Categorías de producto

Hangzhou xunshu Technology co., Ltd.

Correo electrónico
shineso@shineso.com
Teléfono
Dirección
Habitación 405, bloque B 11, Xiyuan No. 8 road, West Lake Science and Technology park, Hangzhou

Sistema automático de clasificación y conteo de plancton Fast digital algaeai 700

NegociableActualización en01/08

modelo

Naturaleza del fabricante: Productores

Categoría de producto

Lugar de origen

Consulta en línea

Descripción general

El sistema automático de clasificación y conteo de plancton Fast digital algaeai 700 está compuesto por el sistema algaeai desarrollado por Fast digital y el sistema de microscopía de escaneo totalmente automático. Con la ayuda de una plataforma eléctrica de tres ejes de alta velocidad, se obtienen imágenes microscópicas de alta definición, utilizando la tecnología algaeai basada en el aprendizaje súper profundo, se pueden identificar automáticamente especies, clasificar y contar, medir la biomasa, calcular la densidad celular del plancton en las aguas, generar y exportar automáticamente informes de datos, realizar el registro electrónico del plancton y Garantizar la integridad de los datos electrónicos.

Detalles del producto

Sistema automático de clasificación y conteo de plancton Fast digital algaeai 700

Inteligencia artificial al alcance de la mano

Algaeai 700 es un sistema avanzado de análisis, identificación y cálculo inteligente de plancton para el aprendizaje automático rápido y profundo. la tecnología de análisis de datos que pueden utilizar las personas que llevan a cabo el análisis de plancton no requiere una profunda experiencia en plancton.

·Simple, un clic para completar la identificación, clasificación, conteo, porcentaje, cálculo de densidad de algas, clasificación de algas dominantes, salida de informes

· Rápido, análisis de campo único en solo 0,6 segundos

· Preciso, capaz de identificar 145 algas comunes entrenadas por redes neuronales, 60 zooplancton de agua dulce, con una precisión de identificación de más del 95%

· Alta robustez, adaptación a imágenes microscópicas complejas comunes en experimentos: superposición cruzada de células de algas a alta densidad, estructura local inexistente causada por la falta de profundidad de campo, Fondo mezclado con más impurezas, solo algunas células están en el campo de visión.......

Transparencia en todo el proceso, verdad visible

El proceso de análisis, identificación y Estadística se muestra completamente en la pantalla, y el operador puede observar claramente el proceso de análisis y los resultados del procesamiento de cada imagen.

· Haga clic en "ai start", las imágenes de la ventana principal parpadean una por una, las células de algas se enmarcan una por una, y el nombre de esta algas está en la parte superior del marco.

· Barra de desplazamiento verde en la parte superior derecha, informando que la muestra está siendo detectada......

· A la derecha se encuentran los datos actualizados por latidos en tiempo real: especies, nombres de algas, número de algas, porcentaje, densidad de algas......

¿Después de la detección, haga clic en la cola de imágenes en la parte inferior izquierda para ver fácilmente el recuento de algas en cada imagen: ¿ el nombre individual no es correcto? ¿¿ no se detectaron algas individuales? ¿¿ las algas individuales deben eliminarse? Simple, haga clic en la Caja de herramientas para corregirla en 2 - 3 segundos.

Resolver las dificultades de la detección de imágenes de campo complejo

Hay muchos desafíos en el proceso de análisis cuantitativo del fitoplancton, como más impurezas suspendidas en muestras cuantitativas de agua recogidas, una densidad celular demasiado alta después de la concentración, microalgas superpuestas entre sí, células de algas presentes en el campo de visión estratificada dentro del marco de conteo, falta de claridad en la imagen óptica del microscopio, enfoque inexacto......

Algaeai 700 utiliza su capacidad de Aprendizaje automático súper profundo para generar resultados de análisis e identificación de alta calidad de manera rápida y confiable.

