AOI應用於生醫及生物檢測之實例探討

1. 林 宸 生
逢甲大學自動控制工程研究所
AOI應用於生醫及
生物檢測之實例探討

2. 大綱
– 利用紅外線熱像測溫影像處理系統進行孵
化雞蛋及病雞篩選之研究
– 生物影像系統應用於菜蟲動態追蹤分析研
究
– C型肝炎快速檢驗試劑檢測
– 稻穀乾燥即時量測分析
– 生物晶片之量測分析
– 光碟式微流體生化檢測

3.  利用紅外線熱像測溫影像處理系統進行孵化雞蛋及病雞篩選
之研究
 活胚：氣室與胚胎應為分層清楚，而在探照燈下胚胎的形狀
應該為一致性、不透明且氣室清晰可見。
 死胚：由於發展不正常，所以氣室會與胚胎混在一起，在探
照燈下的形狀則成混濁狀且不一致性也不透明。
3

4.  把孵化雞蛋從育溫箱裡拿出來一段時間後。死胚散熱速度比
活胚快，所以利用紅外線熱像測溫儀拍攝時，會發現死胚的
溫度低於活胚，在熱成像上就會有顏色上的區別，故我們就
是利用這點差異透過影像二值化後，去做孵化雞蛋的好壞判
斷。
損壞的蛋 損壞的蛋
孵化雞蛋熱成像的圖孵化雞蛋熱成像的圖
經過二值化後
4

5. 二值化之原理
 在一般的灰階影像，設定一個灰度分界值(二值化閥值)，令大
於閥值的為亮點，小於閥值的為暗點，如此可得到一個二元的
影像。
 而為了達成自動檢測的目的，所以再計算二值化閥值的部分，
本論文採用模糊理論去取得測量當時溫度資訊後，去求得二值
化之最佳閥值。
gray level
pixels
灰度分佈圖(HISTOGRAM)
0
暗 亮
255gray level
pixels
灰度分佈圖(HISTOGRAM)
0
暗 亮
255
閥值
影像二值化分析 影像二值化後的結果
5

6. 孵化雞蛋邊緣檢測之原理
6
 邊緣檢測是影像處理中常見的使用方法之一，圖形邊界在圖像
辨識上佔有很重要的地位。
 Sobel、Prewitt、Robert及Canny是圖形處理中常用的邊緣運算
子。
 左圖為Gy縱軸方向的梯度運算子，右圖為Gx橫軸方向的梯度
運算子。
1 2 1
0 0 0
-1 -2 -1
-1 0 1
-2 0 2
-1 0 1
1 1 1
0 0 0
-1 -1 -1
-1 0 1
-1 0 1
-1 0 1
Sobel運算子
Prewitt運算子

7. 7
 使用Sobel 與Prewitt運算子分別求得圖形每點Gx和Gy後，則該
點的梯度值如下式所示：
 其中：th為門檻值，可用適應性演算法找尋門檻值，也可以自
訂一個門檻值，當梯度大於門檻值即認定為邊緣。
 Canny 運算子是邊緣判斷效果最好的運算子，但邊緣判斷的方
法比Sobel跟Prewitt來的運算繁雜，不常應用於即時圖形處理，
故本論文將採用Sobel運算子做邊界偵測。

8. 8
 灰階共生矩陣：影像經灰階處理後進行特徵截取，截取出影
像的特徵指標。
 計算過程中需考慮兩個重要的條件：第一個為兩個像素值間
的距離d，第二個為兩像素值間的角度θ，設有一個紋路影像I，
且大小為N×N，影像內的明亮度值級數為Ng(Ng = (最大明亮度
值-最小明亮度值) +1)。影像中有兩像素值座標點為I (k, l ) 和 I
(m,n)，它們的明亮度值分別為i和j，兩個像素值間的距離為d，
而這兩個像素值的角度我們考慮以下四種情況：角度θ= 0°、
45°、90°及135°。個角度的灰階共生矩陣定義如下：

