CN110866918B - 酵母分析方法 - Google Patents
酵母分析方法 Download PDFInfo
- Publication number
- CN110866918B CN110866918B CN201911264590.8A CN201911264590A CN110866918B CN 110866918 B CN110866918 B CN 110866918B CN 201911264590 A CN201911264590 A CN 201911264590A CN 110866918 B CN110866918 B CN 110866918B
- Authority
- CN
- China
- Prior art keywords
- yeast
- sample
- yeasts
- analysis method
- cloud server
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 240000004808 Saccharomyces cerevisiae Species 0.000 title claims abstract description 324
- 238000004458 analytical method Methods 0.000 title claims abstract description 66
- 238000012545 processing Methods 0.000 claims description 40
- 238000001000 micrograph Methods 0.000 claims description 21
- 241000235343 Saccharomycetales Species 0.000 claims description 10
- 230000034303 cell budding Effects 0.000 claims description 9
- 230000035899 viability Effects 0.000 claims description 5
- 238000005054 agglomeration Methods 0.000 claims description 4
- 230000002776 aggregation Effects 0.000 claims description 4
- 235000014680 Saccharomyces cerevisiae Nutrition 0.000 description 262
- 238000000386 microscopy Methods 0.000 description 33
- 210000005253 yeast cell Anatomy 0.000 description 16
- 238000012634 optical imaging Methods 0.000 description 14
- 238000000034 method Methods 0.000 description 13
- 230000003287 optical effect Effects 0.000 description 9
- 239000011295 pitch Substances 0.000 description 9
- 210000004027 cell Anatomy 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 5
- 125000001434 methanylylidene group Chemical group [H]C#[*] 0.000 description 5
- 239000000243 solution Substances 0.000 description 5
- 238000009826 distribution Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 239000003550 marker Substances 0.000 description 4
- 241000195649 Chlorella <Chlorellales> Species 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 206010006187 Breast cancer Diseases 0.000 description 2
- 208000026310 Breast neoplasm Diseases 0.000 description 2
- 238000003556 assay Methods 0.000 description 2
- 239000012153 distilled water Substances 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000012010 growth Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000007431 microscopic evaluation Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- NLJMYIDDQXHKNR-UHFFFAOYSA-K sodium citrate Chemical compound O.O.[Na+].[Na+].[Na+].[O-]C(=O)CC(O)(CC([O-])=O)C([O-])=O NLJMYIDDQXHKNR-UHFFFAOYSA-K 0.000 description 2
- 229960000999 sodium citrate dihydrate Drugs 0.000 description 2
- 239000012192 staining solution Substances 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- RBTBFTRPCNLSDE-UHFFFAOYSA-N 3,7-bis(dimethylamino)phenothiazin-5-ium Chemical compound C1=CC(N(C)C)=CC2=[S+]C3=CC(N(C)C)=CC=C3N=C21 RBTBFTRPCNLSDE-UHFFFAOYSA-N 0.000 description 1
- 241000195493 Cryptophyta Species 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000010261 cell growth Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000012895 dilution Substances 0.000 description 1
- 238000010790 dilution Methods 0.000 description 1
- 238000004043 dyeing Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000035784 germination Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000005304 joining Methods 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 229960000907 methylthioninium chloride Drugs 0.000 description 1
- 230000003071 parasitic effect Effects 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
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
-
- 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
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12M—APPARATUS FOR ENZYMOLOGY OR MICROBIOLOGY; APPARATUS FOR CULTURING MICROORGANISMS FOR PRODUCING BIOMASS, FOR GROWING CELLS OR FOR OBTAINING FERMENTATION OR METABOLIC PRODUCTS, i.e. BIOREACTORS OR FERMENTERS
- C12M41/00—Means for regulation, monitoring, measurement or control, e.g. flow regulation
- C12M41/46—Means for regulation, monitoring, measurement or control, e.g. flow regulation of cellular or enzymatic activity or functionality, e.g. cell viability
