Спосіб ідентифікації фітопланктонних водоростей у пробах води з водних об`єктів

УКРАЇНА (19) UA (11) 88673 (13) C2 (51) МПК (2009) C02F 3/00 C02F 3/12 C12Q 1/04 G01N 15/14 МІНІСТЕРСТВО ОСВІТИ І НАУКИ УКРАЇНИ ДЕРЖАВНИЙ ДЕПАРТАМЕНТ ІНТЕЛЕКТУАЛЬНОЇ ВЛАСНОСТІ ОПИС ДО ПАТЕНТУ НА ВИНАХІД (54) СПОСІБ ІДЕНТИФІКАЦІЇ ФІТОПЛАНКТОННИХ ВОДОРОСТЕЙ У ПРОБАХ ВОДИ З ВОДНИХ ОБ`ЄКТІВ C2 (13) 88673 (11) виявлення кожного екземпляра фітопланктонних водоростей у цих препаратах, ідентифікацію кожного екземпляра фітопланктонних водоростей за його належністю до одного з видів цих водоростей, визначення загальної кількості фітопланктонних водоростей кожного виду у кожному препараті, розрахунок кількісних показників, що характеризують розвиток фітопланктонних водоростей в цілому та їх окремих видів у водному об'єкті, який відрізняється тим, що після розміщення в мікроскопі препарату з проби води формують його відеозображення за допомогою відеокамери, приєднаної до оптичної системи мікроскопа, та вводять це відеозображення в обчислювальне середовище цифрової електронної обчислювальної машини, причому виявлення кожного екземпляра фітопланктонних водоростей виконують шляхом цифрової обробки відеозображення препарату з проби води, після чого для кожного екземпляра фітопланктонних водоростей розраховують геометричні ознаки форми, інваріантні до масштабування, зсуву та повороту цього екземпляра в площині відеозображення, а ідентифікацію фітопланктонних водоростей виконують за допомогою штучної нейронної мережі, причому кількість входів цієї мережі відповідає кількості геометричних ознак форми, що використовують для ідентифікації, а кількість виходів цієї мережі відповідає кількості видів фітопланктонних водоростей, що вибрані для досліджень та можуть існувати в умовах водних об'єктів, які досліджують, причому для навчання штучної нейронної мережі використовують тестові відеозображення, що містять фітопланктонні водорості заздалегідь відомих видів, а як простір ознак для ідентифікації використовують розраховані геометричні ознаки форми. UA (21) a200709275 (22) 14.08.2007 (24) 10.11.2009 (46) 10.11.2009, Бюл.№ 21, 2009 р. (72) АРИСТАРХОВА ЕЛЛА ОЛЕКСАНДРІВНА, ЄЛЬНІКОВА ТЕТЯНА ОЛЕКСАНДРІВНА, ПОДЧАШИНСЬКИЙ ЮРІЙ ОЛЕКСАНДРОВИЧ (73) ЖИТОМИРСЬКИЙ ДЕРЖАВНИЙ ТЕХНОЛОГІЧНИЙ УНІВЕРСИТЕТ (56) JP 6034556, A, 08.02.1994 JP 6028453, A, 04.02.1994 JP 5146791, A, 15.06.1993 JP 5192678, A, 03.08.1993 Jose Luis Pech-Pacheco at el. AUTOMATIC SYSTEM FOR PHYTOPLANKTONIC ALGAE IDENTIFICATION, Limnetica ZO (1): 143.158 (2001) (c)Asociacion Espanola de Limnologia, Madrid. Spain. ISSN: 0213-8409// Internet URL http://www.limnetica.com/Limnetica/limne20a/Limneti ca-vol20(1)-pag143-158.pdf Gabriel Gorskyl at el. The Autonomous Image Analyzer* - enumeration, measurement and identification of marine phytoplankton // MARINE ECOLOGY PROGRESS SERIES Mar. Ecol. Prog. Ser., Vol. 58: 133-142, 1989 Published December 15 // Internet URL http://www.intres.com/articles/meps/58/m058p133.pdf Баскин И.И. и др. Применение искусственных нейронных сетей в химических и биохимических исследованиях // ВЕСТН. МОСК. УН-ТА. СЕР. 2. ХИМИЯ. 1999. Т.40. № 5. С. 323-326 (57) Спосіб ідентифікації фітопланктонних водоростей у пробах води з водних об'єктів, який включає: відбір з водних об'єктів проб води, що містять фітопланктонні водорості, підготовку препарату з кожної проби води на предметному склі та його розміщення під окуляром мікроскопа, 2 (19) 1 3 Винахід належить до галузі екології і може бути використаний для контролю за станом екосистем водних об'єктів на основі автоматизованої обробки цифрових відеозображень, що містять вимірювальну інформацію. Розвиток фітопланктонних водоростей залежить від ряду факторів, що характеризують стан екосистеми водного об'єкта. Тому фітопланктонні водорості можуть бути використані як біологічний індикатор стану цієї екосистеми. Надмірний