
    • G01N21/64—Fluorescence; Phosphorescence
    • 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
    • G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
    • G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
    • G01N21/64—Fluorescence; Phosphorescence
    • G01N21/6486—Measuring fluorescence of biological material, e.g. DNA, RNA, cells

Definitions

  • the present invention relates to a sample number analysis apparatus and method. More particularly, the present invention relates to an apparatus and method for analyzing sample water, which enables more accurate analysis of aquatic organisms to be applicable to a ballast water treatment system.
  • ballast water or ballast water is used in ballast tanks installed on ships to maintain balance when the ship is unloaded from the ship or when the cargo is very low. It refers to the sea water to fill.
  • ballast waters are inhabited by various aquatic organisms, if they are discharged from other regions without any treatment, there is a high possibility of causing serious marine pollution and ecosystem destruction.
  • ballast water treatment device installed on the ship must be operated after receiving the certificate after the land test and the ship test according to the International Maritime Organization (IMO) standards, the ballast water treated by the ballast water treatment device must There is a need for a system to monitor compliance with the emission standards specified by the Agency.
  • IMO International Maritime Organization
  • ballast water treatment apparatus in order to determine whether the ballast water treatment apparatus satisfies the emission standard, it is necessary to determine whether or not biological sterilization in the ballast water is discharged.
  • the present invention has been made to solve the above problems, and an object of the present invention is to provide an apparatus and method for analyzing sample water, which can determine aquatic organisms more quickly and accurately.
  • Sample number analysis device devised to achieve the above object, the chamber that accommodates the sample number; A light source for irradiating light to the chamber; A sensor unit measuring intensity of light emitted from the sample number; And a control unit for receiving a measurement value from the sensor unit, wherein the control unit includes: a precise analysis value analyzing whether the number of samples satisfies a predetermined criterion, and measurement data including a concentration value of the measured substance measured by fluorescence analysis; Input data using the model data generated through machine learning, and compare the concentration value of the measured substance measured by fluorescence analysis of the number of new samples with the model data to generate a precise analysis result. .
  • the measurement target may be a protein, humic acid, fulvic acid, tyrosine, tryptophan, pigment lipid (lipo-pigment), nicotinamide adenine dinucleotide phosphoric acid (NADPH), nicotinamide adenine dinucleotide (NADH) and flavin auxiliary
  • At least one may be selected from the group consisting of enzymes.
  • the predetermined criterion may be the D-2 standard of the ballast water management agreement when the sample water is ballast water, and the drinking water quality standard when the sample water is drinking water.
  • the measurement data may include a label to distinguish the concentration value of the substance to be measured from the precision analysis value.
  • the light source may further include a filter to irradiate light of a single wavelength.
  • the precise analysis value may include a PASS or FAIL value indicating whether the number of samples meets the predetermined criteria.
  • the sample number analysis method irradiating a single wavelength selected from the range of 250nm to 700nm to the number of samples to be measured, and the fluorescence analyzer based on the intensity of light emitted from the sample number Fluorescence analysis step of calculating each concentration value of the measurement material; A precision analysis step of analyzing whether the sample number satisfies a predetermined criterion; Using model data generated through machine learning by inputting a concentration value of the measured material calculated in the fluorescence analysis step and a precision analysis value calculated in the precision analysis step; Fluorescence analysis of the number of new samples to measure the concentration of the substance under test; And comparing the model data with the concentration value of the new sample number to generate a precise analysis result.
  • a single wavelength specified according to the type of the material to be measured is scanned, for example, the protein is determined as the wavelength emitted by irradiating 275nm to the sample number, the fulvic acid is 330nm to the sample number It can be determined as the wavelength emitted by irradiating, and the humic acid can be determined as the wavelength emitted by irradiating 370nm to the number of samples.
  • the machine learning may be performed by inputting a precise analysis value measured in a plurality of samples and a concentration value of the substance to be measured.
  • the concentration value of the substance to be measured such as protein, fulvic acid and humic acid, it is possible to simply determine whether the sample number meets a predetermined standard There is.
  • FIG. 1 is a block diagram showing an apparatus for analyzing the number of samples according to an embodiment of the present invention
  • FIG. 2 is a flowchart illustrating a sample number analysis method according to an embodiment of the present invention.
  • Figure 3 shows an example of the machine learning process used in the sample number analysis apparatus according to an embodiment of the present invention.
  • FIG. 1 is a block diagram showing an apparatus for analyzing the number of samples according to an embodiment of the present invention.
  • the sample number analyzing apparatus 100 includes a chamber 110 in which sample water containing an aquatic organism is accommodated, and a light source for irradiating light to the chamber 110 ( 120, a sensor unit 130 for measuring the intensity of light emitted from the sample number, and a controller 140 for receiving a measurement value from the sensor unit 130.
  • the chamber 110 is configured such that the number of samples to be analyzed can be accommodated and moored during the analysis time.
  • the chamber 110 may be configured to have an inlet (not shown) and an outlet (not shown) to inflow and outflow so that the sample water flows in and out, and an inlet (not shown) and an outlet (not shown). It is configured in the form of a bowl, etc., which is not provided, and the experimenter may use water by hand.
  • the number of samples in the chamber 110 may be sampled in various fields that need to analyze the organisms in the water, and the aquatic organisms included in the sample water may be analyzed.
  • ballast water is treated in various ways, such as electrolysis or chemical input during ballasting, then flowed into and stored in the ballast tanks, and then discharged out of the ship through discharge pipes during deballasting. Since the ballast water discharged should be determined to comply with the discharge standards prescribed by the International Maritime Organization, the ballast water discharged should be sampled to analyze the types of aquatic organisms in the ballast water, and determine the life and death. Will be
  • the sterilized purified water may be sampled in a water purification plant and analyzed through the sample water analyzing apparatus 100 of the present invention.
  • the light source 120 is installed at one side of the chamber 110 to irradiate light into the sample water of the chamber 110 to analyze the aquatic organisms contained in the sample water.
  • the light source 120 may further include a filter (not shown) to irradiate light having a specific single wavelength during fluorescence analysis.
  • a filter not shown
  • the three wavelengths of 275nm, 330nm, 370nm is irradiated to measure the concentration values of protein, fulvic acid and humic acid through fluorescence analysis, respectively, three wavelengths can be irradiated. It may be configured to include a filter (not shown).
  • the sensor unit 130 emits light of a specific wavelength to the number of samples through a filter (not shown) in the light source 120, and then measures the intensity of light emitted from the number of samples.
  • the controller 140 may receive a light intensity measured by the sensor unit 130 to obtain a concentration of a specific material through fluorescence analysis.
  • Sample number analysis apparatus 100 using the model data generated by the machine learning (Machine Learning) in the control unit 140 to determine whether the sample number meets a predetermined criterion Forensic analysis can be performed.
  • Machine Learning Machine Learning
  • machine learning is a process of predicting the future by collecting and analyzing data by the computer itself.
  • the computer inputs a predetermined measurement data based on an algorithm to learn and generates model data, and then inputs new data to predict the result. It is.
