CN106461555A - 物质或污染物检测 - Google Patents
物质或污染物检测 Download PDFInfo
- Publication number
- CN106461555A CN106461555A CN201580019729.6A CN201580019729A CN106461555A CN 106461555 A CN106461555 A CN 106461555A CN 201580019729 A CN201580019729 A CN 201580019729A CN 106461555 A CN106461555 A CN 106461555A
- Authority
- CN
- China
- Prior art keywords
- product
- signal
- pollutant
- band
- isolated
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 239000000126 substance Substances 0.000 title claims abstract description 41
- 238000011109 contamination Methods 0.000 title abstract 2
- 238000001514 detection method Methods 0.000 title description 24
- 235000013372 meat Nutrition 0.000 claims abstract description 22
- 239000000356 contaminant Substances 0.000 claims abstract description 18
- 230000002550 fecal effect Effects 0.000 claims abstract description 16
- 239000000463 material Substances 0.000 claims description 152
- 239000003344 environmental pollutant Substances 0.000 claims description 148
- 231100000719 pollutant Toxicity 0.000 claims description 147
- 238000000034 method Methods 0.000 claims description 78
- 230000006399 behavior Effects 0.000 claims description 39
- 210000003608 fece Anatomy 0.000 claims description 39
- 230000003287 optical effect Effects 0.000 claims description 36
- 230000005284 excitation Effects 0.000 claims description 35
- 239000011159 matrix material Substances 0.000 claims description 30
- 238000002955 isolation Methods 0.000 claims description 29
- 230000004044 response Effects 0.000 claims description 18
- 102000008186 Collagen Human genes 0.000 claims description 15
- 108010035532 Collagen Proteins 0.000 claims description 15
- 229920001436 collagen Polymers 0.000 claims description 15
- 238000003860 storage Methods 0.000 claims description 14
- 239000013307 optical fiber Substances 0.000 claims description 11
- 230000005540 biological transmission Effects 0.000 claims description 10
- 230000001678 irradiating effect Effects 0.000 claims description 10
- 239000000835 fiber Substances 0.000 claims description 8
- 230000010354 integration Effects 0.000 claims description 5
- 150000004032 porphyrins Chemical class 0.000 claims description 5
- 230000000844 anti-bacterial effect Effects 0.000 claims description 3
- 230000005622 photoelectricity Effects 0.000 claims 1
- 238000004611 spectroscopical analysis Methods 0.000 abstract description 7
- 239000000523 sample Substances 0.000 description 21
- 238000012545 processing Methods 0.000 description 20
- 230000008569 process Effects 0.000 description 17
- 241000219739 Lens Species 0.000 description 15
- 210000000695 crystalline len Anatomy 0.000 description 15
- 238000004458 analytical method Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 9
- 229930002875 chlorophyll Natural products 0.000 description 7
- 235000019804 chlorophyll Nutrition 0.000 description 7
- ATNHDLDRLWWWCB-AENOIHSZSA-M chlorophyll a Chemical compound C1([C@@H](C(=O)OC)C(=O)C2=C3C)=C2N2C3=CC(C(CC)=C3C)=[N+]4C3=CC3=C(C=C)C(C)=C5N3[Mg-2]42[N+]2=C1[C@@H](CCC(=O)OC\C=C(/C)CCC[C@H](C)CCC[C@H](C)CCCC(C)C)[C@H](C)C2=C5 ATNHDLDRLWWWCB-AENOIHSZSA-M 0.000 description 7
- 238000010790 dilution Methods 0.000 description 6
- 239000012895 dilution Substances 0.000 description 6
- 238000001228 spectrum Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 235000013622 meat product Nutrition 0.000 description 4
- 239000002207 metabolite Substances 0.000 description 4
- 241001465754 Metazoa Species 0.000 description 3
- 230000000712 assembly Effects 0.000 description 3
- 238000000429 assembly Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 241000894007 species Species 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000011179 visual inspection Methods 0.000 description 3
- 108010054147 Hemoglobins Proteins 0.000 description 2
- 102000001554 Hemoglobins Human genes 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000000295 emission spectrum Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000002189 fluorescence spectrum Methods 0.000 description 2
- 235000013305 food Nutrition 0.000 description 2
- 239000003292 glue Substances 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 238000003780 insertion Methods 0.000 description 2
- 230000037431 insertion Effects 0.000 description 2
- 238000005424 photoluminescence Methods 0.000 description 2
- 238000011897 real-time detection Methods 0.000 description 2
- 239000000243 solution Substances 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 241000193830 Bacillus <bacterium> Species 0.000 description 1
- 241000283690 Bos taurus Species 0.000 description 1
- 241000589876 Campylobacter Species 0.000 description 1
- 235000019687 Lamb Nutrition 0.000 description 1