розвиток фітопланктонних водоростей також може привести до погіршення якості питної води. Тому необхідний постійний контроль за розвитком фітопланктонних водоростей у водних об'єктах господарсько-побутового призначення [1, 2, 3]. Вирішення вказаних задач можливе лише за умови отримання кількісних та якісних показників розвитку фітопланктонних водоростей у водних об'єктах. Складовою частиною цих досліджень є ідентифікація фітопланктонних водоростей у пробах води, яка полягає у визначенні належності кожного екземпляра фітопланктонних водоростей одному з видів, відомих з гідробіології, та у подальшому розрахунку кількісних показників, що характеризують розвиток фітопланктонних водоростей в цілому та їх окремих видів у водному об'єкті [2, 4]. Найбільш близьким за сукупністю суттєвих ознак до способу-винаходу є спосіб ідентифікації фітопланктонних водоростей у пробах води з водних об'єктів [4, стор. 41-47]. Цей спосіб обраний за прототип. Як і спосіб-винахід, спосіб-прототип включає відбір з водних об'єктів проб води, що містять фітопланктонні водорості, підготовку препарату з кожної проби води на предметному склі та його розміщення під окуляром мікроскопа, виявлення кожного екземпляра фітопланктонних водоростей у цих препаратах, ідентифікацію кожного екземпляра фітопланктонних водоростей за його належністю до одного з видів цих водоростей, визначення загальної кількості фітопланктонних водоростей кожного виду у кожному препараті, розрахунок кількісних показників, що характеризують розвиток фітопланктонних водоростей в цілому та їх окремих видів у водному об'єкті. Проте, на відміну від способу-винаходу, у способі-прототипі ідентифікація кожного екземпляра фітопланктонних водоростей за його належністю до одного з видів цих водоростей виконується людиною на основі візуального аналізу препарату з проби води, розміщеного в мікроскопі. При цьому слід враховувати велике різноманіття зовнішнього вигляду фітопланктонних водоростей, довільне розташування екземплярів цих водоростей в полі зору оптичної системи мікроскопа, велику кількість ознак зовнішнього вигляду цих водоростей, що треба аналізувати одночасно. Окрім того, напружена робота та багаторазове повторення однакових дій при опрацюванні великої кількості препаратів з проб води та при наявності великої кількості екземплярів фітопланктонних водоростей в кожному препараті приводить до виникнення суб'єктивних помилок. Всі ці фактори ускладнюють візуальний аналіз екземплярів фіто 88673 4 планктонних водоростей та приводять до низької достовірності та низької продуктивності ідентифікації цих водоростей. Таким чином, суттєвим недоліком способупрототипу є низька достовірність та низька продуктивність ідентифікації фітопланктонних водоростей у пробах води з водних об'єктів. В основу винаходу поставлена задача удосконалення способу ідентифікації фітопланктонних водоростей у пробах води з водних об'єктів, щоб забезпечити підвищення достовірності та підвищення продуктивності процедури ідентифікації фітопланктонних водоростей у пробах води з водних об'єктів. Поставлена задача вирішується шляхом того, що після розміщення в мікроскопі препарату з проби води формують його відеозображення за допомогою відеокамери, приєднаної до оптичної системи мікроскопа, та вводять це відеозображення в обчислювальне середовище цифрової електронної обчислювальної машини, причому виявлення кожного екземпляра фітопланктонних водоростей виконують шляхом цифрової обробки відеозображення препарату з проби води, після чого для кожного екземпляра фітопланктонних водоростей розраховують геометричні ознаки форми, інваріантні до масштабування, зсуву та повороту цього екземпляра в площині відеозображення, а ідентифікацію фітопланктонних водоростей виконують за допомогою штучної нейронної мережі, причому кількість входів цієї мережі відповідає кількості геометричних ознак форми, що