2023-02-24 12:22:43

显微图像采集

NIS-Elements | 软件 | 生物显微镜 | 尼康精机(上海)有限公司

对于不断进化的实验方法、新技术及系统组成,尼康NIS-Elements软件平台皆可完美支持。NIS-Elements具备强大的扩展性及易用性,无论对于实验室技术的传承与技术间的转换都提供了强大保证。

充分利用您的实验

作为硬件系统的灵魂,NIS-Elements软件专为提高性能而打造。尼康着眼于让所有用户都能够以最高性能调度所有系统组件完成拍摄任务:高速时间序列、快速移动载物台、高效Z序列拍摄…跟踪所有的焦点内容,同时不会破坏您想要探索和研究的任何细小生物过程和事件。

适用于所有成像系统的软件平台

从使用的角度出发,拥有适用于所有成像模式的单一软件平台至关重要。无论是用于宽场、共聚焦还是超分辨率成像,NIS-Elements都提供相同的软件界面、控制按钮、工作流程和术语。通过同一个学习平台,用户可以在不同的显微镜硬件系统之间轻松切换。不同模式下的成像结果也可以轻松组合和分析,以扩展您的研究方向。

与您的研究一起发展

软件的发展始终随着研究的需求而变化。使用NIS-Elements,随着时间的推移,您可以不断扩展您的系统(例如升级成像设备、添加其他探测器、更换光源、增加共聚焦功能、添加高通量功能等)。

完全根据您的研究进行定制

从硬件的选择、优化到实验流程的微调、编辑乃至自定义的拍摄和分析- 您可以完全地控制、定制和创建由您的想象力构建和启发的系统。

分享您的数据

NIS-Elements旨在让您的数据“产出”。尼康软件具有丰富的文件和数据导出选项,可以将文件、元数据和分析结果存储为多种格式,最大限度地利用其他软件平台和程序上的已有资源,提高工作效率。

加入NIS-Elements

社区

尼康很自豪能够实现新的和复杂的功能,同时继续以独特和明智的方式赋予核心功能。体验

NIS-Elements

并感受到许多人选择

NIS-Elements

作为促进其科学的支柱的原因。

显微镜成像软件 | 产品 | 徕卡显微系统

我们的显微镜成像软件具有直观的用户界面和明确易懂的导航方法,无论是快速采集图像还是进行复杂的专家分析,都能引导用户完成整个工作流程。 通过一系列专用模块可将显微镜配置成专门的高性能工具,适合几乎每一种应用。

最新的软件平台LAS X包含适用于生命科学和工业应用的所有显微镜解决方案,可提供最大程度的灵活性。 之前的徕卡应用程序套件将继续得到支持。

徕卡光学显微镜_共聚焦显微镜_徕卡显微镜Leica官方网站 | 徕卡显微系统

【新品预告】细胞汇合度检测的工作流程:Mateo TL帮您轻松搞定日常细胞培养!

2023年02月10日 16:02

检测细胞汇合度是细胞培养工作流程中的一个常规步骤,常见于生命科学研究和生物制药行业实验室中的各种应用[1,2]。无论研究人员扩增或准备细胞是为了进行下一步的转染、分化、划痕实验、克隆选择、菌落挑选或3D培养类器官,监测细胞的生长都至关重要[3,4] 。

EasyData智能数据服务平台

EasyData智能数据服务平台

提供数据采集、标注、清洗、加工等一站式数据服务,助力开发者高效获取AI开发所需高质量数据

对颜色/ 形状/ 光泽/ 多品种 支持各个检测对象的视觉系统 | 搭载多光谱拍摄模式的视觉系统 CV-X/XG-X 系列 | 基恩士中国官方网站

请输入您的手机号

如您曾用手机注册,请输入注册时的手机号登录。

若尚未注册,请填写手机号和其他必要信息。

若已使用Email地址注册,请移步Email地址登录。

仅限中国大陆地区手机号码,其他地区请使用Email登录

「Email方式注册」

哪吒港航智慧科技 - 港口数字化转型方案提供商

方案简介

智能识别系统(IRS)是一套集成人工智能、视频识别、无线射频、云计算和互联网+等技术为一体的算法服务系统。通过卷积神经网络算法准确提取颜色、纹理、轮廓等向量特征,以大量特征值强化识别模块稳定性,不断强化系统的识别能力,实现以机器视觉代替人工视觉。系统通过抓取高清摄像头采集的图片,进行实时计算,实现集卡车号,集装箱箱号、箱型、残损、箱门朝向、危标、铅封、单证内容、船箱位的智能识别。方案有效破解作业过程中因字母污损、部分缺失、过度倾斜,图片过暗、对比不足而妨碍正常识别的行业难题。整体识别率高达98.7%,车号识别率超99%。哪吒科技集装箱智能识别系统,目前提供理货、道口、堆场等版本供不同客户选择。

沉积岩显微数字图像数据的获取与信息收集标准 - 维基文库,自由的图书馆

摘要&关键词

[

编辑

]

摘要:岩石是天然产出的具有稳定外形的矿物集合体,是构成地球上层(地壳和上地幔)的主要物质,基于偏光显微镜分析的岩相学与显微图像研究在地质学研究中一直发挥着不可替代的作用,极大地帮助人类认识地球的规律与奥秘。长期以来,科学家对岩石显微图像的采集并没有形成统一的标准,迄今也没有统一规格的岩石显微图像数据库。而建立统一的标准和信息录入格式,有效整合岩石显微图像数据,有助于实现其人机共用。本次《

岩石显微图像专题

》以常见的灰岩、砂岩、混积岩等三种沉积岩的显微图像数据集建设标准的探索为目标,全面收集可重复观测的图像的直接信息和人为判断或推断出来的间接信息,然后形成标准的可相互兼容的岩石显微图像数据集。本文是专题中数据的采集和处理的主要标准依据。

关键词:岩石显微图像;统一的标准;碎屑岩;碳酸盐岩;混积岩

Abstract & Keywords

[

编辑

]

Abstract: Rock is a naturally-occurring mineral aggregate with a stable shape. Rocks are the main material forming the crust and upper mantle of the earth. The study of petrography and microscopic images by polarizing microscope plays an important role in geology. The petrography and microscopic images offer a better understanding of our earth for human beings. For a long time, geologists have not developed unified standards for the photomicrograph of rocks. Therefore, so far there is no database of rock microscopic images with uniform specifications. The purpose of this special issue of the photomicrograph dataset of rocks is to facilitate better sharing and using for both human and computer. Therefore, a unified standard and information entry format can effectively achieve the effective integration of the photomicrograph dataset. Based on the exploration of comprehensively collecting both direct and inferred information from thin sections of limestones, sandstones, and mixed siliciclastic and carbonate rocks, the standard of compatible photomicrograph datasets of rocks is aimed to be formed. It is also the main standards for data collection and processing in this special issue.

