Entwicklung eines KI-unterstützten und bildbasierten Systems zur quantitativen Analyse von Keimbelastungen (µQuant)
Das Gesamtziel ist die Erforschung und prototypische Entwicklung eines robotergestützten bildbasierten Analysesystems zur automatisierten Bewertung verschiedener mikrobieller Belastungen. Der kombinierte Ansatz besteht aus prototypischer Geräteentwicklung für die automatisierte makroskopische Bildgebung (Digitalisierung) von Proben, einer KI-basierten Bildanalyse und deren Integration in die Laborprüfprozesse. Das Analysesystem soll unabhängig vom konkreten Probenträgermodell und Probenbeschriftung (Barcode, Handschrift, etc.), flexibel hinsichtlich der Bildaufnahme (Auflicht/Durchlicht), sowie langfristig in unterschiedlichen Laboranwendungsdomänen einsetzbar sein und die Analysezeit reduzieren. Eine hohe Genauigkeit und Zuverlässigkeit sind entscheidend für den erfolgreichen Praxiseinsatz eines derartigen automatisierten Systems. Deshalb werden im Projekt insb. auch für die Erkennung von häufiger vorkommenden Sonderfällen (Begleitflora) in Proben Algorithmen der KI und des maschinellen Lernens (ML) eingesetzt. Im Projekt steht zunächst die Keimart Legionellen (Bildaufnahme mit Auflicht, Nährmedien in verschiedenen Farben, Koloniefarbe weiß) im Vordergrund. Aufgrund der Adaptionsfähigkeit KI/ML-basierter Ansätze soll die Auswertung nach Projektende modularisiert auf verschiedene Prüfprotokolle, Keimarten und Nährmedien angepasst werden.
Das Projekt wird über die europäische Union und die SAB kofinanziert.