-
- 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
- G01N15/01—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials specially adapted for biological cells, e.g. blood cells
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/28—Indexing scheme for image data processing or generation, in general involving image processing hardware
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10056—Microscopic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30024—Cell structures in vitro; Tissue sections in vitro
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30128—Food products
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30242—Counting objects in image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Organic Chemistry (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Zoology (AREA)
- Proteomics, Peptides & Aminoacids (AREA)
- Wood Science & Technology (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Genetics & Genomics (AREA)
- Immunology (AREA)
- Biotechnology (AREA)
- Biophysics (AREA)
- Biochemistry (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- Analytical Chemistry (AREA)
- Microbiology (AREA)
- Toxicology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Medical Informatics (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Microscoopes, Condenser (AREA)
- Apparatus Associated With Microorganisms And Enzymes (AREA)
Abstract
本公开涉及酵母分析方法。一种酵母分析方法,包括:由云服务器接收包含酵母的显微图像,其中所述显微图像中还包含用于确定放大倍率的标尺图案;所述云服务器根据所述标尺图案确定放大倍率;以及所述云服务器根据所述放大倍率分析所述显微图像,得到分析结果。
Description
技术领域
本公开涉及一种酵母分析方法。
背景技术
自古以来酵母与人类的生活密不可分,被广泛应用于食品生产,酒类酿造,科学研究等领域。基于现代工业化生产及质控的需求,对酵母进行精确计数成为越来越重要的环节。
发明内容
根据本公开的一个方法,提供了一种酵母分析方法,包括:由云服务器接收包含酵母的显微图像,其中所述显微图像中还包含用于确定放大倍率的标尺图案;所述云服务器根据所述标尺图案确定放大倍率;以及所述云服务器根据所述放大倍率分析所述显微图像,得到分析结果。
在根据本公开的一些实施例中,所述分析结果包含以下至少一种:活酵母浓度、死酵母浓度、总酵母浓度、酵母死亡率、酵母活率、酵母平均直径、酵母平均圆度、酵母出芽率和结团率。
在根据本公开的一些实施例中,所述云服务器根据所述放大倍率分析所述显微图像包括:
所述云服务器对所述显微图像执行图像处理,以计算所述显微图像中的活酵母的数量以及死酵母的数量。
在根据本公开的一些实施例中,所述酵母分析方法还包括:
由显微装置拍摄样品板上的样品槽中的酵母的显微图像并将所述显微图像发送给所述云服务器;
所述云服务器获取所述样品槽的深度;以及
由所述云服务器根据所述样品槽的深度、所述活酵母的数量、所述死酵母的数量以及所述放大率,计算总酵母浓度、活酵母浓度以及死酵母浓度。
在根据本公开的一些实施例中,所述云服务器根据所述活酵母的数量以及死酵母的数量计算所述酵母活率。
在根据本公开的一些实施例中,所述云服务器根据所述放大倍率分析所述显微图像包括:所述云服务器根据所述放大倍率确定每个酵母的直径以及酵母的总数;以及根据每个酵母的直径和酵母的总数确定酵母平均直径。
在根据本公开的一些实施例中,所述云服务器对所述显微图像执行图像处理,以确定每个酵母的圆度和酵母的总数,所述云服务器根据每个酵母的圆度和酵母的总数计算所述酵母平均圆度。
在根据本公开的一些实施例中,所述云服务器对所述显微图像执行图像处理,以确定酵母的总数和出芽酵母的数量,所述云服务器根据酵母的总数和出芽酵母的数量计算所述酵母出芽率。
在根据本公开的一些实施例中,所述云服务器对所述显微图像执行图像处理,以确定酵母的总数和结团酵母的数量,所述云服务器根据酵母的总数和结团酵母的数量计算所述结团率。
在根据本公开的一些实施例中,所述的酵母分析方法还包括:
由显微装置拍摄样品板上的样品槽中的酵母的显微图像并将所述显微图像发送给所述云服务器。
在根据本公开的一些实施例中,所述样品板包含所述标尺图案。
在根据本公开的一些实施例中,所述标尺图案位于所述样品槽底部。
在根据本公开的一些实施例中,所述样品板包括多个样品槽,在每个样品槽底部都设置有所述标尺图案。
在根据本公开的一些实施例中,所述标尺图案位于所述样品槽附近。
在根据本公开的一些实施例中,所述标尺图案包含沿第一方向延伸的第一刻度线。
在根据本公开的一些实施例中,所述标尺图案包括多个第一刻度线,并且所述多个第一刻度线沿与第一方向不同的第二方向排列。
在根据本公开的一些实施例中,所述第一方向与所述第二方向垂直。
在根据本公开的一些实施例中,所述样品槽沿所述第一方向或所述第二方向延伸。
在根据本公开的一些实施例中,所述标尺图案还包含沿第二方向延伸的第二刻度线。
在根据本公开的一些实施例中,所述标尺图案还包含用于确定所述样品槽的延伸方向和排列方向的第一标识。
在根据本公开的一些实施例中,所述第一标识包含彼此垂直的第一箭头和第二箭头。
在根据本公开的一些实施例中,所述标尺图案还包含用于识别所述样品板的第二标识。
在根据本公开的一些实施例中,所述标尺图案还包含用于识别所述样品槽的第三标识。
在根据本公开的一些实施例中,获取所述样品槽的深度包括根据所述第二标识确定所述样品板上的样品槽的深度。
在根据本公开的一些实施例中,获取所述样品槽的深度包括根据所述第三标识确定所述样品板上的样品槽的深度。
通过以下参照附图对本公开的示例性实施例的详细描述,本公开的其它特征及其优点将会变得清楚。
附图说明
构成说明书的一部分的附图描述了本公开的实施例,并且连同说明书一起用于解释本公开的原理。
参照附图,根据下面的详细描述,可以更加清楚地理解本公开,其中:
图1示出了根据本公开的一些实施例的显微装置的示意图。
图2示出了根据本公开的一些实施例的样品板的示意图。
图3示出了根据本公开的一些实施例的样品板的示意图。
图4示出了根据本公开的一些实施例的样品板的示意图。
图5示出了根据本公开的一些实施例的样品板的示意图。
图6A示出了根据本公开的一些实施例的样品板上的标尺图案。
图6B示出了根据本公开的一些实施例的样品板上的标尺图案的图像。
图7示出了根据本公开的一些实施例的样品板的示意图。
图8示出了根据本公开的一些实施例的样品板的示意图。
图9示出了根据本公开的一些实施例的样品板的示意图。
图10示出了根据本公开的一些实施例的样品板的示意图。
图11示出了根据本公开的一些实施例的样品板上的标尺图案中的一组刻度线。
图12示出了根据本公开的一些实施例的显微装置的操作的流程图。
图13示出了根据本公开的一些实施例的图像传感器的的像素排列方向的示意图。
图14示出了根据本公开的一些实施例的显微装置的示意图。
图15示出了根据本公开的一些实施例的图像处理装置的示意图。
图16示出了根据本公开的一些实施例的显微图像。
图17示出了根据本公开的一些实施例的显微图像。
图18示出了根据本公开的一些实施例的显微图像。
图19示出了根据本公开的一些实施例的显微装置的示意图。
图20示出了根据本公开的一些实施例的显微图像。
图21示出了根据本公开的一些实施例的显微分析***。
图22示出了根据本公开的一些实施例的酵母计数方法的流程图。
图23示出了根据本公开的一些实施例的酵母的显微图像。
图24示出了根据本公开的一些实施例的CTC曲线图。
图25示出了根据本公开的一些实施例的酵母浓度柱状图。
图26示出了根据本公开的一些实施例的酵母直径分布柱状图。
图27示出了根据本公开的一些实施例的酵母直径分布柱状图。
图28示出了根据本公开的一些实施例的酵母结团柱状图。
图29示出了根据本公开的一些实施例的酵母分析方法的流程图。
