İçme Sularında Bulunan E. Coli Bakterilerinin Görüntü İşleme Yöntemleriyle Tespiti

Year 2019, Volume: 34 Issue: 3, 235 - 246, 30.09.2019

Evren Değirmenci Ahmet Hilmi Kaloğlu Emre Güven Samet Durak Hakan Orbuk

https://doi.org/10.21605/cukurovaummfd.638164

Abstract

Yaşamsal faaliyetlerdeki önemi düşünüldüğünde, kullanılacak suyun temiz olması, içerisinde hastalık yapıcı bakterileri bulundurmaması gerekmektedir. Suyun içinde bulunan hastalık yapıcı bakterilerden birisi, Enterobacteriaceae familyasına ait Escherichia coli (E. coli) bakterisidir. E. coli bakterilerinin tespiti için günümüzde yaygın olarak kullanılan yöntemde su numunesinden damıtılan bakteri endo agar besi yerine ekilmekte ve bakterilerin metabolik faaliyetleri sonucunda besi yerinin renginde oluşan değişim çıplak gözle incelenmektedir. Bu renk değişiminin insan gözü ile görülebilecek düzeye gelmesi yaklaşık olarak 22±2 saat sürmektedir. Bu çalışmada E. coli bakterilerinin daha kısa sürede ve pratik şekilde tespit etmeyi sağlayacak bir düzenek ve görüntü işleme yöntemleri temelli yeni bir analiz yöntemi önerilmiştir. Önerilen teknik, farklı ekim yöntemleri ile test edilmiştir. Elde edilen bulgular, önerilen yöntemle bakteri tespitinin 8-10 saat aralığında yapılabileceğini göstermiştir. 

Keywords

Escherichia coli, E. coli, Görüntü işleme, Bakteriyolojik inceleme

Determination of E. Coli Bacteria in Drinking Waters Using Image Processing Techniques

Abstract

Considering the importance on vital activities, the water to be used should be clean and not contain disease-causing bacteria. One of the pathogenic bacteria found in water is the bacterium Escherichia coli (E. coli) belonging to the family Enterobacteriaceae. In the commonly used method for the detection of E. coli bacteria, the bacteria distilled from the water sample are planted on endo agar medium and the change in the color of the medium as a result of the metabolic activities of the bacteria is examined by the naked eye. This color change can be recognizable with the human eye in approximately 22 ± 2 hours. In this study, a hardware and a new analysis method which is based on image processing techniques to enable the detection of E. coli bacteria in a shorter time and in a practical way is proposed. The proposed technique is tested with different sowing methods. Results have shown that the detection of bacteria can be done within 8-10 hours with the proposed method. 