9. 9
 灰階共生矩陣之特徵值擷取：共14 種測量是否存在紋理的特
徵點，下列五個測量孵化雞蛋所用到的特徵值：
 熵(entropy)：
 若灰階共生矩陣分佈數值越平均，則其熵值越大，代表影像
內可能紋理會存在。
 能量(energy)：
 當影像灰階值變化平坦且緩慢，灰階共生矩陣易集中在某一
數值，則能量特徵值越大，表示影像內可能紋理不存在。
 最大機率(Max probability)：
 最大機率代表在灰階共生矩陣內各元素中出現最頻繁的值，
值越大代表影像的分布越均勻。

10. 10
 同質性(homogeneity)：
 同質性特徵值可用來測量影像像素點間灰階值的相似程度，
若像素間的灰階值對比程度很小，則其値會集中於灰階共生
矩陣的中間區塊。
 相關性(correlation)：
 用來測量影像內灰階值線性相依的大小，相關性高意味著像
素的灰階值有線性關係，可以判斷出紋理的方向性。

11. 檢測孵化雞蛋之原理
 其原理主要檢測孵化雞蛋熱成像的圖，經過二值化後，計算孵
化雞蛋內暗點與亮點的數量，最後判斷暗點數是否超過預設值。
 有超過：判定為問題的蛋。
 無超過：判定為正常的蛋。
 孵化雞蛋判別式：
ｎ：為雞蛋內的總像素點
：為亮點像素
：為暗點像素 11

12. 生病雞隻之特性
 造成雞隻發燒的原因。
 生病、中暑、養雞場內通風不佳等等。
 辨別雞隻有無體溫過高的問題，可從雞喙及雞腳兩個地方判別。
食用雞隻熱成像圖 12

13.  在RGB space裡定義的顏色會因為環境光源影響而有差異，故
要採用對光線強弱影響較低的色彩空間做顏色分割，以下是
做顏色分割常用的色彩空間：
 正規化RGB：針對R與G予以正規化，就能使R與G對光線的靈
敏度減少。只要將正規化所得到的rN與gN與原本的B，代替原
先的RGB space，就能使顏色對環境光源的影響度減少。
 HSL：在HSL色彩空間中，H代表色度，S代表飽和度，L則代
表亮度。HSL最大的優點為分離了影像中色彩和亮度的部分，
對於顏色分割有很好的效果，但電腦運算複雜度較高，所以
不適合需要即時運算的系統。
13

14. 生病雞隻檢測系統之原理
14
 先定義好熱成像圖片的最高、低溫度後，將食用雞隻的熱成像，
做顏色分割，將分割後的顏色資訊去做判定，當程式檢測到熱
成像圖片有大於預設值的溫度，系統會自動給予警告。
截取後雞隻熱成像的圖

15. 受精蛋孵化率自動檢測之流程與程式介面
15
溫度感測器
影像擷取卡
紅外線熱像
測溫儀
待測物
(孵化雞蛋)
個人電腦
檢測人員
待測區域 檢測區域
受精蛋孵化率自動檢測之系統流程圖

16. 16
1
2
3
45
6
1 為紅外線熱像測溫儀所拍攝到的畫面。
2 顯示影像之灰階分佈圖、模糊歸屬函數圖。
3 由紅外線熱像測溫儀所擷取下來的圖，並做檢測孵化雞蛋的動作。
4 影像座標、顔色分量及溫度顯示區。
5 程式執行按鈕區。
6 計算每一格裡面亮點與暗點的數量並顯示在螢幕上。
受精蛋孵化率自動檢測程式介面圖

17. 灰階共生矩陣分析
17
 良好的孵化雞蛋
良好孵化雞蛋的灰階圖
孵化雞蛋灰階直方圖
孵化雞蛋各像數點的曲線圖

18. 18
 良好的孵化雞蛋在0度、45度、90度、135度的灰階共生矩陣。
角度45度時灰階共生矩陣圖
及灰階明亮度曲線圖
角度135度時灰階共生矩陣圖
及灰階明亮度曲線圖
角度90度時灰階共生矩陣圖
及灰階明亮度曲線圖
角度0度時灰階共生矩陣圖
及灰階明亮度曲線圖

19. 19
 損毀的孵化雞蛋
損毀孵化雞蛋的灰階圖
孵化雞蛋灰階直方圖
孵化雞蛋各像數點的曲線圖(Matlab)