використовують для ідентифікації, а кількість виходів цієї мережі відповідає кількості видів фітопланктонних водоростей, що обрані для досліджень та можуть існувати в умовах водних об'єктів, які досліджують, причому для навчання штучної нейронної мережі використовують тестові відеозображення, що містять фітопланктонні водорості заздалегідь відомих видів, а в якості простора ознак для ідентифікації використовують розраховані геометричні ознаки форми. В способі-винаході ідентифікацію фітопланктонних водоростей виконують на основі формування цифрових відеозображень препаратів з проб води та цифрової обробки цих відеозображень з використанням математичного апарату та алгоритмів штучних нейронних мереж. Підвищення достовірності ідентифікації фітопланктонних водоростей забезпечується за рахунок використання штучної нейронної мережі, яка успішно вирішує задачу ідентифікації навіть при наявності великої кількості ознак, що треба аналізувати, при великому різноманітті зовнішнього вигляду фітопланктонних водоростей та при відсутності абсолютно чітких формальних критеріїв виконання процедури ідентифікації [5, 6]. Наприклад, може бути використана штучна нейронна мережа Кохонена, яка здатна в процесі навчання виявляти в даних, що надходять на її вхід, групи подібних даних (кластери) та визначати усереднені значення ознак (центри кластерів), що характеризують ці групи. Для фітопланктонних водоростей групи даних (кластери) будуть відповідати видам цих водоростей, відомим з гідробіоло 5 88673 6 гії. Після навчання штучна нейронна мережа для препарату [1, 4, стор. 45]. Основними вимогами до кожного вхідного набору даних визначає центр мікроскопа є збільшення окуляра не менше, ніж 5х, кластеру, найближчий до цього набору в просторі об'єктива - не менше, ніж 20х [4, стор. 44]. ознак. Так як кожному кластеру простора ознак 3. Формують відеозображення препарату з ковідповідає певний вид фітопланктонних водоросжної проби води за допомогою відеокамери, притей, то результатом всіх цих дій буде ідентифікаєднаної до оптичної системи мікроскопа та ввоція кожного екземпляру фітопланктонних водоросдять це відеозображення в обчислювальне тей за його належністю до одного з видів. середовище цифрової ЕОМ. Якщо навіть початкові дані спотворені шума4. Виявляють кожен екземпляр фітопланктонми, наявними на відеозображеннях препаратів з них водоростей у препаратах з кожної проби води проб води, то штучна нейронна мережа все одно шляхом цифрової обробки відеозображень цих спроможна після навчання виділяти ознаки та іншу препаратів. Процедура цифрової обробки може інформацію, суттєву для ідентифікації фітопланквключати такі операції, як перетворення кольоротонних водоростей. Це також забезпечує підвивої схеми відеозображення, його сегментацію, щення достовірності ідентифікації фітопланктонвидалення шумів та інших завад. них водоростей. 5. Для кожного екземпляра фітопланктонних Іншим фактором підвищення достовірності водоростей розраховують геометричні ознаки фоідентифікації фітопланктонних водоростей є викорми, інваріантні до масштабування, зсуву та повористання геометричних ознаки форми, інваріантроту цього екземпляра в площині відеозображенних до масштабування, зсуву та повороту цих воня. доростей в площині відеозображення. 6. Виконують ідентифікацію кожного екземпВикористання цих ознак усуває можливі причини ляру фітопланктонних водоростей за його належпохибок ідентифікації при довільному розташуванністю до одного з видів цих водоростей. ні фітопланктонних водоростей в площині відеозоІдентифікацію фітопланктонних водоростей браження, яке має місце для будь-яких препаратів виконують за допомогою штучної нейронної мерез проб води. жі, причому кількість входів цієї мережі відповідає Підвищення продуктивності ідентифікації фікількості геометричних ознак форми, що використопланктонних водоростей забезпечується за ратовують для