使用自动化系统高速识别放射虫

使用自动化系统高速识别放射虫

2025/01/15

使用自动化系统高速识别放射虫 预备机器人与AI的结合微化石识别技术的发展

在地质研究中，识别和分离尺寸从几微米到几毫米的“微化石”的技术至关重要。从微化石中获得的数据使我们能够确定地质构造的年龄和环境，而微量元素成分和同位素成分的测量提供了有关地质形成时代的详细信息。换句话说，微化石是地质地层分析的“措施”，从微化石中获得的数据不仅用于地质研究，还可以用于其他研究领域和业务。然而，多年来，微化石的识别和分离一直依赖于体力劳动。在这种情况下，由AIST领导的研究小组开发了一种自动识别和分离微化石的系统。我们采访了参与其开发的研究人员，了解了该系统开发需求的背景、人工智能与微操作器结合的技术要点、其应用范围的扩展和性能改进以及未来的发展。

依赖体力劳动的微化石的识别和分离

　微化石是地质地层中所含的放射虫、有孔虫、硅藻等化石的总称，其大小从几微米到几毫米。地质研究的第一步是目视寻找、分类和拾取这些混有沙粒和其他杂颗粒的微体化石。日本地质调查所全球变迁史研究组组长板木卓也对微化石进行了如下解释。

　

　我研究的是放射虫，是有玻璃壳的单细胞生物，目前活的生物体大约有800种。如果包括灭绝的物种，就有8000种，光是放射虫的种类就非常多了。''

　放射虫是一种非常美丽的玻璃状微生物，有多种形状，是一种很受欢迎的微生物，有些人甚至把它变成了艺术品。产业技术研究院地质博物馆的博物馆商店还出售原创商品“放射虫手办”。它们不仅具有独特的外观，而且作为指示化石生存时间的“指标化石”和可用于调查当时环境的“指示化石”，在地质研究中发挥着重要作用。

　“通过使用显微镜观察从沉积地层中收集的颗粒，对微化石进行分类和分类，但目视计数和挑选需要‘工匠般的’知识和经验，”伊塔基说。事实上，伊塔基和其他地质研究人员长期以来一直在手工完成这项工作。

　微化石被用来分析地质地层已经过去了50多年，但分类和分离微化石的方法实际上100年来都没有改变。最近的问题还在于，该领域的研究人员数量正在减少，部分原因是工作量大。随着研究人员数量的减少，知识和技术无法传承、研究本身无法继续的风险就会增加。

更换为结合AI和制备分离设备的系统

　“我长期以来一直渴望开发一种自动分类和收集微化石的系统，”伊塔基回忆道。这一想法的体现是miCRAD（微化石分类和快速积累装置）系统，该系统于2018年开发出原型。可以由计算机控制的自动显微镜与可以分离微观物体的显微操作器相结合。基于显微镜拍摄的照片，利用深度学习技术的AI（人工智能）对每个颗粒进行分类，并根据结果仅分离出特定类型的微化石。换句话说，深度学习被用来执行只能由工匠完成的分类任务，并且微操作器被用来挑选微化石。该开发由AIST团队、拥有AI技术的NEC株式会社（NEC）、拥有显微操作器技术的Micro Support株式会社以及拥有图像分析技术的三谷商事株式会社共同进行。 (2018/12/3 新闻稿）

　miCRAD 系统的开发是由地质学会会议上的一次活动引发的。

　当我在一次地质会议上寻找研究想法时，我偶然听说了利用深度学习对粒子进行分类的能力，以及在另一个地方听到了微操纵器。当时，我想到了当时流行的 Pico Taro 的“笔菠萝苹果笔（PPAP）”。更深层次的我认为，如果我们将微操纵器的功能与微化石结合起来，我们可以用最少的人力来收集微化石。使我们不仅可以统计和挑选微化石进行群落分析和分析，还可以做一些手动无法完成的事情，例如收集大量的小微化石和测量同位素比。

研究人员可以从事更高级的研究

　Itaki 同时在深度学习和微操作器两个方向进行研发。

深度学习技术的应用分为两个阶段：学习阶段和运算阶段。在学习阶段，从AIST的地质收藏中获取学习图像（教师数据），并训练AI来构建模型。在操作阶段，构建的模型用于（1）从含有微化石的粒子图像中自动获取位置信息，（2）使用学习阶段创建的模型识别微化石，以及（3）使用显微操作器分离和积累目标微化石。

　我是一个非常脆弱的人，所以当失败时我倾向于放弃。这就是为什么我继续这个项目，这样我就能先体验到成功，”Itaki 笑着说。当我们第一次要求 NEC 使用深度学习进行分类测试时，我们的任务是对两种类型的放射虫进行分类。尽管教师图像的数量很少，但对于两种分类，我们从一开始就获得了近 90% 的正确答案率。

　“我们对两种放射虫分类的成功经验充满信心，我们一步一步稳步推进，增加了分类类型的数量，增加了图像的变化，并采用了将错误样本重新分类为单独类别等技术，”Itaki 说。