- 108010064719 Oxyhemoglobins Proteins 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 241001494479 Pecora Species 0.000 description 1
- 241000607142 Salmonella Species 0.000 description 1
- 240000008042 Zea mays Species 0.000 description 1
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 description 1
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 1
- 210000001015 abdomen Anatomy 0.000 description 1
- 239000010828 animal waste Substances 0.000 description 1
- 230000001580 bacterial effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 210000001072 colon Anatomy 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 235000005822 corn Nutrition 0.000 description 1
- 238000012864 cross contamination Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 238000007865 diluting Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000695 excitation spectrum Methods 0.000 description 1
- 238000010304 firing Methods 0.000 description 1
- 239000004459 forage Substances 0.000 description 1
- 235000013569 fruit product Nutrition 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 230000000968 intestinal effect Effects 0.000 description 1
- 244000000010 microbial pathogen Species 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- -1 object Substances 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 125000006850 spacer group Chemical group 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
- C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
- C12Q1/02—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving viable microorganisms
- C12Q1/04—Determining presence or kind of microorganism; Use of selective media for testing antibiotics or bacteriocides; Compositions containing a chemical indicator therefor
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
- G01J3/28—Investigating the spectrum
- G01J3/44—Raman spectrometry; Scattering spectrometry ; Fluorescence spectrometry
- G01J3/4406—Fluorescence spectrometry
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
- G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
- G01N21/64—Fluorescence; Phosphorescence
- G01N21/645—Specially adapted constructive features of fluorimeters
- G01N21/6456—Spatial resolved fluorescence measurements; Imaging
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/94—Investigating contamination, e.g. dust
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/02—Food
- G01N33/12—Meat; Fish
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
- G06V20/693—Acquisition
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
- G01J3/28—Investigating the spectrum
- G01J3/44—Raman spectrometry; Scattering spectrometry ; Fluorescence spectrometry
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
- G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
- G01N21/64—Fluorescence; Phosphorescence
- G01N2021/6417—Spectrofluorimetric devices
- G01N2021/6421—Measuring at two or more wavelengths
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2201/00—Features of devices classified in G01N21/00
- G01N2201/12—Circuits of general importance; Signal processing
- G01N2201/129—Using chemometrical methods
Landscapes
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- Immunology (AREA)
- Biochemistry (AREA)
- Organic Chemistry (AREA)
- Pathology (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Proteomics, Peptides & Aminoacids (AREA)
- Wood Science & Technology (AREA)
- Zoology (AREA)
- Food Science & Technology (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Microbiology (AREA)
- Genetics & Genomics (AREA)
- Biotechnology (AREA)
- General Engineering & Computer Science (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Toxicology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Medicinal Chemistry (AREA)
- Biomedical Technology (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
Abstract
一种光谱学方法和系统检测产品中或其上的一种或多种物质或污染物(比如肉品样本上的粪便污染物)的数量。
Description
技术领域
本发明涉及物质或污染物的实时检测,并且特别涉及用于检测肉品样本上的粪便污染的光谱学方法、系统和设备。
背景技术
动物粪便包含例如大肠杆菌0157:H7、弯曲杆菌和沙门氏菌之类的微生物病原体,并且还迎合细菌生长。在屠宰处理期间,在移除肠道和毛皮时,动物尸体可能会受到粪便残留物的污染。在屠宰处理之后,对每一具动物尸体进行视觉检察,并且在确定检测到粪便污染和/或检测到其他污染时对其进行干预。但是鉴于加工厂的快速性质,一些受到污染的动物尸体可能会继续被进一步处理而不会被检测到。这可能会导致交叉污染。此时,被污染产品的可追溯性降低,从而意味着在确定检测到粪便时,大规模召回将是不可避免的。
一些政府机构强制肉品加工商对每一具动物尸体进行水洗,以便减少粪便残留物的视觉事件。水洗的效果不仅是在视觉上去除粪便残留物,而且还稀释并且在动物尸体上分布粪便材料。视觉检察常常带有主观性、不灵敏并且需要训练。视觉检察对于检测动物尸体上的稀释粪便残留物是低效的手段。
在喂食草料的动物当中,叶绿素及其代谢产物在粪便中大量存在。此外,在来自喂食谷物的牛类的粪便中也可以找到叶绿素。用于确定叶绿素及其代谢产物在粪便中的存在的光谱学技术是已知的。在这样的设备中,通常把样本暴露于具有特定激发波长的光信号,并且光检测器检测从样本发出的较长波长的光(荧光)以便识别细菌的存在。光谱学常常是实时、非侵入性、非破坏性并且非化学性的。通过仔细检查叶绿素的激发和发射光谱,可以构造用于粪便检测和识别的“指纹”。
例如在美国专利5,914,247中公开了一种光谱学检测方法。
在本说明书中,在参考专利说明书、其他外部文献或其他信息来源时,这通常是出于提供用于讨论本发明的特征的情境的目的。除非明确地另行声明,否则对于此类外部文献的参考不应当被解释成承认此类文献或者此类信息来源在任何司法管辖区内是现有技术或者构成本领域内的一般性常识的一部分。
本发明的一个目的是提供用于检测一种或多种物质或污染物(比如肉品样本上的粪便污染)的一种替换的光谱学方法、系统或设备,或者至少为公众提供一种有用的选择。
发明内容