20. 生病雞隻檢測系統
20
 在做生病雞隻檢測系統檢測時，必須先做雞隻熱像圖顏色分割，
以求得此圖的顏色資訊，而求得此圖的顏色資訊後，就可開始
做系統之檢測。
雞隻熱成像的圖 顏色分割後的圖

21. 21
 取完顏色分割後，系統會根據所設定此雞隻的體溫，而自行
判斷雞隻體溫是否有過高的狀況發生，當系統判斷出此雞隻
體溫過高時，則會給予警告，反之則否。
偵測到體溫過高時之介面圖

22.  蟲害抑制:
有機農業種植方法有些採用溫室控管、覆蓋種植、設施摘培， 為了能夠
防治蟲害，現在有許多研究開始研究菜蟲，紀錄其生長週期、體積變化，
行為能力路徑等等。
 研究觀察:
要進一步探索宇宙，發展可持續的有口感的新鮮食品極其重
要，解決太空執勤人員的鬱悶情緒，緩解執勤太空人員的心理狀
況，現在人類正在太空站種植生菜。->生物影像系統應用於菜
蟲動態追蹤分析研究
22
生物影像系統應用於菜蟲動態追蹤分析研
究

23. • 系統架構及運作流程
先行開啟儀器電腦與CCD，將待測物放置雙軸精密移動
平台上，點選追蹤目標讓程式設定追蹤顏色閥值，按
下程式介面1上的動態追蹤，程式便會開始追蹤其目標。
23
系統軟硬體架構與操作

24. 按下存檔便可以依調整之時間值進行拍攝，
24
系統軟硬體架構與操作

25. 所拍攝之照片可以
置入程式介面2進行
分析，按下紅框便
可以選擇欲分析部
分
繪製出分析的統計
圖。
25
系統軟硬體架構與操作

26. • 研究追蹤方法以設定顏色之閥值來進行面積重心追
蹤，由CCD拍攝待測物其畫面，經由程式介面1按下
儲存按鈕進行每5秒截取追蹤畫面。
26

27. 儲存之畫面可以將其
丟入程式介面2進行二
值化的影像分析，便
可計算菜蟲體積與實
用面積的計算。
27

28. 按下藍框選取食用部
分計算食用面積。
28

29. C型肝炎快速檢驗試劑檢測
在C型肝炎快速檢驗試劑之視覺化檢測方面，榮睿生技公司所提供之C型肝炎快
速檢驗試劑（C線條為參考；T線條為反應區），採用兔子血清，並藉由反應顏
色之深淺判斷血液中是否感染C型肝炎（顏色深呈陽性反應，反之為陰性）。
PC Camera
C型肝炎快速檢驗試劑
USB 2.0
光源

30. 基本主要原理
C型肝炎快速檢驗試劑之影像檢測區域之示意圖
光場量測區
Test Line
檢測區
Control Line
檢測區
Test Line
Control Line

31. 基本主要原理 [續]

32. 硬體架構
攝影機散熱風扇
光源 C型肝炎快速檢驗試劑置放區
USB 2.0 介面

33. 檢測試劑-10%

34. 稻穀乾燥即時量測分析

35. (a) (b) (c)
(d) (e) (f)
(g) (h) (i)
(j) (k) (l)
(m)
Rough rice images (a) ~(m), images obtained from
0 min to 120 min at intervals of 10 min

36. Searching a stalk of the rough rice (a) original
image; (b) HSL operation result.
(a)
(b)

37. Searching a stalk of the rough rice (a) original
image; (b) HSL operation result.
(a)
(b)

38. Experimental results of the relations between the color
components (a) average value of hue () and (b) range of
saturation (%) of the stalk of the rough rice and drying
0
10
20
30
40
50
60
70
80
0
15
30
45
60
75
90
105
120
135
150
t(s)
H
0
10
20
30
40
50
60
0
15
30
45
60
75
90
105
120
135
150
t(s)
S(%)
(a)
(b)