Keywords: photomicrograph; unified standard; siliciclastic rocks; carbonate rocks; mixed siliciclastic and carbonate rocks

概 述

[

编辑

]

岩石是天然产出的具有稳定外形的矿物集合体,是构成地球上层(地壳和上地幔)的主要物质,是构成地球物质的基本组成。根据成因,岩石一般分为火成岩、沉积岩、变质岩三大类。对岩石的描述记录可以追溯到公元前2000多年著的《

山海经

》,现代地质学的诞生也是始于200多年前赫顿(J. Hutton,1726–1797)与莱伊尔(C. Lyell,1797–1875)对岩石的描述与成因的“水火之争”。自Sorby在1880年将偏光显微镜引入岩石的研究中,诞生了基于岩石薄片的岩相学学科。岩相学研究在地质学研究中一直发挥着不可替代的作用,在分析测试手段大大发展的今天也不例外。显微镜下可以观察到许多前人看不到的岩石组成及其相互关系的现象,极大地帮助人类认识地球的规律与奥秘。通过偏光显微镜拍摄的岩石薄片照片称为岩石显微图像。

长期以来,科学家对岩石显微图像并没有形成统一的标准,迄今也没有统一规格的岩石显微图像数据库。科学家或者科研团队仅根据自己的需要和目标来拍摄少量的图像,置于学术论文或网络,作为科研成果的一部分或者教学材料。很大原因在于数字图像拍摄和存储的限制。随着近年来数字图像技术大发展,大规模拍摄和存储岩石显微图像成为了可能。越来越多的数字图像随之产生,因而非常有必要统一这些图像的标准和处理流程。

本次岩石显微图像数据集专题建设的目的是方便人机共用,既方便人类读取与使用,也利于计算机去读取与利用。前者很好理解,科学家需要更多的数据集来开展对比研究,来用于教学与大众科普。后者是指伴随着图像技术和人工智能技术的蓬勃发展,基于显微图像的岩石研究成为了可能。实现这种研究模式的一个重要前提就是要求一定数量的数据集和统一的标准和信息录入格式,这样才能更有效地实现这些数据的有效整合。

本数据集主要涉及沉积岩,本文主要研究讨论的也是沉积岩显微图像数据集的采集与处理标准(图1)。后续可依次建设岩浆岩、变质岩等岩石类型的采集与处理标准。

图片

图1

岩石薄片偏光显微图像拍照和薄片鉴定主要流程示意图

1 岩石显微图像采集标准

[

编辑

]

1.1 岩石样品的采集与薄片制作

[

编辑

]

围绕某一个科学研究目标或者生产实践需求,首先对要采集样品的区域或剖面进行调研,选择出露层位齐全、岩石露头新鲜,并在区域上具有代表性的位置进行岩石标本的采集。根据研究目标、岩层的厚度、岩性变化和沉积现象等,系统采集各种岩石样品。

岩石薄片通常由专业的地质服务公司或研究者本人依据岩石薄片标准制作流程,将岩石标本制成可以在偏光显微镜下直接观察的0.03 mm厚的薄片。

1.2 岩石薄片偏光显微照片的拍摄

[

编辑

]

选取薄片中具有代表性的视域,拍摄单偏光和正交偏光照片至少各1张。若薄片内容复杂,一个视域难以表述典型特征,则可对多个视域分别拍摄单偏光和正交偏光照片。如果薄片中存在重要的岩石结构、构造等方面的特征,则可以补充拍摄这些特征视域,依次编号。按“薄片编号”+“m”+“摄像视域的数字序号”+“正交光符号+或单偏光符号-”,如编号为16BK75的薄片拍摄的单偏光照片和正交光照片分别标记为16BK75m1-,16BK75m1+。

显微照片的放大倍数以客观表述薄片特征为原则,兼顾可识别重要的矿物颗粒、表述重要的结构信息等,每张照片中都加注比例尺,并统一放置于照片的右下角,单位为微米(μm)(如图2)。拍照时采用自动曝光和自动白平衡,使得肉眼观察和系统照片颜色尽量保持一致。显微照片的分辨率统一采用拍照系统的最高值,例如南京大学地球科学与工程学院光学显微镜室尼康偏光显微镜的摄像系统分辨率为4908×3264像素,图片统一保存为PNG或JPG格式。

图片

图2

岩石薄片偏光显微照片示例岩石薄片编号16BK75,A为正交偏光照片,B为单偏光照片

1.3 岩石薄片的基本信息录入

[

编辑

]

岩石薄片的基本信息填写内容见表1,主要包括样品采集处的行政区划的地理位置或GPS坐标位置信息,岩石样品所属时代与层位等。另外,岩石薄片基本信息记录中还包括了薄片所有者的姓名与工作单位,和与这些薄片解释相关的出版文献ID,以便有进一步研究计划的同行可以查阅已经发表过的文献,或联系薄片持有者开展未来的合作等。

表1

岩石薄片样品信息表(示例)

出版文献ID

地理位置

剖面名称

样品/剖面纬度

样品/剖面经度

群/组

时代

薄片所有者

市/县-村/山/河/湖

Zhang, S., Hu, X., Han, Z., Li, J., Garzanti, E., 2018. Climatic and tectonic controls on Cretaceous-Palaeogene sea-level changes recorded in the Tarim epicontinental sea. Palaeogeography, Palaeoclimatology, Palaeoecology 501, 92-110.