在第一方面中,本发明可以被宽泛地说成由一种用于确定被照射产品中或其上的一种或多种物质或污染物的数量的方法构成,所述方法包括以下步骤:
接收表明第一波段中的从产品发出的光的强度的第一信号;
接收表明第二波段中的从产品发出的光的强度的第二信号,其中包含与将要检测的污染物或物质的荧光属性相关联的一个或多个波长;
对于产品中或其上的一种或多种物质或污染物当中的每一种或至少其中一种,从第一和第二信号并且从预定信息确定或预测表明所述物质或污染物的数量的值,其中所述预定信息涉及与所述物质或污染物隔离的相同或类似产品或者所述产品(在后文中称作隔离产品)的主要或更丰富物质的荧光行为以及/或者涉及与产品隔离的所述物质或污染物的荧光行为。
优选的是,第二波段处于第一波段内。或者,第二波段可以处于第一波段之外。
优选的是,所述确定或预测表明物质或污染物的数量的值的步骤包括基于以下各项从第一信号分离与所述物质或污染物有关的信号部分:第二信号,与产品隔离的所述物质或污染物的荧光行为,以及隔离产品的荧光行为。
优选的是,所述方法还包括通过基于以下各项从第一信号分离与主要物质有关的信号部分来确定或预测表明产品的主要或更丰富物质的数量的值:第二信号,每一种隔离物质或污染物的荧光行为,以及隔离产品的荧光行为。
优选的是,所述预定信息涉及:
分别表明响应于光学激发的第一和第二波段中的从隔离(未污染)产品发出的光的第一和第二隔离产品信号;以及
对于一种或多种隔离物质或污染物当中的每一种,分别表明响应于光学激发的第一和第二波段内的从所述隔离物质或污染物发出的光的第一和第二隔离物质或污染物信号。
优选的是,所述预定信息表明:第一和第二隔离产品信号当中的每一个的强度,以及对于一种或多种隔离物质或污染物当中的每一种,第一和第二隔离物质或污染物信号当中的每一个的强度。
优选的是,隔离产品信号的强度是相关波段上的隔离产品信号的强度的积分,并且隔离物质或污染物信号的强度是相关波段上的隔离物质或污染物信号的强度的积分。
优选的是,所述预定信息包括以下各项当中的一项或多项:
第一和/或第二隔离产品信号相对于第一隔离产品信号的归一化强度;以及
对于各种隔离物质或污染物当中的每一种,第一和/或第二隔离物质或污染物信号相对于第一隔离物质或污染物信号的归一化强度。
在一个实施例中,所述确定或预测表明物质或污染物的数量的值的步骤包括:把第一和第二信号乘以矩阵A的逆,其中包含第一和第二隔离产品信号当中的每一个的强度以及对于每一种物质或污染物,第一和第二隔离物质或污染物信号当中的每一个的强度。
A可以是尺寸为n乘n或m乘n的矩阵,其中n和m取决于将要确定的物质或污染物的数目。
优选的是,与隔离产品有关的矩阵A的条目被归一化到第一隔离产品信号的强度,并且对于每一种污染物或物质,与所述物质或污染物有关的条目被归一化到第一隔离物质或污染物信号的强度。
举例来说,为了确定一种物质或污染物的数量的值,矩阵A是:
和
其中
Det1IP=第一隔离产品信号的强度;
Det2IP=第二隔离产品信号的强度;
Det1C=第一隔离物质或污染物信号的强度;
Det2C=第二隔离物质或污染物信号的强度;
Det1P=第一产品信号的强度;
Det2P=第二产品信号的强度;
IP=表明产品数量的值;以及
IC=表明产品中或其上的所述物质或污染物的数量的值。
在一个替换实施例中,所述确定或预测表明物质或污染物的数量的值的步骤包括确定表明和产品相关联的信号与和隔离产品相关联的信号的偏差的参数RC。
优选的是,
其中
Det1P=第一产品信号的强度;
Det2P=第二产品信号的强度;
Det1IP=第一隔离产品信号的强度;以及
Det2IP=第二隔离产品信号的强度。
优选的是,在接收第一和第二信号之前,所述方法还包括以下步骤:
在处于第一和第二波段之外的激发波长下用光照射产品;
接收响应于照射从产品发出的光;以及
把所发出的光滤波到分别处于第一和第二波段内的第一和第二已滤波光信号中。
优选的是,在接收第一和第二信号之前,所述方法还包括导出所述预定信息的步骤。
优选的是,所述导出预定信息的步骤包括:
获得第一和第二隔离产品信号;
对于每一种物质或污染物,获得第一和第二隔离物质或污染物信号。
优选的是,获得第一和第二隔离产品信号包括:
在处于第一和第二波段之外的激发波长下用光照射隔离产品;
接收响应于照射从产品发出的光;以及
把所发出的光滤波到分别处于第一和第二波段内的第一和第二已滤波光信号中。
优选的是,获得第一和第二隔离物质或污染物信号包括:
在处于第一和第二波段之外的激发波长下用光照射隔离物质或污染物;
接收响应于照射从所述物质或污染物发出的光;以及
把所发出的光滤波到分别处于第一和第二波段内的第一和第二已滤波光信号中。
所述产品可以是肉品样本或动物尸体,所述产品的主要或更丰富物质可以是胶原、组织或脂肪当中的一项或多项的任意组合,并且将要确定的(多种)物质或(多种)污染物可以是以下各项当中的一项或多项的任意组合:粪便残留物、脂肪、卟啉(porphyrin)、胶原或者细菌。
优选的是,所述激发波长处于近似350nm到650nm之间。更优选的是,所述激发波长是近似365nm、405nm、450nm、532nm或650nm。最优选的是,所述激发波长是450nm。
优选的是,第一波段处于近似625nm到850nm之间。
优选的是,第二波段处于近似666nm到676nm之间。
优选的是,第一波段是近似450-800nm,并且第二波段是近似580-800nm。
优选的是,所述激发光被频率调制到1kHz和10MHz之间。
在第二方面中,本发明可以被宽泛地说成由一种用于确定或预测被照射产品中或其上的一种或多种物质或污染物的数量的方法构成,所述方法包括以下步骤:
接收表明一波段中的从产品发出的光的强度的至少一个信号;以及
基于与产品隔离的所述物质或污染物的荧光行为以及/或者基于与所述物质或污染物隔离的产品或者所述产品(在后文中称作隔离产品)的主要或更丰富物质的荧光行为,通过从发射自产品的总体信号中分离与所述物质或污染物有关的发射信号部分来确定或者预测产品中或其上的一种或多种物质或污染物当中的每一种或至少其中一种的数量。
优选的是,所述接收至少一个信号的步骤包括:
接收表明第一波段中的从产品发出的光的强度的第一信号;
接收表明第二波段中的从产品发出的光的强度的第二信号,其中包含与将要检测的污染物或物质的荧光属性相关联的一个或多个波长。
优选的是,第二波段处于第一波段内。或者,第二波段可以处于第一波段之外。
优选的是,所述确定或预测表明物质或污染物的数量的值的步骤包括基于以下各项从第一信号分离与所述物质或污染物有关的信号部分:第二信号,与产品隔离的所述物质或污染物的荧光行为,以及隔离产品的荧光行为。
优选的是,所述方法还包括通过基于以下各项从第一信号分离与主要物质有关的信号部分来确定或预测表明产品的主要或更丰富物质的数量的值:第二信号,每一种隔离物质或污染物的荧光行为,以及隔离产品的荧光行为。
在第三方面中,本发明可以被宽泛地说成由一种用于确定产品中的粪便污染的方法构成,其包括以下步骤:
根据本发明的第一或第二方面的方法确定产品中或其上的污染物的数量;以及
当所述污染物的数量超出一个或多个预定阈值时确定粪便污染。
优选的是,所述方法还包括当污染物的数量超出一个或多个预定阈值时输出表明粪便污染的信号。
所述数量可以基于IC、RC或者二者的组合来确定。
所述确定粪便污染的步骤可以包括当IC超出预定的I阈值时、当RC超出预定的R阈值时或者当IC和RC分别都超出I阈值和R阈值时确定污染。
在第四方面中,本发明可以被宽泛地说成由一种用于确定产品中或其上的一种或多种物质或污染物的数量的设备构成,所述设备包括:
用于存储表明预定信息的数据的存储器组件,其中所述预定信息涉及与物质或污染物隔离的相同或类似产品或者所述产品(在后文中称作隔离产品)的主要或更丰富物质的荧光行为以及/或者涉及与产品隔离的一种或多种物质或污染物当中的每一种的荧光行为;以及
处理器,其被配置成:
接收表明第一波段中的从产品发出的光的强度的第一信号;
接收表明第二波段中的从产品发出的光的强度的第二信号,其中包含与将要检测的污染物或物质的荧光属性相关联的一个或多个波长;
从第一和第二信号以及从所述预定信息确定或预测表明产品中或其上的每一种或者至少其中一种所述物质或污染物的数量的值。
优选的是,第二波段处于第一波段内。或者,第二波段可以处于第一波段之外。
优选的是,所述设备还包括用于生成光束的光源。
在一个实施例中,所述设备还包括:
被安排成对光束进行滤波并且具有与所述第一波段相关联的第一操作波段的第一带通滤波器;以及
被安排成对光束进行滤波并且具有与所述第二波段相关联的第二操作波段的第二带通滤波器。
优选的是,所述设备还包括分别邻近第一和第二滤波器的第一和第二光电倍增管,其分别用于接收来自第一和第二滤波器的已滤波光束并且向处理器输出表明光强度的第一和第二信号。
优选的是,所述设备还包括耦合到光源的光纤线缆,其用于把光发射出所述设备并传送到产品上并且用于把发射自产品的光传送到第一和第二滤波器。
优选的是,所述线缆光学耦合到邻近产品的透镜元件。
优选的是,所述透镜被安排成在一个方向上产生从光纤线缆的中心激发光纤到产品上的感兴趣区段上的激发光束,并且在相反的方向上产生从产品发射到光纤线缆的发射光纤中的发射光束。
在一个替换实施例中,所述设备还包括摄影机透镜,其被配置成接收响应于来自光源的激发从产品发出的光并且输出图像信号。
优选的是,所述设备还包括被配置成把图像信号划分到第一和第二通道中的分束器。
优选的是,所述设备还包括具有与第一通道相关联的第一光学滤波器的第一图像传感器以及具有与第二通道相关联的第二光学滤波器的第二图像传感器,其中第一光学滤波器被安排成基于第一操作波段对输出图像信号进行滤波,第二光学滤波器被安排成基于第二操作波段对输出图像信号进行滤波,第二波段处于第一波段内。
在第五方面中,本发明可以被宽泛地说成由一种用于确定产品中或其上的一种或多种物质或污染物的数量的系统构成,所述系统包括:
利用激发光照射产品的光源;以及
用于确定产品中或其上的一种或多种物质或污染物的数量的光检测器,所述检测器具有:
用于存储表明预定信息的数据的存储器组件,其中所述预定信息涉及与物质或污染物隔离的相同或类似产品或者所述产品(在后文中称作隔离产品)的主要或更丰富物质的荧光行为以及/或者涉及与产品隔离的一种或多种物质或污染物当中的每一种的荧光行为;以及
处理器,其被配置成:
接收表明第一波段中的从产品发出的光的强度的第一信号;
接收表明第二波段中的从产品发出的光的强度的第二信号,其中包含与将要检测的污染物或物质的荧光属性相关联的一个或多个波长;
从第一和第二信号以及从所述预定信息确定或预测表明产品中或其上的每一种或者至少其中一种所述物质或污染物的数量的值。
优选的是,第二波段处于第一波段内。或者,第二波段可以处于第一波段之外。
应当认识到,可以与任何其中一个或多个前述优选或替换实施例或特征组合提供任何其中一个或多个前述方面。
在本说明书中使用的术语“包括”意味着“至少部分由…构成”。在解释本说明书中的含有术语“包括”的每一个语句时,还可以存在除了前面带有所述术语的特征之外的其他特征。可以按照相同的方式来解释有关的术语。
