1. 1. Введение

В современном мире проблема быстрого и точного определения концентрации и типа различных бактерий является значимой в сферах медицины и пищевой промышленности. В настоящее время для этих целей часто применяется классический метод Коха, который, хотя и является стандартным в данной области, подвергается критике за свою низкую скорость детекции (24-48 часов).

В этой связи, крайне актуальна разработка более эффективных методов детекции. В своей исследовательской работе мы предлагаем инновационный метод, направленный на определение концентрации и типа бактерий с использованием передовых технологий машинного обучения (МО). Предлагаемый метод способен не только решить эту проблему, но и внести существенный вклад в улучшение процессов детекции и классификации бактерий.

Для сбора данных и проверки гипотез в данном исследовании применяются кишечная палочка (Escherichia coli) и два вида кисломолочных бактерий: Bacillus coagulans и Streptococcus thermophilus. Кишечная палочка, в организме человека, может стать причиной серьезных заболеваний, при наличии патогенных штаммов. Примером симптомов патогенного штамма может служить острый геморрагический колит, который может привести к почечной недостаточности и смерти.

С другой стороны, даже полезные микроорганизмы, такие как кисломолочные бактерии, могут оказаться вредными при переизбытке. К примеру, чрезмерное потребление пробиотиков, содержащих эти микроорганизмы, может вызвать дисбаланс в микрофлоре кишечника и, как следствие, привести к диарее.

В ходе данной работы будет проведен анализ существующих методик детекции и выявлены их недостатки. Описаны преимущества нового подхода, основанного на использовании технологий МО, обеспечивающим высокую точность результатов и значительное сокращение процесса, с 24-48 часов до ~1 часа.

Целью исследования является разработка и реализация метода определения концентрации бактерий и их классификации с использованием технологий машинного обучения. В рамках данного проекта планируется проведение анализа различных моделей машинного обучения и выявление модели с наилучшими результатами детекции.

Выдвинутая цель исследования определила следующие задачи:

1. Анализ существующих методов определения концентрации и типа бактерий.

2. Сбор вольт-амперных характеристик сред с различными штаммами бактерий и составление базы данных.

3. Выявление оптимальной модели машинного обучения для определения концентрации бактерий и их классификации. Подбор параметров алгоритма.

4. Сравнение метрик оценки моделей и обобщение полученных сведений.

Нами была выдвинута гипотеза, что использование модели машинного обучения в качестве способа определения концентрации бактерий и их типов значительно ускорит процесс детекции, сохраняя точность, сравнимую с общепринятыми стандартами (методом Коха).

Для реализации этой задачи нам потребуется выявить наиболее оптимальную архитектуру модели МО и оптимизировать её параметры для достижения наивысшей точности по заданным метрикам оценивания модели. Выбранные структуры моделей МО будут проверены на различных независимых выборках. Для оценки точности моделей будут использоваться метрики классификации: «Accuracy», «Precision-macro», «Recall-macro», «F1-score-macro».

Практическая значимость работы состоит в том, что обученная модель может легко интегрироваться в производственные процессы пищевой промышленности, позволяя с высокой скоростью и точностью определять концентрацию микроорганизмов в сырье и продукции. Процесс детекции будет занимать менее часа, при точности определения концентрации и типа бактерии >98%, что в результате будет способствовать значительному уменьшению риска заболеваний и осложнений, вызываемых болезнетворными микроорганизмами.

Таким образом, данная работа ставит перед собой задачу не только исследовать инновационный метод детекции концентрации и определения вида микроорганизмов, но и предоставить конкретные решения для преодоления текущих ограничений в этой области.

На страницу проекта