中华人民共和国

新疆维吾尔自治区

克孜勒苏柯尔克孜自治州,阿克陶县,克孜勒陶乡,其木干村

齐木根剖面b

38°25′ 56.26″

76°23′ 41.86″

齐姆根组下段

坦尼特阶-伊普里斯阶

胡修棉、张世杰

注:“出版文献ID”为可根据鉴定者的实际需求选填;其余部分如果存在,则必填。

此外,岩石薄片本身还包含两部分信息:一是可重复观测的图像的信息,例如薄片显微图像、以及上文介绍的岩石薄片的基本信息等;另一方面是人为判断或推断出的间接信息,例如每一个薄片的描述和定名,对于岩石薄片间接信息获取的主要参考标准和流程见下文。

2 沉积岩显微图像信息收集标准

[

编辑

]

2.1 沉积岩薄片的定名依据

[

编辑

]

岩石薄片的鉴定首先需要依据薄片的观察结果,将其划分为不同的岩石类型(图3)。

灰岩(表2)与砂岩(表3)等鉴定表中共有的“岩类”一项是

指岩石类型包括“砾岩”“砂岩”“灰岩”“粉砂岩”“泥页岩”“白云岩”“蒸发岩”“硅质岩”“混积岩”等沉积岩大类(图3)。本专刊的岩石类型以灰岩、砂岩为主,混积岩、粉砂岩、白云岩、泥页和蒸发岩等仅零星出现,因此,本专刊设计的标准和录入表格主要是针对灰岩和砂岩等。

图片

图3

沉积岩基本分类图

本专刊中灰岩的命名规则,采用Embry和Klovan在Dunham(1962)[1] 的基础之上所进行修订后的推荐方案[2] ,主要根据岩石样品中的颗粒与胶结物含量、颗粒类型、支撑方式以及原地生物的粘结堆积方式进行命名(图4A)。

对于砂岩的分类命名,采用四组分分类法。首先采用简化的Garzanti (2016)砂岩分类命名法[3-4] (图4B),根据石英、长石、岩屑相对含量关系以及含量是否小于10%,直接得到石英砂岩、岩屑石英砂岩、长石石英砂岩、长石砂岩、岩屑长石砂岩、石英长石砂岩、岩屑砂岩、石英岩屑砂岩、长石石英砂岩等9类砂岩的基本名称。然后依据杂基含量是否超过15%,分为杂砂岩和(净)砂岩两类,例如石英(净)砂岩、石英岩屑杂砂岩等[4] 。这种砂岩分类与定名标准不需要具体估算含量,不仅容易使用,且大幅降低了人为因素产生的误差。

对于碳酸盐和陆源碎屑的混合沉积岩,则采用Mount(1985)提出的分类命名方案[5] (图4C),即依据硅质碎屑颗粒、非碳酸盐泥、碳酸盐颗粒和碳酸盐灰泥四个端元含量的相对多少进行划分。

图片

图4

灰岩(A)、砂岩(B)和混积岩(C)分类命名方案灰岩命名方案综和Embry and Klovan (1971)和Dunham灰岩分类命名法[2],砂岩采用简化的Garzanti (2016)砂岩分类命名法[3],混积岩采用Mount (1985)分类命名法[5]。

2.2 灰岩薄片显微图像信息收集标准

[

编辑

]

灰岩的鉴定表首先描述灰岩细分的类型(表2)。综合国际流行的Dunham 1962分类方法,以及Embry and Klovan(1971)的补充分类,灰岩可分为异地灰岩(具颗粒结构)、原地灰岩(具生物结构)和结晶灰岩(具重结晶结构)三大类(表3)。使用者可按照灰岩类型选择表头进行填写,如具有颗粒结构的异地灰岩仅需填写颗粒结构部分的表头(表2);具有生物结构的原地灰岩仅需填写生物结构部分的表头;具有重结晶结构的结晶灰岩要根据结构是否残余选择表头,对于没有结构残余的重结晶结构则只需填写重结晶结构表头。

表2

灰岩(包含混积岩)薄片鉴定表(示例)

薄片原始编号

岩类(未特殊标注者皆为灰岩)

岩石名称

颗粒结构或残余颗粒结构

碳酸盐颗粒类型

填隙物类型

填隙物含量

颗粒支撑关系

'

>2'

mm颗粒支撑关系

灰岩:Dunham分类;混积岩:Mount, 1985

颗粒类型

颗粒含量

颗粒总含量

颗粒粒度

颗粒分选

颗粒保存程度

>2mm颗粒含量

15QM01

泥晶灰岩

海百合碎片

5%

5%

1–2 mm

半自形

灰泥

94%

基质支撑

浮游有孔虫

<1%

<0.1mm

自形

颗粒粒度、颗粒分选、颗粒保存程度、>2mm颗粒含量为可根据鉴定者的实际需求选填;其余部分如果存在,则必填。

表2

(续)

颗粒结构或残余颗粒结构

重结晶结构

固着生物结构或残余生物结构

补充描述

>2mm颗粒支撑关系

晶粒大小

晶粒结构

晶粒自形程度

主要固着生物类型

生物结构

生物建造类型(野外观察)

特殊颗粒

胶结物组构

沉积结构

沉积构造

成岩作用

其它

类型

含量

陆源碎屑

1%

生物扰动

注:“生物结构”(不含)之前的项目如果存在,则必填;其余部分为可根据鉴定者的实际需求选填。

灰岩中的颗粒粒径超过2 mm的

颗粒含量

估计是定名的必要条件,本专刊中颗粒含量计算方法如下:>2 mm颗粒含量与颗粒总含量计算相互独立,颗粒总含量为样品中列出的所有类型颗粒含量总和;而>2 mm颗粒含量则是所有类型的颗粒直径大于2 mm的含量总和。例如某薄片中含有双壳碎片和有孔虫,双壳碎片总含量为20%,其中>2 mm的双壳碎片含量为5%。有孔虫总含量为25%,其中>2 mm的有孔虫含量为10%。那么颗粒总含量为45%,>2 mm颗粒含量为15%。

灰岩薄片鉴定表(表2)中

“颗粒保存程度”