Sin miedo al cruce y superposición de células de algas, se desbloquea directamente y automáticamente.

Las muestras con una densidad de algas superior a 1010 células / L con un fondo desordenado también pueden identificar y contar

La fuente de luz y el ajuste de enfoque no están en su lugar, las algas crujientes de barra y las algas estrella de disco, muy poco profundas y ligeras, todavía se pueden identificar.

Reconocimiento automático de zooplancton

El Tesoro digital de la identificación inteligente de algas

La gran biblioteca de mapas de algas cubre las especies de agua dulce y marina en aguas interiores como ríos, Lagos y embalses en China y las aguas circundantes. imágenes y presentaciones textuales cuidadosamente seleccionadas integran una rica estructura de búsqueda y son útiles para popularizar el conocimiento de las algas en la enseñanza básica del plancton y la estructura de la unidad de Monitoreo Ambiental del agua.

Recuperación taxonómica, edición clave de algas comunes, introducción de columnas, morfología, estructura, reproducción, ecología de un vistazo.

La recuperación morfológica se clasifica en lenguaje gráfico de acuerdo con la similitud morfológica y la progresividad, y combina las características estructurales de las células o grupos, como látigos, pigmentos, patrones, edredones, etc., para lograr una recuperación morfológica precisa y rápida.

Imágenes de microsondas de alta calidad

Con el microscopio biológico de investigación científica del Olimpo bx43 como portador de imágenes ópticas, está equipado con una plataforma de carga eléctrica XYZ suave y tranquila para realizar una operación precisa de un clic: enfoque automático, escaneo automático y excelente calidad de imagen.

Principales funciones e indicadores técnicos

1. normas de análisis

Cumplir con el Reglamento Técnico de monitoreo de fitoplancton en aguas interiores sl733 - 2016, requisitos técnicos de monitoreo ecológico del agua - fitoplancton de agua dulce "," determinación de fitoplancton de calidad del agua hj1216 - 2021 marco de conteo de 0,1 ml - método de conteo de microscopio "y" película filtrante de determinación de fitoplancton de calidad del agua hj1215 - 2021 - método de conteo de microscopio de pantalla "," método de monitoreo y análisis de agua y aguas residuales "(cuarta edición) y los requisitos de análisis de algas correspondientes al Código de monitoreo marino gb17378 - 2007.

2. sistema de microscopía de escaneo totalmente automático

 microscopio bx43 del olimpo: especificaciones del objetivo 4, 10, 20, 40 veces lente acromática semicompleja

Plataforma de escaneo automático XYZ de control eléctrico de alta precisión: realizar el movimiento a nivel de micras y el control automático en la dirección del eje X / y / Z

Plataforma XY del motor de paso: carga de 4 piezas a la vez, paso mínimo ≤ 0,1um precisión de posicionamiento repetida bidireccional ≤ 1um velocidad máxima: 20mm / s

De acuerdo con la densidad ajustada del fitoplancton de la muestra, se puede elegir el método de escaneo de película completa, el método de escaneo de cuadrícula, el escaneo de Campo aleatorio y otros métodos para la imagen.

Eje Z eléctrico: resolución de circuito cerrado de 0156um; precisión de posicionamiento repetida: ≤ ≤ 0,4um

Cámara de obturador global de alta sensibilidad, enfoque de escaneo automático continuo de múltiples profundidades de campo, distancia entre el número de capas de disparo se puede establecer, resolución de imagen inferior a 0,20um / pixel

3. algaeai 700 se basa en el sistema de clasificación y conteo automático de plancton Fast digital algaeai 700, que se basa en el aprendizaje súper profundo. el Grupo de expertos, sobre la base de un estudio en profundidad de las características del plancton y la teoría del aprendizaje automático, ha estudiado de manera innovadora y establecido un sólido sistema de análisis de inteligencia artificial para realizar el conteo automático de clasificación de algas, zooplancton, medición de tamaño y determinación de biomasa.