在提到这里所公开的某一数字范围时(例如1到10),还意图包含该范围内的所有有理数(例如1、1.1、2、3、3.9、4、5、6、6.5、7、8、9和10)并且还包含该范围内的任何有理数范围(例如2到8、1.5到5.5以及3.1到4.7),因此这里明确公开的所有范围的所有子范围也随之被明确公开。这些仅仅是具体意图的实例,按照类似的方式,所列举的最低值与最高值之间的数字值的所有可能组合都应当被视为在本申请中被明确声明。
本发明包含前述内容,并且还设想到后文中仅仅给出其实例的构造。
附图说明
下面将仅通过举例的方式参照附图来描述本发明的优选实施例,其中:
图1是示出了本发明的优选形式检测器的组件的示意图;
图2是示出了本发明的成像系统的组件的示意图;
图3(a)是示出了450nm激发下的胶原(其由于高强度而被改变尺度)、脂肪、表面以及组织荧光光谱的曲线图,其中作为插入图示出了稀释粪便荧光光谱;
图3(b)是示出了受到粪便污染的相同肉品样本的荧光光谱的曲线图;
图4是示出了存在于肉品的表面/肌外膜(epimysium)上的叶绿素的荧光的曲线图;
图5是示出了处于肯定和否定粪便检测的可能范围内的两个参数Rfeces与Ifeces的比较的曲线图;
图6是本发明的确定产品中或其上的物质或污染物的绝对数量的处理的流程图;以及
图7是根据图6的初始步骤获得预定信息的处理的流程图。
具体实施方式
1、检测系统的总览
参照图1,其中示出了本发明的优选形式检测系统100的示意图。系统100包括照射子系统120和检测子系统110(后文中称作“检测器”110)。系统100采用光谱学,并且利用例如粪便之类的污染物或者其他(多种)物质或物体的荧光属性来识别其中一种或多种所述污染物或其他物质210在目标产品或样本200内或其上的存在。系统100通过利用来自光源的光束121照射样本200并且在检测器110处分析响应于照射从产品200发出的光来操作。光传送介质120可以提供光源与产品之间以及产品与检测器之间的光学通信。将要分析的产品或样本200被邻近照射子系统120的输出放置,以便把激发光束产生到将要分析的产品的区域220上。
产品200可以是来自生物或非生物物种或表面。举例来说,作为优选实施例中的情况,所述产品是来自例如肉品产品、水果产品或蔬菜产品之类的生物物种。或者,产品200可以是或者可以是来自非生物表面或结构,比如工作台、工具、装备件或者可能希望在该处检测污染物或其他物质的任何其他非生物表面。
检测器110被安排成接收从产品200的被照射区段220发出的光,并且分析发射光谱以便确定一种或多种物质或污染物当中的每一种的存在并且优选地确定其绝对数量。具体来说,检测器110被安排成从发射光谱中分离与所述物质或污染物有关的信号部分,并且从该信号部分计算所述物质或污染物的绝对数量。检测器110还可以被配置成确定所述绝对数量是否超出预定阈值并且相应地向用户输出信号以作此表明。
为了从信号的其余部分中分离与污染物或物质有关的发射信号部分,实施初始分析阶段,其中确定与污染物或物质隔离的类似产品的荧光行为,并且确定与产品隔离的将要检测的每一种污染物或物质的荧光行为的分析。所述预定荧光行为信息被存储在存储器中,以便在将要分析产品的污染或者检测物质/污染物时的后来阶段中进行处理。
在产品分析过程中,结合预定信息分析来自产品的发射信号,以便确定将要检测的每一种污染物或物质的存在并且优选地确定其绝对数量。具体来说,所发出的荧光或光致发光信号被滤波到两个或更多信号中,包括基础信号以及一个或多个荧光信号。在优选实施例中,基础信号具有相对宽的波段/带宽,并且对于将要检测的每一种污染物或物质包括与该污染物或物质相关联的至少其中一个荧光波长。在替换实施例中,基础信号可以是窄带信号。基础信号的波段的宽度取决于将要检测的污染物或物质的光谱签名。对于将要检测的每一种污染物或物质,所发出的荧光信号还被滤波到至少一个荧光信号中。在优选实施例中,每一个荧光信号的波段包含将要检测的相关联的污染物或物质的荧光波长。每一个荧光信号的波段不同于基础信号的波段。荧光信号的波段与基础信号相比优选地相对较窄。在优选实施例中,荧光信号所包括的波段被完全包含在基础信号的波段内。换句话说,荧光信号构成总体基础信号的一部分。但是在替换实施例中,任何其中一个荧光信号可以具有相对更宽或者与基础信号相同宽度的波段,并且/或者荧光信号的波段可以部分地与基础信号的波段重叠或者被完全包含在基础信号的波段之外。
基础信号以及每一个荧光信号由检测器结合关于隔离产品和物质/污染物的荧光行为的预定信息利用和处理,以便确定每一种污染物或物质的存在并且优选地确认产品中或其上的每一种污染物或物质的绝对数量。
对于本发明所描述的方法和系统不意图被限制到任何特定应用。主要被用来描述本发明的特征的优选实施例是用于检测肉品产品中或其上的粪便或其他污染物或者例如组织或脂肪之类的物质或物体。但是应当认识到,所述用于检测的方法和系统可以被应用在多种替换应用中,以便检测在产品被照射时表现出荧光属性的产品上的任何物种或物质或物体的存在并且优选地检测其绝对数量。这样的替换应用不应当从本发明的范围排除。
在优选实施例中,检测器110被配置成实时操作。检测器110被配置成从激发时间具有最小延迟的情况下实时或接近实时地对从产品200的被照射区段200发出的光进行接收、滤波和处理。因此,这样的检测器110可以被使用在其中实时检测是必要或高度有益的多种应用中,比如被使用在食品产品工业中,其中可能需要快速并且高效地检查大量产品的污染并且将其运输到另一位置。
1.1、电子系统
后面将参照图1和2来描述用于照射120和检测110子系统的硬件的两个实施例。第一实施例更加适合于用于分析较小的产品或产品部分的便携式或较小类型的检测设备,而第二实施例可能更加适合于分析较大的部分或较大的产品。
在全部两个实施例中,照射系统包括光源。光源120是能够产生特定应用所需要的一个或多个激发波长的光的任何设备。在优选实施例中,光源121给出具有处于近似350nm和700nm之间的波长的(单色)光,更加优选的是处于近似365nm、405nm、450nm、532nm和650nm或其附近的激发波长。在粪便检测的优选应用中,光源121给出近似450nm的激发光,这是最大化叶绿素(其表明粪便的存在)与肉品背景之间的荧光比的最优波长。
在全部两个实施例中,检测器110被配置成接收响应于激发从产品发出的荧光信号并且输出一个或多个已滤波信号以供信号处理组件进行处理,特别是基础信号以及一个或多个荧光信号。在优选实施例中,检测器110被安排成检测肉品产品200的表面上的粪便物的存在。叶绿素及其代谢产物存在于草食动物的粪便物中,并且在被光激发时表现出荧光属性。因此,叶绿素是用于粪便污染的检察和识别的适当指标。在被具有350nm和650nm之间的波长的光激发时,叶绿素或者叶绿素的代谢产物发出具有近似650-750nm的光谱波段的荧光。在优选实施例中,检测器110被配置成输出具有近似625nm到850nm的波段的基础信号以及具有近似666nm到676nm的波段的荧光信号。
所述系统的信号处理组件优选地被集成在任一个实施例的检测器110内,但是也可以替换地被集成在单独的和/或远程系统中。相同的硬件可以并且优选地被用于获得预定荧光行为信息,其被信号处理系统利用来检测产品中或其上的污染或其他物质。
1.1.1、第一实施例
参照图1,在第一实施例中,照射子系统120包括光源121以及用于把光聚焦到产品的一个或多个适当区段上的一个或多个透镜122/123。
光源121例如可以是被配置成在所期望的波长处输出激发光束的二极管激光器。光源121可以被容纳在检测器110内或者替换地与检测器110分开。
在该实施例中,在光源121与传送介质130之间提供一个或多个个(优选地是一对)准直和聚焦透镜122,以便将激发光束与传送介质130耦合。在替换实施例中,光源121可以被嵌入在探头中,从而允许直接激发产品200而不需要传送介质。
光源121的操作模式可以是连续、调制或脉冲。在一个优选实施例中,激发光被在1kHz和10MHz之间频率调制,从而使得荧光也被在该频率处调制。这样允许在信号处理期间拒绝周围环境信号。或者,可以利用本领域内所熟知的机械斩波器来实现激发光调制。
准直透镜123被邻近产品200提供,以便在产品的期望区段上提供聚焦光束。透镜123可以是例如适合于在产品200上给出5mm、10mm或20mm直径或者任何其他期望尺寸的准直激发光点的凸透镜。或者,可以由例如电流计、棒状透镜或者柱状透镜之类的设备生成更加复杂的尺寸和形状。激发光束在产品200上的入射角度可以是任何期望的角度,但是优选地与产品200的表面近似正交(90度)。
应当认识到,按照特定应用的需要可以使用替换的光源和激发波长。光源121可以被配置成输出一个或多个激发光束。
检测器110被配置成接收从产品200的被照射区段220发出的光,并且输出两个或更多不同的已滤波光信号以供信号处理器进行处理。已滤波光信号的数目可以取决于将在产品中或其上检测的污染物或物质的数目。
在图1中所示的第一实施例中,系统100利用具有发射光分支的光学线缆130来传送光。取决于信号将被分离到其中的波段的数目,所述光分支分离到两个或更多通道中。在优选实施例中,所述光分支分离到两个通道131和132中。在这一处理中还可以使用分束器在两个分开的通道上重定向所发出的光。
在每一个通道131/132的末端是具有特定光学特性的光学滤波器111/112。第一滤波器111被配置成从发射光输出具有相对较宽的波段的基础信号,第二滤波器112被配置成从发射光输出具有相对较窄的波段的荧光信号。应当认识到,取决于将要检测的污染物或物质的数目,可以使用任意数目的第二滤波器112。在优选实施例中,第一滤波器111被配置成输出具有近似625nm到850nm的波段的基础信号,第二滤波器112被配置成输出近似666nm到676nm的荧光信号。由于第二滤波器112的窄波段,与滤波器112的输出相关联的增益电压可以被设定成高于滤波器111的增益电压。
应当认识到,对于不同的污染、物质、物体、产品和/或应用,在不背离本发明的范围的情况下对于滤波器112和113可以使用不同的波段。
回到图1,传送自滤波器111和112的光随后被输入到两个对应的光电倍增管(PMT)113和114或光电二极管中。所述管113/114具有响应于输入的光能而输出电能的功能。换句话说,PMT 113和114把传送自滤波器111和112的所接收到的光束转换成电流或电压信号。PMT随后可以处理电流或电压信号或者输出信号以供外部处理。
控制电路可以被用来控制与该实施例相关联的各种组件的操作。
在第一实施例中,光学传送介质130是光纤线缆130,其被提供来把检测器110和光源光学耦合到将要分析的产品区段。
光学线缆130可以包括光纤的集束。这些光纤被配置成允许线缆分开传送激发和发射光束。具体来说,优选形式线缆130包括被发射光纤元件的阵列围绕的中心激发光纤元件。应当认识到,线缆130内的光纤元件的数目和分布在替换实施例中可以是不同的。来自光源120的激发光经过激发光纤行进到透镜123,其在该处被投射到将要分析的区段220上。从所述区段发出的光被透镜123投射到光纤元件的周围阵列中,以便随后经过线缆130被传送到分束器111和/或检测器110的适当滤波器111/112之前的各个通道。
1.1.2、第二实施例
在图2中所示的第二实施例中,光源120在产品端可以是非准直的,以便照射例如大肉品样本或动物尸体之类的较大产品。第二实施例的检测系统更加适合于其中每次扫描将覆盖产品的更大区段或区域的应用。