一项的分类方案采用余素玉(1989)分类标准[6] (图5),分为自形,半自形,砂砾级他形,粉级他形;“

填隙物类型

”则包括泥晶和亮晶,其中泥晶粒度采用Embry和Klovan(1971)灰岩分类方案[2] 中的定义,即粒径小于0.03mm的方解石颗粒;“

晶粒大小

”采用曾允孚(1986)灰岩分类的标准[5] ;“

晶粒结构

”和“

自形程度

”采用Fridedman (1965)的标准;“

生物结构划分方案

”采纳Embry和Klovan(1971)灰岩分类中的方案[2] (图4A);“

生物建造类型

”采用曾允孚(1986)灰岩分类[7] 的标准(表2);“颗粒

分选

”采用Jerram(2001)的分类[8] ,基于在薄片中体积频率球体处于对数-正态三维分布,得出的在薄片中表示分选性的视觉比较器,包括分选极好、分选好、分选较好、分选中等,以及分选差等5类(图6)。

图片

图5

生屑颗粒保存程度判别标准[

6

]

图片

图6

表示岩石薄片分选性的视觉比较器[

8

]

2.3 砂岩薄片显微图像信息收集标准

[

编辑

]

碎屑岩的描述主要侧重于颗粒组分(颗粒类型、相对含量等)、填隙物特征(陆源杂基、灰泥、亮晶方解石等)、特殊的结构构造,成岩作用等(表3);其中,容易因人而异的颗粒结构(磨圆、分选等)的判断信息暂时未收录,这部分信息未来可以借助计算机人工智能技术,在显微图像上依据统一设定的标准进行读取。

需要注意的是,砂岩薄片鉴定表(表3)中颗粒成分描述部分的“

岩屑类型&情况

”是填写显微镜下发现的岩屑类型及其在总岩屑中的占比情况,可以用岩屑代号(见表4)进行填写;“

杂基含量

”是指粒径小于0.03 mm的细小碎屑占显微图像视域的百分含量[4] ,只需判断是否存在和含量是否过15%,包括“≥15%”“<15%”和“不适用”3种下拉选项;“

胶结物类型

”为选填项,碎屑岩中有可能出现硅质、钙质、铁质、黏土质等胶结物;

“成岩作用”

选填项则用于记录可能观察到的压实作用、压溶作用、胶结作用、交代作用、重结晶作用、溶解作用等沉积岩成岩现象;为了方便非砂岩薄片显微图像收录或补充描述,此表格专门设计了一项

“其他”

供学者进行补充填写。

表3

砂岩薄片鉴定表内容

薄片原始编号

岩类

岩石名称(Garzanti, 2019)

颗粒成分描述

杂基含量

补充描述

超过10%的主要颗粒

QFL含量关系式

岩屑类型&情况

胶结物类型

成岩作用

其他

15TY78

砂岩

岩屑石英砂岩

Q、L、F

Q>L>F

Lv和Lsc绝对主导

<15%

钙质

生物碎屑和Lsc为内碎屑

注:“补充描述”的内容为可根据鉴定者的实际需求选填;其余部分如果存在,则必填。

表4

碎屑颗粒缩写代号参数表(修改自Ingersoll et al. [

9

] )

缩写符号

英文全称

定义

Qm

Monocrystalline Quartz

单晶石英

Qp

Polycrystalline Quartz

脉石英等多晶石英

Q

Total quartz

石英 (=Qm+Qp)

Pl

Plagioclase

斜长石

Kf

K-Feldspar

钾长石

F

Feldspars

长石(=Pl+Kf)

Lv

Volcanic rock fragments

火山岩岩屑

Lu

Ultrabasic rock fragments

超基性岩岩屑

Ld

Detrital lithic fragments

碎屑岩岩屑

Lc

Carbonate lithic fragments

碳酸盐岩岩屑

Cht

Chert

硅质岩岩屑

Ls

Sedimentary lithic fragments

=Lc+Ld+Chert

L

Lithic fragments

=Ls+Lv+Lm

Lt

Total lithic fragments

=Ls+Lv+Lm+Qp

Mat

Matrix

基质

Acc

Accessory minerals

重矿物

Cc

Calcite

亮晶方解石胶结

FeO

FexOy

铁质胶结

2.4 混积岩薄片显微图像信息收集标准

[

编辑

]

陆源碎屑岩中的碳酸盐组分大于10%,或者碳酸盐岩中的陆源碎屑组分大于10%才被称之为混积岩[5] ,故在混积岩的薄片显微图像信息收集标准中,必须既要客观描述其碳酸盐组分的特征,又要详实的记录其陆源碎屑岩的组分特征。在本次的标准制定中,我们推荐使用灰岩薄片的显微图像信息收集标准来对混积岩进行记录与表述,这样决定主要依据以下因素:(1)灰岩的图像收集信息标准中,对碳酸盐岩颗粒和胶结物都有较为详细的统一记录格式,可以满足混积岩中关于灰质部分的详细表述;(2)灰岩图像收集信息标准中的补充描述部分,提供了特殊颗粒的表头,不仅可以表述陆源碎屑的含量,还可以对胶结物、沉积结构、沉积构造、成岩作用及其它特征进行补充,可以满足陆源碎屑的一般描述;(3)由于碳酸盐岩的颗粒类型复杂,所以使用灰岩的标准比使用碎屑岩的标准对混积岩信息的描述更为便利全面;(4)虽然混积岩在自然界和地质历史时期的样品中都是非常普遍的,但其出现在碳酸盐岩剖面或者砂岩剖面中时,却又是相对有少量的,因此将非常有限的混积岩专门挑选出来另建标准,对于使用鉴定报告也会带来麻烦。

对于混积岩的记录,首先需要在灰岩鉴定表的“岩类”一项中指明其为混积岩。然后可以根据混积岩分类命名方案(图4C)对混积岩进行详细命名。混积岩中的硅质碎屑颗粒、非碳酸盐泥、碳酸盐颗粒和碳酸盐灰泥四个端元的含量是定名的必要条件,因此必须参考灰岩的颗粒与胶结物描述原则进行详细记录。而硅质碎屑颗粒与非碳酸盐泥的表述,需要在补充描述部分的特殊颗粒的表头下,对陆源碎屑的含量、胶结物、沉积结构、沉积构造、成岩作用及其它特征(如岩屑组分等)进行记录。由于碳酸盐岩和陆源碎屑岩部分的鉴定内容已经在上面进行过了详细的讨论,在此就不再赘述。

2.5 数据的兼容性说明

[

编辑

]

