去年，麻省理工学院机械工程系的Charlene Xia提出了一个预测和预防疾病在海藻养殖场传播的项目。海藻已经在东亚美食中很受欢迎，它作为世界不断增长的人口的可持续食物来源具有巨大的潜力。除了营养价值外，海藻还能对抗各种环境威胁。它通过吸收大气中多余的二氧化碳来帮助应对气候变化，还可以吸收化肥径流，保持海岸清洁。
与许多海洋生物一样，海藻也受到它有助于缓解的因素的威胁：气候变化。气候压力源，如温暖的温度或极少的阳光，会促进有害细菌的生长，如冰冰病。几天之内，整个海藻养殖场就会因不受控制的细菌生长而被摧毁。
为了解决这个问题，夏将这些海藻养殖场中存在的微生物群作为任何生物威胁的预测指标。
“我们的项目是开发一种低成本设备，通过监测环境微生物组，在疾病影响海藻或牲畜之前检测和预防疾病，”夏在麻省理工学院的新闻稿中说。
该团队将旧技术与最新的计算结合起来。他们使用潜水式数字全息显微镜拍摄二维图像。然后，他们使用称为神经网络的机器学习系统将 2D 图像转换为 3D 环境中存在的微生物组的表示。
“使用机器学习网络，您可以拍摄 2D 图像并几乎实时重建它，以了解微生物组在 3D 空间中的样子，”夏说。
该软件可以在可以连接到全息显微镜的小型 Raspberry Pi 中运行。为了弄清楚如何将这些数据传回给研究团队，夏利用了她的硕士学位研究。
在那项工作中，夏一直专注于开发小型水下通信设备，这些设备可以将有关海洋的数据传回给研究人员。与通常的 4,000 美元不同，这些设备的设计成本不到 100 美元，有助于降低那些有兴趣揭开我们海洋的许多奥秘的人的成本障碍。通信设备可用于中继来自机器学习算法的海洋环境数据。
通过将这些低成本的通信设备与显微图像和机器学习相结合，夏希望设计一个低成本的实时监控系统，该系统可以扩展到覆盖整个海藻养殖场。
标签：
版权声明：本文由用户上传，如有侵权请联系删除！