ідентифікації, а кількість виходів цієї хунок виключення ручної праці та використання мережі відповідає кількості видів фітопланктонних цифрової ЕОМ для обробки відеозображень, що водоростей, що обрані для досліджень та можуть містять вимірювальну інформацію про фітопланкіснувати в умовах водних об'єктів, які досліджують, тонні водорості. Також при цьому підвищується причому для навчання штучної нейронної мережі достовірність за рахунок виключення суб'єктивних використовують тестові відеозображення, що міспохибок, можливих у випадку використання ручної тять фітопланктонні водорості заздалегідь відомих праці в процесі ідентифікації фітопланктонних вовидів. доростей. В якості простора ознак для ідентифікації виТаким чином, спосіб-винахід забезпечує підкористовують геометричні ознаки форми, розраховищення достовірності та підвищення продуктиввані в п. 5. ності ідентифікації фітопланктонних водоростей у 7. Визначають загальну кількість фітопланкпробах води з водних об'єктів. тонних водоростей кожного виду у кожному препаСуть винаходу пояснюється кресленнями. раті. Цю операцію зазвичай виконують в обчислюПерелік креслень: вальному середовищі цифрової ЕОМ. фіг. 1 - структурна схема пристрою, що реалі8. Розраховують кількісні показники, що харакзує спосіб-винахід; теризують розвиток фітопланктонних водоростей в фіг. 2 - відеозображення деяких видів фітопцілому та їх окремих видів у водному об'єкті. Наланктонних водоростей, отримані за допомогою приклад, це можуть бути структурно-функціональні способу-винаходу: a) euglena proxima; б) volvax показники стану фітопланктонних водоростей, чаglobactor; в) ankistrodesmus. стота зустрічі їх конкретних видів, інформаційне Спосіб-винахід виконують в такій послідовносрізноманіття фітопланктонних водоростей [2, 4, ті: стор.45-46]. Ці операції зазвичай виконують в об1. Відбирають з водних об'єктів проби води, числювальному середовищі цифрової ЕОМ. що містять фітопланктонні водорості. Місця відбоНа кресленні (фіг. 1) зображено пристрій, що ру проб води визначають з урахуванням як прирореалізує запропонований спосіб-винахід. дних характеристик водних об'єктів (просторова Цей пристрій містить: мікроскоп 1, в якому форма та структура водного об'єкта, наявність розміщений препарат 2 з проби води, що досліглибоководних і мілководних ділянок та їх співвідджують, відеокамеру 3, цифрову ЕОМ 4, до складу ношення, наявність потоків води, що надходять якої входять інтерфейс 5 передачі цифрових даабо витікають з цього об'єкта тощо), так і з урахуних, пам'ять 6, центральний процесор 7 та монітор ванням розташування антропогенних джерел за8. бруднень водних об'єктів [3, 4, стор. 41]. Пристрій, що реалізує спосіб-винахід, працює 2. Підготовлюють препарат з кожної проби вотаким чином. ди на предметному склі та розміщують його під Препарат 2 з проби води, що досліджують, окуляром мікроскопа. Для точного дозування прерозміщений на предметному склі в полі зору оптипарату при його нанесенні на предметне скло мочної системи мікроскопу 1. До оптичної системи жуть бути використані спеціальні штемпельмікроскопа 1 приєднана відеокамера 3. В резульпіпетки, розраховані на фіксований об'єм цього таті формується відеозображення препарату 2. Це 7 88673 8 відеозображення містить вимірювальну інформаякості ЕОМ 4 - персональний комп'ютер Celeron цію про кількість та геометричні ознаки фітопланк2ГГц. тонних водоростей, що наявні в препараті 2. На виході відеокамери 3 отримували цифрові Далі це відеозображення по інтерфейсу 5 пекольорові відеозображення з такими характерисредачі цифрових даних вводять в пам'ять 6 ЕОМ тиками: розмір 640x480 дискретних точок, кольо4. рова схема RGB, глибина кольору 24 біти на дисЗа допомогою центрального процесора 7 в кретну точку (фіг. 2). За допомогою центрального ЕОМ 4 згідно способу-винаходу виконують: процесора 7 в ЕОМ 4 виконували цифрову оброб- виявлення кожного