  • the control unit 140 of the present invention uses model data generated through a process of receiving and learning measurement data derived through fluorescence analysis and precision analysis in advance.
  • the sample number analyzing apparatus 100 of the present invention may perform machine learning in the controller 140, but generates model data by machine learning the learning data in a server (not shown) configured separately from the controller 140.
  • the configuration of the controller 140 may be simplified by implementing the generated model data in a manner used by the controller 140.
  • Figure 2 is a flow chart illustrating a sample number analysis method according to an embodiment of the present invention
  • Figure 3 shows an example of the machine learning process used in the sample number analysis apparatus according to an embodiment of the present invention.
  • the sample number analysis method of the present invention is a method of generating model data through machine learning, and substituting fluorescence analysis results into the model data to infer precision analysis results.
  • model data is generated by inputting a plurality of measurement data to perform machine learning (S110).
  • the measurement data may include a precision analysis value analyzing whether the concentration value and the number of samples of the specific substance measured through fluorescence analysis satisfy a predetermined criterion.
  • the specific material to be analyzed by fluorescence may be a substance to be measured.
  • Protein, Fulvic acid and Humic acid, Tyrosine, Tryptophan, Lipo-pigment, Nicotinamide Adenine Dinucleotide Phosphate (NADPH), Nicotinamide Adenine Dinucleotide (NADH) and flavin coenzyme can be selected from at least one member.
  • Fluorescence analysis is to measure the concentration value of a specific substance by the intensity of the emitted wavelength by irradiating light of a specific wavelength.
  • the biosynthetic process of the organism can be used to measure the amount of aquatic organisms.
  • fluorescence spectrometer In the case of fluorescence analysis using protein, fulvic acid, and humic acid among the substances to be measured, fluorescence spectrometer is used to examine 275 nm, 330 nm, and 370 nm, respectively, to measure the concentration of protein, fulvic acid, and humic acid. Emission light may be obtained by measuring intensity for each wavelength.
  • the intensity of the measured wavelength is compared with a reference point, and the difference is converted into the concentrations of proteins, fulvic acid, and humic acid, respectively, and the reference point is the intensity of light emitted by first measuring distilled water as a sample, which is stored in a memory. Save and use.
  • the amount of protein can be measured between 300nm and 400nm by irradiating 275nm and analyzing the intensity of 250 to 600nm wavelengths at about 5nm intervals in the sensor unit 130.
  • the same method can be used to measure fulvic acid by irradiating 330nm, and the humic acid can be measured by irradiating 370nm.
  • Proteins, fulvic acids, and humic acids are decomposed by substances that exist in natural water, or by chemical or physical sterilization. In the case of chemical sterilization, proteins, fulvic acid and humic acid are degraded, and in the case of physical sterilization such as UV, photolysis is performed.
  • proteins, fulvic acid, and humic acid existing in nature disappear. If the protein, fulvic acid, and humic acid are measured even after sterilization, the samples, proteins, fulvic acid, Since it becomes a humic acid, the sterilization can be verified by estimating the amount of living organisms after sterilization based on this.
  • the precise analysis value is the result of analyzing the amount of living organisms, the presence of living organisms in the sample water, whether or not the predetermined criteria are satisfied.
  • Forensic analysis value can be provided in various forms to correspond to each group or institution because there is a determination of whether the treatment is good or not according to the amount of the organism.
  • the D-2 standard of the Ballast Water Management Convention shall be the prescribed criterion and a precise analysis value should be provided.
  • the D-2 criterion for plankton is that the size of 10-50 ⁇ m or less should be detected in 10 pieces per ml, and the size of 50 ⁇ m or more should be detected in 10 pieces or less per ton.
  • the ballast water is the number of samples
  • the number of plankton cells should be counted in order to determine whether the sample number satisfies the D-2 standard during the precision analysis.
  • the precise analysis value may include viable cells / m 3 value of plankton, and may include a PASS or FAIL value indicating whether the number of samples meets the D-2 standard.
  • sample number analysis apparatus 100 of the present invention can quickly and accurately infer the analysis results using the model data Will be.
  • drinking water quality standards may be a predetermined standard.
  • the drinking water quality standard is 100 CFU (Colony Forming Unit) / ml, general coliform (Total Coliform) is not detected / ml.
  • CFU refers to the number of colonies forming small colonies.
  • the precise analysis value may include CFU (Colony Forming Unit) / ml value of the general bacteria and the detection of E. coli group, and may include a PASS or FAIL value indicating whether the sample number meets the drinking water quality standards. .
  • Table 1 below shows the results of fluorescence and precision analysis when drinking water is the number of samples.
  • the fluorescence analysis result is the result of converting the intensity of the emitted light to ug / L.
  • the sample number analyzing apparatus 100 of the present invention measures the model data through a machine learning by measuring a number of the result values as shown in Table 1 above. Will be created.
  • the measurement data 200 includes a data field 210 and a label field 220.
  • the data field 210 includes a protein concentration value 211, a fulvic acid concentration value 213, and a humic acid concentration value 215 which are measured in the fluorescence analysis of Table 1 in this order.
  • the label field 220 includes the general bacterial cell number 221, the E. coli group detection indication value 223, and the drinking water reference passing indication 225, which are the result of the precise analysis of Table 1.
  • E. coli group detection indication value 223 is 0, there is no detection of E. coli group, and if 1, E. coli group is detected.
  • the drinking water standard passing indication 225 may use a designated number (for example, PASS for 1 or FAIL for 0) or indicate OK or FAIL in letters.
  • the measurement data 200 used in the sample number analyzing apparatus 100 of the present invention includes a data field 210 in which concentration values of protein, fulvic acid, and humic acid are sequentially input, and a label field in which precise analysis values are sequentially input ( 220) A label is included to distinguish it.
  • the first column of the data field 210 includes the data indicator 217
  • the first column of the label field 220 includes the label indicator 227.
  • the data indicator 217 is labeled 'Data' and the label indicator 227 is labeled 'Label', but the present invention is not limited thereto. If it can be modified in various forms.
  • the data indicator 217 may be denoted as 'fluorescence analysis' and the label indicator 227 may be denoted as 'precision analysis'.
  • the data indicator 217 and the label indicator 227 may not be included, and the fluorescence analysis result and the precision analysis value may be distinguished based on the position of the data.
  • the first column represents the fluorescence analysis result value
  • the second column represents the precise analysis value, so that the data is input to the position of the data to be input without including the separate data indicator 217 and the label indicator 227. It becomes possible to distinguish by.
  • the sample number analyzing apparatus 100 of the present invention is generated by inputting a plurality of measurement data 200 including the concentration value of protein, fulvic acid and humic acid in the sample number and a precise analysis value corresponding thereto. Model data will be used.
  • a user when a user fluoresces the number of new samples to measure and input concentration values of protein, fulvic acid, and humic acid, the user may compare the model data with the input concentration values to infer a precise analysis result.
  • the reference organisms must be counted, and since the amount of protein, fulvic acid, and humic acid is discharged for each organism, it is difficult to set the standard, but the sample number analysis apparatus of the present invention ( 100) is able to deduce the analysis result more quickly and accurately by inputting only the protein, fulvic acid and humic acid concentration values measured in the sample number through artificial intelligence learning to meet the predetermined criteria. There is an advantage.
  • the sample water analyzing apparatus 100 of the present invention can be applied to the inspection of the sterilization treatment of the ballast water treatment device or the degree of sterilization treatment such as a water purification plant.

