عنوان پایان‌نامه
بررسی کارایی ادغام داده های پردازش تصویری و اندازه گیری امپدانس محیط کشت جهت تعیین غلظت توده های سلولی در بیوراکتور های مینیاتوری
- رشته تحصیلی
- مهندسی شیمی- بیوتکنولوژی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه پردیس یک فنی شماره ثبت: 1260.;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 57276
- تاریخ دفاع
- ۲۸ دی ۱۳۹۱
- دانشجو
- محمدحسین افروز
- استاد راهنما
- قاسم عموعابدینی
- چکیده
- در فرآیندهای تخمیری پارامترهای وابسته به وضعیت رشد سلولی از اهمیت ویژه‌ای برخوردار هستند. در میان این پارامترها دانسیته سلولی و غلظت سلولهای زنده به دلیل داشتن رابطه‌ی مستقیم با میزان وکیفیت محصول نهایی از مهمترین پارامترها می‌باشند، بنابر این پایش بر خط این پارامتر فواید بسیاری خواهد داشت. اندازه‌گیری وزن خشک سلولی قدیمی ترین و موثق ترین روش برای اندازه‌گیری دانسیته ی سلولی می‌باشد، اما این روش به دلیل نیاز به نمونه‌گیری از محیط کشت و خشک کردن و توزین آن، برای پایش بر خط رشد سلولی مناسب نیست. در سال های اخیر روش‌های زیادی مانند: دانسیته نوری، اندازه‌گیری امپدانس، متابولیسم سلولی (OTR , CTR , RQ ) و پردازش تصویر برای سنجش بر خط رشد سلولی ارائه شده‌اند. همچنین امروزه برای کاهش وقت و هزینه‌ی تحقیقات فرآیندهای زیستی، فرآیندهای زیستی به سمت عملیات های موازی و کوچک مقیاس در حرکتند. از این رو کاربری روش‌های اندازه‌گیری در مقیاس های کوچک دارای اهمیت ویژه است. یکی از مناسب ترین و پر کاربرد ترین روش‌های اندازه‌گیری دانسیته سلولی، روش دانسیته ی نوری است که انطباق خوبی با وزن خشک سلولی دارد. اما این روش تنها در محدوده غلظت مشخصی خطی است و در غلظت های بالا‌تر نیاز به رقیق سازی دارد از این رو خودکار سازی این روش و استفاده از آن در پایش بر خط سلولی کاری پیچیده و دشوار است. روش پردازش تصویر نیز روش نسبتاً نویی برای پایش بر خط رشد سلولی است که در مقیاس های کوچک نیز قابل استفاده است. در این روش یکی از پارامتر های موجود در تصویر به‌عنوان ویژگی مورد بررسی از داخل تصویر استخراج شده و ارتباط میان آن ویژگی و غلظت سلولی را پیدا کرده و از روی تغییرات ویژگی موجود در تصویر غلظت تخمین زده می‌شود. میکروارگانیسم مورد استفاده در این کار ساکارومایسس سرویزیه می‌باشد، و پارامتر مورد بررسی در روش ارائه شده تغییر رنگ محیط کشت است. در این روش با استفاده از عدد رنگ نمونه‌ها و دانسیته نوری آنها مدلی با استفاده از شبکه عصبی ایجاد شده است که دانسیته نوری را از روی عدد رنگ نمونه تخمین می‌زند. این تکنیک روشی ساده، سریع و ارزان برای پایش رشد سلولی است که قابلیت استفاده برای پایش بر خط رشد سلولی را نیز دارد و برای استفاده در مقیاس های کوچک نیز بسیار مناسب است. نتایج به دست آمده همبستگی بالایی را میان مقادیر تخمینی و مقادیر تجربی (ضریب همبستگی ??/?) نشان می‌دهد، این نتایج از دقت و صحت روش ارائه شده حکایت دارد. روش سنجش امپدانس نیز روشی با قابلیت سنجش سلولهای زنده است که قابلیت استفاده در پایش بر خط رشد سلولی را دارد، همچنین قابلیت پیاده سازی در مقیاس های کوچک را نیز دارد. در این پروژه استفاده از این روش به صورت خارج خط و با استفاده از الکترودهای استاندارد معمول و با آرایش سه الکترودی، انجام گرفته است، نتایج ضریب همبستگی 97/0 را برای این روش نشان می‌دهد. ادغام داده‌های حسگری تکنیکی برای افزایش غنای نرم‌افزاری داده‌های حسگری و بالا بردن دقت آن می‌باشد. از این رو در این پروژه سعی شده است تا کارایی استفاده از ادغام داده‌های حسگری در مورد دو روش، پردازش تصویر رنگی و اندازه‌گیری امپدانس محیط کشت سلولی، با استفاده از تکنیک میانگین وزن دار مرتبه یافته بررسی شود. نتایج به دست آمده که افزایش ضریب همبستگی میان دانسته نوری پیش بینی شده و اندازه‌گیری شده را از 97/0 و 98/0 بترتیب برای روش امپدانس و روش پردازش تصویر به 99/0 پس از اعمال تکنیک ادغام داده‌ها نشان می‌دهد، از کارایی ادغام داده‌های روش پردازش تصویر و روش اندازه‌گیری امپدانس حکایت دارد.
- Abstract
- In the fermentation processes, dependent parameters to cell growth status are so important. Among these parameters, cell density and cell viability because of direct relation with amount and quality of final product are the most important parameters. Therefore online monitoring of this parameter is so beneficial for regulating growth steps and production conditions and achieving efficient production. Cell dry weight measurement is the oldest and most reliable method for cell density measurement, but this method need sampling, drying, and weighing, and for these reasons, CDW measurement is not suitable for online monitoring and small scales. In the recent years lots of method, like: optical density, metabolical methods (RQ, CTR, OTR), impedance measurement, image processing, have developed for cell growth online monitoring. These days, bioprocesses for reduction in time and expenditure of bioprocesses research are approaching small scale and parallel operations. Hence, the usability of measuring method in small scale is so important. One of the best methods for cell density measurement is optical density method, which has good correspondences with cdw measurement. But the response of this method is linear only in certain concentration range and in the higher concentration range need dilution, hence, the automatization and utilization of this method for on-line monitoring is so complicated and difficult. Image processing method is a relatively new method for on-line monitoring of cell growth which can be applied to small-scales. In this method, one of the image parameters extracted as analysis feature, and after finding of relation between that feature and cell density, cell density will be estimated from feature changes in image. In this work, S.cerevisiae used as analysis micro organism and the analyzed parameter is culture color. In this method a model has been developed by neural network from sample’s color number and OD. Our technique is a simple, rapid, and inexpensive method for monitoring of cell growth which can be applied for on-line monitoring of cell growth and also is suitable for using in small-scale. Results show good correlation (0.99) between method outputs and experimental measurement. Impedance method can determine cell viability and can be used for online monitoring of cell growth. Also it can be applied for small scales. In this work, Impedance method was performed off-line and with tree standard electrodes configuration. Sensor data fusion would enrich sensors data and consequently achieves better accuracy. So in this work I have tried to study proficiency of applying data fusion on image processing and impedance measurement data by using OWA technique. Results show higher correlation coefficient between estimated OD and measured OD after applying data fusion on two sensors output. Correlation coefficient increment can be a good validation for data fusion proficiency.