 se pueden identificar automáticamente algas de 3 a 1000 micras, incluyendo algas verdes, cianobacterias, diatomeas, criptobacterias, algas de armadura, algas amarillas, algas doradas, algas desnudas y otras más de 145 especies comunes de algas, el rango de detección de densidad de algas es de 9,2 × 102 - 1011 células / L ¿ el tiempo de análisis de reconocimiento automático de campo único es ≤ 0,6 segundos, para lograr un reconocimiento preciso de algas, recuento clasificado y completar simultáneamente la clasificación de algas dominantes y el cálculo de la biomasa.

La tasa de identificación de especies dominantes de la biblioteca local de identificación clasificada es ≥ 95%, y el error de repetibilidad del análisis automático es ≤ 5%.

Operación de un clic, visualización dinámica de todo el proceso: las imágenes de la ventana principal se alinean, las células de algas se reconocen instantáneamente y los nombres se marcan in situ; Actualización de los datos de detección (categoría, nombre, cantidad, porcentaje, densidad de algas, etc.) en tiempo real; La barra de desplazamiento verde muestra el progreso de la detección del conjunto de imágenes. Todo el proceso de operación transparente facilita el monitoreo de calidad. Puede interactuar con el ratón para agregar, eliminar y modificar la información de las especies identificadas, y actualizar los resultados del análisis de muestras en tiempo real.

 las estadísticas se ordenan por especies dominantes, mostrando la categoría de fitoplancton, el nombre chino, el nombre latino, el número de algas, la proporción de algas y la densidad de algas, contando la longitud media de una sola célula, el ancho de una sola célula, la altura de una sola célula, el diámetro de una sola célula, el área de una sola célula y el volumen de una sola célula de la especie, y calculando automáticamente la biomasa, la biomasa total, el índice shannon, el índice de uniformidad de la especie, el índice de biodiversidad, la abundancia y la superioridad.

Registro electrónico, trazabilidad de datos e informes: guardar automáticamente los datos y generar informes estadísticos con un solo clic. Los resultados del análisis completado se guardan, el nombre de las algas se marca in situ en la imagen capturada y la precisión estadística de cada imagen se puede volver a revisar en cualquier momento cuando se abre el archivo.

 alta robustez: tiene capacidad antiinterferencia, para imágenes de campo que contienen una gran cantidad de impurezas, incluso si las células de algas están en impurezas, el sistema puede identificarlas con precisión sobre la base de una fuerte capacidad de razonamiento.

 separación e identificación de algas superpuestas / adheridas: para las células de algas altamente superpuestas, algaeai 700 se basa en la tecnología inteligente de separación de adherencia, que puede capturar con precisión las células de algas de un montón de células adheridas.

 identificación inteligente de algas incompletas / locales: para las células de algas incompletas en el borde del campo visual, algaeai 700 se basa en la tecnología inteligente de razonamiento morfológico, que puede identificar con precisión qué algas son de acuerdo con la información local, logrando así una detección sin fugas.

 reconocimiento de cálculo de células inexistentes: para algunas células de algas ligeras e poco claras en el campo visual debido a la falta de profundidad de campo de enfoque, algaeai 700 se basa en la tecnología de cálculo inexistente y puede analizar e identificar con precisión qué células de algas son.

Módulo de análisis de zooplancton: basado en la poderosa tecnología de reconocimiento de imágenes de ia, se construye un modelo matemático de red neuronal de alta precisión, se identifican con precisión 65 especies y géneros en el cuerpo de agua, se miden automáticamente indicadores como la longitud corporal y el ancho corporal del zooplancton, se calcula la densidad y la biomasa, se emite un Informe de prueba y se realiza un registro sin papel de los datos. Además, el sistema proporciona una base de datos de información que incluye texto, dibujos a mano y fotografías microscópicas, configura la función de búsqueda de información clasificada y palabras clave, y puede mostrar zooplancton con imágenes y textos.