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Pathology (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Physics & Mathematics (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)

Abstract

본 발명은 샘플수 분석장치에 관한 것으로, 샘플수가 수용되는 챔버; 상기 챔버에 빛을 조사하는 광원; 상기 샘플수에서 방출된 빛의 세기를 측정하는 센서부; 및 상기 센서부에서 측정값을 입력받는 제어부;를 포함하되, 상기 제어부는, 샘플수가 소정기준을 만족하는지를 분석한 정밀분석값과, 형광분석하여 측정된 피측정물질의 농도값을 포함하는 측정데이터를 입력하여 기계학습을 통해 생성된 모델데이터(model data)를 이용하고, 신규 샘플수를 형광분석하여 측정된 상기 피측정물질의 농도값을 상기 모델데이터와 비교하여 정밀분석 결과를 생성하도록 구성됨으로써, 인공지능 기계학습을 통해 보다 신속하고 정확한 분석결과를 제공하는 효과가 있다.

Description

샘플수 분석장치 및 방법
본 발명은 샘플수 분석장치 및 방법에 관한 것이다. 보다 상세하게는 선박평형수 처리장치에 적용가능하도록 수중생물을 보다 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 선박평형수가 국제해사기구에서 규정한 배출기준에 적합한 것인지를 모니터링하는 시스템이 필요하게 된다.
그러나, 선박평형수 처리장치가 배출기준을 만족하는지를 판단하기 위해서는 배출되는 선박평형수 내의 생물 살균 유무를 판별하여야 하는데, 이를 위해 전문인력 다수가 장시간 시험해야하는 문제점이 있었다.
또한, 지표 분석을 위한 장치가 있지만, 측정 방식별로 단일 생물 분류군만 측정하기 때문에 살균처리수 내에 존재하는 전체적인 미생물의 생존 유무에 대해서는 판별할 수 없으며 정확도가 떨어지는 문제점이 있었다.
본 발명은 상기와 같은 문제점을 해결하기 위해 안출된 것으로, 특히 수중생물을 보다 신속하고 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 챔버에 빛을 조사하는 광원; 상기 샘플수에서 방출된 빛의 세기를 측정하는 센서부; 및 상기 센서부에서 측정값을 입력받는 제어부;를 포함하되, 상기 제어부는, 샘플수가 소정기준을 만족하는지를 분석한 정밀분석값과, 형광분석하여 측정된 피측정물질의 농도값을 포함하는 측정데이터를 입력하여 기계학습을 통해 생성된 모델데이터(model data)를 이용하고, 신규 샘플수를 형광분석하여 측정된 상기 피측정물질의 농도값을 상기 모델데이터와 비교하여 정밀분석 결과를 생성하도록 구성된다.
여기서, 상기 피측정물질은, 단백질, 휴믹산, 풀빅산, 티로신, 트립토판, 색소성 지질(lipo-pigment), 니코틴아미드 아데닌 디뉴클레오타이드 인산(NADPH), 니코틴아미드 아데닌 디뉴클레오타이드(NADH) 및 플라빈 보조효소로 이루어진 군에서 적어도 1종 선택될 수 있다.
상기 소정기준은, 샘플수가 선박평형수인 경우, 선박평형수 관리협약의 D-2기준이고, 샘플수가 음용수인 경우, 먹는물 수질기준일 수 있다.
또한, 상기 측정데이터는, 상기 피측정물질의 농도값과, 상기 정밀분석값이 구별되도록 라벨(label)이 포함될 수 있다.
또한, 상기 광원은, 단일파장의 빛을 조사하도록 필터를 더 포함할 수도 있다.
또한, 상기 정밀분석값은, 샘플수가 상기 소정기준에 적합한지 여부를 나타내는 PASS 또는 FAIL값을 포함할 수 있다.
한편, 본 발명의 다른 관점에 따른 샘플수 분석방법은, 측정하고자 하는 샘플수에 250nm ~ 700nm 범위에서 선택된 단일파장을 조사하고, 상기 샘플수에서 방출된 빛의 세기를 근거로 형광분석부에서 피측정물질의 농도값을 각각 산출하는 형광분석단계; 상기 샘플수가 소정기준을 만족하는지를 분석하는 정밀분석단계; 상기 형광분석단계에서 산출된 피측정물질의 농도값과 상기 정밀분석단계에서 산출된 정밀분석값을 입력하여 기계학습을 통해 생성된 모델데이터(model data)를 이용하는 단계; 신규 샘플수를 형광분석하여 피측정물질의 농도값을 측정하는 단계; 및 상기 모델데이터와 상기 신규 샘플수의 상기 농도값을 비교하여 정밀분석 결과를 생성하는 단계;를 포함한다.