екземпляра фітопланкку цих відеозображень згідно способу-винаходу. тонних водоростей у препараті 2; Приклад визначення деяких геометричних - ідентифікацію кожного екземпляра фітопланознак форми для деяких видів фітопланктонних ктонних водоростей за його належністю до одного водоростей наведено у таблиці. Ці ознаки розраз видів цих водоростей; ховували відповідно до [7, 8]. - визначення загальної кількості фітопланктонДля ідентифікації фітопланктонних водоростей них водоростей кожного виду у препараті 2; використовували штучну нейронну мережу Кохо- розрахунок кількісних показників, що харакнена. На входи цієї мережі подавали цифрові дані теризують розвиток фітопланктонних водоростей в про геометричні ознаки форми фітопланктонних цілому та їх окремих видів у водному об'єкті. водоростей, інваріантні до масштабування, зсуву Відеозображення препарату 2 та результати та повороту цих водоростей в площині відеозобідентифікації фітопланктонних водоростей відораження. Для наведеного прикладу (див. табл.) бражають на моніторі 8. кількість нейронів у вхідному прошарку і, відповідЗа допомогою пристрою, що реалізує запроно, кількість входів цієї мережі дорівнювала 3 (випонований спосіб-винахід, було проведено ряд користовується 3 геометричні ознаки для ідентидосліджень. фікації). Кількість нейронів у вихідному прошарку, В якості мікроскопа 1 та відеокамери 3 викориякий приймає рішення про належність екземплярів стовувалися лабораторний мікроскоп МС 200Т фітопланктонних водоростей до одного з видів, і, (виробництво Micros, Австрія) з вбудованою цифвідповідно, кількість виходів мережі становила 3 ровою кольоровою відеокамерою САМ 2800, а в (на відеозображенні ідентифікуються фітопланктонні водорості трьох вказаних видів). Таблиця Геометричні ознаки форми 1. 2. 3. Коефіцієнт опуклості Коефіцієнт заповнення Ексцентриситет Euglena proxima 0,975 0,739 0,793 Вірогідність безпомилкового визначення належності екземплярів фітопланктонних водоростей до одного з видів на оброблених тестових прикладах становила 0,95. В результаті була доведена можливість практичної реалізації запропонованого способувинаходу, а також його придатність для контролю за станом екосистем водних об'єктів на основі автоматизованої обробки цифрових відеозображень, що містять вимірювальну інформацію про фітопланктонні водорості. Література: 1. Топачевский А.В., Масюк Н.П. Пресноводные водоросли Украинской ССР. - К.: Вища школа, 1984. - 333с. 2. Андреев А.Д., Щербак В.И. Интегральная количественная оценка состояния фитопланктонного сообщества по структурным показателям // Гидробиологический журнал. - 1994. - Т. 30, №2. с.3 - 7. Вид водоростей Volvox globactor 0,991 0,763 0,234 Ankistrodesmus 0,882 0,218 0,987 3. Израэль Ю.А. Экология и контроль состояния природной среды. - М.: Гидрометеоиздат, 1984. - 560с. 4. Щербак B.I. Методи досліджень фітопланктону // Методичні основи гідробіологічних досліджень водних екосистем: Навчальний посібник / За ред. B.I. Назаренко. - К.: Видавництво фонду "Наукова зміна", 2002.-с.41-47. 5. Круглов В.В., Дли М.И., Голунов Р.Ю. Нечеткая логика и искусственные нейронные сети: Учебное пособие. - М.: Издательство физикоматематической литературы, 2001. - 224с. 6. Уоссермен Ф. Нейрокомпьютерная техника: Теория и практика. - М.: Мир, 1992. -240с. 7. Системы технического зрения (принципиальные основы, аппаратное и математическое обеспечение) / Под ред. А.Н. Писаревского, А.Ф. Чернявского. - Л.: Машиностроение, 1988. - 424с. 8. Яншин В.В. Анализ и обработка изображений: принципы и алгоритмы. - М.: Машиностроение, 1995. - 112с. 9 88673 10 11 Комп’ютерна верстка Д. Шеверун 88673 Підписне 12 Тираж 28 прим. Міністерство освіти і науки України Державний департамент інтелектуальної власності, вул. Урицького, 45, м. Київ, МСП, 03680, Україна ДП “Український інститут промислової власності”, вул. Глазунова, 1, м. Київ – 42, 01601