注意,在以下说明的实施方式中,有时在不同的附图之间共同使用同一附图标记来表示相同部分或具有相同功能的部分,而省略其重复说明。在本说明书中,使用相似的标号和字母表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步讨论。
为了便于理解,在附图等中所示的各结构的位置、尺寸及范围等有时不表示实际的位置、尺寸及范围等。因此,所公开的发明并不限于附图等所公开的位置、尺寸及范围等。
具体实施方式
现在将参照附图来详细描述本公开的各种示例性实施例。应注意到:除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本公开及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,所述技术、方法和设备应当被视为授权说明书的一部分。
在这里示出和讨论的所有示例中,任何具体值应被解释为仅仅是示例性的,而不是作为限制。因此,示例性实施例的其它示例可以具有不同的值。
图1示出了根据本公开的实施例的显微装置的示意图。
如图1所示,该显微装置100包括图像传感器101、存储器102、处理器103、光学成像设备104、样品台105和光源106。在工作时,待观察的样品板被布置在样品台105上。光源106发出的光照射到样品板上。光学成像设备104可以包括例如物镜和目镜等(未示出),物镜和目镜各自可以由一组或多组透镜构成。通过光学设备104形成的光学图像被图像传感器101接收,并且被图像传感器101转换成数字图像。图像传感器可以为例如电荷耦合器件(CCD)、互补金属氧化物半导体(CMOS)等。在根据本公开的一些实施例中,也可以把例如手机、照相机等图像拍摄装置布置在光路中,这些图像拍摄装置中也包含图像传感器,并且能够通过光学设备104拍摄样品板中的样品的图像。
通过图像传感器101获得的数字图像被存储在存储器102中,处理器103可以读取存储器102中的数字图像并对数字图像进行处理。
图2示出了根据本公开的一些实施例的样品板的示意图。如图2所示,样品板200包括多个样品槽201,在样品槽201中可以容纳需要观察和拍摄的样品。此外,样品板200还具有标尺图案202。
在图2所示的示例性实施例中,标尺图案202位于样品槽底部(即样品槽与其中的样品接触的表面上)。在通过显微装置100获取样品的图像时,光学成像设备104通常聚焦于样品槽底部,将标尺图案202设置在样品槽底部可以在获得样品图像的同时得到清晰的标尺图案的图像。标尺图案202为沿水平方向的线段,长度为L。例如,在一些示例性实施例中,L可以为1μm-100μm。利用该标尺图案202,可以准确地计算显微装置100的放大倍率。
例如,如图13所示,对于像素沿互相垂直的两个方向(X方向和Y方向)均匀排列的图像传感器101,假设在通过图像传感器101生成的数字图像中,标尺图案202的线段两端的坐标分别为(x1,y1)和(x2,y2)。这里,坐标(x1,y1)和(x2,y2)表示与线段的两端对应的像素在图像传感器101上的位置。那么可以根据公式(1)计算样品板上的线段在图像传感器101上形成的线段图像的尺寸K:
K=D·sqrt[(x2-x1)2+(y2-y1)2] (1)
其中,D为图像传感器101中相邻像素的间距,即从一个像素的中心沿X方向或Y方向到相邻的像素的中心的距离。函数sqrt表示计算平方根。
那么,可以根据下面公式(2)计算显微装置100的光学成像设备104的放大倍率M:
M=K/L (2)
通过上面的方式,可以准确地得到显微装置100的实际放大倍率。
上面的示例性实施例中,图像传感器101的像素阵列为矩形阵列,并且相邻像素的间距在X方向和Y方向相同。在根据本公开的另一些实施例中,图像传感器101的相邻像素的间距在X方向和Y方向不同。例如,沿X方向的相邻像素的间距为D1,沿Y方向的相邻像素的间距为D2,则可以根据下面公式(3)计算样品板上的线段在图像传感器101上形成的线段图像的尺寸K:
K= sqrt[(D1)2·(x2-x1)2+ (D2)2·(y2-y1)2] (3)
然后,根据上面的公式(2)可以计算得到显微装置100的实际放大倍率M。
上述对于实际放大倍率的计算可以由例如显微装置100的处理器103进行。例如,图像传感器101的相邻像素的间距可以预先存储在存储器102中。当图像传感器101生成样品板200的数字图像后,该数字图像被存储在存储器102中。
然后,处理器103从存储器102读取该数字图像,识别数字图像中的标尺图案。接下来,处理器103可以从存储器读取图像传感器101的相邻像素的间距,并根据上面的公式(1)-(3)计算得到显微装置101的实际放大倍率M。
此外,在根据本公开的一些实施例中,对于具有多个样品槽201的样品板200,还可以采用以下方式来计算放大倍率M。
对于图2所示的样品板200具有三个样品槽201,则可以基于每个样品槽201上的标尺图案202分别计算对应的放大倍率M1,M2和M3,然后通过公式(4)计算显微装置的实际放大倍率M。
M=(M1+M2+M3)/3 (4)
即,将放大倍率M1,M2和M3的平均值作为显微装置的实际放大倍率M。采用这种方式,可以减小计算误差,进一步提高放大倍率的准确性。
此外,在根据本公开的另一些实施例中,可以通过下面公式(5)计算各个标尺图案202的线段之和K’。
K’=D·sqrt[(x2-x1)2+(y2-y1)2]
+D·sqrt[(x3-x4)2+(y3-y4)2]
+D·sqrt[(x5-x6)2+(y5-y6)2](5)
其中,(x1,y1)和(x2,y2)为图2上部第一个样品槽202的标尺图案的线段两端在数字图像中的坐标,(x3,y3)和(x4,y4)为图2中部第二个样品槽202的标尺图案的线段两端在数字图像中的坐标,(x5,y5)和(x6,y6)为图2下部第三个样品槽202的标尺图案的线段两端在数字图像中的坐标。
然后,可以通过公式(6)计算显微装置的实际放大倍率M。
M=K’/(3L) (6)
采用这种方式,可以减小计算误差,进一步提高放大倍率的准确性。
上面简要介绍了如何根据样品板上的标尺图案计算显微装置100的实际放大倍率。应当理解,本公开不限于上述方式。在本公开的教导和启示下,本领域技术人员还可以采用其它方式来根据标尺图案计算显微装置100的实际放大倍率。
图3示出了根据本公开的一些实施例的样品板的示意图。如图3所示,样品板300包括多个样品槽301,在样品槽301中可以容纳需要观察和拍摄的样品。此外,样品板300还具有标尺图案302。
在图3所示的示例性实施例中,标尺图案302位于样品槽底部。标尺图案302为等间距的刻度线,各个刻度线沿着水平方向(第一方向)延伸,各个刻度线在垂直方向(第二方向)的间距为D。在根据本公开的一些示例性实施例中,间距D可以为例如1μm-10μm。利用标尺图案302,可以准确地计算显微装置的放大倍率。
例如,处理器103可以根据图像传感器101生成的数字图像,获得标尺图案302中一条刻度线上的一个点的坐标(x1’,y1’),以及获得通过点(x1’,y1’)沿着与该刻度线垂直的方向与相邻刻度线的交点的坐标(x2’,y2’)。
利用与上面描述的方法类似的方法,可以计算得到显微装置100的实际放大倍数。
在图3所示的示例中,在每个样品槽上具有多个刻度线302。在显微装置100的放大倍数较大的情况下,即使视野中仅包含单个样品槽的一部分,也能够准确地得到实际放大倍数。
图4示出了根据本公开的一些实施例的样品板400的示意图。如图4所示,在样品板400中,标尺图案402设置在样品槽401的外部。采用这种方式,可以避免标尺图案402对样品槽401中的样品的干扰,可以更清楚的观察和分析样品。为了得到标尺图案402的清晰的图像,标尺图案402可以与样品槽底部位于同一平面上。
图5示出了根据本公开的一些实施例的样品板500的示意图。如图5所示,样品板500包括多个样品槽501。在每个样品槽501的底部设置有十字形的标尺图案502。该标尺图案502包含两条彼此垂直的线段,两条线段的长度可以相同或者不同。
利用图5的样品板500上的标尺图案502,也可以从图像传感器101拍摄的数字图像中计算显微装置的放大倍率。例如,可以根据上述公式(1)-(2)以及标尺图案502中的两个线段中任一个线段的长度计算显微装置的放大倍率。或者,可以根据两个线段中每一个线段分别计算放大倍率,然后取两个放大倍率的平均值作为显微装置的放大倍率。
此外,图5的样品板500上的标尺图案502还可以用来识别和校正显微装置100的畸变。例如,在显微装置100的光学成像设备104不存在畸变的情况下,标尺图案502的图像也应当是两条彼此垂直的线段,如图6A所示。但是,如果显微装置100的光学成像设备104存在畸变,则标尺图案502的图像中,两条线段将不再垂直,如图6B所示。基于两条线段的图像,处理器103可以识别出显微装置100的光学成像设备存在畸变。进一步地,处理器103还可以基于标尺图案502的尺寸等已知参数对图像传感器101生成的数字图像进行校正,从而改善图像质量。
上面描述了根据本公开的样品板以及如何根据样品板上的标尺图案得到显微装置的放大倍率。应当理解,本申请不限于上述实施例。
例如,图7示出了根据本公开的一些实施例的样品板700的示意图。如图7所示,样品板700包括多个沿水平方向延伸的样品槽701,每个样品槽701的底部设置有标尺图案702。标尺图案702包含多个刻度线,每个刻度线沿水平方向(第一方向)延伸,并且多个刻度线沿虚线703的方向(第二方向)排列。虚线703的方向不是与水平方向垂直的垂直方向。采用这种方式,可以使标尺图案702覆盖样品槽701的大部分区域。当显微装置100的放大倍率较大,视野只能覆盖样品槽701的一部分时,这种形式的标尺图案702可以确保在视野中出现至少一个完整的刻度线。这样,无论观察样品槽701的哪个位置处的样品,都能够准确地计算显微装置的放大倍率。