检测器110采用传感器的阵列来产生肉品或其他产品上的粪便残留物或者其他污染物或物质的荧光图像。在该替换系统中,阵列传感器的单独像素或像素元测量荧光信号。
摄影机透镜115被用来收集响应于激发从产品发出的光。摄影机透镜输出图像信号,其优选地被利用分束器116划分到两个或更多通道中。分束器116把图像分离到两个通道中,并且把每一个信号聚焦到两个图像传感器117/118的其中之一上。应当认识到,在替换实施例中,图像信号可以被划分到与多于两个图像传感器相关联的多于两个通道中,并且例如使用多于一个分束器来检测被照射产品中或其上的多于一种物质或污染物。
每一个图像传感器之前的光学滤波器把图像滤波到适当的波段。第一图像传感器117接收表明所需基础信号的波段(如在优选实施例中是625nm-850nm)的图像,并且第二图像传感器118接收表明荧光信号的波段(666nm到676nm)的图像。
在该实施例的一种替换形式中,可以结合装配有两个或更多光学滤波器的滤波器轮使用一个图像传感器。所述图像传感器于是将随着滤波器轮被旋转而顺序地接收各个所需波段内的图像。
在另一种替换形式中,检测器110可以采用两个图像传感器,每一个传感器与摄影机透镜和光学滤波器耦合以接收所需波段内的图像。在这种配置中,每一个传感器通过略微不同的光学路径接收从相同的照射区段或照射点发出的光。在这样的配置中可以采用图像后处理以修正空间偏移。
在前面所描述的每一种光学配置中,检测器110优选地还获得产品的背景图像。对于这一步骤,激发光被简短地关闭,并且每一个传感器117/118被允许接收背景荧光/发射。背景图像被使用在图像处理中以消除存在于所检测到的图像中的周围环境光。
图像处理和控制电路板119可以被用来根据该实施例控制发射光的照射和接收。
1.2、信号处理
前面所描述的第一和第二实施例的当中的每一个把一系列的两个或更多已滤波信号输出到系统的信号处理组件。所述输出信号包括具有相对宽的波段的基础信号以及具有(多个)相对窄的波段的一个或多个荧光信号。基础信号的波段包含将要检测的每一种污染物或物质的荧光波长,并且每一个荧光信号的波段是包含相关联的污染物或物质的荧光波长的窄带信号。在接收到经过滤波的基础和荧光信号之后,检测器110的信号处理组件对信号进行处理,以便确定将要检测的污染物或物质的存在和绝对数量。
现在参照图6和7,现在将描述用于确定或预测表明产品中或其上的物质或污染物的绝对数量的值的处理或方法200。所述方法优选地是通过使用前面所描述的任一个优选系统并且结合被配置成处理接收自此类系统的数据的所述系统的信号处理组件来实现的。具体来说,信号处理组件被配置成从产品(其中/其上具有所述物质或污染物)的基础信号分离仅仅或者主要与所述物质或污染物有关的信号部分。这一分离是基于以下各项实现的:荧光信号,与产品隔离的物质或污染物的荧光行为,以及/或者与物质或污染物隔离的产品或所述产品的主要物质的荧光行为。
在步骤210处,与信号处理电路相关联的存储器组件初始地被填充与产品中或其上的将要检测的一种或多种污染物或物质隔离的至少所述产品或所述产品的主要物质的荧光行为信息,以及彼此隔离并且与产品隔离的一种或多种污染物或物质的荧光行为。可以利用前面所描述的任一个优选系统获得所述荧光行为信息。初始地对于每一种产品以及产品中或其上的将要检测的污染物/物质实施该步骤210,以便对于该产品以及(多种)污染物/(多种)物质预先校准所述系统。此后,所述系统可以在生产线中被使用在若干产品上,以便例如检测产品中或其上的(多种)污染物/(多种)物质的存在。在步骤210处,可以对于若干产品以及/或者对于每一种产品的若干污染物/物质校准所述系统。
特别参照图7,通过以下步骤获得210荧光行为信息:
-对隔离产品或产品的隔离主要物质施加激发光211b,并且从所发出的光获得分别表明在较宽的基础波段和较窄的荧光波段中发出的光的基础信号和至少一个荧光信号212b;以及
-对(与产品或者产品的主要物质隔离的)每一种污染物或物质施加激发光211a,并且从所发出的光获得分别表明在较宽的基础波段和较窄的荧光波段中发出的光的基础信号和至少一个应用信号211b。
在优选实施例中,在获得前述信号之后,确定以下信息并且把表明此类信息的数据存储在存储器中:
-在213b处,计算与隔离产品(或者产品的主要物质)相关联的基础信号的强度——Det1IP;
-在213b处,还计算与隔离产品(或者产品的主要物质)相关联的荧光信号的强度——Det2IP;
-在213a处,对于一种或多种隔离物质或污染物当中的每一种,计算与所述隔离物质或污染物相关联的基础信号的强度——Det1C;以及
-在213a处,对于一种或多种隔离物质或污染物当中的每一种,还计算与所述隔离污染物或物质相关联的荧光信号的强度——Det2C。
如下面的一系列等式中所示,可以作为对应信号的积分来计算所述强度:
其中,FIP(λ)和FC(λ)分别是激发之后的隔离产品和污染物/物质的荧光波形,BU是基础信号的上波长,BL是基础信号的下波长,FU是荧光信号的上波长,并且FL是荧光信号的下波长。
举例来说,对于前面所描述的肉品上的粪便检测的优选实施例,存储在存储器中的预定信息表明:
正如后面将进一步解释的那样,在被存储在存储器中之前,在213a和213b处计算的强度可以在214a和214b处相对于基础信号强度被归一化。绝对或归一化强度信息或者表明所述信息的其他数据在216处被存储在存储器中。
回到图6,在(优选的是实时的)产品分析过程中,首先在步骤220处照射产品,并且随后在步骤230处把响应于照射所发出的信号划分到如前所述的基础信号以及一个或多个荧光信号中。系统的信号处理组件接收基础和荧光信号,并且确定表明每一个信号的强度的值(步骤240)。随后在步骤250处把所述强度与存储在存储器中的预定信息进行比较,并且从该比较计算或预测表明将要检测的每一种物质/污染物的数量的一个或多个参数(步骤260)。信号处理组件随后可以从该确定或预测优选地把所述(多个)参数与一个或多个阈值进行比较,以便确定产品是否包含过多数量的所述物质/污染物(步骤270),并且优选地在数量过多的情况下输出作此表明的信号(步骤280)。
后面将描述用于从比较阶段250确定或预测表明产品中或其上的污染物或物质的绝对数量的值的两种优选方法。全部两种方法都操作来通过利用存储在存储器中的先有知识分离由于所述污染物或物质而导致的发射光部分。
1.2.1、第一优选方法
在第一优选实施例中,所述确定或预测表明物质或污染物的数量的值的步骤包括把基础信号和荧光信号乘以矩阵A的逆,其中包含前面所描述的预定信息。该矩阵可以在产品分析之前在步骤215处生成并且被预先存储在存储器中,或者可以在比较阶段250期间从预先存储的信息生成。
如果感兴趣样本包含数量为x的未污染产品和数量为y的将要检测的污染物或物质,则所测量的基础和荧光信号Det1P和Det2P是如等式1中所示的前述等式的线性组合。
Det1IP.x+Det1c·y=Det1P
Det2IP·x+Det2C·y=Det2P 等式1
基于等式1预先确定矩阵A。矩阵A的各个实体表示前面描述的预定信息的总集。矩阵的第一列表示归一化到隔离产品的基础信号的隔离产品。第二列表示归一化到隔离物质或污染物的基础信号的隔离物质或污染物。
该矩阵A可以通过E被进一步简化,E被定义成
举例来说,为了确定产品中或其上的一种物质或污染物,矩阵A可以被表达成:
A-1与将要分析的产品的基础和荧光信号的任何输入矩阵的乘积将生成如等式3中所示的结果矩阵
结果矩阵的实体IP和IC分别表示产品和污染物/物质的所计算的绝对强度。
矩阵A可以是尺寸为n乘n或m乘n的矩阵,其中n和m取决于将要确定的物质或污染物的数目。举例来说,A可以是从信号强度的1×4输入矩阵确定的4×4矩阵。但是输入矩阵的尺寸并不排他地表示检测器的数目。在该例中,在不同的实验条件下仍然可以使用两个检测器来构造输入矩阵,比如在两个不同的激发波长下、在两个不同的激发功率下或者在两个不同的检测时间框架下。
1.2.2、第二优选方法
在一个替换实施例中,所述确定或预测表明物质或污染物的数量的值的步骤包括确定参数RC,其表明和产品相关联的信号与和隔离产品相关联的信号之间的偏差。具体来说,从产品荧光信号的归一化强度与隔离产品荧光信号的归一化强度之间的差异确定RC。
在该方法中,基于下面的等式4确定参数RC。
RC是表明由于相关联的污染物或物质而导致的发射光信号的绝对强度的参数。
1.2.3、确定过多数量的污染物或物质
除了确定或计算前面的两个参数IC和RC之外,信号处理系统还可以被配置成从一个或全部两个参数确定或预测在产品中是否有过多数量的污染物或物质。
信号处理系统可以被配置成把一个或每一个参数与和该参数相关联的预定阈值进行比较,并且当一个或全部两个参数超出相关联的阈值时表明过多数量的物质或污染物。或者,可以把所述参数组合,例如相加或相乘,并且将其组合与预定阈值进行比较以表明过多数量的物质或污染物。
应当提到的是,前面描述的实施例可以被描述成处理,所述处理被描绘成流程图或程序图、结构图。虽然流程图可以把操作描述成顺序处理,但是许多操作可以被并行地或并发地实施。此外,操作顺序可以被重新安排。当其操作完成时,处理终止。在计算机程序中,处理可以对应于方法、函数、过程、子例程、子程序等等。当处理对应于函数时,其终止对应于该函数返回到调用函数或主函数。
在前述内容中,存储介质可以表示用于存储数据的一个或多个设备,包括只读存储器(ROM)、随机存取存储器(RAM)、磁盘存储介质、光学存储介质、闪存设备以及/或者用于存储信息的其他机器可读介质。术语“机器可读介质”和“计算机可读介质”包括而不限于便携式或固定存储设备、光学存储设备以及/或者能够存储、包含或携带(多条)指令和/或数据的各种其他介质。
结合这里公开的实例所描述的各种说明性逻辑块、模块、电路、元件和/或组件可以通过被设计成实施这里所描述的一项或多项功能的以下实施介质当中的一项或多项的任意组合来实施或实行:通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或其他可编程逻辑组件、分立门或晶体管逻辑、分立硬件组件。为了实施各种功能以及在所描述的块、模块、电路、元件和/或组件之间传输信息,所述实施介质可以直接或者经由电气和软件工程领域内所熟知的任何适当的通信网络可通信地耦合。通用处理器可以是微处理器,但是替换地所述处理器可以是任何传统处理器、控制器、微控制器、电路和/或状态机。处理器还可以被实施成计算组件的组合(例如DSP和微处理器的组合)、若干微处理器、与DSP核心相结合的一个或多个微处理器或者任何其他此类配置。
在不背离本发明的情况下,在附图中示出的其中一个或多个组件和功能可以被重新安排和/或组合成单个组件或者被具体实现在几个组件中。在不背离本发明的情况下,还可以添加附加的元件或组件。
在其各个方面中,本发明可以通过计算机实施的处理、机器(比如电子设备或者提供可以在其上执行计算机程序的平台的通用计算机或其他设备)、由这些机器实施的处理或者制造品来具体实现。这样的制造品可以包括计算机程序产品或数字信息产品(其中计算机可读存储介质包含存储在其上的计算机程序指令或计算机可读数据)以及产生并且使用这些制造品的处理和机器。
