高峰期的微生物实验室，培养箱一开门，几十个平皿等你数。 大部分平皿都好办。直到你翻开这一个—— 菌落不是一颗一颗的，而是长成了一团。三五个、十几个菌落挤在一起，边缘互相吃进对方的领地，肉眼只能估算："大概……十几二十个？"

这就是菌落计数里最经典的问题：粘连菌落（overlapping colonies）。

对一台计数仪来说，真正的难点是图像分割：先精确划出哪个像素属于菌落 A、哪个属于菌落 B，然后才是数。

如果分割做不好，会出现两类经典错误：

粘连误判：5 个长在一起的菌落被当成 1 个 → 结果偏低

杂质误判：气泡、划痕、杂质被当成菌落 → 结果偏高。

自动菌落计数不是新概念，老式设备十多年前就有，但普遍卡在三件事上：

① 阈值切割的硬伤：靠一条固定灰度线区分菌落和培养基，光照一偏、颜色一浅就失灵；粘连菌落在阈值图里是一整块连通区域，数出来永远是 1。

② 分水岭算法的过度切割：能把连通块切开，却常把边缘毛糙的单个菌落切成两三块——粘连的没分开，单独的被切碎。

③ 光学信息的浪费：普通工业相机＋固定光源，边缘糊成一团，算法再好也是盲人摸象。

1.光学层：为菌落定制成像。

光路和成像组件全部自研，光照角度、色温、分辨率按菌落形态学特点设计——边缘信息保得越完整，算法余地就越大。光学和算法是耦合的，买来拼装做不到两头最优。

2.识别层：深度学习分割模型。

神经网络做像素级分割，学的不是“颜色深＝菌落”，而是形态语义：圆形轮廓、边缘特征、生长纹理。粘连菌落间的“细腰”能被识别、沿凹陷切开；气泡、划痕因形态不符被排除，不误判为菌落。

3.校验层：与人工金标准对齐。

模型上线前，用大量人工标注的平皿图像验证，粘连场景的计数结果与有经验检测员的判定对齐；每次模型升级都重新过验证，确保结果不倒退。

自 2017 年首款全自动菌落分析仪起，泽析的产品全栈自研——这是“整条链路自己调”的底气。

一、准：机器不累，标准不漂

人工数菌落，误差来自人和人的差异：连续看几十块平皿会疲劳，不同检测员判定不一。机器没有这个问题——同一张图重复检测，结果是同一个数。

粘连、连片样品是准确率的分水岭：分割模型按形态语义识别，粘连处的凹陷边界能被识别并沿凹陷切开。

单平皿 2 秒左右出结果——快不是噱头，快意味着可以做平行样、可以复检，质控才有余地。

二、可溯源：每一个数都能翻回原图

泽析输出的每一个结果都能翻回原始图像：每颗菌落的分割边界、计数依据全部留存，原始图片与结果绑定归档。

软件具备三级用户管理权限、全流程操作留痕与完整审计轨迹，并同步输出原始图像与数值——软件系统部分兼容 21 CFR Part 11 规范要求。

三、可控：参数跟着你的实验流程走，而不是反过来

硬件光路、成像、算法全部自研，有 6 项软件著作权与 2 项发明专利支撑；统计口径、报告模板可按实验室流程定制——自研团队可以直接改。

一句话：准，是算得对；可溯源，是说得清；可控，是改得动。