这批岩石显微图像数据集以岩石显微图像集为主,兼有野外地质信息、岩石薄片信息、岩石剖面信息等数据集共同组成。相对完整的信息集能够很好地全面展示岩石显微图像各个方面的基本信息,这些信息也能有效地协助实现与其他类型的数据集进行关联或兼容。

这批高清的岩石显微照片的格式很容易进行相互转化,依据计算机读取便利性、储存方便、科普教学等不同目的可以转化成各自所需要的图片格式。

此外,这批数据集存在多个数据接口,能够很好地和不同领域的研究或应用进行关联,这种关联性的兼容将有利于数据集的推广使用。例如,包含的自然地理位置或GPS可以和大地构造研究或社会生产实践进行有效连接,而地层单元或时代等信息则可以和地质学基础研究进行连接。

3 潜在价值

[

编辑

]

这些标准虽然是基于砂岩和灰岩等常见的沉积岩类提出的,但这些标准可以为后面更多其他类型岩石、矿物、矿产等显微图像的统一格式与数据共享提供借鉴。

目前收集的信息是一手的原始数据。数据表中包含不同项目列的信息描述,依据这些收集的基本信息,便于对岩石显微图像集进行有效分类或筛选。

而地理位置信息以及薄片所有者等内容的提供,便于同行间开展进一步研究或者合作研究,这些数据的公开与共享将利于地学的交叉合作研究和深化研究。

致 谢

[

编辑

]

感谢南京大学地球科学与工程学院胡修棉教授团队其他成员对显微图像数据集建设标准的充分讨论与富有建设性的意见。本文受国家杰出青年基金项目(41525007)和国家重点研发计划(编号:2018YFE0204201)共同资助。

参考文献

[

编辑

]

显微成像技术_显微图像分析 | 徕卡显微系统

在显微图像分析中运用机器学习技术

轻松进行图像分割,即时获得可靠的结果:训练您自己的机器学习模型,实现快速且可重复的图像分析工作流程

显微成像技术最近取得了令人振奋的进展,因此,在生物医学研究中采集的图像数据无论质量还是数量都呈指数级增长[1,2]。但是,分析日益复杂的大型图像数据集以提取有意义的信息可能是一个既枯燥又 耗时 的过程,而且容易出现人为误差和偏差,这经常给许多研究人员造成生产效率瓶颈。

图像分割

图像分割

是将一幅数码图像分离成多组像素(也称为图像片段或图像对象)的过程,它是进一步分析图像以定位特定感兴趣对象的先决步骤。

目前,图像分割是显微镜图像分析领域的主要挑战之一,因为该过程需要耗费大量人力,并且容易出现观察者内差异和观察者间差异。

好消息是机器学习算法的最新发展使得显微图像分析比以往任何时候都更容易,最终为科研中的显微镜图像处理开辟了一条快速的无偏性途径。

为什么在显微图像分析中运用机器学习技术?

在显微成像中,一幅图像抵得上千言万语,但前提是我们能够从中提取有意义的数据。手动分析显微图像可能是一个漫长而枯燥的过程,而且容易出现人为误差和偏差。

使用机器学习算法进行自动图像分析时,会通过专用软件从数码显微镜图像中提取特定数据。机器学习算法可以经过训练来识别图像中的特定对象、模式和形状,收集定量信息,从而优化并加快图像分析。 

运用人工智能(AI)技术分析显微图像具有许多重要优势,包括:

1.节省大量时间

使用机器学习算法,研究人员可以快速分析大量的图像集,从中提取有意义的信息,所需时间只是手动图像分析所需时间的一小部分。

2.简化工作流程

自动图像分析可简化工作流程,因为您只需提供要分析对象的示例,而不必提供用来定义这些对象的具体参数(如强度阈值、尺寸范围等)。

3.提供可靠的无偏性结果

手动图像分析容易出现人为误差,而人工智能辅助分析则可确保提供高精确度的无偏性结果。

自动图像分析法的工作原理是什么?

那么,机器学习究竟是什么?自动图像分析法的工作原理是什么?

机器学习

是人工智能(AI)的一个分支,目的是创建能够自动学习并提高准确度的算法。总的来说,在显微图像分析中使用机器学习时,首先要用数据对专门的软件进行训练,使其做出准确的预测。在此过程中,系统首先学习从数据中提取相关特征。然后利用这些信息自行对新数据做出判断。

在实践中,这意味着您可以训练软件如何为您分割图像,使它学会自行正确识别相关的图像片段,并提供您所需要的输出。

一旦经过训练,算法就能够准确地重现与人类用户相同的输出,并且将相同的分割模式应用于其他图像。

要使用机器学习算法自动分析图像,您只需执行以下三步:

1.训练算法

通过提供示例(例如标记背景与有用的结构)来训练软件如何分割您的图像。

2.预览

为确保对机器学习模型进行最佳训练,您可以预览结果并在必要时提供更多示例或修改输入。

3.加载您的图像并获得您需要的结果

现在,您可以使用模型对图像进行自动分析,获得期望的结果。

APX100 | 数字成像系统 | 奥林巴斯生物显微镜

Loading...

