Journals / Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi / 2018 / Cilt: 24 - Sayı: 2

Pattern recognition techniques on agar surface colony morphology classification

Örüntü tanıma teknikleri ile agar yüzeyi üzerinde koloni morfoloji sınıflandırması

Pages
260–265
Publication Date
2018-04-30
DOI
—
🏛️Bibliographic metadata and full text access for this article are provided via DergiPark.
DergiPark Record ↗
✨

AI Summary & Key Takeaways

AI Insight
⚡ TL;DR(Too Long; Didn't Read)

In this paper, classification of microorganism is performed from the colony images by image processing and pattern recognition techniques.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:Microorganisms are small organisms as we cannot see with the naked eye.
📊
Key Findings & Data:Microorganisms that play a role in the ecological balance are mainly composed of bacteria, fungi, algae, viruses and protozoa.
💡
Conclusion & Impact:In this paper, classification of microorganism is performed from the colony images by image processing and pattern recognition techniques.
🔬Design:Research Article
📍Scope:Comprehensive Sample
⚙️Variables:Mikrobiyoloji · Koloni oluşturan birim · Taksonomi

Abstract

Microorganisms are small organisms as we cannot see with the naked eye. Microorganisms that play a role in the ecological balance are mainly composed of bacteria, fungi, algae, viruses and protozoa. The medium and petri dish are used in order to provide the growth medium to microorganism by mixing agar and other nutrients for performing operations such as isolating from the environment, growth, counting of microorganisms. The number of microorganisms may reach the million or even more by reproductively, in this way they form structures called colony which can be seen with the naked eye. In terminology, this structure expressed as colony forming units (cfu). Mold on the cheese, bread, fruit or yogurt, yeast on the sugar-containing foods such as chocolate, marmalade are colonies formed by grown microorganism. Colonies formed on the agar, create images of different morphological characteristics depending on the microorganism and growth media. In this paper, classification of microorganism is performed from the colony images by image processing and pattern recognition techniques.

Özet

Mikroorganizmalar çıplak gözle göremeyeceğimiz kadar küçük canlılardır. Ekolojik dengede rol oynayan mikroorganizmalar temel olarak bakteriler, mantarlar, algler, virüsler ve protozoalardan oluşur. Besiyeri ve petri kabı, mikroorganizmaların ortamdan yalıtılması, geliştirilmesi, tanımlanması, sayımı gibi işlemlerin yerine getirilmesi için agar ve diğer besin maddeleri karıştırılarak, mikroorganizmalara büyüme ortamı sağlamak amacı ile kullanılırlar. Mikroorganizmalar çoğalarak sayısı milyonlara hatta daha fazlasına ulaşabilir böylece çıplak gözle görülebilen, koloni olarak adlandırılan yapıları oluştururlar. Terminolojide bu yapı, koloni oluşturan birim (kob, cfu) olarak ifade edilir. Peynir, ekmek, meyve veya yoğurtların üzerindeki küfler, çikolata, marmelat gibi şeker içeren gıdalar üzerindeki mayalar, mikroorganizmaların çoğalarak oluşturduğu kolonilerdir. Besiyeri üzerinde oluşan koloniler, mikroorganizma ve üreme ortamına bağlı olarak farklı morfolojik özelliklerde görüntüler oluşturmaktadır. Bu çalışmada koloni görüntülerinden görüntü işleme ve örüntü tanıma teknikleri ile mikroorganizmaların sınıflandırılması yapılmaktadır.

🔖

Cite This Article

ALTUNTAŞ, V., ALTUNTAŞ, S., GÖK, M. (2018). Pattern recognition techniques on agar surface colony morphology classification. Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi, Cilt: 24 - Sayı: 2, 260–265. https://ajindex.com/articles/42387

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (15)

  1. Türkoğlu M. Otomatik Kan Hücrelerinin Tanınması ve Sınıflandırılmasında Değişmez Momentlere Dayalı Görüntü İşleme Yöntemlerinin Kullanılması. Yüksek Lisans Tezi, Fırat Üniversitesi,
  2. Elazığ, Türkiye 2013. Koçer HE. İris Deseninin Yapay Zeka Yöntemleri ile Tanınması. Doktora Tezi, Selçuk Üniversitesi,
  3. Konya, Türkiye, 2007. Kayaaltı Ö. Bilgisayarlı Tomografi Görüntülerinden Tekstür Analizi ve Sınıflandırma Yöntemleri Yardımıyla Karaciğer Fibrozisinin Evrelendirilmesi. Doktora Tezi, Erciyes Üniversitesi,
  4. Kayseri, Türkiye, 2014.
  5. Chourasiya S, Rani RU. “Automatic red blood cell counting using watershed segmentation”. International Journal of Computer Science and Information Technologies, 5(4), 4834-4838, 2014.
  6. Myint SW. “Fractal approaches in texture analysis and classification of remotely sensed data: comparisons with spatial autocorrelation techniques and simple descriptive statistics”. International Journal of Remote Sensing, 24(9), 1925-1947, 2003.
  7. Dalal N, Triggs B. “Histograms of oriented gradients for human detection”. IEEE Computer Society Conference on Computer Vision and Pattern Recognition, San Diego, CA, 20–25 June 2005.
  8. Eleyan A, Demirel H. “Co-occurrence matrix and its statistical features as a new approach for face recognition”. Turkish Journal of Electrical Engineering and Computer Sciences, 19(1), 97-107, 2011.
  9. Chapelle O, Haffner P, Vapnik VN. “Support vector machines for histogram-based ımage classification”. IEEE T Neural Networ, 10(5), 1055-1064, 1999.
  10. Gurpreet K, Poonam S. “A novel methodology for automatic bacterial colony counter”. International Journal of Computer Applications, 49(15), 21-26, 2012.
  11. Er Monita G. “Machine vision based bacteria colony counter”. IJETAE, 2(4), 58-64, 2012.
  12. Quentin G. “OpenCFU a new free and open-source software to count cell colonies and other circular objects”. PLoS ONE, 8(2), 1-10, 2013.
  13. Bae E, Ying D, Kramer D, Patsekin V, Rajwa B, Holdman C, Sturgis J, Davisson VJ, Robinson JP. “Portable bacterial ıdentification system based on elastic light scatter patterns”. Journal of biological engineering, 6(1), 1-11, 2012.
  14. Bottigli U, Carpinelli M, Fiori PL, Golosio B, Marras A, Masala GL, Oliva P. “A new automatic system of cell colony counting”. International Journal of Biological, Biomolecular, Agricultural, Food and Biotechnological Engineering, 2(3), 78-82, 2008.
  15. Brugger S D, Baumberger C, Jost M, Jenni W, Brugger U, Mühlemann K. “Automated counting of bacterial colony forming units on agar plates”. PLoS ONE, 7