Keywords

Escherichia coli, E. coli, Image processing, Bacteriological examination

References

• 1. Dedekayoğulları, H., Önal, A., 2009. Çevre-İnsan Sağlığı İlişkisi Açısından Su ve Su Analizinin Önemi. İstanbul Tıp Fakültesi Dergisi, 72(2), 65-70.
• 2. Anonim, TS 266 Sular-İnsanî Tüketim Amaçlı Sular, Türk Standartları Enstitüsü, 2005.
• 3. WHO, 2013, Water Quality and Health Strategy 2013-2020.
• 4. Edberg, S.C., Rice, E.W., Karlin, R.J., Allen, M.J., 2000. Escherichia Coli: The Best Biological Drinking Water Indicator for Public Health Protection, J.Appl. Microbiol., 88(S1), 106-116.
• 5. Marrs, C.F., Zhang, L., Foxman, B., 2005. Escherichia coli Mediated Urinary Tract Infections: Are there Distinct Uropathogenic E. coli (UPEC) Pathotypes? FEMS Microbiol Lett, 252(2), 183-190.
• 6. http://www.euro.who.int/en/health-topics/emergencies/international-health-regulations/news/news/2011/07/outbreaks-of-e.-coli-o104h4-infection-update-30 (En son görüldüğü tarih: 20.08.2019).
• 7. Akyar, I., 2011. Kütle Spektrometrisinin Mikrobiyolojide Kullanımı, Acıbadem Üniversitesi Sağlık Bilimleri Dergisi, 2(4), 177-183.
• 8. Alemdar, S., Kahraman, T., Ağaoğlu, S., Alişarlı, M., 2009. Bitlis İli İçme Sularının Bazı Mikrobiyolojik ve Fizikokimyasal Özellikleri, Ekoloji Dergisi, 19(73), 29-38.
• 9. Pérez Rodríguez, F., Campos, D., Ryser, E. T., Buchholz, A.L., Posada-Izquierdo, G.D., Marks, B.P., Todd, E., 2011. A Mathematical Risk Model for Escherichia coli O157:H7 Cross-contamination of Lettuce During Processing, Food Microbiology, 28(4), 694-701.
• 10. Prachaiyo, P., Mclandsborough, L.A., 2000. A Microscopic Method to Visualize Escherichia coli Interaction with Beef Muscle, Journal of Food Protection, 63(4), 427-433.
• 11. Adeyanju, G., Ishola, O., 2014. Salmonella and Escherichia coli Contamination of Poultry Meat from a Processing Plant and Retail Markets in Ibadan, Oyo State, Nigeria, SpringerPlus, 3(1), 139.
• 12. X ie, J., Khan, S., Shah, M., 2008. Automatic Tracking of Escherichia coli Bacteria, Medical Image Computing and Computer-Assisted Intervention-MICCAI, New York.
• 13. N oguera, P.S., Posthuma-Trumpie, G.A., Van Tuil, M., Van der Wal, F.J., Boer, A. De Moers, A.P.H.A., Van Amerongen, A., 2011. Carbon Nanoparticles as Detection Labels in Antibody Microarrays. Detection of Genes Encoding Virulence Factors in Shiga Toxin-Producing Escherichia coli. Analytical Chemistry, 83(22).
• 14. Golberg, A., Linshiz, G., Kravets, I., Stawski, N., Hillson, N.J., Yarmush, M.L., Konry, T. 2014. Cloud-Enabled Microscopy and Droplet Microfluidic Platform for Specific Detection of Escherichia coli in Water, PLOS One, 9(1).
• 15. J akobs, S., Subramaniam, V., Schönle, A., Jovin, T.M., Hell, S.W., 2000. EGPF and DsRed Expressing Cultures of Escherichia coli Imaged by Confocal, Two-Photon and Fluorescence Lifetime Microscopy, FEBS Letters, 479, 131-135.
• 16. Baruah, S., Ortinero, C., Shipin, O.V., Dutta, J., 2011. Manganese Doped Zinc Sulfide Quantum Dots for Detection of Escherichia coli, Journal of Fluorescence, 22(1), 403-408.
• 17. Zeinhom, M.M.A., Wang, Y., Song, Y., Zhu, M.J., Lin, Y., Du, D., 2018. A Portable Smart-phone Device For Rapid and Sensitive Detection of E. coli O157:H7 in Yoghurt and Egg, Biosensors and Bioelectronics, 99, 479-485.
• 18. Vadivambal, R., Jayas, D.S., 2011. Applications of Thermal Imaging in Agriculture and Food Industry – A Review, Food Bioprocess Technol, 4, 186-199.
• 19. Windham, R.W., Yoon, S., Ladely, S.R., Haley, J.A., Heitschmidt, J.W., Lawrence, K.C., Park, B., Narrang, N., Cray, W.C., 2013. Detection by Hyperspectral Imaging of Shiga Toxin-Producing Escherichia coli Serogroups O26, O46, O103, O111, O121 and O145 on Rainbow Agar, Journal of Food Protection, 76(7), 1129-1136.
• 20. S iripatrawan, U., Makino, Y., Kawagoe, Y., Oshita, S., 2011. Rapid Detection of Escherichia coli Contamination in Packaged Fresh Spinach Using Hyperspectral Imaging, Talanta, 85, 276-281.
• 21. http://www.mikrobiyoloji.org/TR/Genel/Belge Goster.aspx?F6E10F8892433CFFA79D6F5E6C1B43FF2B0AD73D1B0C3DA3 (En son görüldüğü tarih: 20.08.2019).
• 22. Alişarlı, M., Ağaoğlu, S., Alemdar, S., 2007. Van Bölgesi İçme ve Kullanma Sularının Mikrobiyolojik Kalitesinin Halk Sağlığı Yönünden İncelenmesi, Yüzüncü Yıl Üniversitesi Veterinerlik Fakültesi Dergisi, 18(1), 66-77.
• 23. Kumbur, H., Erkurt, E.A., Gülçiçek, O., 2007. Mersin Üniversitesi Çiftlikköy, Yenişehir ve Tece Kampüs Sularının Mikrobiyolojik Yönden İncelenmesi, Ulusal Çevre Sempozyumu, Mersin Üniversitesi Çevre Mühendisliği Bölümü Çiftlikköy Kampüsü, Mersin.
• 24. Kireççi, E., Savaşçı, M., Uslu, H., 2006. Kars ve Sarıkamış Çevresindeki İçme Suyu Kaynaklarından Membran Filtrasyon Yöntemi ile Escherichia coli İzolasyonu, Atatürk Üniversitesi Veteriner Bilimleri Dergisi, 1(1-2), 29-32.
• 25. Duda, R.O., Hart, P.E., 1972. Use of the Hough Transformation to Detect Lines and Curves in Pictures, Communications of the ACM, 15(1), 11-15.
• 26. G onzalez, R.C., Woods, R.E., 2007. Digital Image Processing Third Edition, 1, Pearson/Prentice Hall, NY.
• 27. Boiangiu, C.A., Simion, M., Lionte, V., Mihai, Z., 2014. Voting Based Image Binarization, the Proceedings of Journal ISOM, 8, 343-351.
• 28. F inlayson, G.D., Schiele, B., Crowley, J.L., 1998. Comprehensive Colour Image Normalization, European Conference on Computer Vision. Springer, Berlin, Heidelberg.