【技术实现步骤摘要】
本申请涉及微生物检测，具体是指基于人工智能的松材线虫核酸检测系统及检测方法。
技术介绍
1、在偏远林区，松材线虫（bursaphelenchusxylophilus）的监测与控制尤为关键，因为这种线虫能够迅速导致松树死亡，从而严重威胁森林生态系统的健康和林业经济的稳定，在这些区域，交通和基础设施的不便利将导致样本运送到实验室的时间延长，从而影响疾病管理决策的时效性；
2、目前，已经有多种的基于核酸的松材线虫检测方法被开发出来并投入到实际应用中，其中一些是基于pcr热循环扩增方法。但这些方法需要昂贵的仪器，在偏远林区的恶劣条件下不方便使用。等温扩增方法可以在一个温度下进行扩增反应，对设备要求小，成本低，特别适合在偏远地区使用，等温扩增技术种类有环介导的等温扩增技术（lamp）、交叉引物扩增技术（cpa）、依赖解旋酶的等温扩增（hda）、链替代扩增（sda）、滚环扩增技术（rca）、核酸依赖性扩增检测技术（nasba）等，其中应用最为广泛的环介导等温扩增（lamp），已被用于检测松材线虫具有较高的敏感性和特异性。但上述检测系统的缺点是需要两对引物，而且灵敏度太高，对环境要太高，很难做到操作环境绝对无污染，这样就很容易出现假阳性的结果，限制了上述方法的广泛使用。此外，随着人工智能技术的快速发展，特别是图像识别和机器学习领域，为松材线虫的检测提供了新的解决方案。
3、基于上述内容，亟待一种能够在偏远林区恶劣条件下进行松材线虫核酸检测的系统及检测方法。
技术实现思路
2、本申请通过下述技术方案实现：
3、基于人工智能的松材线虫核酸检测系统，包括信号连接的无人机模块与检测模块，所述检测模块包括搭载单元，且所述无人机模块置于搭载单元内，所述无人机模块搭载有图像采集单元，所述图像采集单元用于采集待测区域的图像信息，
4、所述检测模块还包括与所述图像采集单元信号连接的：图像处理单元，所述图像处理单元接收到图像信息后处理得到带有松材线虫罹病木的边界图像；控制单元，所述控制单元用于控制无人机模块按照预定轨迹飞行；等温扩增单元，所述等温扩增单元用于对生物样本进行核酸检测以识别松材线虫；样本分析单元，所述样本分析单元用于分析反应结果；交互单元，所述交互单元用于实现信息交互；其中，所述无人机模块内还设置有提取单元，所述提取单元用于提取边界图像外的生物样本，并在返回过程中完成生物样本的预处理。
5、基于人工智能的松材线虫核酸检测方法，包括以下步骤：步骤1，图像采集，通过交互单元向控制单元内输入预定轨迹，控制单元控制无人机模块按照预定轨迹飞行，并同步采集图像信息；步骤2，图像处理，步骤1进行过程中，所述图像处理单元处理得到带有松材线虫罹病木的边界图像；步骤3，样本处理，步骤2进行过程中，通过交互单元划定取样区域，并控制无人机模块在取样区域内通过提取单元采集生物样本；步骤4，样本提取，步骤2进行过程中，在无人机模块返回搭载单元过程中完成生物样本的预处理，并在返回后完成样本的提取处理；步骤5，样本检测，步骤4提取完成后，在等温扩增单元内完成生物样本的核酸检测；步骤6，样本分析，将步骤5中的检测结果反馈至取样区域内以表现松材线虫感染的范围和严重程度。
6、本申请与现有技术相比，具有如下的优点和有益效果：
7、1、本申请通过整合图像采集、处理、样本采集、提取、检测和分析等多个步骤，实现了自动化操作，减少了人工参与，提高了检测效率和准确性，成功用于在野外条件下进行待测区域松材线虫的核酸检测；
8、2、本申请通过将未经过上采样的还原更浅层的特征图以跨层级方式融入到深层网络中，减少下采样和上采样操作造成的信息损失，可以将更多的浅层细节信息融入深层网络，能更好地提升目标边界框回归的精度，从而提升模型的定位能力；
9、3、本申请能够生成不同尺度的候选区域，提高了对不同大小目标的检测能力，本申请中的候选区域生成与目标类别无关，使得它可以规避较多的边界模糊区域，同时，使用的损失函数有助于解决类别不平衡问题和优化边界框的预测精度。