여기서, 상기 형광분석단계는, 피측정물질의 종류에 따라 특정된 단일파장을 주사하는데, 예를 들면, 단백질은 샘플수에 275nm를 조사하여 방출되는 파장으로 판단하고, 상기 풀빅산은 샘플수에 330nm를 조사하여 방출되는 파장으로 판단하고, 상기 휴믹산은 샘플수에 370nm를 조사하여 방출되는 파장으로 판단할 수 있다.
또한, 상기 모델데이터를 생성하는 단계는, 복수개의 시료에서 측정된 정밀분석값과 피측정물질의 농도값을 입력하여 기계학습을 수행할 수 있다.
본 발명에 의하면 기계학습을 통해 생성된 모델데이터를 이용함으로써 단백질, 풀빅산 및 휴믹산 등의 피측정물질의 농도값을 입력하여 간단하게 샘플수가 소정기준을 만족하는 지 여부를 판단할 수 있도록 하는 효과가 있다.
도 1은 본 발명의 일실시예에 따른 샘플수 분석장치를 도시한 구성도이고,
도 2는 본 발명의 일실시예에 따른 샘플수 분석방법을 도시한 순서도이고,
도 3은 본 발명의 일실시예에 따른 샘플수 분석장치에서 이용하는 기계학습 과정을 일례를 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, 수중생물이 포함된 샘플수가 수용되는 챔버(110)와, 챔버(110)에 빛을 조사하는 광원(120)과, 샘플수에서 방출된 빛의 세기를 측정하는 센서부(130)와, 센서부(130)에서 측정값을 입력받는 제어부(140)를 포함한다.
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.
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.
광원(120)은, 챔버(110)의 샘플수 내에 빛을 조사하여 샘플수에 포함된 수중생물을 분석하도록 챔버(110)의 일측에 설치된다.
여기서, 광원(120)은, 형광분석시에 특정한 단일파장의 빛을 조사하도록 필터(미도시)를 더 포함할 수도 있다. 본 발명의 일실시예에서는, 275nm, 330nm, 370nm의 3가지 파장의 빛을 각각 조사하여 형광분석을 통해 단백질, 풀빅산 및 휴믹산의 농도값을 측정하기 때문에 3가지의 파장을 각각 조사할 수 있는 필터(미도시)를 포함하여 구성할 수 있다.
센서부(130)는, 광원(120)에서 필터(미도시)를 통해 특정 파장의 빛이 샘플수에 조사된 다음, 샘플수에서 방출되는 빛의 세기를 측정한다.
제어부(140)는, 센서부(130)에서 측정된 빛의 세기를 입력받아 형광분석을 통해 특정 물질의 농도를 구할 수 있게 된다.
본 발명의 일실시예에 따른 샘플수 분석장치(100)는, 제어부(140)에서 기계학습(Machine Learning)을 통해 생성된 모델데이터(model data)를 이용하여 샘플수가 소정기준을 만족하는지를 판단하는 정밀분석을 수행할 수 있게 된다.
여기서, 기계학습은 컴퓨터 스스로 데이터를 수집하고 분석해 미래를 예측하는 과정으로, 먼저 컴퓨터를 알고리즘 기반으로 소정의 측정데이터를 입력하여 학습시킨 뒤 모델데이터를 생성하고, 새로운 데이터를 입력해 결과를 예측하도록 하는 것이다.
본 발명의 제어부(140)는, 형광분석 및 정밀분석을 통해 도출된 측정데이터들을 사전에 입력받아 학습하는 과정을 거쳐 생성된 모델데이터(model data)를 이용하게 된다.
한편, 본 발명의 샘플수 분석장치(100)는, 제어부(140)에서 기계학습을 수행할 수도 있지만, 제어부(140)과 별도로 구성된 서버(미도시)에서 학습데이터들을 기계학습시켜 모델데이터를 생성하고, 생성된 모델데이터를 제어부(140)가 이용하는 방식으로 구현하여 제어부(140)의 구성을 단순화시킬 수 있다.
도 2는 본 발명의 일실시예에 따른 샘플수 분석방법을 도시한 순서도이고, 도 3은 본 발명의 일실시예에 따른 샘플수 분석장치에서 이용하는 기계학습 과정을 일례를 도시한 것이다.
도 1 내지 도 3을 참조하면, 본 발명의 샘플수 분석방법은, 기계학습을 통해 모델데이터를 생성하여 형광분석 결과를 상기 모델데이터에 대입하여 정밀분석 결과를 추론하는 방식이다.
먼저, 다수개의 측정데이터를 입력하여 기계학습을 수행함으로써 모델데이터(model data)를 생성한다(S110).
다음으로, 신규 샘플수를 형광분석하여 특정물질의 농도값을 측정한다(S120).
이후, 기생성된 모델데이터를 이용하여 측정된 농도값에 따른 신규 샘플수의 정밀분석 결과를 생성하게 된다(S130).
모델데이터를 생성하는 단계를 보다 상세히 설명한다.
측정데이터는 형광분석을 통해 측정된 특정물질의 농도값과 샘플수가 소정기준을 만족하는지를 분석한 정밀분석값을 포함할 수 있다.
여기서, 형광분석되는 특정물질은, 피측정물질이 될 수 있다.
