微注射中移液器尖端的動態(tài)檢測

朱高文

【摘要】? ? 微注射的成功率取決于移液器尖端的識別精度，針對在復(fù)雜環(huán)境中移液器末端難以準(zhǔn)確識別的問題，本文設(shè)計了一個移液器尖端動態(tài)檢測算法，首先設(shè)計一個感興趣區(qū)域獲取感興趣區(qū)域內(nèi)的圖像灰度值，然后通過Otus得到自適應(yīng)閾值，對圖像進(jìn)行二值化處理，遍歷輪廓上的所有點，得到輪廓的最左點即為尖端位置。

【關(guān)鍵詞】? ? 檢測? ? 輪廓? ? 深度

Research on Vision Tracking Strategy of Execution End Based on Image Segmentation Model

Abstract：The success rate of microinjection depends on the recognition accuracy of the pipette tip. Aiming at the problem of difficult to accurately identify the pipette tip in a complex environment， this paper designs a pipette tip dynamic detection and depth positioning algorithm. First， design an interesting The region obtains the gray value of the image in the region of interest， and then obtains the adaptive threshold value through Otus， performs the binarization process on the image， traverses all the points on the contour， and obtains the leftmost point of the contour as the tip position.

Keywords：Detection; contour; depth.

引言

隨著微納米技術(shù)的發(fā)展，微注射技術(shù)在生物工程、細(xì)胞工程、基因工程等諸多領(lǐng)域發(fā)揮著重要作用[1-3]。然而，目前在復(fù)雜環(huán)境下精確定位移液器尖端仍然具有一定難度。移液管尖端的平面位置誤差會使移液管無法移動到細(xì)胞上方。近年來，在改進(jìn)移液器定位誤差方面已經(jīng)取得了一些成果。2008年，王文輝提出了一種貼壁細(xì)胞快速注射系統(tǒng)[4]。在該系統(tǒng)中進(jìn)行了噴射尖端的接觸測量。此外，該系統(tǒng)還實現(xiàn)了深度定位。2012年黃海波采用canny邊緣檢測算法對移液器尖端進(jìn)行定位[5]。2014年，Gabriele Becattini提出了貼壁細(xì)胞的全自動注射系統(tǒng)[6]。在該系統(tǒng)中，首先進(jìn)行移液器尖端的粗定位，然后進(jìn)行在十字模板的幫助下實現(xiàn)了尖部的精確定位。

本文提出了一種實現(xiàn)移液器尖端動態(tài)檢測方法。為了動態(tài)檢測移液器尖端，首先在圖像中設(shè)置感興趣區(qū)域（ROI）。然后識別當(dāng)前圖像中尖端的輪廓并定位尖端的平面位置，接著在下一幅圖像中重置感興趣區(qū)域，重復(fù)上述操作實現(xiàn)移液器尖端的動態(tài)檢測。

一、系統(tǒng)設(shè)置

本文系統(tǒng)由奧林巴斯體式顯微鏡、二維電動運動平臺、ccd相機(jī)和三自由度的微操縱器組成。二維電動平臺在x和y方向的定位分辨率為1um，微操縱器的定位精度是100nm，ccd相機(jī)通過視覺將末端位置反饋給計算機(jī)，ccd相機(jī)的反饋速度是15fps/s，系統(tǒng)實驗裝置如圖1所示。

二、 尖端位置的識別

本文通過識別尖端輪廓來確定尖端在圖像中的位置，操作流程圖如圖2所示。首先在原始圖像中設(shè)置感興趣區(qū)域，然后識別吸液管尖端輪廓，最后繪制吸液管輪廓并標(biāo)記吸液管尖端。

2.1? 設(shè)置ROI和過濾

整個圖像的處理需要大量的計算量，本文采用設(shè)置ROI的方法提高算法的識別效率和準(zhǔn)確率，在本文中感興趣區(qū)域應(yīng)該包含微移液器，設(shè)置的ROI區(qū)域如圖3所示。

在獲取ROI圖像后需要進(jìn)行相應(yīng)的預(yù)處理，首先利用高斯低通濾波器對圖像就行濾波，然后通過ROI圖像灰度值得到灰度直方圖。

2.2? 圖像閾值的設(shè)定

在得到吸管尖端輪廓之前，我們通過設(shè)置一個灰度閾值對圖像進(jìn)行二值化處理。因為圖像的增益和亮度會隨著實驗環(huán)境的變化而變化，因此，閾值不可能是恒定的。需要根據(jù)圖像灰度的變化來設(shè)置自適應(yīng)閾值。

