Ontmoet "Iris" , Onze snelle, automatische kolonieteller!
Ontworpen, gemaakt, gebouwd en geprogrammeerd “in house” bij AAA Lab Equipment BV.
The solutions contain the latest robotics and machine learning technologies
- Betrouwbaar
- Consistent
- Compact
- Uit te breiden
- Toekomst bestendig
- Reflectieloos
- Goede ondersteuning
- Koppelbaar aan uw LIMS
Hoe werkt Iris?
Iris is gemakkelijk in gebruik, je hoeft er niet over na te denken en je hoeft niet in te stellen. Het is een kwestie van trainen.
Bekijk hier hoe gemakkelijk het is , start de video >>
Voor High-throughput labs samen met de “Irina”
Meer informatie? email Peter Krul
Scan
In het kort; als een analist een kolonie binnen 1,5 seconde op een afbeelding kan herkennen dan kunnen we een neuraal netwerk dit ook leren. Dit geldt ook voor het onderscheid tussen deeltjes/vuil en kolonies, en zelfs de reflecties van kolonies worden als zodanig herkend. Een neuraal netwerk word dus met de kennis en ervaring van de analist getraind. Een Neuraal Netwerk is alleen vele malen sneller.
Heeft u serieuze interesse laat u dan overtuigen door middel van een introductie traject.
Bij de start van dit traject worden in overleg twee Agar/micro-organismen combinaties gekozen waarop we twee neurale netwerken gaan trainen. Vervolgens worden er een aantal representatieve Petri schaaltjes gekozen om de camera en belichting op af te stellen. Aanvullend kijken we of er bestaande neurale netwerken beschikbaar zijn ter ondersteuning van het annoteren. Al deze instellingen worden als twee verschillende tests in de TrainingSet Creator opgeslagen. Met behulp van deze TrainingSet Creator maakt u afbeeldingen en annoteert deze. Op afstand begeleiden wij dit annoteren en kijken naar de kwaliteit van de annotaties en de balans en grootte van de dataset in zijn geheel. Na voltooiing trainen wij op basis van deze dataset een nieuw neuraal netwerk. Dit getrainde neurale netwerk zullen wij uploaden voor u om te evalueren in de Validatie webapp.
Deze is specifiek ontwikkeld om datasets te creëren voor het trainen van neurale netwerken. Met deze applicatie maakt u de afbeeldingen en plaatst u annotaties met of zonder de hulp van een bestaand neuraal netwerk. Het nemen van de foto’s kunt u in bulk doen zodat deze later geannoteerd kunnen worden of per stuk zodat u tijdens het annoteren de Petri schaal kan raadplegen.
Deze webapplicatie (intranet) is eenvoudig via elke webbrowser in uw netwerk te bereiken. Log in met gebruikersnaam en wachtwoord. Kies welke test/analyse u wilt gebruiken, voer een code in door deze in te typen of een barcode te scannen. Maak een afbeelding en annoteer direct, of maak een set afbeeldingen en annoteer deze. Geef op de validatie PC aan wat de false-positives en false- negatives zijn en valideer de afbeelding. Doordat dit een webapplicatie is maakt het niet uit waar het valideren gebeurd. Daarna wordt alle informatie in een Zipfile op de FTP-server beschikbaar gemaakt voor b.v. LIMS (in verschillende bestandsformaten).
‘iris’ solo
Is bedoeld voor laboratoria met kleine volumes of als vervanging van de traditionele automatische kolonie-tellers. Handmatig laden van Petri schalen.
Camera, A.I. server, FTP-server (LIMS data) en Validatie webapp
Voor 90mm en 60mm petrischalen en Petri film‘iris’ desktop
Op dit moment is deze in ontwikkeling.
Allround en flexibel, bedoeld voor laboratoria met middelgrote volumes.
Een industriële robot voor laden en scannen van Petri schalen.
Robot, Camera, A.I. Server, FTP-server (LIMS data) en Validatie webapp
Voor 150 mm, 90 mm en 60 mm petrischalen ook met ‘twist lock’ deksels en Petri-film.Irina platform met ingebouwde ‘iris’
Is bedoeld voor laboratoria met grote volumes.
Irina platform voor de verwerking van 540 petrischalen in circa 90 minuten. Irina platform, Camera, AI Server, FTP-server (LIMS data) en Validatie webapp Alleen voor 90 mm schalen.
Video's
In deze video kun je zien hoe je in een aantal seconden met onze revolutionaire artificiële intelligentie (AI) kolonie teller “Iris” het aantal aanwezige kolonies in een petrischaal geteld kan worden.