예를 들면, 단백질(Protein), 풀빅산(Fulvic acid) 및 휴믹산(Humic acid), 티로신, 트립토판, 색소성 지질(lipo-pigment), 니코틴아미드 아데닌 디뉴클레오타이드 인산(NADPH), 니코틴아미드 아데닌 디뉴클레오타이드(NADH) 및 플라빈 보조효소로 이루어진 군에서 적어도 1종 선택될 수 있다.
형광분석은 특정 파장의 빛을 조사하여 방출되는 파장의 세기(intensity)로 특정물질의 농도값을 측정하는 것인데, 생물의 생합성과정을 이용하면 수중 생물의 양을 측정할 수 있다.
즉, 박테리아를 포함한 모든 살아있는 생물은 단백질 합성을 지속하여 단백질, 풀빅산, 휴믹산 등을 배출하는데, 이들의 배출량은 살아있는 생물의 양과 비례하기 때문에 이를 근거로 수중 생물이 배출하여 물에 용해된 단백질과 풀빅산 및 휴믹산 등의 농도를 측정하여 수중 생물의 양을 추정할 수 있게 된다.
피측정물질 중 단백질과 풀빅산 및 휴믹산을 예로 들어 형광분석과정을 설명하면, 단백질과 풀빅산 및 휴믹산 각각의 농도를 측정하기 위해 형광분석기로 시료에 275nm, 330nm, 370nm를 각각 조사(excitation)하여 방출(emission)되는 빛을 파장별로 세기(intensity)를 측정함으로써 획득할 수 있다.
여기서, 측정된 파장의 세기는 기준점과 비교하여 그 차이가 단백질과 풀빅산 및 휴믹산 각각의 농도로 환산되는데, 상기 기준점은 최초에 증류수를 시료로 측정하여 방출된 빛의 세기로 하고, 이를 메모리에 저장하여 사용한다.
단백질을 측정할 경우, 275nm를 조사하여 센서부(130)에서 250 ~ 600nm파장의 세기를 약 5nm 간격으로 각각 분석하면 300nm ~ 400nm 사이에서 단백질의 양을 측정 할 수 있다.
동일한 방법으로 330nm를 조사하여 풀빅산을 측정하고, 370nm를 조사하여 휴믹산을 측정 할 수 있다.
한편, 620nm ~ 700nm에서의 흡광도를 측정하면 클로로필(Chlorophyll)-a의 양을 분석할 수도 있다.
전술한 형광분석 및 생물의 생합성 원리를 이용하면 살균처리의 검증에 응용할 수 있다.
단백질, 풀빅산, 휴믹산은 자연상태의 물에도 존재하는 물질이나 화학적 또는 물리적 살균처리에 의해 분해된다. 화학적 살균 처리의 경우, 단백질, 풀빅산, 휴믹산이 Degradation되고, UV 등 물리적 살균 처리의 경우에는 광분해된다.
살균처리된 시료는 자연상태로 존재하는 단백질, 풀빅산, 휴믹산이 사라지게 되는데, 살균처리후에도 단백질, 풀빅산, 휴믹산이 측정된다면 이는 살균처리를 했음에도 불구하고 살아있는 생물에 의해 배출된 단백질, 풀빅산, 휴믹산이 되기 때문에 이를 근거로 살균처리 후 생물의 양을 추정함으로써 살균처리를 검증할 수 있게 된다.
한편, 정밀분석값은 샘플수 내의 생물의 양이나 생물의 존재여부, 소정기준에 만족하는지 여부 등을 분석한 결과이다.
정밀분석값은 각각의 단체나 기관별로 생물의 양에 따른 처리 양불 판정 유무가 있기 때문에 이에 대응되도록 다양한 형태로 제공될 수 있다.
일례로, 샘플수가 선박평형수인 경우, 선박평형수 관리협약의 D-2 기준이 소정기준이 되고, 이에 맞는 정밀분석값이 제공되어야 한다.
플랑크톤에 대한 D-2 기준은 크기 10~50㎛은 ml당 10개체 이하, 크기 50㎛이상은 ton당 10개체 이하로 검출되어야 하는 것이다.
따라서, 선박평형수가 샘플수인 경우, 정밀분석과정에서 샘플수가 D-2 기준에 만족하는지를 판단하기 위해서는 플랑크톤의 세포수를 계수하여야 한다.
이 경우, 정밀분석값은 플랑크톤의 생존개수(viable cells)/m3값을 포함하고, 샘플수가 D-2 기준에 적합한지 여부를 나타내는 PASS 또는 FAIL값을 포함할 수 있다.
정밀분석값을 도출하기 위해서는 직접 세포수를 계수해야 하기 때문에 분석에 많은 시간과 인력이 소요되지만, 본 발명의 샘플수 분석장치(100)는 모델데이터를 사용하여 분석결과를 신속하고 정확하게 추론할 수 있게 된다.
한편, 샘플수가 음용수인 경우, 먹는물 수질기준이 소정기준이 될 수 있다.
먹는물 수질기준은, 일반세균은 100CFU(Colony Forming Unit)/ml이고, 총대장균군(Total Coliform)은 불검출/ml인 것이다.
여기서, CFU는 작은 집락인 콜로니를 형성하는 개수를 말한다.
따라서, 음용수가 샘플수인 경우, 정밀분석과정에서 샘플수가 먹는물 수질기준에 만족하는지를 판단하기 위해서는 일반세균의 콜로니 형성 갯수를 카운트해야하고, 대장균군의 검출 유무를 확인해야 한다.