4. módulo clásico de División y conteo de imágenes

 conteo automático dinámico: siete algoritmos de segmentación para el conteo de campo múltiple de preexamen, ajustando la densidad de fitoplancton a 107 - 108 / L

 conteo automático de células de grupo esféricas: reconocimiento automático, conteo de células hijas en el grupo, especialmente adecuado para el análisis de conteo de microcápsulas

Estimación de células filamentosas: se utiliza para estimar el número de células hijas de un solo cuerpo filamentoso y encadenado

5. análisis cualitativo del plancton, módulo de identificación inteligente

Base de datos de expertos en plancton: el Banco de datos de plancton de agua dulce y marino está compuesto por exquisitas fotografías microscópicas en color, dibujos dibujados a mano, pantallas bilingües en chino y latino, que se pueden recuperar de acuerdo con los cuatro niveles de "puerta, orden, género y especie". Entre ellos, hay 15 puertas y 1.700 géneros de algas; Hay 26 categorías y 2.000 géneros de zooplancton. Algas de agua dulce que cubren la zona del Lago de la llanura oriental de china, la zona del Lago de la Meseta Yunnan - guizhou, la zona del Lago del noreste, la zona del Lago de la meseta Qinghai - tíbet, la zona del Lago de la meseta mengxin y los siete sistemas de agua, así como algas marinas alrededor del Mar de China oriental, el mar amarillo, el mar de Bohai y el mar de China meridional.

Recuperación morfológica de "asociación combinada típica": recuperación morfológica precisa y rápida con lenguaje gráfico, Asociación combinada y características estructurales de células o grupos. Tiene las características de: selección múltiple de características, agua dulce, Subdivisión marina y navegación conveniente, lo que permite a los principiantes dominarlo rápidamente.

 identificación de búsqueda de algas similares progresivas multidimensionales: herramienta de reconocimiento gráfico de células de algas automática e inteligente, que se implementa en 3 - 5 segundos: detectar el contorno de células de algas desconocidas, extraer información de características, emparejar Big data, identificar con precisión posibles algas con formas similares, y el elemento de "selección prioritaria" muestra simultáneamente las algas comunes más cercanas.

Identificación de algas propensas a la confusión: diseñado para experimentadores inexpertos, se seleccionan varias algas propensas a la confusión debido a formas similares, se realiza una comparación rápida en la misma interfaz y se captan rápidamente los puntos principales de la diferencia a través de rompecabezas característicos típicos y texto resumido.

6. lista de configuración

¿ un sistema de análisis inteligente de algas y zooplancton de Fast digital algaeai 700

 un conjunto de sistemas automáticos de escaneo de imágenes digitales microscópicas: microscopio olímpico bx43, sistema óptico infinitamente lejano uis2, 4x, 10x, 40x objetivo de eliminación de color semicomplejo de campo plano, 20x objetivo de eliminación de color complejo completo (apertura numérica 0,75), ocular ajustable de 10 veces de refracción, tubo de Observación de tres ojos, convertidor de lentes de 5 agujeros, 4 plataformas y cajas de control de escaneo automático XYZ de control eléctrico de alta precisión de flujo, Cámara de escaneo global de alta sensibilidad

 una estación de trabajo de análisis de datos: 12ª generación de inteligencia Intel Core i9 - 12900 16 núcleo, 32g ddr4 memoria, tarjeta gráfica independiente 4g, disco duro de estado sólido 512g, disco duro 4t, pantalla de 27 pulgadas, sistema operativo profesional Windows 10

7. servicios

Instalación, puesta en marcha y capacitación de la nueva máquina a domicilio

Construir un algoritmo de base de datos local para los usuarios de forma gratuita una vez

Proporcionar servicios de orientación de asistencia remota a largo plazo y ayudar a identificar muestras complejas

Producto similar Recomendar