Eu flag

AI-gesteuerte Datenanalyse für industrielle mikrobiologische Labore

Header 5

Überblick

Client
Anbieter für Laborautomatisierung, unsere Lösung wurde direkt von einem der 10 größten Pharmaunternehmen eingeführt
Scope of work
Analyse der Probleme und erwarteten Resultate; Beratung in Bezug auf Sammlung und Annotierung von Trainingsdaten; Erstellung und Training eines Deep-Learning-Modells; Integration des neuen AI-basierten Bildanalyse-Moduls in das existierende Softwaresystem für Umweltüberwachung.
Technologies
ASP.NET Core, C++, PyTorch, OpenCV, Python, TensorFlow, C#

Genaue, automatisierte mikrobiologische Analyse

Das allgemeine Ziel des Projektes war es die Genauigkeit der automatisierten mikrobiologischen Analyse durch Bilderkennung zu verbessern, mithilfe von Deep-Learning-Algorithmen. Die angewandte Methode bestimmt ob Bakterien auf der Petrischale erscheinen (eine positive Probe) oder ob sie rein bleibt (eine negative Probe), wobei die Probebilder ohne Aufsicht einer menschlichen Fachkraft analysiert werden.

Kurz gesagt

  • die Notwendigkeit beseitigen eine menschliche Fachkraft in die Probenanalyse zu involvieren (also Kostenreduzierung)
  • den Prozess beschleunigen, Genauigkeit erhöhen, sowie das Risiko menschlichen Versagens im Prozess minimieren.

Deep-Learning-Algorithmen zur Erkennung von Bakterienkolonien

Unser hochpräziser Deep-Learning-Algorithmus für die Erkennung von Bakterienkolonien wurde speziell für einen großes Kunden unseres Klienten entwickelt – eine der 10 größten Pharmaunternehmen.

Der ursprünglich verwendete, konventionelle Computer-Vision-Algorithmus wurde den Anforderungen des Kunden nicht gerecht. Er hat zu viele falsch-positive Ergebnisse bei der Untersuchung von Petrischalen produziert, da fälschlicherweise Luftbläschen an der Oberfläche als Bakterienkolonien erkannt wurden. Dies hat das ganze Projekt gefährdet.

Unsererseits haben wir es dem Kunden abgeraten die nächste offensichtliche Lösung dieses Problems einzuführen, nämlich die Verbesserung der Bildqualität durch den Erwerb von Multispektralkameras. Dieser Ausweg hätte die Projektkosten erheblich gesteigert und es könnte eine ausreichende Auflösung nicht garantieren (angesichts der Qualität dieser Kameras die zu der Zeit auf dem Markt erhältlich waren). Unser Team hat vorgeschlagen stattdessen Deep-Learning-Algorithme einzusetzen, die dabei helfen diese Herausforderung zu bewältigen.

AI-gesteuerte Datenanalyse für industrielle mikrobiologische Labore

Lösungen für die Pharmaindustrie und industrielle Mikrobiologie

Unsere Lösung hat einen konventionellen Algorithmus, welcher nicht zuverlässig genug für Produktionszwecke ist, ersetzt und die Genauigkeit erheblich erhöht, sogar in Grenzfällen (wie Luftbläschen im Agar, Kolonien die am Rand der Petrischale wachsen usw.)

Die Bilderkennungsfunktion wurde für einen bestimmten Zweck kreiert: die mikrobiologische Analyse spezifischer Arten von Probenbildern. Dennoch haben die Deep-Learning-Methoden die in diesem Projekt eingesetzt wurden viel mehr Anwendungsmöglichkeiten: medizinische Leistungen, Qualitätsprüfung in der Pharma- und Gesundheitsindustrie, industrielle Mikrobiologie und so weiter.

Schauen Sie sich ein cooles Projekt an, welches wir eingeführt haben

Stay in touch with us:

Verpassen Sie nichts

Melden Sie sich für unseren Newsletter an, um eine monatliche Dosis an Neuigkeiten, Tipps und Inspirationen zur Lernentwicklung zu erhalten.