此外,在根据本公开的一些实施例中,还可以根据样品板上的标尺图案确定样品板和样品槽的朝向。例如,图3所示的样品板300包含沿垂直方向排列的多个样品槽301,并且每个样品槽301沿水平方向延伸。
当通过显微装置100观察和拍摄样品槽301中的样品时,由于视野等原因,往往没有办法同时观察和拍摄到全部样品槽301中的样品。因此,需要使样品台105平移,使得样品板在视野中平移,从而观察和拍摄样品板300上不同的样品槽301或者同一个样品槽301的不同部分。
如图3所示,标尺图案302中每个刻度线沿水平方向延伸,即刻度线的延伸方向与样品槽的延伸方向相同,并且多个刻度线的排列方向与多个样品槽的排列方向一致。因此,虽然显微设备的视野或拍摄的图片中仅显示样品槽的一部分,处理器103或者操作人员可以根据刻度线的延伸方向和排列方向确定样品槽的延伸方向和排列方向,并且根据确定的样品槽的延伸方向和排列方向移动样品台105上的样品板300,实现对不同样品槽301或同一样品槽301的不同区域的观察和拍摄。
图8示出了根据本公开的另一些实施例的样品板800的示意图。如图8所示,样品板800包括多个沿水平方向延伸的样品槽801,并且多个样品槽801沿垂直方向排列。在每个样品槽801的底部设置有标尺图案802。标尺图案802包含用于确定样品槽801的排列方向和延伸方向的第一标识。该第一标识由两个彼此垂直的箭头803和804的构成,其中箭头803沿垂直方向延伸,箭头804沿水平方向延伸。此外,在该示例中,通过较长的箭头表示样品槽的排列方向,较短的箭头表示样品槽的延伸方向。如图8所示,箭头803的长度大于箭头804的长度,因此,根据箭头803的延伸方向可以确定多个样品槽801沿垂直方向排列,根据箭头804的延伸方向可以确定样品槽802沿水平方向延伸。
图9示出了根据本公开的一些实施例的样品板900的示意图。如图9所示,样品板900包括多个沿水平方向排列的样品槽901,并且每个样品槽901也是沿水平方向延伸。每个样品槽901的底部设置有标尺图案902。标尺图案902包含用于确定样品槽901的排列方向和延伸方向的第一标识。该第一标识由箭头903和904构成,其中,较长的箭头903表示样品槽901的排列方向,较短的箭头904表示样品槽901的延伸方向。这样,通过箭头903和904的延伸方向,可以确定多个样品槽901沿水平方向排列,并且每个样品槽901也是沿水平方向延伸。
图10示出了根据本公开的一些实施例的样品板1000的示意图。如图10所示,样品板1000包含多个沿垂直方向排列的样品槽1001,并且每个样品槽1001沿水平方向延伸。在样品槽1001的底部设置有标尺图案1002。标尺图案1002包含用于识别样品板的第二标识1004以及用于识别样品槽的第三标识1003。第二标识1004和第三标识1003由多条刻度线构成,这些刻度线沿水平方向排列,并且每条刻度线沿垂直方向延伸。最左侧的刻度线1005和最右侧的刻度线1006表示第二标识1004和第三标识1003的起始和结尾。第二标识1004和第三标识1003在刻度线1005和刻度线1006之间。根据第二标识1004和第三标识1003可以分别确定样品板的编号和样品槽的编号。
如图10所示,在下部的样品槽1001中,第三标识1003包含两条刻度线,则该第三标识1003所在的样品槽的编号可以被确定为11。在上部的样品槽1001中,第三标识1003包含1条刻度线,并且根据刻度线之间的间距可以得到,在该刻度线前面缺少了一条刻度线,因此,该第三标识1003所在的样品槽的编号可以被确定为01。同理,对于中间的样品槽1001中的第三标识1003,可以确定该样品槽的编号为10。
类似的,第二标识1004中,根据刻度线之间的间距,确定缺少的刻度线表示0,则可以确定样品板1000的编号为1101。
此外,在根据本公开的一些实施例中,还可以采用其它方式来表示编号中的0和1。例如,如图11所示的一组刻度线中,可以通过不同长度的刻度线来分别表示0和1。其中,较长的刻度线表示1,较短的刻度线表示0。图11中的一组刻度线可以比识别成1011011。
应当理解,在本公开的教导和启示下,本领域技术人员还可以采用其它方式将第一标识、第二标识、第三标识和刻度线结合起来,作为标尺图案。
图12示出了根据本公开的一些实施例的显微装置100的操作的流程图。
如图12所示,首先,将样品板放置到样品台105上(步骤1201)。在样品板的样品槽中具有待观察和拍摄的样品。
然后,通过图像传感器101生成样品的数字图像(步骤1202)。通过显微装置100的光学成像设备104形成的光学图像被图像传感器101接收,并且生成数字图像。数字图像可以被存储在存储器102中。
接下来,处理器103可以从存储器102读取数字图像并进行各种处理(步骤1203)。例如,如上所述,可以根据数字图像中的标尺图案计算显微装置100的放大倍率,可以确定样品槽的延伸方向和排列方向,可以识别样品板(的编号),或者可以识别样品槽(的编号),等等。
图14示出了根据本公开的一些实施例的显微装置。如图14所示,显微装置1400为光学显微装置,包括图像传感器1401、存储器1402、发送装置1411、输入装置1410、光学成像设备1404、样品台1405和光源1406。其中,图像传感器1401、光学成像设备1404、样品台1405和光源1406与图1所示的显微装置100中的对应装置相似,本文就不再重复描述。
例如,可以将上述具有标尺图案的样品板布置在样品台1405上,光学成像设备1404可以形成样品的光学图像。此外,样品板中的标尺图案也被包含在光学图像中。如上所述,标尺图案可以用来确定显微装置的放大倍率,也可以用来识别样品板的方向、标识样品板或样品槽等。图像传感器1401可以将光学图像转换成数字图像。
此外,显微装置1400的用户可以通过输入装置1410输入关于标尺图案的信息(即图案信息)。图案信息可以包含标尺图案的尺寸信息。例如,当标尺图案为图2所示的标尺图案202时,图案信息可以包含线段的长度L的信息。当标尺图案为图3所示的标尺图案302时,图案信息可以包含刻度线的间距D的信息。
此外,图案信息可以包含标尺图案的识别符。例如,用户可以通过输入装置1410输入标尺图案的唯一编码。在数据库中可以将标尺图案的编码与标尺图案的相关信息相关联地存储。通过该编码,可以在数据库中查找与该编码对应的标尺图案及其相关信息,例如尺寸、间距等。
在一些示意性实施例中,还可以通过标尺图案的唯一编码来识别样品板的类型。例如,在数据库中,标尺图案的编码还与样品板的相关参数相关联地存储。例如,样品板的相关参数可以包括:样品板的类型、样品槽的数量、样品槽的深度等。
此外,用户还可以通过输入装置1410输入关于样品的信息(第一样品信息)。例如,可以输入样品的类型。例如,通过样品的类型,人们可以确定样品为人乳腺癌细胞、酵母、藻类等。
发送装置1411可以将数字图像发送给其它设备。例如,发送装置1411可以将数字图像发送给远程的服务器,例如云服务器等。服务器可以包含图像处理装置,从而对接收到的图像进行进一步处理。
图19示出了根据本公开的一些实施例的显微装置的示意图。如图19所示,显微装置1900包括图像传感器1901、存储器1902、发送装置1911、输入装置1910、光学成像设备1904、样品台1905和光源1906。这些部件与图14所示的显微装置1400的对应部件类似,本文就不再重复。此外,如图19所示,显微装置1900还包括控制器1912和接收装置1913。其中,接收装置1913可以接收外部设备发送的信息,控制器1912可以根据该信息控制显微装置1900的操作。在根据本公开的一些实施例中,用户可以通过移动设备(例如手机、平板、笔记本电脑等)与显微装置1900交互。例如,显微装置1900可以把拍摄的显微图像发送给移动设备并在移动设备上显示。用户可以根据拍摄的显微图像,调节显微装置1900的拍摄参数(例如放大倍数、观察区域等),并且通过移动设备将拍摄参数发送给显微装置1900。然后,显微装置1900根据移动设备发送的信息中包含的拍摄参数进行调节并重新拍摄显微图像,把新的显微图像发送给移动设备。
此外,上述显微装置1900和移动设备之间的交互可以直接进行,也可以间接地经由例如云服务器等执行,本公开对此不做限制。
图15示出了根据本公开的一些实施例的图像处理装置的示意图。如图15所示,图像处理装置1500包含接收装置1501、存储装置1502、处理器1503以及发送装置1504。
接收装置1501可以接收由上述根据本公开的显微装置拍摄的数字图像。在数字图像中包含标尺图案。
此外,在根据本公开的一些实施例中,接收装置1501还可以接收与数字图像关联的图案信息和/或第一样品信息。
存储装置1502可以存储接收装置1501接收的数字图像和各种信息。
处理器1503可以从存储装置1502获取数字图像和各种信息,并且对数字图像进行处理。例如,处理器1503可以根据数字图像中的标尺图案确定显微装置的放大倍率。
发送装置1504可以发送数字图像以及与数字图像相关的信息(例如放大倍率等)给例如移动设备等。
在根据本公开的一些实施例中,由于样品板的规格可能不同,不同规格的样品板上的标尺图案的刻度线的长度和/或间距等参数有可能不同。在这种情况下,处理器1503还需要进一步接合与该数字图像关联的图案信息来确定显微装置的放大倍率。
此外,在根据本公开的一些示例性实施例中,处理器1503还可以根据图案信息确定样品所在的样品板的方向。例如,当样品板为图9所示的样品板900时,图案信息可以表明箭头的方向与样品板900的纵向相同。这样,当处理器1503从数字图像中识别出标尺图案的箭头方向,并且将该方向作为样品板的纵向。
此外,在根据本公开的一些示例性实施例中,处理器1503可以根据图案信息对数字图像分类。例如,可以根据标尺图案的尺寸对数字图像分类,将具有相同尺寸的标尺图案的数字图像分到一组。当后续查看该组数字图像时,可以对数字图像进行缩放,使得标尺图案的大小相同,这样用户可以直观的观察和比较各个数字图像中的样品的相对大小。
此外,在根据本公开的一些实施例中,处理器1503可以根据图案信息生成第一图像,并且将第一图像添加到数字图像中。例如,如图16所示,对于图2所示的样品板,处理器1503根据图案信息可以得到刻度线的长度L为5μm。处理器1503可以生成带有文字“5μm”的图像(即第一图像)1601,并且将该第一图像添加到数字图像中。在合成的数字图像中,在刻度线附近标注了该刻度线的长度L的值,从而使得用户能够在观看该数字图像时更直观地了解样本的尺寸。
此外,处理器1503可以根据第一样品信息对数字图像进行分类。例如,当第一样品信息包含样品的类型的情况下,处理器1503可以把相同类型的样品的数字图像分成一组。
此外,在根据本公开的一些实施例中,第一样品信息还可以包含样本的制作日期、拍摄日期、来源、版权信息等其它信息。处理器1503也可以把日期相同的数字图像分成一组。
在根据本公开的一些实施例中,处理器1503可以根据第一样品信息生成第二图像,并且把第二图像添加到数字图像中。如图17所示,当第一样品信息表示样品的类型为人乳腺癌细胞(MCF-7细胞)时,处理器1503可以生成包含文字“MCF-7细胞”的第二图像1701,并且将该图像1701添加到数字图像中。这样,当在例如显示器上显示该数字图像时,人们可以直接获知该样品的类型。
在根据本公开的一些实施例中,客户端可以从服务器查找和下载数字图像。例如,客户端可以输入关键字,例如酵母细胞,并且将该关键字发送给远程的服务器。服务器可以根据该关键字在数据库查找所有样品信息中包含酵母细胞的数字图像,并向客户端提供这些数字图像的列表或缩略图。客户端可以根据服务器提供的信息选择并下载选定的数字图像及其相关信息。此外,在根据本公开的一些实施例中,客户端可以向服务器支付费用,以获得选定的数字图像的使用许可。当服务器确定客户端获得了使用许可后,再将数字图像发送给客户端。
此外,在根据本公开的一些实施例中,处理器1503可以根据标尺图案分析数字图像,从而获得关于样品的第二样品信息。第二样品信息可以包括例如:样品的直径值、样品的长轴值和短轴值、拍摄视野的尺寸以及样品的浓度等信息。
例如图18示出了根据本公开的一些实施例的数字图像的示意图。如图18所示,根据图案信息,处理器1503可以确定该数字图像中标尺图案的长度单位为5μm。基于此,可以得到图18中的数字图像的放大倍率为9.8。根据第一样本信息,处理器1503进一步地可以确定该数字图像中的样品的类型为酵母细胞。基于这些信息,处理器1503可以进行图像识别,从而识别酵母细胞。例如,处理器1503可以通过图像识别确定一个酵母细胞1802,并根据标尺图案来确定该酵母细胞1802的直径为6μm,并且将该直径值存储到第二样品信息中。
此外,在根据本公开的一些实施例中,处理器1503可以通过图像识别确定多个酵母细胞,并且根据标尺图案确定每个酵母细胞的直径值。然后,处理器1503将全部酵母细胞的直径值的平均值作为酵母细胞的直径值存储在第二样品信息中。
例如,如图18所示,处理器1503可以从数字图像中识别到酵母细胞1801、1802和1803。根据标尺图案,可以确定这些酵母细胞的直径分别为9μm、6μm和9μm,平均直径为8μm。处理器1503将该平均直径值作为样品的直径值存储到第二样品信息中。
此外,在根据本公开的一些实施例中,处理器1503可以从数字图像中识别全部酵母细胞为393个,并确定每个酵母细胞的直径,由此可以也可以得到酵母细胞直径的平均值并存储到第二样品信息中。
此外,处理器1503还可以从数字图像中确定拍摄视野的尺寸以及样品的浓度值。如图18所示,处理器1503可以根据标尺图案确定该数字图像中的样品板的面积为0.46×0.35mm2。此外,如上所述,根据标尺图案还可以确定样品板的类型,从而可以获得样品槽的深度为0.5μm。这样,处理器1503可以计算酵母细胞的浓度大约为5×106/ml。
此外,处理器1503可以从数字图像中确定样品的长轴值和短轴值。例如,图20示出了根据本公开的实施例的小球藻的显微图像。处理器1503可以根据图20中的标尺图案确定每个小球藻的短轴值和长轴值,并且进一步计算得到小球藻的短轴平均值为大约17.66μm,长轴值为大约19.11μm。
根据本公开的实施例,还提供了一种显微分析***,包括上述显微装置、图像处理装置和移动设备等。应当理解,本公开的图像处理装置可以为单个服务器或多个服务器,也可以为云服务器。如图21所示,移动设备可以通过云服务器控制显微装置(例如调节拍摄参数等),也可以经由云服务器接收显微装置拍摄的显微图像。云服务器可以向显微装置和/或移动设备推送固件或应用的更新等。此外,可以有多个显微装置1~N同时连接到云服务器。移动设备可以根据需要选择查看指定显微装置拍摄的图像或控制该显微装置的操作。云服务器可以对多个显微装置拍摄的显微图像进行存储和分析,并且可以将显微图像和分析结果发送给移动设备。
在上面的各个实施例中,标尺图案都设置在样品板中。在根据本公开的一些实施例中,标尺图案可以设置在显微装置的光学成像设备中。例如,可以在光学成像设备的镜头组内加入带有标尺图案的透明玻璃板。这样,通过成像倍率的换算也能得到样品成像的实际放大倍率。
此外,在根据本公开的一些实施例中,样品可以为酵母,并且可以对酵母进行计数。
图22示出了根据本公开的一些实施例的酵母计数方法的流程图。如图22所示,在该方法中,首先,获取包含酵母的显微图像,在该显微图像中还包含用于确定放大倍率的标尺图案(步骤2201)。
然后,根据显微图像中的标尺图案确定放大倍率(步骤2202)。
接下来,计算显微图像中的酵母的个数(步骤2203)。
最后,根据放大倍率以及酵母的个数,计算酵母的浓度(步骤2004)。
下面结合实施例进一步详细的描述根据本公开的酵母计数方法。
使用显微装置拍摄酵母的操作流程如下。
首先,配制染色液。可以采用次甲基紫或次甲基蓝进行染色。例如,可以按照以下方式配制2%二水合柠檬酸钠次甲基紫溶液(含有0.01%次甲基紫溶液):选取0.01g次甲基紫和2g二水合柠檬酸三钠,然后加入蒸馏水定容至100ml。
在一个示例性实施例中,也可以按照以下方式配制2%二水合柠檬酸钠次甲基蓝溶液(含有0.01%次甲基蓝溶液):选取0.01g次甲基蓝和2g二水合柠檬酸三钠,然后加入蒸馏水定容至100ml。
然后,取出酵母样品。对于酵母泥或浓度太高的样品,可以使用稀释液稀释至一定浓度范围内。
接下来,吸取酵母样品1ml与1ml染色液混合均匀,加入到根据本公开的上述实施例的样品板的样品槽中。
最后,将添加样品后的样品板放到显微装置100的样品台上,拍摄显微图像。
例如,图18示出了根据本公开的一些实施例的显微装置拍摄的酵母的显微图像。
显微装置100的处理器103可以通过存储在存储器102中的图像识别算法来识别和计算显微图像中的酵母的数量。经过识别和计算,可以得到显微图像中的酵母的数量为393个。
进一步地,结合样品板的类型,可以确定样品槽的深度和/或宽度。例如,用户可以手动向显微装置100输入样品板的类型。显微装置100的处理器103可以根据输入的样品板的类型在存储器102中的数据库中查找该类型的样品板上的样品槽的深度和/或宽度、长度等尺寸数据。
此外,在根据本公开的一些实施例中,显微装置100的处理器103可以根据样品板上的标尺图案确定样品板的类型。例如,样品板可以为图10所示的样品板1000。样品板1000上的标尺图案1002包含第二标识1004。根据第二标识1004可以确定样品板的编号。处理器103根据该样品板的编号在存储器102的数据库中进行查找,从而确定样品板的类型以及样品槽的深度和/或宽度、长度等尺寸。
在确定了样品槽的深度后,就可以计算酵母样品的浓度。例如,在图19所示的酵母的显微图像中,根据标尺图案可以确定放大倍率为9.8倍,由此可以得知该显微图像对应的样品槽区域的面积为0.46×0.35mm2。此外,根据用户输入的样品板或者样品槽的类型,处理器103可以在存储器102的数据库中查找并确定与该样品板的类型或样品槽的类型对应的样品槽的深度。因此,酵母样品的浓度为5×106/ml。
此外,在标尺图案包含用于识别样品槽的第三标识的情况下,处理器103也可以根据第三标识确定样品槽的类型,根据该样品槽的类型确定样品槽的深度、宽度和长度等尺寸信息,进而计算得到样品槽的容积。
此外,图像处理装置还可以对酵母的显微图像进行分析,以得到分析结果。例如,分析结果中可以包含以下参数中的至少一种:活酵母浓度、死酵母浓度、总酵母浓度、酵母死亡率、酵母活率、酵母平均直径、酵母平均圆度、酵母出芽率和结团率等。
图29示出了根据本公开的实施例的酵母分析方法。如图29所示,根据本公开的实施例的酵母分析方法主要包括以下步骤:
首先,由云服务器接收包含酵母的显微图像,其中所述显微图像中还包含用于确定放大倍率的标尺图案(步骤2901);
所述云服务器根据所述标尺图案确定放大倍率(步骤2902);以及
所述云服务器根据所述放大倍率分析所述显微图像,得到分析结果(步骤2903)。
例如,图23示出了根据本公开的实施例的显微装置拍摄的酵母的显微图像。表1给出了图23的显微图像的分析结果的一个示例。
表1
样品ID | BioFerm-Yeast-2e7-wu |
用户ID | 123 |
活酵母浓度 | 1.83E+07 |
总酵母浓度 | 1.92E+07 |
酵母死亡率 | 4.3% |
死酵母浓度 | 8.24E+05 |
总酵母数 | 3791 |
活酵母数 | 3628 |
死酵母数 | 163 |
平均直径(μm) | 7.93 |
平均圆度 | 0.78 |
结团率 | 58.69% |
酵母类型 | 啤酒酵母(yeast) |
如表1所示,图19的显微图像中的酵母类型为啤酒酵母(yeast)。图像处理装置可以对显微图像中的活酵母和死酵母进行计数,从而得到活酵母的数量为3628个,死酵母的数量为163个。这样,
酵母的总数=活酵母的数量+死酵母的数量=3791个,
酵母死亡率=死酵母的数量/酵母的总数=4.3%。
此外,如上所述,图像处理装置还可以进一步获得样品槽的深度(例如基于样品板的类型),然后根据样品槽的深度和显微图像中的样品槽的面积(可以根据放大倍率计算得到)计算酵母的浓度值,例如活酵母浓度、死酵母浓度和/或总酵母浓度等。也就是说,图像处理装置可以根据样品槽的深度、活酵母的数量、死酵母的数量以及放大率,计算活酵母浓度、死酵母浓度以及总酵母浓度等。
此外,图像处理装置可以根据多个样本的显微图像生成柱状图,并且发送给客户端。例如,图25示出了根据本公开的示意性实施例的浓度柱状图。如图25所示,横轴表示不同的样本,纵轴表示浓度。各个样本的活酵母浓度和总酵母浓度都显示在图中,用户能够直观地了解各个样本的酵母浓度并进行比较。
此外,图像处理器还可以根据不同样本的显微图像生成细胞生长曲线(CTC曲线)。如图24所示,CTC曲线是测定细胞绝对生长数的常用方式。通过CTC曲线,可以反映出同一组样本,细胞数量随时间的变化。
此外,CTC曲线也可以将例如酵母的数量(例如,活酵母的数量、死酵母的数量、酵母的总数)、活率(Viability)、平均直径、平均圆度(compactness)、结团率(aggregate)等参数作为纵轴,从而表示这些参数与处理时间的关系。
此外,如表1所示,图像处理装置可以根据放大倍率确定每个酵母的直径,并且根据每个酵母的直径以及酵母的总数确定酵母平均直径。在一些实施例中,图像处理装置还可以给出酵母直径的柱状图,使得用户更清楚、直观地了解酵母直径的分布。
图26给出了根据本公开的一个实施例的酵母直径的柱状图。如图26所示,在酵母直径的柱状图中,给出了各个直径的酵母数量,其中,直径大约为6μm的酵母数量为389个,直径大约为8μm的酵母数量为3220个,直径大约为10μm的酵母数量为206个,直径大约为12μm的酵母数量为3个。根据图26,人们能够看出大部分酵母的直径为6-10μm。
此外,由于服务器(例如云服务器)上通常存储有多个样本的显微图像,还可以将各个样本的酵母直径柱状图叠加到一起,生成酵母直径的叠加图。图27示出了根据本公开的一个实施例的酵母直径的叠加图。如图27所示,三个样本的酵母直径柱状图被叠加显示。人们能够直观地比较不同样本的酵母直径及其分布。
此外,图像处理装置还可以通过对显微图像执行图像处理,确定结团酵母的数量,并且根据酵母的总数和结团酵母的数量计算结团率。例如,图像处理装置可以通过图像处理识别酵母团的数量、每个酵母团中的酵母数量等,由此可以计算
酵母的结团率=(Σ每个酵母团中的酵母数量)/酵母的总数。
此外,图像处理装置还可以生成酵母结团柱状图。图28示出了根据本公开的一个实施例的酵母结团柱状图。如图28所示,在该酵母结团柱状图中,横坐标为酵母团中的酵母数量,纵坐标为酵母团数量。从图28可以看出,对于图23所示的酵母样本的显微图像,包含2个酵母的酵母团的数量为423个,包含3个酵母的酵母团的数量为146个,包含4个酵母的酵母团的数量为85个,包含5个酵母的酵母团的数量为43个,包含6个酵母的酵母团的数量为19个,包含7个酵母的酵母团的数量为14个,包含8个酵母的酵母团的数量为8个,包含9个酵母的酵母团的数量为6个,包含10个酵母的酵母团的数量为2个,包含11个酵母的酵母团的数量为2个,包含12个酵母的酵母团的数量为2个,包含13个酵母的酵母团的数量为1个,包含14个酵母的酵母团的数量为1个。从图28可以看出,酵母结团的情况下,大部分酵母团中包含2-5个酵母。
除了上面描述的柱状图,图像处理装置也可以生成其它类型的视图,例如饼图等。
此外,图像处理装置还可以对显微图像执行图像处理,以确定其它参数。例如,可以通过图像处理确定每个酵母的圆度,并且根据每个酵母的圆度和酵母的总数计算酵母的平均圆度。
在根据本公开的一些实施例中,图像处理装置还可以对显微图像执行图像处理,以确定出芽酵母的数量,并且根据酵母的总数和出芽酵母的数量计算酵母的出芽率。出芽率是反映酵母生长的重要质量标准之一。例如,在一些示例性实施例中,可以将芽体体积小于母体1/2的酵母作为出芽酵母,将芽体体积大于母体1/2的酵母作为两个酵母,并由此计算
酵母的出芽率=出芽酵母/酵母的总数。
此外,如上所述,服务器可以为例如远程服务器或云服务器,图像处理装置可以为例如运行在远程服务器或云服务器上的图像处理模块。在本公开的实施例中,由于可以通过显微图像上的标尺图案准确地确定放大倍率,因此,由不同显微装置拍摄的显微图像可以进行比较,并且生成例如如上所述的酵母直径柱状图的叠加图等。
此外,根据本公开的一些实施例,还可以采用以下技术方案:
1.一种酵母分析方法,包括:
由云服务器接收包含酵母的显微图像,其中所述显微图像中还包含用于确定放大倍率的标尺图案;
所述云服务器根据所述标尺图案确定放大倍率;以及
所述云服务器根据所述放大倍率分析所述显微图像,得到分析结果。
2.根据1所述的酵母分析方法,其中,所述分析结果包含以下至少一种:活酵母浓度、死酵母浓度、总酵母浓度、酵母死亡率、酵母活率、酵母平均直径、酵母平均圆度、酵母出芽率和结团率。
3.根据2所述的酵母分析方法,其中,所述云服务器根据所述放大倍率分析所述显微图像包括:
所述云服务器对所述显微图像执行图像处理,以计算所述显微图像中的活酵母的数量以及死酵母的数量。
4.根据3所述的酵母分析方法,还包括:
由显微装置拍摄样品板上的样品槽中的酵母的显微图像并将所述显微图像发送给所述云服务器;
所述云服务器获取所述样品槽的深度;以及
由所述云服务器根据所述样品槽的深度、所述活酵母的数量、所述死酵母的数量以及所述放大率,计算总酵母浓度、活酵母浓度以及死酵母浓度。
5.根据3所述的酵母分析方法,其中,所述云服务器根据所述活酵母的数量以及死酵母的数量计算所述酵母活率。
6.根据2所述的酵母分析方法,其中,所述云服务器根据所述放大倍率分析所述显微图像包括:
所述云服务器根据所述放大倍率确定每个酵母的直径以及酵母的总数;以及
根据每个酵母的直径和酵母的总数确定酵母平均直径。
7.根据2所述的酵母分析方法,其中,所述云服务器对所述显微图像执行图像处理,以确定每个酵母的圆度和酵母的总数,
所述云服务器根据每个酵母的圆度和酵母的总数计算所述酵母平均圆度。
8.根据2所述的酵母分析方法,其中,所述云服务器对所述显微图像执行图像处理,以确定酵母的总数和出芽酵母的数量,
所述云服务器根据酵母的总数和出芽酵母的数量计算所述酵母出芽率。
9.根据2所述的酵母分析方法,其中,所述云服务器对所述显微图像执行图像处理,以确定酵母的总数和结团酵母的数量,
所述云服务器根据酵母的总数和结团酵母的数量计算所述结团率。
10.根据1所述的酵母分析方法,还包括:
由显微装置拍摄样品板上的样品槽中的酵母的显微图像并将所述显微图像发送给所述云服务器。
11.根据10所述的酵母分析方法,其中
所述样品板包含所述标尺图案。
12.根据11所述的酵母分析方法,其中
所述标尺图案位于所述样品槽底部。
13.根据12所述的酵母分析方法,其中,所述样品板包括多个样品槽,在每个样品槽底部都设置有所述标尺图案。
14.根据11所述的酵母分析方法,其中,所述标尺图案位于所述样品槽附近。
15.根据11-14中任一项所述的酵母分析方法,其中,所述标尺图案包含沿第一方向延伸的第一刻度线。
16、根据15所述的酵母分析方法,其中,所述标尺图案包括多个第一刻度线,并且所述多个第一刻度线沿与第一方向不同的第二方向排列。
17.根据16所述的酵母分析方法,其中,所述第一方向与所述第二方向垂直。
18.根据16或17所述的酵母分析方法,其中,所述样品槽沿所述第一方向或所述第二方向延伸。
19.根据16-18中任一项所述的酵母分析方法,其中,所述标尺图案还包含沿第二方向延伸的第二刻度线。
20.根据11-19中任一项所述的酵母分析方法,其中,所述标尺图案还包含用于确定所述样品槽的延伸方向和排列方向的第一标识。
21.根据20所述的酵母分析方法,其中,所述第一标识包含彼此垂直的第一箭头和第二箭头。
22.根据11-21中任一项所述的酵母分析方法,其中,所述标尺图案还包含用于识别所述样品板的第二标识。
23.根据22所述的酵母分析方法,其中,所述标尺图案还包含用于识别所述样品槽的第三标识。
24.根据22所述的酵母分析方法,其中,获取所述样品槽的深度包括根据所述第二标识确定所述样品板上的样品槽的深度。
25.根据23所述的酵母计数方法,其中,获取所述样品槽的深度包括根据所述第三标识确定所述样品板上的样品槽的深度。
在说明书及权利要求中的词语“前”、“后”、“顶”、“底”、“之上”、“之下”等,如果存在的话,用于描述性的目的而并不一定用于描述不变的相对位置。应当理解,这样使用的词语在适当的情况下是可互换的,使得在此所描述的本公开的实施例,例如,能够在与在此所示出的或另外描述的那些取向不同的其他取向上操作。
如在此所使用的,词语“示例性的”意指“用作示例、实例或说明”,而不是作为将被精确复制的“模型”。在此示例性描述的任意实现方式并不一定要被解释为比其它实现方式优选的或有利的。而且,本公开不受在上述技术领域、背景技术、发明内容或具体实施方式中所给出的任何所表述的或所暗示的理论所限定。
如在此所使用的,词语“基本上”意指包含由设计或制造的缺陷、器件或元件的容差、环境影响和/或其它因素所致的任意微小的变化。词语“基本上”还允许由寄生效应、噪音以及可能存在于实际的实现方式中的其它实际考虑因素所致的与完美的或理想的情形之间的差异。
上述描述可以指示被“连接”或“耦合”在一起的元件或节点或特征。如在此所使用的,除非另外明确说明,“连接”意指一个元件/节点/特征与另一种元件/节点/特征在电学上、机械上、逻辑上或以其它方式直接地连接(或者直接通信)。类似地,除非另外明确说明,“耦合”意指一个元件/节点/特征可以与另一元件/节点/特征以直接的或间接的方式在机械上、电学上、逻辑上或以其它方式连结以允许相互作用,即使这两个特征可能并没有直接连接也是如此。也就是说,“耦合”意图包含元件或其它特征的直接连结和间接连结,包括利用一个或多个中间元件的连接。
另外,仅仅为了参考的目的,还可以在下面描述中使用某种术语,并且因而并非意图限定。例如,除非上下文明确指出,否则涉及结构或元件的词语“第一”、“第二”和其它此类数字词语并没有暗示顺序或次序。
还应理解,“包括/包含”一词在本文中使用时,说明存在所指出的特征、整体、步骤、操作、单元和/或组件,但是并不排除存在或增加一个或多个其它特征、整体、步骤、操作、单元和/或组件以及/或者它们的组合。
在本公开中,术语“提供”从广义上用于涵盖获得对象的所有方式,因此“提供某对象”包括但不限于“购买”、“制备/制造”、“布置/设置”、“安装/装配”、和/或“订购”对象等。
本领域技术人员应当意识到,在上述操作之间的边界仅仅是说明性的。多个操作可以结合成单个操作,单个操作可以分布于附加的操作中,并且操作可以在时间上至少部分重叠地执行。而且,另选的实施例可以包括特定操作的多个实例,并且在其他各种实施例中可以改变操作顺序。但是,其它的修改、变化和替换同样是可能的。因此,本说明书和附图应当被看作是说明性的,而非限制性的。
虽然已经通过示例对本公开的一些特定实施例进行了详细说明,但是本领域的技术人员应该理解,以上示例仅是为了进行说明,而不是为了限制本公开的范围。在此公开的各实施例可以任意组合,而不脱离本公开的精神和范围。本领域的技术人员还应理解,可以对实施例进行多种修改而不脱离本公开的范围和精神。本公开的范围由所附权利要求来限定。
Claims (20)
1.一种酵母分析方法,包括:
由显微装置拍摄样品板上的样品槽中的酵母的显微图像并将所述显微图像发送给云服务器;
由云服务器接收包含酵母的显微图像以及与所述显微图像关联的图案信息,其中所述显微图像中还包含用于确定放大倍率的标尺图案,所述图案信息是关于所述标尺图案的信息;
所述云服务器根据所述标尺图案以及所述图案信息确定放大倍率;以及
所述云服务器根据所述放大倍率分析所述显微图像,得到分析结果,
其中,所述样品板包含所述标尺图案,所述标尺图案包含用于确定所述样品槽的延伸方向和排列方向的第一标识、用于识别所述样品板的第二标识以及用于识别所述样品槽的第三标识,
所述标尺图案还包括两条彼此垂直的线段,所述酵母分析方法还包括:
根据所述显微图像中的标尺图案以及所述样品板上的标尺图案,校正所述显微图像。
2.根据权利要求1所述的酵母分析方法,其中,所述分析结果包含以下至少一种:活酵母浓度、死酵母浓度、总酵母浓度、酵母死亡率、酵母活率、酵母平均直径、酵母平均圆度、酵母出芽率和结团率。
3.根据权利要求2所述的酵母分析方法,其中,所述云服务器根据所述放大倍率分析所述显微图像包括:
所述云服务器对所述显微图像执行图像处理,以计算所述显微图像中的活酵母的数量以及死酵母的数量。
4.根据权利要求3所述的酵母分析方法,还包括:
所述云服务器获取所述样品槽的深度;以及
由所述云服务器根据所述样品槽的深度、所述活酵母的数量、所述死酵母的数量以及所述放大倍率,计算总酵母浓度、活酵母浓度以及死酵母浓度。
5.根据权利要求3所述的酵母分析方法,其中,所述云服务器根据所述活酵母的数量以及死酵母的数量计算所述酵母活率。
6.根据权利要求2所述的酵母分析方法,其中,所述云服务器根据所述放大倍率分析所述显微图像包括:
所述云服务器根据所述放大倍率确定每个酵母的直径以及酵母的总数;以及
根据每个酵母的直径和酵母的总数确定酵母平均直径。
7.根据权利要求2所述的酵母分析方法,其中,所述云服务器对所述显微图像执行图像处理,以确定每个酵母的圆度和酵母的总数,
所述云服务器根据每个酵母的圆度和酵母的总数计算所述酵母平均圆度。
8.根据权利要求2所述的酵母分析方法,其中,所述云服务器对所述显微图像执行图像处理,以确定酵母的总数和出芽酵母的数量,
所述云服务器根据酵母的总数和出芽酵母的数量计算所述酵母出芽率。
9.根据权利要求2所述的酵母分析方法,其中,所述云服务器对所述显微图像执行图像处理,以确定酵母的总数和结团酵母的数量,
所述云服务器根据酵母的总数和结团酵母的数量计算所述结团率。
10.根据权利要求1所述的酵母分析方法,其中
所述标尺图案位于所述样品槽底部。
11.根据权利要求10所述的酵母分析方法,其中,所述样品板包括多个样品槽,在每个样品槽底部都设置有所述标尺图案。
12.根据权利要求1所述的酵母分析方法,其中,所述标尺图案位于所述样品槽附近。
13.根据权利要求1所述的酵母分析方法,其中,所述标尺图案包含沿第一方向延伸的第一刻度线。
14.根据权利要求13所述的酵母分析方法,其中,所述标尺图案包括多个第一刻度线,并且所述多个第一刻度线沿与第一方向不同的第二方向排列。
15.根据权利要求14所述的酵母分析方法,其中,所述第一方向与所述第二方向垂直。
16.根据权利要求14或15所述的酵母分析方法,其中,所述样品槽沿所述第一方向或所述第二方向延伸。
17.根据权利要求14或15所述的酵母分析方法,其中,所述标尺图案还包含沿第二方向延伸的第二刻度线。
18.根据权利要求1所述的酵母分析方法,其中,所述第一标识包含彼此垂直的第一箭头和第二箭头。
19.根据权利要求4所述的酵母分析方法,其中,获取所述样品槽的深度包括根据所述第二标识确定所述样品板上的样品槽的深度。
20.根据权利要求4所述的酵母分析方法,其中,获取所述样品槽的深度包括根据所述第三标识确定所述样品板上的样品槽的深度。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911264590.8A CN110866918B (zh) | 2019-12-11 | 2019-12-11 | 酵母分析方法 |
PCT/CN2020/134466 WO2021115248A1 (zh) | 2019-12-11 | 2020-12-08 | 酵母分析方法 |
EP20900523.0A EP4064194A4 (en) | 2019-12-11 | 2020-12-08 | PROCEDURE FOR ANALYSIS OF YEAST |
US17/806,479 US11643678B2 (en) | 2019-12-11 | 2022-06-11 | Method for analysis of yeast |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911264590.8A CN110866918B (zh) | 2019-12-11 | 2019-12-11 | 酵母分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110866918A CN110866918A (zh) | 2020-03-06 |
CN110866918B true CN110866918B (zh) | 2022-04-05 |
Family
ID=69658229
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911264590.8A Active CN110866918B (zh) | 2019-12-11 | 2019-12-11 | 酵母分析方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11643678B2 (zh) |
EP (1) | EP4064194A4 (zh) |
CN (1) | CN110866918B (zh) |
WO (1) | WO2021115248A1 (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111024696B (zh) | 2019-12-11 | 2022-01-11 | 上海睿钰生物科技有限公司 | 藻类分析方法 |
CN110823897A (zh) * | 2019-12-11 | 2020-02-21 | 上海睿钰生物科技有限公司 | 样品板 |
CN110866918B (zh) * | 2019-12-11 | 2022-04-05 | 上海睿钰生物科技有限公司 | 酵母分析方法 |
CN110991379B (zh) * | 2019-12-11 | 2022-02-22 | 上海睿钰生物科技有限公司 | 藻类计数方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101807263A (zh) * | 2010-02-10 | 2010-08-18 | 福州图森图像技术有限公司 | 微生物的数码检测方法 |