2、实验
进行了实验以便验证本发明在确定肉品产品中的粪便污染的应用方面的实用性。
图3(a)示出了羔羊肋腹切片内的隔离胶原、表面、脂肪和组织的荧光。在图3(a)的插入图上还存在稀释绵羊粪便的荧光。少量(0.1ml)稀释粪便被沉积到每一份样本的相同激发点,并且如图3(b)中所示随后立即取得所得到的光谱。
在所研究的肉品样本当中,胶原表现出最高荧光强度,组织表现出最低荧光强度。一般来说,肉品荧光是类似的,其中在450nm激发下的峰值波长是520nm附近,并且荧光性状关于波长是不对称的。在545nm和576nm处还看到两处陡降,其据信是氧合血红蛋白的再吸收。由于相对小的肉品荧光和高血管含量,组织表现出独特的血红蛋白吸收,同时在胶原中找到最少血红蛋白吸收。与其他样本不同,脂肪荧光还在630nm到730nm之间表现出卟啉的窄荧光峰值。
应当提到的是,组织在670nm处表现出被污染和未污染荧光签名之间的最大对比度。另一方面,尽管施加了相同数量的粪便,胶原在相同的光谱区段处表现出非常小的改变。换句话说,与其他肉品部分中相比,胶原上的粪便的相对信号非常小。这可能会导致错误否定检测。因此,为了最小化错误检测,至关重要的是评估叶绿素的绝对荧光信号而不是相对信号。
为此目的,我们开发出了使用两个检测参数Ifeces和Rfeces的方法。
第一检测参数Ifeces是从逆矩阵问题求解方法计算的。
如图4中所示,如果忽略随着波长的检测器响应,每一个检测器(例如图1的113是检测器1,图1的114是检测器2)接收等效于由光学滤波器提供的曲线下方的面积的荧光信号。每一个检测器接收自每一份隔离肉品和粪便溶液的信号强度可以被如下表达:
其中Fmeat(λ)和Ffeces(λ)分别是隔离肉品和粪便溶液的荧光波形。
为了计算参数Ifeces,基于等式1预先确定一个2×2矩阵A。矩阵A的实体表示分别由检测器1和检测器2同时测量的未污染胶原和稀释粪便信号的总集。矩阵的第一列表示归一化到检测器1的未污染胶原。第二列表示归一化到检测器1值的稀释粪便。应当提到的是,我们使用了从隔离胶原测量的检测器值来表示未污染肉品。由于与粪便信号相比的高胶原荧光信号,这是用以测量逆矩阵问题求解方法的灵敏度的良好设定点。
该矩阵A可以通过E被进一步简化,E被定义成
A-1与样本信号的任何输入矩阵的乘积将生成结果矩阵
结果矩阵的实体Imeat和Ifeces分别表示肉品背景和粪便污染的所计算的绝对强度。
对于粪便检测,在信号处理中已经考虑了Ifeces。实体Imeat也是用于估计感兴趣样本内的未污染肉品的有效参数。
所述2×2矩阵可以被扩展到n×n或m×n,其中n和m可以是任何整数。具有更大的矩阵尺寸意味着我们可以量化感兴趣样本内的更多荧光材料,比如粪便残留物、胶原、脂肪以及卟啉。
因此,所述逆矩阵求解方法可以被应用在其中需要更加全面的分析的更加一般化的情况中。
第二参数Rfeces是从测量数据的比值与未污染胶原的比值之间的差计算的。参数Rfeces被定义在等式3中。
第一项是被表达成两个检测器的比值的来自任何感兴趣样本的测量数据。等式3中的第二项是未污染胶原的预定比值。第一和第二项之间的差随后被乘以相同样本的所测量的检测器2信号,从而产生绝对计算的粪便荧光信号。
两个参数Ifeces和Rfeces给出了关于粪便荧光强度的独立的估计。如图5中所示,从被污染和未污染肉品样本计算的Ifeces和Rfeces的值表现出良好的一致性。
用于粪便检测的任意阈值水平被设定在50。高于该水平的任何值被视为粪便污染。所述阈值水平可以被改变。
在信号处理环路中,将Ifeces和Rfeces的值与预定阈值水平进行比较,并且当两个参数的值都超出阈值时生成警告指示。
粪便污染检测极限近似等于粪便与水的1/32稀释。由于准直光束被用作主要激发递送,因此随着距离的检测性能在距离肉品样本表面的100mm到400mm处是稳定的。
前面关于本发明的描述包括其优选形式。在不背离如在所附权利要求书中限定的本发明的范围的情况下可以对其作出修改。
Claims (47)
1.一种用于确定被照射产品中或其上的一种或多种物质或污染物的数量的方法,所述方法包括以下步骤:
接收表明第一波段中的从产品发出的光的强度的第一信号;
接收表明第二波段中的从产品发出的光的强度的第二信号,其中包含与将要检测的污染物或物质的荧光属性相关联的一个或多个波长;
对于产品中或其上的一种或多种物质或污染物当中的每一种或至少其中一种,从所述第一和第二信号并且从预定信息确定或预测表明所述物质或污染物的数量的值,其中所述预定信息涉及与所述物质或污染物隔离的相同或类似产品或者所述产品(在后文中称作隔离产品)的主要或更丰富物质的荧光行为以及/或者涉及与所述产品隔离的所述物质或污染物的荧光行为。
2.如权利要求1所述的方法,其中,第二波段处于第一波段内。
3.如权利要求1所述的方法,其中,第二波段处于第一波段之外。
4.如权利要求1到3中任一所述的方法,其中,所述确定或预测表明所述物质或污染物的数量的值的步骤包括:
基于以下各项从第一信号分离与所述物质或污染物有关的信号部分:所述第二信号,与所述产品隔离的所述物质或污染物的荧光行为,以及所述隔离产品的荧光行为。
5.如权利要求1到4中任一所述的方法,还包括通过基于以下各项从第一信号分离与主要物质有关的信号部分来确定或预测表明产品的主要或更丰富物质的数量的值:第二信号,每一种隔离物质或污染物的荧光行为,以及隔离产品的荧光行为。
6.如权利要求1到4中任一所述的方法,其中,所述预定信息涉及:
分别表明响应于光学激发的第一和第二波段中的从隔离(未污染)产品发出的光的第一和第二隔离产品信号;以及
对于一种或多种隔离物质或污染物当中的每一种,分别表明响应于光学激发的第一和第二波段内的从所述隔离物质或污染物发出的光的第一和第二隔离物质或污染物信号。
7.如权利要求5所述的方法,其中,所述预定信息表明:第一和第二隔离产品信号当中的每一个信号的强度,以及对于一种或多种隔离物质或污染物当中的每一种,第一和第二隔离物质或污染物信号当中的每一个信号的强度。
8.如权利要求6所述的方法,其中,隔离产品信号的强度是相关波段上的隔离产品信号的强度的积分,并且隔离物质或污染物信号的强度是相关波段上的隔离物质或污染物信号的强度的积分。
9.如权利要求5到7中任一所述的方法,其中,所述预定信息包括以下各项当中的一项或多项:
第一和/或第二隔离产品信号相对于第一隔离产品信号的归一化强度;以及
对于各种隔离物质或污染物当中的每一种,第一和/或第二隔离物质或污染物信号相对于第一隔离物质或污染物信号的归一化强度。
10.如权利要求6到8中任一所述的方法,其中,所述确定或预测表明所述物质或污染物的数量的值的步骤包括将第一和第二信号乘以矩阵的逆,其中包含第一和第二隔离产品信号当中的每一个信号的强度以及对于每一种物质或污染物的第一和第二隔离物质或污染物信号当中的每一个信号的强度。
11.如权利要求1到9中任一所述的方法,其在接收第一和第二信号之前还包括以下步骤:
在处于第一和第二波段之外的激发波长下用光照射所述产品;
接收响应于照射从产品发出的光;以及
将所发出的光滤波到分别处于第一和第二波段内的第一和第二已滤波光信号中。
12.如权利要求1到10中任一所述的方法,还包括导出所述预定信息的步骤。
13.如权利要求11所述的方法,其中,所述导出所述预定信息的步骤包括:
获得第一和第二隔离产品信号;
对于每一种物质或污染物,获得第一和第二隔离物质或污染物信号。
14.如权利要求12所述的方法,其中,所述获得第一和第二隔离产品信号的步骤包括:
在处于第一和第二波段之外的激发波长下用光照射所述隔离产品;
接收响应于照射从所述产品发出的光;以及
将所发出的光滤波到分别处于第一和第二波段内的第一和第二已滤波光信号中。
15.如权利要求12或权利要求13所述的方法,其中,所述获得第一和第二隔离物质或污染物信号的步骤包括:
在处于第一和第二波段之外的激发波长下用光照射隔离物质或污染物;
接收响应于照射从所述物质或污染物发出的光;以及
将所发出的光滤波到分别处于第一和第二波段内的第一和第二已滤波光信号中。
16.如权利要求1到14中任一所述的方法,其中,所述产品是肉品样本或动物尸体,并且所述产品的主要或更丰富物质是胶原、组织和脂肪当中的任一项或任意组合,并且将要确定的(多种)物质或(多种)污染物是粪便残留物、脂肪、卟啉、胶原和细菌当中的任一项或任意组合。
17.如权利要求10到15中任一所述的方法,其中,所述激发波长处于近似350nm到650nm之间。
18.如权利要求10到16中任一所述的方法,其中,所述激发波长是近似365nm、405nm、450nm、532nm或650nm。
19.如权利要求10到17中任一所述的方法,其中,所述激发波长是450nm。
20.如权利要求1到18中任一所述的方法,其中,第一波段处于近似625nm和850nm之间。
21.如权利要求1到19中任一所述的方法,其中,第二波段处于近似666nm和676nm之间。
22.如权利要求1到18中任一所述的方法,其中,第一波段是近似450-800nm,第二波段是近似580-800nm。
23.一种用于确定或预测被照射产品中或其上的一种或多种物质或污染物的数量的方法,所述方法包括以下步骤:
接收表明一波段中的从产品发出的光的强度的至少一个信号;以及
基于与产品隔离的所述物质或污染物的荧光行为以及/或者基于与所述物质或污染物隔离的产品或者所述产品(在后文中称作隔离产品)的主要或更丰富物质的荧光行为,通过从发射自产品的总体信号中分离与所述物质或污染物有关的发射信号部分来确定或者预测产品中或其上的一种或多种物质或污染物当中的每一种或至少其中一种的数量。
24.如权利要求22所述的方法,其中,所述接收至少一个信号的步骤包括:
接收表明第一波段中的从产品发出的光的强度的第一信号;
接收表明第二波段中的从产品发出的光的强度的第二信号,其中包含与将要检测的污染物或物质的荧光属性相关联的一个或多个波长。
25.如权利要求22或权利要求23所述的方法,其中,第二波段处于第一波段内。
26.如权利要求22或权利要求23所述的方法,其中,第二波段处于第一波段之外。
27.如权利要求22到26中任一所述的方法,其中,所述确定或预测表明物质或污染物的数量的值的步骤包括基于以下各项从第一信号分离与所述物质或污染物有关的信号部分:所述第二信号,与所述产品隔离的所述物质或污染物的荧光行为,以及隔离产品的荧光行为。
28.如权利要求22到26中任一所述的方法,其中,所述方法还包括通过基于以下各项从第一信号分离与主要物质有关的信号部分来确定或预测表明产品的主要或更丰富物质的数量的值:所述第二信号,每一种隔离物质或污染物的荧光行为,以及隔离产品的荧光行为。
29.一种用于确定产品中的粪便污染的方法,包括以下步骤:
根据如权利要求1到27中任一所述的方法确定产品中或其上的污染物的数量;以及
当所述污染物的数量超出一个或多个预定阈值时确定粪便污染。
30.如权利要求28所述的方法,其中,所述方法还包括当污染物的数量超出所述一个或多个预定阈值时输出表明粪便污染的信号。
31.如权利要求28或权利要求29所述的方法,包括基于表明产品中或其上的所述物质或污染物的数量的值IC或者表明和产品相关联的信号与和隔离产品相关联的信号的偏差的参数RC或者二者的组合来确定所述数量。