本文采用Otsu方法得到自適應(yīng)閾值[7]。將圖像的灰度值與閾值進(jìn)行比較，對目標(biāo)圖像和背景圖像進(jìn)行分割。目標(biāo)由灰度值小于閾值的像素組成。背景像素的灰度值大于閾值。目標(biāo)與背景的差異越大方差越大，圖像分割的錯誤概率越小，方差可以計算如下：

g是圖像的方差，w0 目標(biāo)像素占圖像總像素的比例，w1背景像素占圖像像素的比例，u0是目標(biāo)區(qū)域的平均灰度值，和u1為背景區(qū)域的平均灰度值。方差隨適應(yīng)閾值而變化，產(chǎn)生最大方差的閾值即為最優(yōu)閾值。

2.3? 尖端輪廓的提取與尖端定位

圖像二值化后，二值化圖像中有許多輪廓，包括吸管尖端輪廓和雜質(zhì)輪廓。為了得到尖端輪廓，有必要進(jìn)行特征分析。尖端輪廓是ROI中最大最長的輪廓。通過計算輪廓的長度和面積對輪廓進(jìn)行排序和過濾。那么最大的輪廓將是吸管尖端輪廓。

尖端輪廓由一系列的點組成。為了獲取平面位置信息，需要對點進(jìn)行迭代和排序。在二值化后的圖像中，尖端的位置位于尖端輪廓的最左側(cè)。也就是說，尖端是尖端輪廓中坐標(biāo)X最小的點。如果最左邊的點不只有一個，比較這些點的坐標(biāo)Y，坐標(biāo)Y位于這些點中心的點被認(rèn)為是尖端。

三、結(jié)果分析

在實驗中，使用OpenCV（開源計算機(jī)視覺庫）編寫了控制微注射系統(tǒng)的程序。通過特征分析對移液器圖像進(jìn)行處理，得到移液器尖端在X、Y方向的坐標(biāo)。。圖5表示在10倍放大倍率下采集的移液器圖像，紅點表示尖端位置，尖端識別定位結(jié)果如圖5所示。

四、結(jié)論

為了提高顯微注射實驗的效率和成功率，本文提出了一種針尖識別與定位的方法。通過設(shè)置實時感興趣區(qū)域和輪廓識別，動態(tài)檢測移液器尖端。實驗表明，該方法可以在一定范圍內(nèi)準(zhǔn)確控制微注射中尖端的位置。尖端識別的成功率可達(dá)92%。

參? 考? 文? 獻(xiàn)

[1] Luxardi G， Reid B， Ferreira F， et al. Measurement of Extracellular Ion Fluxes Using the Ion-selective Self-referencing Microelectrode Technique[J]. Jove-Journal of Visualized Experiments， 2015 （99）.

[2] Tamadazte B， Piat N L， Dembele S. Robotic Micromanipulation and Microassembly Using Monoview and Multiscale Visual Servoing[J]. IEEE-ASEM Transactions on Mechatronics， 2011， 16（2）： 277-287.

[3] Yim S， Miyashita S， Rus D， et al. Teleoperated Micromanipulation System Manufactured by Cut-and-Fold Techniques[J]. IEEE Transactions on Robotics， 2017， 33（2）： 456-467.

[4] Wang W H， Sun Y， Zhang M， et al. A system for high-speed microinjection of adherent cells[J]. The Review of scientific instruments， 2008， 79（10）： 104302-104302.

[5] Huang H， Sun D， Su H， et al. Force Sensing and Control in Robot-Assisted Suspended Cell Injection System[J]. Intelligent Systems Reference Library， 2012， 26：61-88.

[6] Becattini G， Mattos L S， Caldwell D G. A Fully Automated System for Adherent Cells Microinjection[J]. IEEE Journal of Biomedical & Health Informatics， 2014， 18（1）： 83.

[7] Otsu N. A Threshold Selection Method from Gray-Level Histograms[J]. IEEE Transactions on Systems Man & Cybernetics， 2007， 9（1）： 62-66.