Метод анализа пыльцы: быстро, дёшево и автоматически
Пыльца — основа опыления растений, но причина страданий аллергиков. Пыльцевые службы предупреждения информируют о ежедневной экспозиции и риске аллергии. Обычные методы сбора данных используют пыльцевые ловушки, которые непрерывно измеряют содержание пыльцы в воздухе. Воздух засасывается в барабан, где пыльца прилипает к клейкой ленте. Затем обученные специалисты оценивают пыльцу под микроскопом. Этот процесс дорог и трудоёмок. Существующие автоматизированные решения слишком дороги и работают с ограниченным числом видов пыльцы.
Исследователи из Института технической информатики (Ольга Саух и Нам Као) совместно с командой ETH Zurich разработали прототип сенсора для измерения пыльцы, который может радикально упростить весь процесс — от сбора до анализа.
Просто, дёшево, легковесно
Система состоит из двух частей:
- Измерительное устройство: включает пыльцевую ловушку, концентратор частиц и цифровой микроскоп проходящего света.
- Облачный сервис: для анализа микроскопических изображений пыльцы.
Характеристики прототипа:
- Вес: 8 кг
- Размеры: 30 см × 40 см × 44 см
- Энергопотребление: 6 Вт
- Стоимость материалов: около 1000 евро
Для сравнения: существующие полностью автоматизированные системы стоят до 100 000 евро.
Пыльцевая ловушка имеет шесть входов для сбора пыльцы со всех направлений. Для сбора образцов используется циклонная технология, аналогичная применяемой в пылесосах без мешка.
Принцип работы сенсора
Собранная пыльца попадает на вращающуюся по часовой стрелке стеклянную пластину, покрытую тонким слоем глицерина. Глицерин выполняет две задачи:
- Обеспечивает прилипание пыльцевых зёрен к поверхности.
- Улучшает качество изображений, передаваемых микроскопом в облако.
Глицерин выбран из-за прозрачности, неиспаряемости и термической стабильности, подходящей для уличного использования.
С помощью стандартного лезвия для резки бумаги пыльца, пропитанная глицерином, концентрируется в тонкую линию. Чем уже линия, тем больше пыльцы можно зафиксировать под микроскопом и проанализировать. После анализа пыльца автоматически стирается с пластины, что позволяет системе работать автономно длительное время.
Анализ пыльцы алгоритмами машинного обучения
За 30 секунд в облако загружается до 100 микроскопических изображений. Программное обеспечение для распознавания объектов идентифицирует и классифицирует пыльцевые зёрна на основе различных характеристик.
В полевых испытаниях модель распознавания пыльцы правильно определяла пыльцу в 90% случаев.
Для обучения и улучшения модели с помощью алгоритмов машинного обучения исследователи вручную аннотировали часть записанных данных. Работа по совершенствованию оценки пыльцы продолжается и зависит от поддержки экспертов-палинологов.
Данные исследования находятся в открытом доступе:
- Набор данных — на платформе Zenodo.
- Аппаратная конструкция и код обработки изображений — на сервисе GitHub.