이 경우, 정밀분석값은 일반세균의 CFU(Colony Forming Unit)/ml값과 대장균군의 검출여부를 포함하고, 샘플수가 먹는물 수질기준에 적합한지 여부를 나타내는 PASS 또는 FAIL값을 포함할 수 있다.
아래 표 1은 음용수가 샘플수일 때의 형광분석 및 정밀분석 결과값을 나타낸 것이다.
형광분석 (ug/L) 정밀분석
단백질(Protein) 0.2 일반세균(CFU/ml) 36
풀빅산(Fulvic acid) 1.4 대장균군(indi./ml) 0
휴믹산(Humic acid) 1.7 먹는물 기준 합격
여기서, 형광분석 결과는 방출된 빛의 세기를 ug/L로 환산한 결과이다.본 발명의 샘플수 분석장치(100)는 상기 표 1과 같은 결과값을 다수 측정하여 기계학습을 통해 모델데이터를 생성하게 된다.
도 3을 참조하여 본 발명의 일실시예에 따른 샘플수 분석장치에서 이용하는 기계학습 과정을 살펴보면, 소정 양식의 측정데이터를 다수개 입력하여 기계학습을 수행하여 모델데이터를 형성하게 된다.
측정데이터(200)는 데이터(data) 필드(210)와 라벨(label) 필드(220)를 포함한다.
여기서, 데이터 필드(210)은 표 1의 형광분석 결과 측정된 단백질 농도값(211)과 풀빅산 농도값(213), 휴믹산 농도값(215)이 차례로 포함된다.
라벨 필드(220)는 표 1의 정밀분석 결과인 일반세균 세포수(221), 대장균군 검출여부 지시값(223)과, 먹는물 기준 통과여부 지시값(225)을 포함한다.
대장균군 검출여부 지시값(223)은 0이면 대장균군의 검출이 없는 것이고, 1일 경우 대장균군이 검출된 것을 지시할 수 있다.
먹는물 기준 통과여부 지시값(225)은 지정된 숫자를 사용하거나(예를 들면, 1인 경우 PASS, 0인 경우 FAIL을 의미), 문자로 OK 또는 FAIL을 표시할 수 있다.
본 발명의 샘플수 분석장치(100)에서 사용되는 측정데이터(200)는, 단백질, 풀빅산 및 휴믹산의 농도값이 차례로 입력된 데이터 필드(210)와, 정밀분석값이 차례로 입력된 라벨 필드(220) 구별되도록 라벨(label)이 포함된다.
즉, 도 3에 도시된 바와 같이, 데이터 필드(210)의 첫번째 칸에는 데이터 지시자(217)가 포함되고, 라벨 필드(220)의 첫번째 칸에는 라벨 지시자(227)가 포함된다.
도 3의 실시예에서, 데이터 지시자(217)은 'Data'로 표기되었고, 라벨 지시자(227)은 'Label'로 표기되었지만, 본 발명은 이에 한정되지 않고 형광분석결과값과 정밀분석값을 구분할 수 있다면 다양하게 형태로 변형실시될 수 있다. 예를 들면, 데이터 지시자(217)에는 '형광분석'으로 표기하고, 라벨 지시자(227)에는 '정밀분석'으로 표기할 수 있다.
또한, 데이터 지시자(217)과 라벨 지시자(227)를 포함시키지 않고, 데이터의 위치를 기준으로 형광분석결과값과 정밀분석값을 구분할 수도 있다. 도 3의 실시예에서는 첫번째 열은 형광분석결과값을 나타내고, 두번째 열은 정밀분석값을 나타내기 때문에 별도의 데이터 지시자(217)과 라벨 지시자(227)를 포함하지 않고서도 입력되는 데이터의 위치에 의해 구분이 가능하게 된다.
이상에서 설명한 바와 같이, 본 발명의 샘플수 분석장치(100)는 샘플수에서 단백질, 풀빅산 및 휴믹산의 농도값과 이에 대응되는 정밀분석값을 포함하는 측정데이터(200)를 다수 입력하여 생성된 모델데이터를 이용하게 된다.
즉, 사용자가 신규 샘플수를 형광분석하여 단백질, 풀빅산 및 휴믹산의 농도값을 측정하여 입력하면, 모델데이터와 입력된 농도값을 비교하여 정밀분석 결과를 추론 생성하게 된다.
본 발명의 설명에서 단백질, 풀빅산, 휴믹산 농도값만 언급된 부분은 일실시예로서, 샘플수에 포함된 여러 피측정물질로부터 농도값을 측정하여 정밀분석을 진행할 수도 있음은 물론이다.
종래에는 수중 생물의 정밀 분석을 위해서는 기준이 되는 생물을 각각 계수하여야 하고, 각 생물별로 단백질, 풀빅산, 휴믹산을 배출하는 양이 다르기 때문에 기준을 잡기가 어려웠지만, 본 발명의 샘플수 분석장치(100)는 인공지능 학습을 통해 샘플수에서 측정된 단백질, 풀빅산, 휴믹산 농도값만 입력하면 소정기준을 만족하는 지에 대한 정밀분석값을 도출할 수 있기 때문에 분석결과를 보다 신속하고 정확하게 추론할 수 있는 장점이 있다.
본 발명의 샘플수 분석장치(100)는 선박평형수 처리장치의 살균 처리 유무 검사나 정수장 등의 살균처리 정도 검사에 적용할 수 있다.
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.