32.如权利要求28到30中任一所述的方法,其中,所述确定粪便污染的步骤包括当IC超出预定的I阈值时、当RC超出预定的R阈值时或者当IC和RC分别都超出I阈值和R阈值时确定污染。
33.一种用于确定产品中或其上的一种或多种物质或污染物的数量的设备,所述设备包括:
用于存储表明预定信息的数据的存储器组件,其中所述预定信息涉及与物质或污染物隔离的相同或类似产品或者所述产品(在后文中称作隔离产品)的主要或更丰富物质的荧光行为以及/或者关于与产品隔离的一种或多种物质或污染物当中的每一种的荧光行为;以及
处理器,其被配置成:
接收表明第一波段中的从产品发出的光的强度的第一信号;
接收表明第二波段中的从产品发出的光的强度的第二信号,其中包含与将要检测的污染物或物质的荧光属性相关联的一个或多个波长;
从第一和第二信号以及从所述预定信息确定或预测表明产品中或其上的每一种或者至少其中一种所述物质或污染物的数量的值。
34.如权利要求32所述的设备,其中,第二波段处于第一波段内。
35.如权利要求32所述的设备,其中,第二波段处于第一波段之外。
36.如权利要求32到34中任一所述的设备,其中,所述设备还包括用于生成光束的光源。
37.如权利要求32到35中任一所述的设备,其中,所述设备还包括:
被安排成对光束进行滤波并且具有与所述第一波段相关联的第一操作波段的第一带通滤波器;以及
被安排成对光束进行滤波并且具有与所述第二波段相关联的第二操作波段的第二带通滤波器。
38.如权利要求36所述的设备,还包括分别邻近第一和第二滤波器的第一和第二光电倍增管,其分别用于接收来自第一和第二滤波器的已滤波光束并且向处理器输出表明光强度的第一和第二信号。
39.如权利要求36或权利要求37所述的设备,还包括耦合到光源的光纤线缆,所述光纤线缆用于把光发射出所述设备并传送到产品上并且用于把发射自产品的光传送到第一和第二滤波器。
40.如权利要求38所述的设备,其中,所述线缆光学耦合到邻近所述产品的透镜元件。
41.如权利要求39所述的设备,其中,所述透镜被安排成在一个方向上产生从光纤线缆的中心激发光纤到产品上的感兴趣区段上的激发光束,并且在相反的方向上产生从产品发射到光纤线缆的发射光纤中的发射光束。
42.如权利要求35到40中任一所述的设备,还包括摄影机透镜,所述摄影机透镜被配置成接收响应于来自光源的激发从产品发出的光并且输出图像信号。
43.如权利要求41所述的设备,还包括被配置成把图像信号划分到第一和第二通道中的分束器。
44.如权利要求42所述的设备,还包括具有与第一通道相关联的第一光学滤波器的第一图像传感器以及具有与第二通道相关联的第二光学滤波器的第二图像传感器,其中第一光学滤波器被安排成基于第一操作波段对输出图像信号进行滤波,并且第二光学滤波器被安排成基于第二操作波段对输出图像信号进行滤波,第二波段处于第一波段内。
45.一种用于确定产品中或其上的一种或多种物质或污染物的数量的系统,所述系统包括:
利用激发光照射产品的光源;以及
用于确定产品中或其上的一种或多种物质或污染物的数量的光检测器,所述检测器具有:
用于存储表明预定信息的数据的存储器组件,其中所述预定信息涉及与物质或污染物隔离的相同或类似产品或者所述产品(在后文中称作隔离产品)的主要或更丰富物质的荧光行为以及/或者关于与产品隔离的一种或多种物质或污染物当中的每一种的荧光行为;以及
处理器,其被配置成:
接收表明第一波段中的从产品发出的光的强度的第一信号;
接收表明第二波段中的从产品发出的光的强度的第二信号,其中包含与将要检测的污染物或物质的荧光属性相关联的一个或多个波长;
从第一和第二信号以及从所述预定信息确定或预测表明产品中或其上的每一种或者至少其中一种所述物质或污染物的数量的值。
46.如权利要求44所述的系统,其中,第二波段处于第一波段内。
47.如权利要求44所述的系统,其中,第二波段处于第一波段之外。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
NZ62244414 | 2014-03-14 | ||
NZ622444 | 2014-03-14 | ||
PCT/NZ2015/050026 WO2015137828A1 (en) | 2014-03-14 | 2015-03-13 | Substance or contamination detection |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106461555A true CN106461555A (zh) | 2017-02-22 |
CN106461555B CN106461555B (zh) | 2020-12-18 |
Family
ID=54072144
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201580019729.6A Active CN106461555B (zh) | 2014-03-14 | 2015-03-13 | 物质或污染物检测 |
Country Status (5)
Country | Link |
---|---|
US (2) | US20170002394A1 (zh) |
EP (1) | EP3117203B1 (zh) |
CN (1) | CN106461555B (zh) |
AU (1) | AU2015230052B2 (zh) |
WO (1) | WO2015137828A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110044913A (zh) * | 2019-03-27 | 2019-07-23 | 易安基自动化设备(北京)有限公司 | 一种检测物体的表面清洁度的方法及装置 |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10831204B1 (en) * | 2014-11-13 | 2020-11-10 | State Farm Mutual Automobile Insurance Company | Autonomous vehicle automatic parking |
NL1041809A (en) * | 2015-10-09 | 2017-04-24 | Condi Food B V | A spectral imaging system to detect contamination. |
US10245730B2 (en) * | 2016-05-24 | 2019-04-02 | Asustek Computer Inc. | Autonomous mobile robot and control method thereof |
EP3695198A4 (en) * | 2017-10-09 | 2021-06-30 | Pathspot Technologies Inc. | SYSTEMS AND METHODS FOR DETECTION OF CONTAMINANTS ON SURFACES |
GB2577770B (en) * | 2019-07-25 | 2020-10-21 | Oxford Optronix Solutions Ltd | Method for detection of bacteria |
US11408825B2 (en) * | 2020-08-28 | 2022-08-09 | Hong Kong Applied Science and Technology Research Institute Company Limited | Forensic detector and the system thereof |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2270475A1 (en) * | 2009-06-30 | 2011-01-05 | Star Ecotronics S.r.l. | Automated system for detecting aflatoxin in food |
CN102435313A (zh) * | 2010-09-03 | 2012-05-02 | 索尼公司 | 荧光强度补偿方法及荧光强度计算装置 |
US20120223251A1 (en) * | 2011-03-01 | 2012-09-06 | Gauge Scientific, Llc | Analyte Detector and Method |
WO2013180583A1 (en) * | 2012-06-01 | 2013-12-05 | Veritide Limited | Real time optical detection of bacteria |
CN103534578A (zh) * | 2011-05-16 | 2014-01-22 | 瑞尼斯豪公司 | 确定样本中存在的成分的光谱装置以及方法 |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5621215A (en) * | 1995-06-07 | 1997-04-15 | The Board Of Trustees Of The University Of Arkansas | Method and system for fecal detection |
US5658798A (en) * | 1996-02-08 | 1997-08-19 | Nalco Chemical Company | Detection of process components in food process streams by fluorescence |
US5821546A (en) * | 1996-11-13 | 1998-10-13 | Board Of Trustees Of The University Of Arkansas | Method and system for fecal detection |
US5914247A (en) * | 1998-03-03 | 1999-06-22 | The United States Of America As Represented By The Secretary Of Agriculture | Method and system for detecting fecal and ingesta contamination on the carcasses of meat animals |
US7209836B1 (en) * | 1999-07-16 | 2007-04-24 | Perkinelmer Las, Inc. | Method and system for automatically creating crosstalk-corrected data of a microarray |
US6639665B2 (en) * | 2001-02-09 | 2003-10-28 | Institute For Technology Development | Multispectral imaging system for contaminant detection |
US6587575B1 (en) * | 2001-02-09 | 2003-07-01 | The United States Of America As Represented By The Secretary Of Agriculture | Method and system for contaminant detection during food processing |
WO2002103335A1 (en) * | 2001-06-18 | 2002-12-27 | Amnis Corporation | Spectral deconvolution of fluorescent markers |
US20030160182A1 (en) * | 2002-02-25 | 2003-08-28 | Emerge Interactive, Inc. | Apparatus and method for detecting fecal and ingesta contamination using a hand held illumination and imaging device |
US20060008866A1 (en) * | 2004-07-09 | 2006-01-12 | Emerge Interactive, Inc. | Apparatus and method for detecting human fecal contamination on hands and other objects using an illumination imaging device |
US7547508B1 (en) * | 2004-12-30 | 2009-06-16 | The United States Of America As Represented By The Secretary Of Agriculture | Use of nanosecond scale, time-resolved, imaging to differentiate contemporaneous fluorescence responses from multiple substances |
CA3162577C (en) * | 2008-05-20 | 2023-09-26 | University Health Network | Device and method for fluorescence-based imaging and monitoring |
JP2013514530A (ja) * | 2009-12-16 | 2013-04-25 | スペクトラリス イノベーション | 分光データのマルチチャネル処理を用いて、特に食品を分析する方法および分光分析機器 |
DE102013008003B4 (de) * | 2013-05-08 | 2015-03-19 | Freshdetect Gmbh | Messgerät zum Messen eines Oberflächenbelags auf einem Messobjekt, insbesondere auf einem Lebensmittel, und dessen Verwendung |
-
2015
- 2015-03-13 EP EP15762354.7A patent/EP3117203B1/en active Active
- 2015-03-13 CN CN201580019729.6A patent/CN106461555B/zh active Active
- 2015-03-13 US US15/125,618 patent/US20170002394A1/en not_active Abandoned
- 2015-03-13 WO PCT/NZ2015/050026 patent/WO2015137828A1/en active Application Filing
- 2015-03-13 AU AU2015230052A patent/AU2015230052B2/en active Active
-
2020
- 2020-03-16 US US16/819,954 patent/US10961558B2/en active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2270475A1 (en) * | 2009-06-30 | 2011-01-05 | Star Ecotronics S.r.l. | Automated system for detecting aflatoxin in food |
CN102435313A (zh) * | 2010-09-03 | 2012-05-02 | 索尼公司 | 荧光强度补偿方法及荧光强度计算装置 |
US20120223251A1 (en) * | 2011-03-01 | 2012-09-06 | Gauge Scientific, Llc | Analyte Detector and Method |
CN103534578A (zh) * | 2011-05-16 | 2014-01-22 | 瑞尼斯豪公司 | 确定样本中存在的成分的光谱装置以及方法 |
WO2013180583A1 (en) * | 2012-06-01 | 2013-12-05 | Veritide Limited | Real time optical detection of bacteria |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110044913A (zh) * | 2019-03-27 | 2019-07-23 | 易安基自动化设备(北京)有限公司 | 一种检测物体的表面清洁度的方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
WO2015137828A1 (en) | 2015-09-17 |
US10961558B2 (en) | 2021-03-30 |
US20200392555A1 (en) | 2020-12-17 |
AU2015230052A1 (en) | 2016-10-27 |
EP3117203A1 (en) | 2017-01-18 |
CN106461555B (zh) | 2020-12-18 |
US20170002394A1 (en) | 2017-01-05 |
EP3117203A4 (en) | 2017-11-29 |
EP3117203B1 (en) | 2021-02-17 |
AU2015230052B2 (en) | 2019-12-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106461555A (zh) | 物质或污染物检测 | |
Cluff et al. | Optical scattering in beef steak to predict tenderness using hyperspectral imaging in the VIS-NIR region | |
Park et al. | Performance of hyperspectral imaging system for poultry surface fecal contaminant detection | |
US5412219A (en) | Method for determining surface coverage by materials exhibiting different fluorescent properties | |
RU2388203C2 (ru) | Устройство для определения однородности партии семян | |
DE102011007666A1 (de) | Fluoreszenzkontrolle | |
JP5870821B2 (ja) | 多重蛍光画像の画像解析のための装置、システム、方法、およびプログラム | |
EP3290908B1 (en) | Unknown sample determining method | |
CN103900972A (zh) | 基于多特征融合的肉类新鲜度高光谱图像可视化检测 | |
JP2011141809A (ja) | 画像データ分析装置及び画像データ分析方法 | |
JP2013094064A (ja) | 微生物の検査方法 | |
JP3706914B2 (ja) | 成分分布可視化方法および成分分布可視化装置 | |
US20140139821A1 (en) | Man-Portable Device for Detecting Hazardous Material | |
JP6813316B2 (ja) | 劣化情報取得装置、劣化情報取得システム、劣化情報取得方法及び劣化情報取得プログラム | |
CN104813160A (zh) | 细菌的实时光学检测 | |
CN104897637A (zh) | 基于拉曼散射的食品安全检测装置及检测方法 | |
Cho et al. | Detection of fecal residue on poultry carcasses by laser‐induced fluorescence imaging | |
JP2009068850A (ja) | 分光画像法による農産物の残留農薬検査方法および装置 | |
JP6844976B2 (ja) | 劣化情報取得装置、劣化情報取得システム、劣化情報取得方法及び劣化情報取得プログラム | |
KR101951758B1 (ko) | 라만 분광을 이용한 지방 혼합물 내의 돼지 지방 정량 분석 방법 및 장치 | |
Gonçalves et al. | A novel strategy for the classification of naturally colored cotton fibers based on digital imaging and pattern recognition techniques | |
JP2021001777A (ja) | 植物の生育状態評価方法および評価装置 | |
DK180934B1 (en) | Objective cleaning control in a food manufacturing setting | |
JP6276949B2 (ja) | 大型藻類の生育診断装置及び大型藻類の生育診断方法 | |
CN104345039B (zh) | 一种基于图像处理技术的小麦水分快速测定方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |