INNOVATION

ERKENNUNG VON MIKROORGANISMEN MIT DEEP LEARNING

ZIEL

Bestimmung der Wasserqualität mit Hilfe von speziellen Indikator-Mikroorganismen, die in Wasserproben enthalten sind und Aussagen über den Zustand eines Gewässers geben können. Dazu werden Wasserproben durch ein Mikroskop fotografiert. Die so entstehenden Bilder werden anschließend mittels Deep Learning klassifiziert.

ANALYSE IN ECHTZEIT TESTEN

Bevor wir Ihnen erklären, wie die Erkennung funktioniert und wie wir den Prototypen technisch umgesetzt haben – probieren Sie das Ergebnis doch schonmal aus:

QUELLE AUSWÄHLEN

Oder eigenes Bild laden

ERKANNTER ORGANISMUS

EUGLENA

Augentierchen (Euglena) verdanken ihren Namen einem Augenfleck, der allerdings kein Auge ist, sondern ein Pigmentfleck, der einen Photorezeptor beschattet. Euglena können damit die Einfallsrichtung und Intensität von Licht wahrzunehmen und darauf reagieren. Die meisten Augentierchen enthalten Chloroplasten mit den grünen Farbstoffen Chlorophyll a und b. Mit ihrer Hilfe betreiben sie Photosynthese und ernähren sich phototrophe. Quelle: Wikipedia

WASSERGÜTEKLASSE: 4

Euglena

45.3%

Arcella

16.56%

Ceratium

8.1%

Rotifera

2.79%

WAS UNS MIKROORGANISMEN ÜBER DIE WASSERQUALITÄT VERRATEN

Hier fehlt noch text...

Wassergüteklassen

Klasse 1 (oligosaprone Zone):
Das Wasser ist weitestgehend rein, sauerstoffreich, nährstoffarm und fast frei von toter organischer Substanz.
Vorkommen: Bäche nach Quellaustritt, Gebirgsbäche, tiefe Seen (ohne eingeschwemmte Dünger oder Abwässer)

Klasse 2 (alpha-mesosaprobe Zone):
Das Wasser ist sauerstoffreich und arm an Bakterien. Es herrscht eine vielfältige Tier- und Pflanzenwelt.
Vorkommen Flüsse, Weiher, mittlere und größere Seen, Badeseen

Klasse 3 (beta-mesosaprobe Zone):
Enthält zahlreiche Bakterien, viele Algen, Geißel- und Wimpertierchen und ist ein Paradies für „Mikroskopiker“.
Vorkommen: Tümpel und Teiche

Klasse 4 (polysaprobe Zone):
Das Wasser ist stark verschmutzt, äußerst sauerstoffarm und übelriechend. Es finden sich massenhaft Bakterien und nur wenige andere Lebewesen. Angepasste Arten können gehäuft vorkommen, z.B. Geißel- oder Wimpertierchen.
Vorkommen: ungeklärte Abwässer, faulendes Wasser in Blumenvasen, Aufgüsse aus Heu, Jauchepfützen.

Der entwickelte Algorithmus kann folgende Mikroorganismen erkennen: Arcella, Aspidisca, Codosiga, Colpoda, Epistylis, Euglypha, Paramecium, Rotifera, Vorticella, Noctiluca, Ceratium, Stentor, Spirostomum, K. Quadrala, Euglena, Gonyaulax, Phacus, Stylonychia, Synchaeta

DEEP LEARNING

Für die Analyse der Bilder werden neuronale Netze auf dem höchsten Stand der Technik verwendet. Der Aufbau dieser neuronalen Netze orientiert sich am Grundprinzip des visuellen Cortex. Diese neuronalen Netze nennt man „Convolutional Neural Networks“. Das Besondere an dem hier verwendeten Ansatz ist, dass die einzelnen Schichten nicht von einem Menschen angeordnet sind. Hier hat ein weiteres neuronales Netz die Anordnung der Schichten optimiert. So erreicht dieser Ansatz sehr gute Ergebnisse im Erkennen der Mikroorganismen.