Claims (12)

  1. 샘플수가 수용되는 챔버;
    상기 챔버에 빛을 조사하는 광원;
    상기 샘플수에서 방출된 빛의 세기를 측정하는 센서부; 및
    상기 센서부에서 측정값을 입력받는 제어부;를 포함하되,
    상기 제어부는,
    샘플수가 소정기준을 만족하는지를 분석한 정밀분석값과, 형광분석하여 측정된 피측정물질의 농도값을 포함하는 측정데이터를 입력하여 기계학습을 통해 생성된 모델데이터(model data)를 이용하고,
    신규 샘플수를 형광분석하여 측정된 피측정물질의 농도값을 상기 모델데이터와 비교하여 정밀분석 결과를 생성하도록 구성되는, 샘플수 분석장치.
  2. 청구항 1에 있어서,
    상기 피측정물질은,
    단백질, 휴믹산, 풀빅산, 티로신, 트립토판, 색소성 지질(lipo-pigment), 니코틴아미드 아데닌 디뉴클레오타이드 인산(NADPH), 니코틴아미드 아데닌 디뉴클레오타이드(NADH) 및 플라빈 보조효소로 이루어진 군에서 적어도 1종 선택되는, 샘플수 분석장치.
  3. 청구항 1에 있어서,
    상기 소정기준은,
    샘플수가 선박평형수인 경우, 선박평형수 관리협약의 D-2기준이고,
    샘플수가 음용수인 경우, 먹는물 수질기준인, 샘플수 분석장치.
  4. 청구항 1에 있어서,
    상기 측정데이터는,
    상기 피측정물질의 농도값과, 상기 정밀분석값이 구별되도록 라벨(label)이 포함되는, 샘플수 분석장치.
  5. 청구항 1에 있어서,
    상기 광원은,
    단일파장의 빛을 조사하도록 필터를 더 포함하는, 샘플수 분석장치.
  6. 청구항 1에 있어서,
    상기 정밀분석값은,
    샘플수가 상기 소정기준에 적합한지 여부를 나타내는 성공(PASS) 또는 실패(FAIL)값을 포함하는, 샘플수 분석장치.
  7. 청구항 3에 있어서,
    상기 정밀분석값은,
    샘플수가 선박평형수인 경우, 플랑크톤의 생존개수(viable cells)/m3값을 포함하는, 샘플수 분석장치.
  8. 청구항 3에 있어서,
    상기 정밀분석값은,
    샘플수가 음용수인 경우, 일반세균의 CFU(Colony Forming Unit)/ml값과 대장균군의 검출여부를 포함하는, 샘플수 분석장치.
  9. 측정하고자 하는 샘플수에 250nm ~ 700nm 범위에서 선택된 단일파장을 조사하고, 상기 샘플수에서 방출된 빛의 세기를 근거로 형광분석부에서 피측정물질의 농도값을 각각 산출하는 형광분석단계;
    상기 샘플수가 소정기준을 만족하는지를 분석하는 정밀분석단계;
    상기 형광분석단계에서 산출된 피측정물질의 농도값과 상기 정밀분석단계에서 산출된 정밀분석값을 입력하여 기계학습을 통해 생성된 모델데이터(model data)를 이용하는 단계;
    신규 샘플수를 형광분석하여 피측정물질의 농도값을 측정하는 단계; 및
    상기 모델데이터와 상기 신규 샘플수의 농도값을 비교하여 정밀분석 결과를 생성하는 단계;를 포함하는, 샘플수 분석방법.
  10. 청구항 9에 있어서,
    상기 피측정물질은,
    단백질, 휴믹산, 풀빅산, 티로신, 트립토판, 색소성 지질(lipo-pigment), 니코틴아미드 아데닌 디뉴클레오타이드 인산(NADPH), 니코틴아미드 아데닌 디뉴클레오타이드(NADH) 및 플라빈 보조효소로 이루어진 군에서 적어도 1종 선택되는, 샘플수 분석방법.
  11. 청구항 10에 있어서,
    상기 형광분석단계는,
    상기 단백질은 샘플수에 275nm를 조사하여 방출되는 파장으로 판단하고,
    상기 풀빅산은 샘플수에 330nm를 조사하여 방출되는 파장으로 판단하고,
    상기 휴믹산은 샘플수에 370nm를 조사하여 방출되는 파장으로 판단하는, 샘플수 분석방법.
  12. 청구항 9에 있어서,
    상기 모델데이터를 생성하는 단계는,
    복수개의 시료에서 측정된 정밀분석값과 피측정물질의 농도값을 입력하여 기계학습을 수행하는, 샘플수 분석방법.
PCT/KR2018/002879 2017-03-10 2018-03-12 샘플수 분석장치 및 방법 WO2018164551A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2017-0030648 2017-03-10
KR1020170030648A KR20180103546A (ko) 2017-03-10 2017-03-10 샘플수 분석장치 및 방법

Publications (1)

Publication Number Publication Date
WO2018164551A1 true WO2018164551A1 (ko) 2018-09-13

Family

ID=63448704

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2018/002879 WO2018164551A1 (ko) 2017-03-10 2018-03-12 샘플수 분석장치 및 방법

