Hintergrundvorstellung

Bioaerosole, einschließlich Pilzsporen, stellen in den letzten Jahren eine zunehmende Gefahr für die Gesundheit von Menschen und Pflanzen dar, die dringend eine genaue Überwachung und Forschung erfordert. Derzeit sind in Europa Standards auf der Grundlage von künstlichen Beobachtungen von Hirst festgelegt worden, aber aufgrund der zeitaufwendigen, starken Abhängigkeit von Fachleuten, starker individueller Beeinflussung und langer Datenveröffentlichungszyklen können die Bedürfnisse von Forschern aus Bereichen wie Medizin, Atmosphärenphysik, Pflanzenschutz und anderen nicht erfüllt werden. Automatisierte Bioaerosolüberwachungsgeräte sind sehr erwartet.

Die automatisierte Überwachung von Bioaerosolen hängt weitgehend vom maschinellen Lernen ab, was diese Aufgabe jedoch aufgrund der Vielfalt der Partikelgröße, der Quelle, der chemischen Zusammensetzung usw. und der begrenzten Ausbildungsdaten herausfordernd macht. Um diese wissenschaftliche Lücke zu füllen, haben Wissenschaftler von zehn Forschungseinrichtungen wie der Universität für Angewandte Wissenschaften der Nordwestlichen Schweiz, der Universität Athen (National and Kaposistrian University of Athens) und der Schweizer Firma Swisens durch wissenschaftliche und gründliche Forschung eine umfassende Einführung in die Praxis der Kultivierung und Sammlung von Pilzsporenmaterialproben, der Erstellung von maschinellen Lerntrainingsdatensätzen und anderen Methoden zur Durchführung der Echtzeitüberwachung und Klassifizierung von Pilzen für weitere Instrumente zur Zählung von Luftpartikeln wie SwisensPoleno Jupiter usw. bereitgestellt.

Materialien und Methoden

Die Studie nutzte 17 Pilzsorten aus der belgischen Pilzprobenbank BCCM/IHEM für relevante Studien und untersuchte Schlüsselteile wie außerzubereitende Kultivierung, trockene Sporenernte, Aerosolversprühung, maschinelles Lernen und automatisierte Messklassifizierung mit Instrumenten, was den Fortschritt bei der automatisierten Überwachung und Identifizierung von Aerofax-Pilzsporen stark förderte.

Studien über Pilze, Medien, wie schwierig es ist, Sporen über den Sammler zu erhalten (0 bedeutet am wenigsten, 3 bedeutet am einfachsten)

sowie den mikroskopisch signifikanten Grad der Präsenz von mikroskopischen Mycelien und / oder anderen Partikeln in der Probe (Y bedeutet Präsenz, N bedeutet Nichtvorhandenheit).

PAD: Kartoffelglukoseagel; S10: Verdünntes Medium von Sando.

Darstellung eines Laborinrichts, das Pilzsporen zerstäubt und mit dem SwisensPolemo Jupiter gemessen wurde

Hologrammbilder (120x120 μm) von 17 in der Studie beteiligten Pilzarten sowie durchschnittliche Relativitätsdaten für jeden Pilz, die mit dem SwisensPoleno Jupiter gemessen wurden.

Die 17 Pilzsporen, die SwisensPoleno Jupiter beobachtet:

(A) Verwirrung Matrix von konvolutiven neuronalen Netzwerken, die nur durch holografische Bilddaten trainiert werden;

(B) Verwirrung der konvolutiven neuronalen Netzwerkerkennungsleistung Matrix durch Hologrammbild in Kombination mit Fluoreszenzdaten trainiert.

Schlussfolgerungen und Diskussionen

Durch ausreichende Experimente,

1) Die Studie zeigt, dass die Kultivierung von Pilzsporen und eine kontrollierte, effektive Zerstäubung ein entscheidender Bestandteil des Erhaltens von Probendatensätzen für das maschinelle Lernen sind;

2) Beweisen Sie, dass die Pilzkultur auf dem Agal-Medium und die reifen Pilzsporen auf dem Medium durch Luftströmung zerspritzt werden, der beste Weg ist, die Integrität der Sporen zu erhalten und die Mikroskommunikation zu reduzieren.

Schließlich hofft die Studie, dass sich die nächste Arbeit auf die Erweiterung des Referenzdatensatzes konzentrieren sollte, damit er mehr Pilzarten umfasst, um Pilzsporen genauer und umfassender automatisch zu identifizieren, was eine gute technische Umsetzung für die Forschung über die dynamische Entwicklung von Bioaerosolen und ihre Auswirkungen auf die menschliche und pflanzliche Gesundheit bietet.

Ursprung

2. Juni 2025 Aerobiologie

Band 41, Seiten 505–525 (2025)