概述

应用图像库

APX100显微镜支持多种玻片、培养皿和微孔板研究成像应用。使用随附的成像方法(如多通道、拼接、延时和Z堆栈采集)的任意组合来适应您的研究方案。

查看图像库

持续专注于您的研究

APX100多功能显微镜的智能样品导航器和快速自动对焦使您能够减少用于搜索样品的时间,将更多的时间用于收集数据。

小鼠肾脏。Alexa Fluor 488 WGA、Alexa Fluor 568 Phalloidin、DAPI。

几次点击即可获得出版级质量的图像

APX100显微镜制造时采用了与我们的高端系统相同的优质光学元件和技术,因此您可以对图像质量充满信心。

快速、高效的显微镜数据管理

系统有序整理数据并保存采集参数以供日后参考。

应用技术

自动样品探测

将样品放入样品托架中,智能样品导航器会自动采集宏观微距图像。随后AI会在玻片上定位您的样品,并自动将其定位在物镜上方,以便您可以选择观察方法并立即开始采集图像。

简单布局和工作流程可最大限度地提高效率

APX100显微镜设计简洁,使用简单,只需上样、合上盖子并按下按钮。

清晰的软件布局和精简的工作流程

只需很少的培训即可开始成像

高速自动对焦

凭借比传统自动对焦算法快十二倍的自动对焦,您可以快速定位成像平面。

先进的光学技术

我们先进的光学技术可让您灵活地在许多研究应用中采集高质量图像。

使用前沿的奥林巴斯光学系统——包括屡获殊荣的X Line和硅油浸没物镜

六位物镜转盘可实现通过点击按钮在多个放大倍数下进行观察

使用高显色LED进行出色的透射光成像,并使用宽带LED荧光光源

新增高质量单色摄像头,并通过准确的颜色渲染查看精微细节

渐变对比度

在多孔板中的孔边缘采集清晰图像可能是一项挑战。哪怕使用倾斜对比度,对比度也很差,并且DIC与塑料容器的兼容性不佳。采用我们独特的渐变对比度方法,您可以在比传统方法更宽的区域和更高的对比度下采集清晰的图像。

兼容任何奥林巴斯物镜

受弯月面、容器盖和水滴影响较小

可与玻璃和塑料底培养皿以及多孔板一起使用

可通过皮氏培养皿和多孔板的塑料盖成像,从而降低了污染的风险

通过渐变对比度法采集的大鼠大脑

通过渐变对比度法采集的小鼠肾脏

采用电动球面像差校正的更清晰图像

通过系统的电动球面像差校正功能,快速而又简单地考虑盖玻片的厚度。

不再需要手动校正环调整

电动调节器易于设置和控制

选择适合玻璃或塑料容器的预设或进行自定义调整

提高图像清晰度的工具

防光漂白模式

APX100系统的防光漂白模式可将曝光和光毒性降至最低。荧光照明器仅在采集图像所需的时间内发出激发光。然后,屏幕上会显示静态图像,为测量或评估采集提供时间。

减少相衬成像中的光晕效应

系统可以减少相衬观测中有时可见的晕状伪影,从而使样品结构更易于观测。

不均匀样品自动校正

内置的聚焦点贴图允许您为成像设置不同的焦平面,同时还可以校正样品倾斜。即使对于较厚、不均匀的样品,也可以获得无焦点位移的清晰拼接图像。

A Line 20倍塑料容器用物镜

A Line 20倍相衬物镜(UCPLFLN20XPH)的数字孔径为0.7,能够对塑料培养皿中的细胞进行明场、高分辨率成像。

实验数据管理与分析

图像组织有序且易于查找

APX100显微镜有专门的系统用于组织和存储数据。当您采集图像时,软件会自动为每个样品创建文件夹,并将数据保存到正确的文件夹中。一致的索引使您的数据组织有序且易于查找。

调用图像采集设置

APX100系统将所有重要的采集设置与图像数据一起保存,便于调用实验条件。

加速研究的图像处理和分析功能

我们先进的cellSens图像处理和分析软件可与APX100系统无缝配合,为您提供快速高效地处理和分析数据的工具。

cellSens图像分析

可选

cellSens软件许可证

提供了强大的分析能力。

TruSight反卷积

荧光模糊是用宽视野荧光显微镜对厚样本成像时面临的一个挑战。奥林巴斯的TruSight反卷积算法提高了图像质量,使您能够获得更高的信噪比、提高分辨率以及看到厚样本中更深层的位置。

大鼠大脑,染色剂:Hoechst、RPCA-Iba1、MCA-7D5、CPCA-GFAP

左:原始图像/右:使用TruSight进行了解卷积处理

Button

大鼠大脑,染色剂:Hoechst、RPCA-Iba1、MCA-7D5、CPCA-GFAP

左:原始图像/右:使用TruSight进行了在线去模糊处理

Button

规格

APX100系统有两种镜架选件可供选择——

标准单元配置

(APX100-SU)使用高性价比的内置单色相机来采集荧光图像数据,而

高端相机单元配置

(APX100-HCU)在单色相机路径上具有支持更宽视野相机选件的开放端口。

APX100-SU

APX100-HCU

显微镜

观察方法

明场、荧光、相衬、

渐变对比度

样品托架

玻片(3片)、35 mm培养皿(3个)、微孔板、常规

物镜

从25种可用物镜(4倍–100倍)中选择

六位电动物镜转盘

电动像差校正

一个电动位置、五个物镜标准位置

透射照明器

内置透射光科勒照明、高显色LED

聚光镜:WD 45 mm,包括PHL、PH1、PH2和PH3

载物台

带自动控制的电动XY轴载物台

聚焦

带自动控制的电动对焦

倍率切换器

彩色/单色0.5倍固定

彩色:0.5倍固定

单色:1倍、2倍

荧光

采用复眼透镜的荧光照明器

从18种镜组筒中选择;八位电动激发块反射镜转换器

高亮度导光光源(U-LGPS)、电动ND滤色镜转换器(100%、25%和6%)

微距光学系统

内置,0.07倍宏观微距光学元件

防震振机构

内置

相机

彩色相机

641万像素,1/1.8彩色CMOS

单色摄像头

641万像素,1/1.8单色CMOS

Hamamatsu ORCA Fusion (USB 3.0)

Teledyne Photometorics Prime95B (USB 3.0)

软件

操作软件

cellSens APEX

可选软件

延时CS-APS-TL-VF

孔板导航器CS-S-WN-VF

完整计数和测量CS-S-CM-VF

CI反卷积CS-S-DE-VF

可选单元

台上培养箱

可选

解决方案管理系统

可选

环境

重量

34.6 kg

35.3 kg

功耗

70瓦

*仅限APX100-SU/HCU

电源额定值

输入:AC 90–264 V,50–60 Hz

输出:DC 24 V/5 A

操作系统

Microsoft Windows 10 Pro(64位)

CPU

相当于Intel Xeon处理器W-1250(3.3 GHz,6核,12 MB 2666 MHz)

RAM(随机存取存储器)

16 GB或以上DDR4 SDRAM(ECC/无缓冲/16 GB)

硬盘

OS:256 GB或以上,数据:2 TB或以上

I/F

4个或以上USB 3(或2个USB 3.1 Gen1)端口,1个或以上RS-232C端口

显示器

超全高清1920×1080 *固定为全高清设置

511801000

Attention: Please enable JavaScript

Sorry, this page is not available in your country

在显微图像分析中运用机器学习技术 | 显微镜知识库 | 徕卡显微系统

那么,机器学习究竟是什么?自动图像分析法的工作原理是什么?

