一种人工智能协同自动化设备的监控方法与系统技术方案

本发明专利技术涉及一种人工智能协同自动化设备的监控方法与系统，属于图像处理技术领域

【技术实现步骤摘要】
一种人工智能协同自动化设备的监控方法与系统


[0001]本专利技术属于图像处理
，具体涉及一种人工智能协同自动化设备的监控方法与系统
。

技术介绍

[0002]目前，在细胞的培养过程中，需要用到光学显微镜对细胞增殖状态进行观察，然而在培养期间人为的频繁将培养瓶从培养箱取出在显微镜下观察，此过程会对细胞贴壁效率造成影响
。

技术实现思路

[0003]为解决现有技术中存在的上述问题，本专利技术提供了一种人工智能协同自动化设备的监控方法与系统
。
[0004]本专利技术的目的可以通过以下技术方案实现：一种人工智能协同自动化设备的监控方法，包括以下步骤：
S1
：收集前期实验图片数据，利用人工智能对图片数据进行学习并建立干细胞生长模型，建立实验数据数据库；
S2
：通过图像采集模块对细胞生长状态以及干细胞培养上清取样进行持续监控，并将图片数据传输至图像处理模块；
S3
：图像处理模块对图片数据进行实时处理，通过与干细胞生长模型以及细胞数据库进行对比，提本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种人工智能协同自动化设备的监控方法，其特征在于，包括以下步骤：
S1
：收集前期实验图片数据，利用人工智能对图片数据进行学习并建立干细胞生长模型，建立实验数据数据库；
S2
：通过图像采集模块对细胞生长状态以及干细胞培养上清取样进行持续监控，并将图片数据传输至图像处理模块；
S3
：图像处理模块对图片数据进行实时处理，通过与干细胞生长模型以及数据库进行对比，提取实时培养数据，并将实时培养数据传输至数据处理模块；
S4
：数据处理模块将实时培养数据与预设值进行比较，并根据比较结果做出相应操作
。2.
根据权利要求1所述的一种人工智能协同自动化设备的监控方法，其特征在于，步骤
S1
包括以下步骤：1）整理前期人工培养干细胞累积的各阶段的实验数据；2）利用人工智能对整理出来的数据进行学习，建立一个干细胞生长模型；3）以实验数据及相关图像建立数据库；其中，步骤2）中利用人工智能对整理出来的数据进行学习包括：对培养瓶底部图片进行识别，识别细胞生长区域和空白区域；对干细胞培养上清取样的图片进行色度算法学习，对不同颜色进行标注，同时计算数据库中同一时期的色度平均值；对细胞培养期的图片进行单个细胞形态以及多细胞排列形态的边缘锯齿学习，同时计算数据库中同一时期的细胞形态平均值；步骤3）中数据库包括：细胞增殖实验数据及图像：用于比较细胞覆盖率；培养期的培养基色度实验数据及图像：同于比较培养期干细胞培养上清取样的色度；细胞的梭形宽度以及细胞的梭形长度数据：用于比较培养其中，细胞的梭形宽度以及细胞的梭形长度是否处于正常范围
。3.
根据权利要求1所述的一种人工智能协同自动化设备的监控方法，其特征在于，步骤
S2
中图像采集模块对细胞生长状态以及干细胞培养上清取样的监控包括：利用一种图像采集装置对培养瓶底部区域进行定时拍照，形成面积区域动态图像；利用一种图像采集装置拍照干细胞培养上清取样的颜色，形成色彩像素图像；利用一种图像采集装置拍照采集细胞形态，形成边缘锯齿图像
。4.
根据权利要求1所述的一种人工智能协同自动化设备的监控方法，其特征在于，步骤
S3
中图像实时处理包括以下部分：面积区域动态图像：将培养瓶底部区域划分成细胞生长区域和空白区域，通过计算细胞生长区域占总面积的比例得到细胞覆盖率；色彩像素图像：通过
AI
识别对干细胞培养上清取样的颜色进行识别，并于数据...

【专利技术属性】
技术研发人员：汪江浩，谢亮，江颖纯，姜舒，张芸，刘赢滢，赵传鑫，李欣，莫喜婷，张贵贵，谢元进，罗朝霞，
申请(专利权)人：深圳市茵冠生物科技有限公司，
类型：发明
国别省市：