本文档来自技高网...【技术保护点】
1.基于人工智能的松材线虫核酸检测系统，包括信号连接的无人机模块（2）与检测模块，所述检测模块包括搭载单元（1），且所述无人机模块（2）置于搭载单元（1）内，所述无人机模块（2）搭载有图像采集单元，所述图像采集单元用于采集待测区域的图像信息，其特征在于：
2.根据权利要求1所述的基于人工智能的松材线虫核酸检测系统，其特征在于：所述图像处理单元搭载有目标检测模型，所述目标检测网络包括级联的：
3.根据权利要求2所述的基于人工智能的松材线虫核酸检测系统，其特征在于：所述跨层强化单元引进有注意力模块，所述注意力模块采用并行子结构，包括1×1与3×3两个分支，且两个分支并行处理，对于任何给定的输入 ，将划分为个子特征，并以的形式表示，令，将通过学习得到的注意力权重用于增强每个子特征中感兴趣区域的特征表示，其中，
4.根据权利要求2所述的基于人工智能的松材线虫核酸检测系统，其特征在于：所述区域建议网络为基于RPN的二分支结构，一分支用于预测罹病木的所在的位置，采用Focalloss作为损失函数，且满足：；
5.根据权利要求1所述的基于人工智能
6.根据权利要求5所述的基于人工智能的松材线虫核酸检测系统，其特征在于：所述试剂盒与生物样本的总量为50μL，其中，生物样本为3μL，反应模板为3.2μL，无核酸酶水为11.8μL，复水缓冲液为29.5μL，醋酸镁为2.5μL；
7.根据权利要求5所述的基于人工智能的松材线虫核酸检测系统，其特征在于：
8.根据权利要求6所述的基于人工智能的松材线虫核酸检测系统，其特征在于：所述染料混合物为SYBR绿色I染料混合物，且与试剂盒、生物样本总量的比值为1：2，所述反应模板的阳性对照为松材线虫纯gDNA；所述反应模板的阴性对照为无菌双蒸水。
9.基于人工智能的松材线虫核酸检测方法，其特征在于：基于权利要求6所述的基于人工智能的松材线虫核酸检测系统，包括以下步骤：
10.根据权利要求9所述的基于人工智能的松材线虫核酸检测方法，其特征在于：步骤5中样本检测具体包括：将阳性对照作为反应模板，将3.2μL阳性对照、11.8μL无核酸酶水、29.5μL复水缓冲液、2.5μL醋酸镁放入碱性酶颗粒管中混合，再加入3μL生物样本的提取液，通过光学等温子单元在37℃以及紫外光的条件确定吸光度水平。
...【技术特征摘要】
1.基于人工智能的松材线虫核酸检测系统，包括信号连接的无人机模块（2）与检测模块，所述检测模块包括搭载单元（1），且所述无人机模块（2）置于搭载单元（1）内，所述无人机模块（2）搭载有图像采集单元，所述图像采集单元用于采集待测区域的图像信息，其特征在于：
2.根据权利要求1所述的基于人工智能的松材线虫核酸检测系统，其特征在于：所述图像处理单元搭载有目标检测模型，所述目标检测网络包括级联的：
3.根据权利要求2所述的基于人工智能的松材线虫核酸检测系统，其特征在于：所述跨层强化单元引进有注意力模块，所述注意力模块采用并行子结构，包括1×1与3×3两个分支，且两个分支并行处理，对于任何给定的输入 ，将划分为个子特征，并以的形式表示，令，将通过学习得到的注意力权重用于增强每个子特征中感兴趣区域的特征表示，其中，
4.根据权利要求2所述的基于人工智能的松材线虫核酸检测系统，其特征在于：所述区域建议网络为基于rpn的二分支结构，一分支用于预测罹病木的所在的位置，采用focalloss作为损失函数，且满足：；
5.根据权利要求1所述的基于人工智能的松材线虫核酸检测系统，其特征在于：所述等温扩增单元包括...
【专利技术属性】
技术研发人员：周晓奎，宋海亮，周洪垒，程洋，唐彬，
申请(专利权)人：四川杰莱美科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。