机器学习

是人工智能(AI)的一个分支,目的是创建能够自动学习并提高准确度的算法。总的来说,在显微图像分析中使用机器学习时,首先要用数据对专门的软件进行训练,使其做出准确的预测。在此过程中,系统首先学习从数据中提取相关特征。然后利用这些信息自行对新数据做出判断。

在实践中,这意味着您可以训练软件如何为您分割图像,使它学会自行正确识别相关的图像片段,并提供您所需要的输出。

一旦经过训练,算法就能够准确地重现与人类用户相同的输出,并且将相同的分割模式应用于其他图像。

要使用机器学习算法自动分析图像,您只需执行以下

三步

1.训练算法

通过提供示例(例如标记背景与有用的结构)来训练软件如何分割您的图像。

2.预览

为确保对机器学习模型进行最佳训练,您可以预览结果并在必要时提供更多示例或修改输入。

3.加载您的图像并获得您需要的结果

现在,您可以使用模型对图像进行自动分析,获得期望的结果。

显微镜摄像头_百度百科

显微镜摄像头

播报

编辑

锁定

讨论

上传视频

特型编辑

专门针对显微镜开发的输入设备

显微镜摄像头(Microscope Camera):是指专门针对

显微镜

开发的一种输入设备,仅用于拍摄显微镜中观察的样品图片。通过专用的适配器安放在显微镜的三目筒上,并由数据接口与成像设备相连,实现在成像设备中实时显示样品图片的目的。

中文名

显微镜摄像头

外文名

Microscope Camera

输出方式

AV VGA USB

显微镜摄像头

显微镜摄像头,也叫显微镜相机,是专门用于和显微镜结合来获取显微镜成像图像的光学仪器。按照所使用的图像传感器来分显微镜摄像头可分为CCD摄像头和CMOS摄像头(数字摄像头和模拟摄像头)2种。

显微镜摄像头是一种专门针对微观世界领域的成像仪器,和数码相机等使用的摄像头有很大的区别。同时显微镜摄像头也可以通过和PC链接,或结合专业的图像处理软件将显微镜观察到的样本微观图像输送出来,这非常有利于研究人员的对样本的研究。

普通的显微镜都只能通过眼睛进行观察,而当我们在镜下找到一个目标位置后再去找另外一个目标时,第一个目标的往往会因为移动样品之后很难再重新找到,这样就导致很多数据的丢失。有了显微镜摄像头就能把每次观察的样品图像记录下来用来做数据对比,这对于研究人员有非常大的帮助。

显微镜摄像头即克服了显微镜头与相机结合时的对焦技术问题,可以替换式的镜头设计概念,结合数码相机成熟的摄录影像功能,成为一机双用的

数码显微镜

显微镜摄像头具备高倍率显微功能、及优异的光学系统设计的显微镜模块,搭配指定选用的数码相机机种,便可实时输出影像至屏幕,以了解对象状况,作为实时判断或记录;使原本价格昂贵,并需受限于实验室等空间使用的复杂仪器系统,成为简单易于操作的手持装置(数码显微镜相机)。显微镜摄像头不仅突破传统在显微镜空间及操作上的限制,也扩展了相机的使用范围;让生活的惊奇与精彩画面,从数码相机轻松地延伸到

数码显微镜

相机镜头

下的微物世界。

显微镜摄像头

普通的显微镜都只能通过眼睛进行观察,而当我们在镜下找到一个目标位置后再去找另外一个目标时,第一个目标的往往会因为移动样品之后很难再重新找到,这样就导致很多数据的丢失,特别是当我们需要对这些数据进行比较的时候,因为没有原始数据进行对比使我们很苦恼。显微镜摄像头的研发成功解决了广大研究者的苦恼问题,通过显微镜摄像头抓取到每次观察的样品图像,这样就能很好的保存第一手的原始数据,不仅可以作为实验的数据进行对比,还能永久的保存下来作为一份有价值的参考数据。

显微镜摄像头在工业、农业、生物、医疗领域均有很重要的作用,主要用来配套生物显微镜、

金相显微镜

、扫描设备、监控设备使用。工业上,显微镜摄像头配合金相显微镜可以用来

[1]

工业材料的表面纹理。农业上,配合专业的光学设备用来

[2]

等。生物上,显微镜摄像头可用来很好的对

[3]

进行观测和分析。

[4]

等。

根据显微摄像头的数据接口进行分类:

USB接口

摄像头、IEEE1394a接口摄像头及GIGE接口摄像头。

USB接口摄像头

USB即“Universal Serial Bus ”,中文名称为

通用串行总线

。USB接口具有传输速度更快,支持

热插拔

以及连接多个设备的特点。目前已经在显微镜摄像头中被广泛采用。目前USB接口有三种:

USB1.1

USB2.0

USB3.0

。理论上USB1.1的传输速度可以达到12Mbps/秒,USB2.0可以达到速度480Mbps/秒,而USB3.0则高达5Gbps全双工(USB2.0则为480Mbps半双工)

USB接口摄像头

IEEE1394a接口摄像头

IEEE 1394

接口标准最早是由Apple公司开发的,最初称之为“FireWire”(火线),是一种与平台无关的

串行通信协议

。IEEE 1394是的一个高速、实时串行标准。它支持不经HUB(

集线器

)的点对点的连接,最多允许63个相同速度的设备连接到同一总线上,最多允许1023条总线相互连接。因为它可以进行点对点连接,所以各连接节点上设备都是在相同位点,也就相当局域

网络拓扑结构

中的“对等网”一样,而不是像客户/服务器(C/S)模式。

GIGE接口摄像头

GigE

[4]

最新引进的标准界面,GigE仍在定义设计中, 以1000MB以太网路为基准,它供给大约108MB连续带宽(和500MB以上的Camera Link相比),对於长度100公尺以上的标准,GigE最大的好处是讯号线加上电路规格或转换器长度可达1000公尺以上。

GIGE接口摄像头

许多现有的设备已经能够支持该标准了。例如,2008年6月,National Instruments发布了其首款用于PXI Express的高性能双千兆以太网接口。2011年,JPLY全新推出了一款配有标准GigE Vision数字接口的500万像素显微镜摄像头。

摄像头的工作原理大致为:景物通过镜头(LENS)生成的光学图像投射到

图像传感器

表面上,然后转为电信号,经过A/D(模数转换)转换后变为数字图像信号,再送到

数字信号处理芯片

(DSP)中加工处理,再通过

USB接口

传输到电脑中处理,通过显示器就可以看到图像了。

CCD摄像头的图像采集原理

从显微镜观察的图片来看,决定拍摄图像品质的主要是:像素和芯片

显微镜摄像头

像素

不同像素拍摄的图像

随着科技的发展,

奥林巴斯

现推出一款1200万像素的摄像头,但是否像素越高就能满足所有用户需求呢?

