微注射中移液器尖端的动态检测

    朱高文

    

    

    

    【摘要】? ? 微注射的成功率取决于移液器尖端的识别精度,针对在复杂环境中移液器末端难以准确识别的问题,本文设计了一个移液器尖端动态检测算法,首先设计一个感兴趣区域获取感兴趣区域内的图像灰度值,然后通过Otus得到自适应阈值,对图像进行二值化处理,遍历轮廓上的所有点,得到轮廓的最左点即为尖端位置。

    【关键词】? ? 检测? ? 轮廓? ? 深度

    Research on Vision Tracking Strategy of Execution End Based on Image Segmentation Model

    Abstract:The success rate of microinjection depends on the recognition accuracy of the pipette tip. Aiming at the problem of difficult to accurately identify the pipette tip in a complex environment, this paper designs a pipette tip dynamic detection and depth positioning algorithm. First, design an interesting The region obtains the gray value of the image in the region of interest, and then obtains the adaptive threshold value through Otus, performs the binarization process on the image, traverses all the points on the contour, and obtains the leftmost point of the contour as the tip position.

    Keywords:Detection; contour; depth.

    引言

    随着微纳米技术的发展,微注射技术在生物工程、细胞工程、基因工程等诸多领域发挥着重要作用[1-3]。然而,目前在复杂环境下精确定位移液器尖端仍然具有一定难度。移液管尖端的平面位置误差会使移液管无法移动到细胞上方。近年来,在改进移液器定位误差方面已经取得了一些成果。2008年,王文辉提出了一种贴壁细胞快速注射系统[4]。在该系统中进行了喷射尖端的接触测量。此外,该系统还实现了深度定位。2012年黄海波采用canny边缘检测算法对移液器尖端进行定位[5]。2014年,Gabriele Becattini提出了贴壁细胞的全自动注射系统[6]。在该系统中,首先進行移液器尖端的粗定位,然后进行在十字模板的帮助下实现了尖部的精确定位。

    本文提出了一种实现移液器尖端动态检测方法。为了动态检测移液器尖端,首先在图像中设置感兴趣区域(ROI)。然后识别当前图像中尖端的轮廓并定位尖端的平面位置,接着在下一幅图像中重置感兴趣区域,重复上述操作实现移液器尖端的动态检测。

    一、系统设置

    本文系统由奥林巴斯体式显微镜、二维电动运动平台、ccd相机和三自由度的微操纵器组成。二维电动平台在x和y方向的定位分辨率为1um,微操纵器的定位精度是100nm,ccd相机通过视觉将末端位置反馈给计算机,ccd相机的反馈速度是15fps/s,系统实验装置如图1所示。

    二、 尖端位置的识别

    本文通过识别尖端轮廓来确定尖端在图像中的位置,操作流程图如图2所示。首先在原始图像中设置感兴趣区域,然后识别吸液管尖端轮廓,最后绘制吸液管轮廓并标记吸液管尖端。

    2.1? 设置ROI和过滤

    整个图像的处理需要大量的计算量,本文采用设置ROI的方法提高算法的识别效率和准确率,在本文中感兴趣区域应该包含微移液器,设置的ROI区域如图3所示。

    在获取ROI图像后需要进行相应的预处理,首先利用高斯低通滤波器对图像就行滤波,然后通过ROI图像灰度值得到灰度直方图。

    2.2? 图像阈值的设定

    在得到吸管尖端轮廓之前,我们通过设置一个灰度阈值对图像进行二值化处理。因为图像的增益和亮度会随着实验环境的变化而变化,因此,阈值不可能是恒定的。需要根据图像灰度的变化来设置自适应阈值。

    本文采用Otsu方法得到自适应阈值[7]。将图像的灰度值与阈值进行比较,对目标图像和背景图像进行分割。目标由灰度值小于阈值的像素组成。背景像素的灰度值大于阈值。目标与背景的差异越大方差越大,图像分割的错误概率越小,方差可以计算如下:

    g是图像的方差,w0 目标像素占图像总像素的比例,w1背景像素占图像像素的比例,u0是目标区域的平均灰度值,和u1为背景区域的平均灰度值。方差随适应阈值而变化,产生最大方差的阈值即为最优阈值。

    2.3? 尖端轮廓的提取与尖端定位

    图像二值化后,二值化图像中有许多轮廓,包括吸管尖端轮廓和杂质轮廓。为了得到尖端轮廓,有必要进行特征分析。尖端轮廓是ROI中最大最长的轮廓。通过计算轮廓的长度和面积对轮廓进行排序和过滤。那么最大的轮廓将是吸管尖端轮廓。

    尖端轮廓由一系列的点组成。为了获取平面位置信息,需要对点进行迭代和排序。在二值化后的图像中,尖端的位置位于尖端轮廓的最左侧。也就是说,尖端是尖端轮廓中坐标X最小的点。如果最左边的点不只有一个,比较这些点的坐标Y,坐标Y位于这些点中心的点被认为是尖端。

    三、結果分析

    在实验中,使用OpenCV(开源计算机视觉库)编写了控制微注射系统的程序。通过特征分析对移液器图像进行处理,得到移液器尖端在X、Y方向的坐标。。图5表示在10倍放大倍率下采集的移液器图像,红点表示尖端位置,尖端识别定位结果如图5所示。

    四、结论

    为了提高显微注射实验的效率和成功率,本文提出了一种针尖识别与定位的方法。通过设置实时感兴趣区域和轮廓识别,动态检测移液器尖端。实验表明,该方法可以在一定范围内准确控制微注射中尖端的位置。尖端识别的成功率可达92%。

    参? 考? 文? 献

    [1] Luxardi G, Reid B, Ferreira F, et al. Measurement of Extracellular Ion Fluxes Using the Ion-selective Self-referencing Microelectrode Technique[J]. Jove-Journal of Visualized Experiments, 2015 (99).

    [2] Tamadazte B, Piat N L, Dembele S. Robotic Micromanipulation and Microassembly Using Monoview and Multiscale Visual Servoing[J]. IEEE-ASEM Transactions on Mechatronics, 2011, 16(2): 277-287.

    [3] Yim S, Miyashita S, Rus D, et al. Teleoperated Micromanipulation System Manufactured by Cut-and-Fold Techniques[J]. IEEE Transactions on Robotics, 2017, 33(2): 456-467.

    [4] Wang W H, Sun Y, Zhang M, et al. A system for high-speed microinjection of adherent cells[J]. The Review of scientific instruments, 2008, 79(10): 104302-104302.

    [5] Huang H, Sun D, Su H, et al. Force Sensing and Control in Robot-Assisted Suspended Cell Injection System[J]. Intelligent Systems Reference Library, 2012, 26:61-88.

    [6] Becattini G, Mattos L S, Caldwell D G. A Fully Automated System for Adherent Cells Microinjection[J]. IEEE Journal of Biomedical & Health Informatics, 2014, 18(1): 83.

    [7] Otsu N. A Threshold Selection Method from Gray-Level Histograms[J]. IEEE Transactions on Systems Man & Cybernetics, 2007, 9(1): 62-66.