Country Status (2)

Country Link
KR (1) KR20180103546A (ko)
WO (1) WO2018164551A1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114018880A (zh) * 2021-10-22 2022-02-08 杭州食疗晶元生物科技有限公司 基于内源活性中间体对纯净水和天然矿泉水的鉴别方法

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
IL262298A (en) * 2018-10-11 2020-04-30 The State Of Israel Ministry Of Agriculture & Rural Development Agricultural Res Organization Aro Vo System and method for quantifying bacteria in water by fluorescence range measurement and machine learning
KR102201433B1 (ko) * 2019-10-10 2021-01-13 연세대학교 산학협력단 기계학습을 이용한 바이오 에어로졸 모니터링 장치 및 그 방법
KR102453440B1 (ko) * 2020-12-30 2022-10-12 한국건설기술연구원 Uv-vis 스펙트럼 분석을 이용한 처리수 내 유기물 저감 모니터링 시스템
US11953419B2 (en) 2021-02-23 2024-04-09 Industry-Academic Cooperation Foundation, Yonsei University Apparatus for monitoring bioaerosols using machine learning and method thereof
KR102557346B1 (ko) * 2021-07-12 2023-07-20 한국건설기술연구원 연속형 형광분석장치를 이용한 미생물 기인 유기물 측정 시스템 및 그 방법

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH05211898A (ja) * 1990-01-19 1993-08-24 F Hoffmann La Roche Ag 水試料中の水系微生物病原体およびヒト糞便汚染の指示微生物の検出方法とそのためのキット
KR20120054979A (ko) * 2010-11-22 2012-05-31 광주과학기술원 해수 담수화 시설의 생물학적 오염 측정 방법 및 그 시스템.
KR101211335B1 (ko) * 2010-05-13 2012-12-11 연세대학교 산학협력단 음용수 내 세균 검사를 위한 전처리 및 검침장치와 그 방법
KR101551816B1 (ko) * 2015-01-12 2015-09-09 재단법인한국조선해양기자재연구원 밸러스트 수 내 생존생물 분석방법

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH05211898A (ja) * 1990-01-19 1993-08-24 F Hoffmann La Roche Ag 水試料中の水系微生物病原体およびヒト糞便汚染の指示微生物の検出方法とそのためのキット
KR101211335B1 (ko) * 2010-05-13 2012-12-11 연세대학교 산학협력단 음용수 내 세균 검사를 위한 전처리 및 검침장치와 그 방법
KR20120054979A (ko) * 2010-11-22 2012-05-31 광주과학기술원 해수 담수화 시설의 생물학적 오염 측정 방법 및 그 시스템.
KR101551816B1 (ko) * 2015-01-12 2015-09-09 재단법인한국조선해양기자재연구원 밸러스트 수 내 생존생물 분석방법

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
PARK, SUNG-JIN ET AL.: "Development of Sampling Device for Monitoring Micro-organisms in Treated Ballast Water", PROCEEDINGS OF THE KOREAN SOCIETY OF MARINE ENGINEERS 2011 CONFERENCE, 2011, pages 312 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114018880A (zh) * 2021-10-22 2022-02-08 杭州食疗晶元生物科技有限公司 基于内源活性中间体对纯净水和天然矿泉水的鉴别方法
CN114018880B (zh) * 2021-10-22 2024-02-27 杭州食疗晶元生物科技有限公司 基于内源活性中间体对纯净水和天然矿泉水的鉴别方法

Also Published As

Publication number Publication date
KR20180103546A (ko) 2018-09-19

Similar Documents

Publication Publication Date Title
WO2018164551A1 (ko) 샘플수 분석장치 및 방법
JP4817100B2 (ja) 水質モニタリング装置
BR0309431A (pt) Coleta de amostra e sistema de teste
TWI619809B (zh) 微生物之檢查方法及其裝置
WO2014192565A1 (ja) 微生物の検査方法
CN113227768A (zh) 用于使用荧光光谱测量和机器学习来量化水中的细菌的系统和方法
WO1999040176A1 (fr) Procede d'inspection de micro-organismes et autres, et unite de detection
Casas-Monroy et al. Assessing the performance of four indicative analysis devices for ballast water compliance monitoring, considering organisms in the size range≥ 10 to< 50 μm
US11585759B2 (en) Counting photoactive cells
EP4056672A1 (en) Method for assessing assessment targets, image processing device, system for assessing assessment targets
First et al. A test of the framework designed to evaluate compliance monitoring devices for ballast water discharge
WO2016114554A1 (ko) 밸러스트 수 내 생존생물 분석방법
CN108776109A (zh) 一种定量评估猪场污水处理过程中有机物状况的方法
CN105928909A (zh) 一种水质检测方法
WO2018097374A1 (ko) 처리수 내 생존생물 분석 방법
CN113588631A (zh) 一种余氯检测方法
JP5727954B2 (ja) 船舶管理システム
Wu et al. Measurement of muscle food spoilage using fluorescence imaging
EP3341708B1 (en) Ballast water monitoring device, system comprising the device, and method
US10190147B1 (en) Fast detection of the presence of a target microbe in a liquid sample
JPS62174636A (ja) 微生物濃度または微生物活性の計測装置
Casani et al. Comparison of methods for assessing reverse osmosis membrane treatment of shrimp process water
Gollasch et al. On board tests of the organism detection tools BallastCAM, FluidImaging, USA, Hach-PAM-fluorometer, USA, and Walz-Water-PAM-fluorometer
TWI438422B (zh) Monitoring device for chemical oxygen demand and its monitoring method
WO2023136510A1 (ko) 라만 분광 분석을 이용한 줄기세포의 분류 방법 및 장치

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 18764095

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 18764095

Country of ref document: EP

Kind code of ref document: A1