Amélioration d'une station de microscopie "OPEN-HARDWARE" à l'aide d'algorithme de classification automatique

Abstract

La capture de milliers d’images n’est pas un problème mais l’analyse de cette quantité importante de données peut être chronophage pour un chercheur. Il est donc important de développer un ou plusieurs outils capables d’identifier certaines espèces intéressantes dans un milieu de culture de manière automatique. L’objectif principal de ce travail est la conception d’un outil de prédiction de microalgues à partir des caractéristiques morphologiques et textuelles de manière physique à l’aide d’un système de deux boutons. Le premier sert à l’entraînement, c’est-à-dire à la création d’un modèle de prédiction par extraction de caractéristiques cellulaires des images obtenues par la station. Le second bouton est pour la prédiction, c’est-à-dire à prédire une espèce de microalgue à partir d’une image et d’un modèle construit préalablement. Le second objectif est de connaître l’importance des caractéristiques, en d’autres termes de savoir quelle sont les caractéristiques importantes pour la discrimination des microalgues. J’utilise principalement la bibliothèque d’analyse d’images OpenCV et le langage Python afin de réaliser ces différentes tâches. En conclusion, les résultats obtenus ont pu montrer qu’il est possible de prédire une microalgue à partir d’une image capturée par un microscope de façon automatique. Les résultats sont encourageants pour poursuivre cette étude afin de résoudre certaines limitations. J’ai réalisé diverses dilutions afin d’obtenir une image correcte pour la détection des cellules. Une amélioration possible au niveau de l’automatisation serait des dépôts de l’échantillon par des dilutions croissantes sur la plaque de dépôt. Puis un programme serait capable de déterminer un intervalle de dilutions optimale pour la détection des cellules. Une deuxième amélioration possible serait la gestion d’une image d’un mélange de cellules. En effet, connaître la proportion de deux espèces différentes mais ressemblantes sur une image pourrait guider les chercheurs à une potentielle contamination qui ne pourrait être reconnu par l’œil humain. Malgré mes efforts, le manque de temps ne m’a pas permis d’ajouter ces améliorations sur cette station de phénotypage automatique.