ردیابی تصویری اشیا میکروسکوپی از مهم ترین مطالعات پویای فرایندهای بیولوژیکی و نیازمند روش های قطعه بندی و ردیابی خودکار است. اغلب محدود به مورفولوژی اشیا یا بررسی انسانی می شود و فاقد قدرت خودکارسازی و مقیاس پذیری جهت تشخیص اشیا، ردیابی مسیر هر شی و بررسی همبندی ان ها به همراه تشخیص ناهنجاری‌های مربوطه است. این مقاله روشِ سریعِ مقیاس پذیرِ عامل گرا برای تشخیصِ خودکار، ردیابیِ بی درنگ ویدیویی، ردیابی همزمان اشیا میکروسکوپی، پایش رفتار هرشی و هم بندی ان ها براساس تئوری گراف قابل کاربرد در اینترنت اشیا ارایه می کند که این محدودیت‌ها را ندارد. روش قطعه بندی ان ترکیبی از تغییرات زمانی و مکانی تصویر جهت تشخیص اشیا متحرک و پیش‌بینی مسیر حرکت ان ها است و امکان تشخیص ناهنجاری ها ی فردی شی (مرگ شی، توقف شی متحرک، تصادم اشیا، خروج ناگهانی از و ورود ناگهانی به محدوده) و ناهنجاری های تغییرات همبندی (تقسیم دسته ها، تغییرات دسته، تجزیه دسته، تغییرفاصله دسته ها، میرایی و فروپاشی شبکه) را فراهم می سازد. نتایج ازمایش‌های تجربی ردیابی اشیا میکروسکوپی اسپرم ها و پرندگان در تصاویر دوبعدی از فضای سه بعدی ویدیویی نشان می دهد که دارای حساسیت 99 و دقت 97 تشخیص بی درنگ اشیا با دقت ردیابی بالای 99 است. در پایش و ردیابی همبندی و تصادم اشیا اسپرم دارای دقت 99.8 و در پرندگان به دلیل نویزهای محیطی و خطای‌تشخیص در تغییرات سریع همبندی پرندگان دارای دقت 88 است.