39. 生物晶片之量測分析

40. 高分子聚合物基材自發螢光實
驗

41. 生物探針濃度分析實驗
• 生物探針製備方面使用DR. VP1，長度為30b個
鹼基(base) [TAT GAA GCA YGT CAG GGC
RTG GAT ACC TCG] ，簡稱為VP1。依照生物
晶片製造程序，將不同濃度的VP1生物探針固
著在生物晶片上，完成不同濃度的VP1生物晶
片，提供濃度分析實驗使用。依照生物晶片操
作原理之步驟依序進行各項實驗細節操作，於
最後呈色反應時加入過量的Cy3標記Streptavdin，
目的要讓每個螢光分子都能與固著在表面生物
探針結合，透過這個方法證明螢光強度與生物
探針濃度呈現正相關。

42. 生物探針濃度分析實驗
0.000
20.000
40.000
60.000
80.000
100.000
120.000
140.000
0.0 5.0 10.0 15.0 20.0 25.0
Concentration(μ m)
Intensity(a.u.)

43. 生物晶片定量分析實驗
• 依據濃度分析實驗結果定義生物探針VP1
之濃度為20um，並進行生物晶片之製作，
依照生物晶片操作規劃之步驟依序進行
各項實驗細節操作，最後將不同anti-VP1
濃度的目標DNA分批分次進行實驗，將
每批次之實驗結果紀錄，最後將這些結
果數據統計分析之後，可以分析出VP1應
用於生物晶片螢光定量的特性曲線，以
此類推，即可分別找到不同DNA序列的
特性曲線。

44. 生物晶片定量分析實驗

45. 生物晶片定量分析實驗
0.000
20.000
40.000
60.000
80.000
100.000
120.000
140.000
0.01 0.10 1.00 10.00 100.00
concentration(nM)
Intensity(a.u.)

46. 光碟式微流體生化檢測
全血分離為血球與血清，經過微流道作生化反應試驗，反應結果將顯示在檢驗區中。
全血
血球
血清
檢驗區
光碟式微流體生化檢測

47. 控制頻率
電腦
擷取影像
控制轉速
脈衝光
(激發光源)
攝影機
濾光片
鏡頭
生化反應產
生之螢光生物碟片
馬達

48. 微流體生物晶片
第一辨識線
旋轉軸心
標記
第二辨識線
第三辨識線 第四辨識線

49. 第一動態搜尋框
第一辨識線
旋轉軸心
標記
第二動態搜尋框
第三動態搜尋框
第四動態搜尋框

50. ΔΘ
(Xt,Yt)
(Xt+1,Yt+1)
移動動態搜尋框
標記
新標記位置
(Xc,Yc)





2
Sf
f
SD fff 
其中 Df 為生物碟片旋轉之頻率；Sf 為脈衝光之頻率； 為角位移量。

51. 參考文獻
1. Chern-Sheng Lin, Po Ting Yeh, Der-Chin Chen, Yih-Chih Chiou, Chi-Hung Lee, The Identification and Filtering of
Fertilized Eggs with Thermal Imaging System, Computers and Electronics in Agriculture, 91, 94-105, 2013
2. Hung-Jung Shei,Chern-Sheng Lin, An optical automatic measurement method for the moisture content of rough rice
using image processing techniques, Computers and Electronics in Agriculture 85, 134-139, 2012
3. Chern Sheng Lin, Chia-Hau Lin, Chao-Ying Wu, Hong Zong Shieh and Chi-Chih Lay, The Rotation Rate
Measurement of Microfluidic Biodisk Spinner and Automatic Adjustment for Pulsed Light Source , Optics and Laser
Technology, vol. 39 (1) 202-209, 2007
4. Chern Sheng Lin, Chao-Ying Wu, Hung-Chun Hsu, Kevin-Min-Chen Li, Lisa Lin, Rapid Bio-Test Strips Reader
with Image Processing Technology, Optik, 115(8) 363-369, 2004
5. Shih-Wei Yang, Chern-Sheng Lin, Shir-Kuan Lin, Yung-Chin Tseng, Automatic Inspection System for Defects of
Printed Art Tile based on Texture Feature Analysis, Instrumentation Science & Technology, 42, 59–71, 2014
6. Chern-Sheng Lin, Yung-Yen Su, Hung-Jung Shei, Chuen-Lin Tien, An-Tsung Lu, An automatic inspection and
control method for a biological reagent production system with image processing techniques, Sensor Review 31(2)
166-172, 2011
51