　然而，发展并非一帆风顺。他们创建的系统使用深度学习来分析用显微镜拍摄的图像，因此当颗粒相互重叠时，它们在图像分析过程中会被错误地视为单个颗粒。有必要考虑如何防止粒子重叠。就在这时，板泷突然想起了家里的章鱼烧盘。 “章鱼烧盘有一种机制，每个凹口中都放置一个章鱼烧。我想到，为了解决颗粒重叠的问题，我们可以使用一个带有细颗粒大小凹口的托盘，就像章鱼烧盘一样，”伊塔基回忆道。

　基于这个想法，我们要求制造公司在几厘米大小的托盘上打出 60,000 个直径为 100 微米的压痕。经过多次试验和错误，他们完成了一个托盘，可以让颗粒以更分散的方式排列。

　通过深度学习分类且位置信息已知的粒子由微操纵器拾取。该机械手的前端采用了类似滴管的吸力式。

“我们考虑使用尖端来拾取像筷子一样的微化石，但微化石具有复杂的形状，因此与手动方法相比，调整力度极其困难。“对于放射虫，我们使用尖端直径为 40 微米的喷嘴，但我们也可以准备最大 5 微米的喷嘴，这样我们就可以拾取更小的物体，”Itaki 说。

　随着miCRAD系统的引入，微体化石的识别和分离工作变得更加高效。该系统内置的图像处理技术用于获取教师图像以进行深度学习。只需几天时间即可从 AIST 的 30,000 个粒子集合中获取用于训练的图像数据。在过去，这需要几个月的时间。在实际分析微化石的操作阶段，手动处理1000个颗粒需要一个小时，但这个时间减少到了20分钟左右。此外，预备分离可在约3小时内拾取1,000件。如果这是手动完成的，则需要几天时间。伊塔基 说：

　miCRAD 系统不仅会减少我们的工作时间和劳动力，还将成为为更先进的地质研究做出贡献的工具。''

应用领域的扩展和对质量分析的响应

　miCRAD系统是全球首创的系统，并已申请专利。 “我们称其为“Itakiirazu”，因为这意味着不再需要 Itaki 作为专家之一，”Itaki 顽皮地笑着说。目前，联合开发已经完成，正在进行必要的应用开发和程序改进。

　“我们发现这个系统不仅可以用于对微化石进行分类，还可以用于对火山灰和石英等矿物进行分类，”伊塔基说。例如，正在进行的一个项目专门研究该系统的分类技术，并将其应用于沙粒的自动识别和空气中花粉的分类。

　我们正在与火山灰研究人员合作，进行自动沙粒识别。到目前为止，在分析喷发的火山灰以确定喷发是否危险时，像我们这样的专家必须到现场采集样本。以前分析现场发来的样本或图像需要时间。如果现场有这个系统，我们就可以在现场进行分析，这对防灾减灾做出了贡献。每年，全国各地的医务人员都会在载玻片上收集花粉，并用显微镜对其进行分析以生成数据。然而，其他树木花粉的数据非常有限。我们目前正在开始使用该系统对花粉进行自动分类的测试分析。我们相信该系统对于分析分散的花粉也将很有用。''

　随着应用领域的扩大，Itaki 的目标是支持质量分析。 Itaki正在尝试利用虚拟载玻片扫描仪，该扫描仪主要用于医疗领域。这是一个可以获取和管理载玻片标本的光学显微镜图像作为数字数据的系统。 2023 年推出的最新设备可以一次加载 360 张幻灯片，并且可以在每张幻灯片约五分钟内扫描、裁剪和分类图像。过去手动需要一年多才能完成的任务现在只需大约 27 小时即可完成。

地质地层分析为下一代奠定基础

关于miCRAD系统，Itaki说，“深度学习和微操作器相结合的想法并不是新东西，而是新的想法。”我们使用的是2012年左右流行的卷积神经网络方法，并且使用微操作器通过图像分析识别矿物颗粒的技术已经在日本投入实际应用。特别是，人工智能很可能会以这种方式应用于其他研究领域。”

　未来的挑战是如何使该系统和分析数据在现实世界中广泛使用。例如，目前，通过识别和分离微化石来识别地质地层的年龄正在石油钻探现场使用。钻探寻找石油的成本很高。通过将 miCRAD 系统带到现场并确定正在挖掘的地层的年龄，可以估计需要再挖掘多少米才能产出石油。通过现场实时分析，可以降低钻孔成本。

　微化石数据对于预测气候变化等事件也很有用。

　众所周知，放射虫的存在状态会根据当时的温度环境而变化，但在现有技术下，我们最多只能了解以1000年至10000年为单位的变化。但是，通过使用能够分析大量数据的该系统，可以了解过去以10年为单位的气候变化。我们相信，通过了解过去环境变化的细节，我们将能够预测未来全球变暖对地球和我们生活的影响。AIST的地质数据因其可靠性而受到高度评价。我们正在考虑从我们获得的大量数据中创建一套高度可靠的数据集，并将其用于工业领域。''

　通过将新技术融入地质研究中，可以有效地获取以前无法获得的数据。 Itaki将继续致力于新的数据利用和地质分析，不仅是为了扩大微化石识别的业务范围，也是为了创造一个更美好的下一代社会。