最佳的摄像头分辨率与镜头的N.A,光波长,摄像头芯片大小相关。根据图片品质要求,蔡司曾公布一种最佳分辨率的计算公式:

水平分辨率R(x)=N*A/Mobj.*X/Tv

垂直分辨率R(Y)=N*A/Mobj.*Y/Tv

显微镜摄像头

芯片

芯片(Sensor) 是组成数码摄像头的重要组成部分,根据

元件

不同分为

CCD(Charge Coupled Device,

电荷耦合元件

)和CMOS(Complementary Metal-Oxide Semiconductor,金属氧化物半导体元件)两种,CCD主要应用在高端摄影摄像技术方面,而CMOS应用于较低影像品质的产品中。

目前CCD元件的尺寸多为1/3英寸或者2/3英寸。也有1/1.8英寸的,在相同的分辨率下,元件尺寸较大的灵敏度比较高,成像效果也比较好。

CCD的优点是灵敏度高,噪音小,信噪比大。但是生产工艺复杂、成本高、功耗高。

CMOS的优点是集成度高、功耗低(不到CCD的1/3)、成本低。但是噪音比较大、灵敏度较低、对光源要求高。在相同像素下CCD的成像往往通透性、明锐度都很好,色彩还原、曝光可以保证基本准确。而CMOS的产品往往通透性一般,对实物的色彩还原能力偏弱,曝光也都不太好。

CCD和CMOS两者各有优点,实用情况也不一样,一般用于明场拍摄,对成像要求不是很高的,建议选择CMOS摄像头就可以了,但对于弱光拍摄用户来讲,特别荧光拍摄的用户,选择CCD摄像头则比较合适。

普通的显微镜需要添加显微镜摄像头,必须添加一个

数码显微镜接口

。如果是三目显微镜的话,就可以用第三目镜上面的标准C接口直接和显微摄像头的C接口连接(一般正规的厂家生产的显微摄像头都是标准C接口的)当然,添加摄像头后亦需添加一台电脑,这样也就是把普通的显微镜改造成一台高性价比的

数码显微镜

显微镜摄像头的连接示意图

显微镜成像软件

显微镜摄像头采集到的图像数据需要在成像设备(通常是计算机)中进行显示。计算机本身是无法进行显微视频的显示和预览的。完整的

显微镜成像系统

还需要专业的显微镜成像软件来显示和管理摄像头传输来的数据。

显微镜成像软件的功能包括数据解码,实时预览,摄像头参数调节,图像处理,图像保存等基本功能。针对不同应用领域,成像软件还需要其他的高级功能。在金相分析上,就需要成像软件有测量、颗粒分析、纹理分析以及完整的报表输出等功能。在血液

[5]

,精液

[6]

分析中,又需要形态学分析、自动计数等功能。对于观测大景深的物体需要景深扩展

[7]

功能,较大的物体又需要图像拼接功能。弱光,荧光环境,又需要成像软件有伪彩增强和荧光分析

[8]

等功能。

显微镜成像软件的好坏往往会影响到整个系统的成像效果。因为在选择显微镜成像软件时,需要根据不同的领域,不同的使用环境,选择合适的软件来配合摄像头的使用。

参考资料

1

毕革平, 林家明, 吴伯群. 金相显微镜数字化照相系统[J]. 材料工程, 2000, 5: 45-48.

2

邹修国. 基于计算机视觉的农作物病虫害识别研究现状 ①[J]. 2011.

3

刘红霞, 于坤, 黄智宏. 用于生物分类领域的显微成像新技术[J]. 1994.

4

郑清平, 周泽斌. 一款较适用于病理图像数字化处理的数码相机[J]. C, 2000.

5

戴春妮. 高光谱显微图像的特征提取与分类方法及其应用研究[D]. 华东师范大学, 2009.

6

李路明, 王立鼎, 任延同, 等. 可用于克隆技术的微操作系统构成原理的研究[J]. 光学 精密工程, 1998, 6(1).

7

韩海媚, 萧泽新. 基于 MTF 的显微物镜景深的仿真测量[J]. 红外与激光工程, 2008 (S1).

8

Digital Microscopy: Methods in Cell Biology[M]. Academic Press, 2007.

IC Capture - 适用于 Windows 的影像采集软件

我们使用必要的cookies和第三方内容(例如脚本库)来确保我们网站的功能。

我们仅使用其他cookies,例如衡量我们网站的访问频率和使用方式,前提是您明确地表示同意。

我们将跟踪技术用于行销目的,包括使用可能运用cookies、指纹、跟踪像素、IP位址和跨设备技术的第三方提供商。

点击

我同意

,即表示您同意上述流程并接受我们的隐私政策。 您可以随时透过点击

我不同意

撤回您的同意。

要重新打开此对话框,请点击任何页面页脚中的

GDPR 同意

版本说明

|

隐私政策

显微图像计算机采集在细胞培养中的应用-实验技术与管理2004年02期-手机知网

显微图像计算机采集在细胞培养中的应用

细胞培养中显微图像的存储 ,是利用倒置显微镜上的普通照相机胶片记录 ,费时耗力 ,安全性差。本文阐述用计算机图像采集卡 ,采集显微图像 ,改进了图像采集、存储方式 ,图像存储安全、快捷、微机化管理 ,提高了科研工作效率 ,取得了良好效果

上一篇: 深圳朗锐智建科技有限公司
下一篇: pcie图像采集卡