Chi Wing Man en Fenna van Schuilenburg
De AI-kolonieteller van het waterlaboratorium van Vitens maakt het mogelijk om op een innovatieve en tijdsbesparende manier indicator-organismen in drinkwater te meten. Zodra de module volledig operationeel is, verwacht microbioloog Adrie Atsma van het waterlaboratorium van Vitens dat drinkwaterlaboratoria met deze methode een hoge efficiëntie in het beoordelen van kweken kunnen behalen en verontreinigingen eerder kunnen vaststellen.
De onderzoekers bij Vitens hadden twee belangrijke redenen om een kolonieteller te ontwikkelen op basis van kunstmatige intelligentie. Met een op AI-gebaseerde telling denken ze niet alleen tijd te besparen – handmatige methoden zijn tijdrovend – maar ook nog eens de kans op fouten te verlagen. De winst: snellere en betere resultaten met minder inzet van analisten.
Geautomatiseerde kolonieteller met AI
Adrie Atsma, onderzoeksleider microbiologie en diagnostiek bij het Centrum voor Waterexpertise en Innovatie (CWI) van Vitens, vertelt: “De wetgeving stelt hoge eisen voor de kwaliteit van het drinkwater, waar laboratoria op monitoren. Om verontreinigingen in drinkwater in beeld te krijgen, meten drinkwaterlaboratoria bijvoorbeeld het totale kiemgetal van alle aanwezige bacteriesoorten, Aeromonas of fecale indicatororganismen zoals enterococcen. Hiervoor worden in de routine kweekmethodes ingezet. Het beoordelen van deze kweken wordt door drinkwaterlaboratoria nu nog vaak met handmatige methoden uitgevoerd, een aanpak die veel tijd en moeite kost voor analisten. Met de nieuwe AI-kolonieteller van het waterlaboratorium van Vitens kunnen deze kweken op een geautomatiseerde, tijds- en kostenbesparende manier worden beoordeeld en in beeld worden gebracht. Bovendien wordt een eventuele verontreiniging in het drinkwater sneller ontdekt.”
“Met de nieuwe AI-kolonieteller kunnen kweken geautomatiseerd, tijds- en kostenbesparend worden beoordeeld en in beeld gebracht”
Adrie Atsma, onderzoeksleider microbiologie en diagnostiek bij het Centrum voor Waterexpertise en Innovatie (CWI) van Vitens
Oplossing voor hoge foutgevoeligheid
Fouten liggen altijd op de loer bij manueel koloniën tellen. Dat kan beter. Atsma vervolgt: “Bij het beoordelen van kweken worden kolonies geteld, die variëren in grote. Een analist kan hele kleine kolonies over het hoofd zien. En bij grote hoeveelheden van deze kolonies op een kweekplaat, zijn de getelde aantallen soms onnauwkeuriger als deze met de hand worden geteld. Dankzij AI-software kan er nauwkeuriger worden gewerkt, en worden arbeidsuren bespaard”, vertelt Adrie Atsma, onderzoeksleider microbiologie en diagnostiek bij het Water Expertise Centrum (WEC) van Vitens.
Nieuwe AI-kolonieteller
Atsma legt uit hoe de AI-telling werkt. “Wanneer de kweken moeten worden beoordeeld, worden de platen naar de cameraopstelling geleid via een transportband. Een robotarm pakt deze kweekplaat op en zet deze in de cameramodule, waarin een foto wordt gemaakt. Deze camera is verbonden met de AI-software die de hoeveelheid kolonies op de afbeelding van de kweekplaat automatisch telt. Wanneer er bij een bepaald type kweekplaat kolonies worden geteld die verder moeten worden geanalyseerd, volgt een extra analyse. De gekoppelde AI-software registreert dan geautomatiseerd de getelde kolonies en legt deze vast in een database. Dit bespaart de analist dus veel tijd, want de telling gebeurt automatisch.”
Zo werkt een AI-telling | foto:Chat GPT
Praktijktest voor de Aeromonas-kweek
De nieuwe methode werd uitgetest op het tellen van Aeromonas-bacteriën, een groep gramnegatieve bacteriën die veel voorkomt in water en tot gezondheidsklachten als diarree en huidinfecties kunnen leiden. “Op dit moment hebben we de AI-kolonieteller getest op de Aeromonas-kweekanalyse. Aeromonas is een bedrijfstechnische parameter, wat betekent dat bij constatering van hoge aantallen van deze bacterie in het distributiesysteem van Vitens de leidingen dan gereinigd moeten worden. Daarom meten wij Aeromonas continu in drinkwatermonsters van verschillende locaties om daarmee de klant van vers water te voorzien”, vervolgt Adrie.
de AI-kolonieteller van waterlaboratorium van Vitens; v.l.n.r. Henk Stienstra Adrie Atsma, Fenna van Schuilenburg en Chi Wing Man | foto:Vitens
Machine learning
AI-methoden moeten getraind worden. Dat is begin dit jaar opgepakt. “Eind 2024 hebben we de proof-of-concept afgerond en zijn we gestart met Machine Learning, waarin we de AI-software trainen over wat deze moet herkennen. Daarvoor hebben we eerst gekozen voor Aeromonas, omdat deze relatief eenvoudig te trainen is. Nu hebben we een trainingsdataset voor de Aeromonas-bepaling gemaakt en kan deze software automatischedeze tellingen bij Aeromonas uitvoeren. We zijn nu bezig om de AI-software te blijven trainen voor andere type kweken zoals Enterococcen en koloniegetal, zodat die steeds slimmer wordt”, vervolgt Adrie.
“Drinkwaterlabs met de juiste apparatuur in huis kunnen deze tool binnen enkele jaren gebruiken”
Microbioloog Adrie Atsma van het waterlaboratorium van Vitens
Geduld is hier een schone zaak. “Dit is een langdurig proces, en gaat met vallen en opstaan. Soms mist de computer kolonies die we vervolgens weer toevoegen aan het AI-brein, zodat hij deze in het vervolg niet meer over het hoofd ziet.”
AI-toepassingen voor andere indicator-organismen
Het waterlaboratorium van Vitens gaat de AI-kolonieteller naast Aeromonas ook valideren voor andere indicator-organismen, zoals de ziekmakende bacterie E.coli en enterococcen. Verder is al begonnen aan de optimalisatie van het systeem voor het koloniegetal, een meting voor de van nature aanwezige bacteriën bij 22 °C. Het koloniegetal geeft geen informatie over de hygiënische betrouwbaarheid van het drinkwater, maar grote aantallen van deze bacteriën kunnen soms aanleiding geven tot geur- en smaakklachten.
Validatie en implementatie
De komende periode zal de validatie van het nieuwe systeem nog tijd in beslag nemen. Ook moet de AI-kolonieteller worden aangesloten op de huidige databases en ICT-voorzieningen binnen Vitens. Adrie: “De apparatuur moet nog op het bestaande productieproces worden geïntegreerd. Daar zit wel de grootste uitdaging nog. Vooral de afstemming en communicatie met onze databases en ICT-afdeling hebben we nog niet rond. De ontwikkeling van het systeem zelf gaat wel snel, dus we verwachten dat drinkwaterlaboratoria met de juiste apparatuur in huis deze tool binnen enkele jaren kunnen gebruiken.”
Over Vitens
Vitens verwerkt ongeveer 200.000 monsters per jaar van productiebedrijven, leidingen en in de periferie bij bedrijven en burgers. Bacteriën uit drinkwatermonsters worden op kweek gezet, geteld en zo nodig op soortnaam gebracht. Het waterlaboratorium van Vitens verwerkt 250 platen per dag.