CN101982780A (zh) * | 2010-09-03 | 2011-03-02 | 长春理工大学 | 机器人微纳混合生物活体细胞实时检测、操纵及诊断技术与*** |
CN104406519A (zh) * | 2014-11-25 | 2015-03-11 | 深圳市计量质量检测研究院 | 一种放大倍率数字化测量方法和装置 |
CN107144520A (zh) * | 2017-06-06 | 2017-09-08 | 深圳小孚医疗科技有限公司 | 用于显微成像粒子分析的粒子成像室和聚焦*** |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100371762C (zh) * | 2005-02-25 | 2008-02-27 | 宝钢集团上海梅山有限公司 | 一种数码金相显微图像放大倍率的标定方法 |
CN101607263A (zh) | 2009-07-17 | 2009-12-23 | 武汉理工大学 | 回转体饼类零件三辊横轧成形方法及设备 |
GB201105474D0 (en) * | 2011-03-31 | 2011-05-18 | Albagaia Ltd | Testing apparatus |
WO2014161585A1 (en) * | 2013-04-05 | 2014-10-09 | Bastidas García Óscar | Particle counting system adaptable to an optical instrument |
US20150142732A1 (en) * | 2013-11-15 | 2015-05-21 | Corista LLC | Continuous image analytics |
CN104830680A (zh) * | 2015-03-24 | 2015-08-12 | 临沂大学 | 一种非接触式显微测量辅助装置及其测量方法 |
CN105158220B (zh) * | 2015-07-01 | 2018-05-01 | 上海睿钰生物科技有限公司 | 一种多荧光通道同步显微成像方法及装置 |
US11320362B2 (en) * | 2016-09-23 | 2022-05-03 | The Regents Of The University Of California | System and method for determining yeast cell viability and concentration |
JP6975474B2 (ja) * | 2016-10-21 | 2021-12-01 | ファースト フロンティア ピーティーワイ リミテッドFirst Frontier Pty Ltd | 空気試料の自動分析を実行するためのシステム及び方法 |
JP6812944B2 (ja) * | 2017-10-18 | 2021-01-13 | 株式会社島津製作所 | 質量分析装置用情報管理装置 |
CN108693097A (zh) * | 2017-12-13 | 2018-10-23 | 青岛汉朗智能医疗科技有限公司 | 红细胞聚集检测方法及*** |
CN110866918B (zh) * | 2019-12-11 | 2022-04-05 | 上海睿钰生物科技有限公司 | 酵母分析方法 |
CN111024696B (zh) * | 2019-12-11 | 2022-01-11 | 上海睿钰生物科技有限公司 | 藻类分析方法 |
CN110991379B (zh) * | 2019-12-11 | 2022-02-22 | 上海睿钰生物科技有限公司 | 藻类计数方法 |
-
2019
- 2019-12-11 CN CN201911264590.8A patent/CN110866918B/zh active Active
-
2020
- 2020-12-08 EP EP20900523.0A patent/EP4064194A4/en active Pending
- 2020-12-08 WO PCT/CN2020/134466 patent/WO2021115248A1/zh unknown
-
2022
- 2022-06-11 US US17/806,479 patent/US11643678B2/en active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101807263A (zh) * | 2010-02-10 | 2010-08-18 | 福州图森图像技术有限公司 | 微生物的数码检测方法 |
CN101982780A (zh) * | 2010-09-03 | 2011-03-02 | 长春理工大学 | 机器人微纳混合生物活体细胞实时检测、操纵及诊断技术与*** |
CN104406519A (zh) * | 2014-11-25 | 2015-03-11 | 深圳市计量质量检测研究院 | 一种放大倍率数字化测量方法和装置 |
CN107144520A (zh) * | 2017-06-06 | 2017-09-08 | 深圳小孚医疗科技有限公司 | 用于显微成像粒子分析的粒子成像室和聚焦*** |
Also Published As
Publication number | Publication date |
---|---|
WO2021115248A1 (zh) | 2021-06-17 |
US11643678B2 (en) | 2023-05-09 |
EP4064194A1 (en) | 2022-09-28 |
EP4064194A4 (en) | 2023-01-18 |
CN110866918A (zh) | 2020-03-06 |
US20220372539A1 (en) | 2022-11-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110866918B (zh) | 酵母分析方法 | |
CN110987768B (zh) | 酵母计数方法 | |
CN110991379B (zh) | 藻类计数方法 | |
CN111024696B (zh) | 藻类分析方法 | |
US20220309711A1 (en) | Microscopic device and image processing device | |
CN102630299B (zh) | 缺陷检查用图像处理装置和缺陷检查用图像处理方法 | |
CN211955230U (zh) | 显微装置、图像处理装置以及显微分析*** | |
CN108139650A (zh) | 线扫描成像中的实时聚焦 | |
US7286725B2 (en) | Information presentation apparatus for suggesting a presentation accuracy of related information and information presentation method | |
CN106062815B (zh) | 使用准周期栅格的图像校正的方法及*** | |
CN109406527B (zh) | 一种***模组镜头精细外观缺陷检测***及方法 | |
CN103808702A (zh) | 图像获取单元及图像获取方法 | |
CN105979248B (zh) | 具有混合深度估计的图像处理***及其操作方法 | |
CN117036300A (zh) | 基于点云-rgb异源图像多级配准映射的路面裂缝识别方法 | |
WO2021115247A1 (zh) | 样品板 | |
CN211602945U (zh) | 样品板 | |
WO2014196097A1 (ja) | 画像処理システム、画像処理装置、プログラム、記憶媒体及び画像処理方法 | |
US11536943B2 (en) | Microscope and method for generating an image pieced together from a plurality of individual microscope images | |
US9721371B2 (en) | Systems and methods for stitching metallographic and stereoscopic images | |
CN114166187A (zh) | 一种基于移动终端的二次元影像测量方法及装置 | |
CN112002006A (zh) | 一种表面形貌的建模方法、装置、设备及可读存储介质 | |
CN111415384A (zh) | 一种基于深度学习的工业图像组件精准定位*** | |
Brückner et al. | Ultra-slim 2D-and depth-imaging camera modules for mobile imaging | |
CN213121672U (zh) | 一种基于双目视觉的图像检测装置 | |
Bai et al. | Using blob to analyze image processing method to achieve precision detection of IFU optical fiber microplate |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |