用于检测微生物的方法、装置和系统与流程

技术特征：
1.一种处理从牲畜动物获得的样本的方法，该方法包括：将所述样本中的至少一些施加到生长培养基测试板的测试表面，等待足以允许微生物生长以形成在所述测试表面上的时间，使用图像捕获装置获取描绘该测试表面的至少一部分的可见光谱图像，以及提供计算机实施的预先训练的图像分类器算法，所述图像分类器算法被预先训练以基于描绘已知微生物的生长图案的可见光谱图像确定微生物类型，以及将所述图像应用于该预先训练的图像分类器算法以基于该图像上可见的微生物生长图案确定微生物类型。2.如权利要求1所述的方法，其中，该测试板包括至少两个并列的生长培养基区域，所述区域在该相应生长培养基的类型、颜色、浓度和组成中的至少一项上不同。3.如权利要求2所述的方法，进一步包括：在获取所述图像之前以相对于该图像捕获装置的预定取向布置该测试板，使得这些生长培养基区域在所述图像中呈现预定取向；和/或重新定向所获取的图像，使得这些生长培养基区域在所述图像中呈现预定取向。4.如前述权利要求中任一项所述的方法，其中，所述等待步骤包括将该样本保持在温度受控的环境中，优选地保持在34至40摄氏度的恒定温度下。5.如前述权利要求中任一项所述的方法，其中，该图像捕获装置形成智能手机或平板电脑的一部分。6.如前述权利要求中任一项所述的方法，进一步包括将该测试板定位在图像捕获支撑件的第一部分上并且将该图像捕获装置定位在该图像捕获支撑件的第二部分上，所述第二部分与该第一部分间隔开，其中，在该图像捕获装置和该测试板定位在该图像捕获支撑件上时执行该图像的获取。7.如权利要求6所述的方法，进一步包括封围该测试板以使其免受环境光的影响并且从光源可选地经由反射器提供光。8.如前述权利要求中任一项所述的方法，进一步包括图像限制步骤，包括裁剪或掩蔽该图像的不想要的部分。9.如前述权利要求中任一项所述的方法，其中，该预先训练的图像分类器算法包括至少一种监督学习算法，该至少一种监督学习算法被配置和训练以识别至少两种微生物类型或微生物类别。10.如前述权利要求中任一项所述的方法，其中，该预先训练的图像分类器算法包括多个监督学习算法，这些监督学习算法中的每一个都被配置和训练以识别一种微生物类型或微生物类别。11.如前述权利要求中任一项所述的方法，其中，所述应用图像分类器算法包括：经由数据通信网络将该图像从该图像捕获装置发送到远程定位处理装置，将所述图像馈送到该预先训练的图像分类器以基于该图像获得处理结果，以及经由该数据通信网络将该处理结果发送到该图像捕获装置或另一处理装置。12.如权利要求11所述的方法，其中，该处理结果包括被认为存在于该图像上描绘的测试板上的微生物类型的指示、以及可选地指示该处理结果的置信水平的值。13.如前述权利要求中任一项所述的方法，进一步包括：
等待足以允许微生物进一步生长以形成在所述测试表面上的第二时间，使用图像捕获装置获取该测试表面的第二可见光谱图像，以及将该图像分类器算法应用于所述第二图像，以便基于该图像上可见的微生物生长图案确定微生物类型。14.如前述权利要求中任一项所述的方法，其中，该样本是来自泌乳动物的奶样本。15.如前述权利要求中任一项所述的方法，其中，该样本是来自动物的粪便样本。16.一种训练图像分类器算法以用于基于可见光谱图像中描绘的微生物生长图案确定微生物类型的方法，该方法包括：提供包括多个可见光谱训练图像的训练集，每个训练图像描绘生长培养基测试板的相应测试表面的至少一部分，所述测试表面呈现对于所述微生物而言独特的微生物生长图案，为每个训练图像提供与该相应训练图像相关联的微生物类型的一个或多个指示，将所述训练图像和相关联的微生物类型的所述指示应用于所述图像分类器算法，以便训练该算法以将微生物生长图案的外观与微生物类型相关联，从而提供预先训练的图像分类器算法。17.一种图像捕获支撑件，包括：样本固持器，和图像捕获装置固持器，该图像捕获装置固持器可定位在距该样本固持器的预定距离处，其中，该样本固持器被配置为接纳生长培养基测试板，使得该板被固持在预定位置处，并且其中，该图像捕获装置固持器被配置为接纳智能手机或平板电脑，被定位和定向为使得该智能手机的相机指向该样本固持器。18.如权利要求17所述的图像捕获支撑件，其中，该图像捕获支撑件进一步包括至少一个竖直支撑构件，并且其中，该样本固持器在第一竖直位置处连接到该竖直支撑件，并且其中，该图像捕获装置固持器在第二竖直位置处连接到该竖直支撑件。19.如权利要求17或18所述的图像捕获支撑件，其中，该图像捕获装置固持器包括图像捕获装置固位器，该图像捕获装置固位器被配置为以形状配合和/或压入配合方式接纳该图像捕获装置。20.如权利要求16至18中任一项所述的图像捕获支撑件，其中，该样本固持器包括测试板固位器，该测试板固位器被配置为以形状配合和/或压入配合方式接纳该测试板。21.如权利要求20所述的图像捕获支撑件，其中，该测试板固位器包括取向装置，该取向装置仅允许在该测试板与该样本固持器之间以预定的相对取向接纳该测试板。22.如权利要求17至21中任一项所述的图像捕获支撑件，进一步包括以下中的至少一个：指向该样本固持器的顶侧的光源，以及指向该样本固持器的底侧的光源。23.如权利要求22所述的图像捕获支撑件，进一步包括至少一个反射器，该至少一个反射器被配置为将来自所述光源的光朝向该样本固持器反射。
24.如权利要求17至23中任一项所述的图像捕获支撑件，进一步包括封壳，该封壳用于使该样本固持器免受环境光的影响。25.如权利要求23所述的图像捕获支撑件，其中，该封壳包括基本上竖直的壁和基本上水平的壁，该基本上竖直的壁包围该样本固持器以在横向方向上使其免受该环境光的影响，该基本上水平的壁用于在竖直方向上使该样本固持器免受该环境光的影响。26.如权利要求23或24所述的图像捕获支撑件，其中，该样本固持器可通过该竖直壁插入。27.一种用于处理从牲畜动物获得的样本的系统，该系统包括：生长培养基测试板，如权利要求17至26中任一项所述的图像捕获支撑件，用户装置，该用户装置包括图像捕获装置和通信装置，以及中央处理装置，其中，该用户装置被配置为使用该图像捕获装置获取描绘该生长培养基测试板的测试表面的至少一部分的可见光谱图像，并且将所获取的图像发送到该中央处理装置，并且其中，该中央处理装置被配置为：接收该图像，提供计算机实施的预先训练的图像分类器算法，所述图像分类器算法被预先训练以基于描绘已知微生物的生长图案的可见光谱图像确定微生物类型，以及将该图像应用于该预先训练的图像分类器算法，以基于该图像上可见的微生物生长图案确定微生物类型。28.一种预先训练的图像分类器算法用于基于描绘包含测试板的生长培养基上的微生物生长图案的可见光谱图像确定牲畜中存在的微生物类型的用途。29.如权利要求28所述的用途，其中，该图像是借助于形成手机或平板电脑的一部分的呈数码相机形式的用户装置获取的。30.如权利要求28或29所述的用途，其中，该微生物类型是从来自泌乳动物的奶样本和粪便样本中的一个中识别的。

技术总结
本文件披露了一种处理从牲畜动物获得的样本的方法，该方法包括：将所述奶中的至少一些施加到生长培养基测试板的测试表面；等待足以允许微生物生长以形成在所述测试表面上的时间；使用图像捕获装置获取描绘该测试表面的至少一部分的可见光谱图像；以及提供计算机实施的预先训练的图像分类器算法，所述图像分类器算法被预先训练以基于描绘已知微生物的生长图案的可见光谱图像确定微生物类型；以及将所述图像应用于该预先训练的图像分类器算法以基于该图像上可见的微生物生长图案确定微生物类型。该文件还披露了一种训练图像分类器算法的方法，一种用于获取该图像的图像捕获支撑件，一种包括该图像捕获支撑件、用户装置和中央处理装置的系统，以及一种预先训练的图像分类器算法用于基于描绘包含测试板的生长培养基上的微生物生长图案的可见光谱图像确定微生物类型的用途。微生物类型的用途。微生物类型的用途。


技术研发人员：埃莉诺
受保护的技术使用者：安格瑞卡姆有限公司
技术研发日：2020.01.24
技术公布日：2021/10/19