colonfastTM 智能菌落識別技術是迅數科技最新一代菌落識別核心算法。迅數技術開發團隊研究了歷年客戶提供的大量疑難、復雜菌落圖象，匯總了多通道分割，圖像增強與處理，螺旋接種微生物菌落分析等很多創新的思想，終于在2008年形成完整colonfastTM 智能菌落識別技術，并將此技術應用到V系列、HR系列、G系列和MF系列中。以下我們從多通道分割技術、圖像增強與處理技術、螺旋接種微生物菌落分析系統等幾個方面，闡述colonfastTM 智能菌落識別技術。
所謂“分割”，是圖像處理中的專用術語，其作用是將被檢測對象，比如菌落、細胞等，從一幅復雜的圖像中分割出來，從而達到統計或分析的目的。分割技術直接關系到對象識別和統計的精度，因此十分重要，也是圖像處理中被廣泛研究的重點。傳統上已經研究出很多方法，諸如閾值分割法、邊緣檢測法、區域增長法、馬爾科夫隨機場模型等等。然而，這些方法大都限制在一維空間內，用于簡單對象的識別，如粉塵顆粒等的檢測。對生物醫學圖像而言往往要復雜的多，如細胞或菌落，其顏色多變、邊緣不清晰、內部結構也十分復雜，采用傳統的分割技術常常難以取得理想效果。
圖1：先進獨特的“多通道分割技術”
多通道分割，正是在這一背景下，由迅數公司針對生物醫學圖像特點，專門研究開發的又一獨特而有效的圖像處理工具。多通道分割的基本思想，是將被檢測對象的色彩引入到分割中來。色彩可以被用來作為圖像處理中識別對象的重要感知特征之一，而生物醫學圖像的色彩又恰恰非常豐富。通過大量的研究試驗，在摒棄傳統的RGB色彩描述的不足之后，迅數公司成功的研發出一種基于HSV各向異性擴散和加性分裂算子的多通道分割技術。這一分割技術，建立在四維空間基礎上，并能根據被檢測對象的色彩特征進行自適應調整，加上被檢測對象的形狀特征，實現在多維空間的分割，分割精度大大提高。對一些原來難以分析統計的對象，如霉菌、深層菌落等，都實現了良好的識別。
然而，現實中經常出現被觀察樣本不理想的情況：如被觀察樣本制備質量不高（比如切片太厚）、樣本中的被觀察物的輪廓模糊不清晰、樣本的基色與被觀察物質的顏色區別不分明、樣本中混雜有大量雜質且難以區分等等。除了上文提到的，其實我們還有另一種方法解決——“圖像增強與處理技術”。迅數公司開發的《圖像增強與處理技術》及其在公司各類產品上的成功應用，大大提升了產品的性能和功能。采用現代數字圖像技術，開展諸如菌落統計、顯微細胞圖象觀測等各種生物醫學研究和試驗，具有準確、快速、方便、數據易保存和傳輸，以及實現自動化統計分析等等一系列先進性。其顯著的效果和方便的使用，已受到國內外眾多單位的采用和高度評價。
圖2：功能強大的“圖像增強與處理技術”
迅數公司長期從事圖像采集與處理技術的研究，在承擔并完成多項國家重點重大攻關項目的研究和開發中，積累了豐富的圖像處理經驗和各種有效解決問題的專用處理算法。自2008年起，在迅數公司的高端產品中，根據生物醫學圖像的特點，公司為這些產品配備了專業“圖像增強與處理軟件包”，包含有自適應圖像增強、圖象平滑、邊緣銳化、圖像濾波、各類函數補償、邊緣檢測、數學形態學處理等等一系列強大而實用的圖像處理工具。通過對這些工具的操作或合理的組合使用，可有效改善圖象的清晰度、提高圖像背景與被觀測物的對比度、提升對圖像中含有的雜質的識別能力等等。
此外，colonfastTM 還有一個最突出的技術——螺旋接種微生物菌落分析系統。螺旋接種，是基于阿基米德螺旋線并按某一函數規律進行的樣本接種。其最大優點，是在一塊平皿上可實現濃度跨度高達1000倍的樣本接種。由此省去傳統上對樣本的人工稀釋和平皿制備的極其繁瑣的勞動(諸如平皿清洗、滅菌、樣本稀釋、加注、培養等等)，節省大量人力、財力和時間，成為對傳統接種方法的一次革命性變革。由于以上突出優點，基于螺旋接種的菌落分析技術已成為當今世界上最先進和最受歡迎的菌落檢測方法之一。但在國內，這一技術的開發和應用尚處在空白。
圖3：迅數_螺旋接種微生物菌落分析系統
為適應微生物菌落分析技術的快速發展，緊跟世界潮流，迅數公司于2006年組織了十余位專家學者對基于螺旋接種的微生物菌落分析技術進行了為期半年的研究和攻關，成功開發出我國第一臺、具有我國自主知識產權的《迅數_螺旋接種微生物菌落分析系統》。該系統實現了與目前國際上主流品牌的“螺旋接種儀”的接軌，對各種品牌的螺旋接種儀所生成的螺旋接種平板，均能進行有效的統計和分析。統計算法根據國際通用的美國FDA標準制定，在接種規律方面，能適應目前國際上采用的各種加樣規則，包括指數模式、對數模式、草坪模式、線性模式、均一模式等等。迅數公司的這一研發成果，為填補國內該領域的空白，邁出重要一步。也為國內開展基于螺旋接種的微生物菌落分析，奠定基礎。 |
