CN106796169B - 探测流体中颗粒的传感器 - Google Patents

探测流体中颗粒的传感器 Download PDF

Info

Publication number
CN106796169B
CN106796169B CN201480082403.3A CN201480082403A CN106796169B CN 106796169 B CN106796169 B CN 106796169B CN 201480082403 A CN201480082403 A CN 201480082403A CN 106796169 B CN106796169 B CN 106796169B
Authority
CN
China
Prior art keywords
particles
microfluidic channel
sensor
particle
standing wave
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.)
Active
Application number
CN201480082403.3A
Other languages
English (en)
Other versions
CN106796169A (zh
Inventor
刘爱群
雷磊
黄伟
舍姆斯丁·沙希纳韦斯 帕克意儿
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Suzhou Shuiguang General Technology Co.,Ltd.
Original Assignee
Water Optics Technology Pte Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Water Optics Technology Pte Ltd filed Critical Water Optics Technology Pte Ltd
Publication of CN106796169A publication Critical patent/CN106796169A/zh
Application granted granted Critical
Publication of CN106796169B publication Critical patent/CN106796169B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/10—Investigating individual particles
    • G01N15/14—Optical investigation techniques, e.g. flow cytometry
    • G01N15/1484—Optical investigation techniques, e.g. flow cytometry microstructural devices
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
    • B01L—CHEMICAL OR PHYSICAL LABORATORY APPARATUS FOR GENERAL USE
    • B01L1/00—Enclosures; Chambers
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
    • B01L—CHEMICAL OR PHYSICAL LABORATORY APPARATUS FOR GENERAL USE
    • B01L3/00—Containers or dishes for laboratory use, e.g. laboratory glassware; Droppers
    • B01L3/50—Containers for the purpose of retaining a material to be analysed, e.g. test tubes
    • B01L3/502—Containers for the purpose of retaining a material to be analysed, e.g. test tubes with fluid transport, e.g. in multi-compartment structures
    • B01L3/5027—Containers for the purpose of retaining a material to be analysed, e.g. test tubes with fluid transport, e.g. in multi-compartment structures by integrated microfluidic structures, i.e. dimensions of channels and chambers are such that surface tension forces are important, e.g. lab-on-a-chip
    • B01L3/502761—Containers for the purpose of retaining a material to be analysed, e.g. test tubes with fluid transport, e.g. in multi-compartment structures by integrated microfluidic structures, i.e. dimensions of channels and chambers are such that surface tension forces are important, e.g. lab-on-a-chip specially adapted for handling suspended solids or molecules independently from the bulk fluid flow, e.g. for trapping or sorting beads, for physically stretching molecules
    • 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/10—Investigating individual particles
    • G01N15/14—Optical investigation techniques, e.g. flow cytometry
    • G01N15/1404—Handling flow, e.g. hydrodynamic focusing
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/10—Investigating individual particles
    • G01N15/14—Optical investigation techniques, e.g. flow cytometry
    • G01N15/1456—Optical investigation techniques, e.g. flow cytometry without spatial resolution of the texture or inner structure of the particle, e.g. processing of pulse signals
    • G01N15/1459—Optical investigation techniques, e.g. flow cytometry without spatial resolution of the texture or inner structure of the particle, e.g. processing of pulse signals the analysis being performed on a sample stream
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/02—Analysing fluids
    • G01N29/022—Fluid sensors based on microsensors, e.g. quartz crystal-microbalance [QCM], surface acoustic wave [SAW] devices, tuning forks, cantilevers, flexural plate wave [FPW] devices
    • 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
    • G01N33/18—Water
    • G01N33/1826—Organic contamination in water
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N37/00—Details not covered by any other group of this subclass
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
    • B01L—CHEMICAL OR PHYSICAL LABORATORY APPARATUS FOR GENERAL USE
    • B01L2200/00—Solutions for specific problems relating to chemical or physical laboratory apparatus
    • B01L2200/06—Fluid handling related problems
    • B01L2200/0647—Handling flowable solids, e.g. microscopic beads, cells, particles
    • B01L2200/0652—Sorting or classification of particles or molecules
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
    • B01L—CHEMICAL OR PHYSICAL LABORATORY APPARATUS FOR GENERAL USE
    • B01L2400/00—Moving or stopping fluids
    • B01L2400/04—Moving fluids with specific forces or mechanical means
    • B01L2400/0403—Moving fluids with specific forces or mechanical means specific forces
    • B01L2400/0433—Moving fluids with specific forces or mechanical means specific forces vibrational forces
    • B01L2400/0436—Moving fluids with specific forces or mechanical means specific forces vibrational forces acoustic forces, e.g. surface acoustic waves [SAW]
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/10—Investigating individual particles
    • G01N15/14—Optical investigation techniques, e.g. flow cytometry
    • G01N15/1404—Handling flow, e.g. hydrodynamic focusing
    • G01N15/1409—Handling samples, e.g. injecting samples
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/10—Investigating individual particles
    • G01N2015/1006—Investigating individual particles for cytology
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/10—Investigating individual particles
    • G01N15/14—Optical investigation techniques, e.g. flow cytometry
    • G01N15/1404—Handling flow, e.g. hydrodynamic focusing
    • G01N2015/1415—Control of particle position
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/10—Investigating individual particles
    • G01N15/14—Optical investigation techniques, e.g. flow cytometry
    • G01N2015/1497—Particle shape
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N35/00—Automatic analysis not limited to methods or materials provided for in any single one of groups G01N1/00 - G01N33/00; Handling materials therefor
    • G01N35/08—Automatic analysis not limited to methods or materials provided for in any single one of groups G01N1/00 - G01N33/00; Handling materials therefor using a stream of discrete samples flowing along a tube system, e.g. flow injection analysis

Landscapes

  • Chemical & Material Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Immunology (AREA)
  • General Physics & Mathematics (AREA)
  • Pathology (AREA)
  • Dispersion Chemistry (AREA)
  • Engineering & Computer Science (AREA)
  • Organic Chemistry (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Clinical Laboratory Science (AREA)
  • Zoology (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • Wood Science & Technology (AREA)
  • Fluid Mechanics (AREA)
  • Hematology (AREA)
  • Medicinal Chemistry (AREA)
  • Food Science & Technology (AREA)
  • Acoustics & Sound (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Engineering & Computer Science (AREA)
  • Genetics & Genomics (AREA)
  • Microbiology (AREA)
  • Biotechnology (AREA)
  • Apparatus Associated With Microorganisms And Enzymes (AREA)
  • Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

探测流体中颗粒的传感器。本发明涉及一款用于检测和表征流体中颗粒的传感器。传感器设有一个用于接收流体样品的微流通道；一个用于生成驻波以便将颗粒集中到微流通道某一区域的声换能器模块；一个在光源照射流体样品区域时用于检测颗粒散射光信号的光学检测模块；以及一个用于根据光信号并利用分类器表征流体样品中颗粒的数据处理模块。

Description

探测流体中颗粒的传感器
技术领域
本发明涉及一种流体颗粒检测传感器，更具体来讲是一种用于检测和识别水及其他流体中致病微生物的光流传感器。
背景技术
水生病原微生物检测与控制(特别是饮用水)受到广泛关注，因为饮用水中影响健康的污染物会造成致命疫情，特别是人口密集城市[1]。
现有实验室传统方法可检测特定已知类型的致病微生物。然而，这些实验室传统微生物检测方法存在多种内在局限性，包括较长的处理时间和较高的成本等。此外，这些方法十分复杂，需要技术熟练人员操作，而且不适合现场监测。
另外，实验室传统方法只能检测特定的微生物类型，一般需要实施下列步骤：取样，培养，隔离，染色和显微镜法量化。然而，包括微小隐孢子虫(C.parvum)和兰伯氏贾第鞭毛虫(G.lamblia)在内的部分病原体无法培养，这明显约束了传统方法的应用，因为不少水传播疾病疫情实际上都是由实验室传统方法无法检测的致病微生物甚至是改性微生物所致。
当前最普遍认可的分析方案是US-EPA 1623法[3]。该法首先根据微生物预期水平将采集的水样(10～1000L)运往实验室。水样通过过滤器浓缩至更小体积，病原体可通过离心作用进一步集中，并用免疫磁分离法[4]筛出。最终集中的微生物经染色后利用荧光显微镜手动计数。此种方法或其他传统微生物检测方法通常需要24-72小时才能得到结果，不适合提供事件预警。
近年来，水生病原体检测还采用聚合酶链反应(PCR)和流式细胞计数检测等其他方法。注意，流式细胞计数检测需通过荧光标记实现颗粒识别，但许多水生微生物没有特定染色化学剂进行标记。流式细胞术可检测颗粒散射强度，但仅用于颗粒计数而非识别(例如细菌)，因为散射强度主要基于颗粒尺寸，它对颗粒识别而言并不可靠。因此，流式细胞术很难应用于水中病原体检测。此外，上述方法仍基于实验室，需要耗费大量人工，而生物试剂的消耗则会产生较高成本。
因此，水生病原体检测和识别型方法和装置需要通过改进实现水生病原体实时现场监测。还需开发一种采用自动化工作流程的现代化水质风险管理系统和方法，实现水生病原微生物的低成本快速可靠检测。
发明内容
总体而言，本发明拟利用声波在微流通道流体不同位置上产生的压差，将流体中的颗粒集中(“聚集”)到通道的至少一个区域内(通常是通道中心区域)进行颗粒特性表征。此外，本发明还欲利用流体中颗粒的前向散射图样表征或识别微生物颗粒的种类。
具体来讲，本发明有一方面是利用传感器表征流体样本中的颗粒，包括：
一个用于接收流体样品的微流通道，
一个用于生成驻波以将颗粒集中到微流通道至少一个区域内的声换能器模块；
一个用于检测在激光源照射流体样品至少一个区域时颗粒散射光信号的光学检测模块；以及
一个利用分类器根据光信号表征流体样品中颗粒的数据处理模块。
以声学方式将颗粒集中在检测区内可获得用于表征颗粒的光信号。数据处理模块可通过分类器将颗粒实时划分成各种预定义类别。
此种方法的优点在于，传感器可以检测到未经培养的微生物，而且无需进行任何类型的标记(例如流式细胞术所用荧光标记)。
通常而言，驻波在微流通道不同位置产生的压差会在各位置改变颗粒在微流通道中的流动路径。声换能器模块一般装有一个超声换能器。
此种方法的优点在于，颗粒以受控方式流经微流通道预定区域，以实现光信号的检测。在微流通道中制造驻波便可实现颗粒的集中。在一个实施例中，微流通道设有两个间距为(d)的大尺寸对壁，所安装的声换能器模块产生波长(λ)为2d的驻波。
声换能器模块产生的第一个驻波振荡方向最好垂直于微流通道中第二个驻波的振荡方向；所述第一个和的第二个方向还应垂直于流体所流经的微流通道的方向。第一个驻波所产生的压力波节最好与第二个驻波所产生压力波节重合。
压差最好使颗粒沿微流通道预定路径汇合。
此种方法的优点在于，颗粒在压差作用下沿预定路径移动，然后穿过同一检测区(可以做成尺寸极小的检测区)，从而尽可能减小不同颗粒在光信号检测中的变化和随机误差(例如颗粒与检测器距离差所致误差等)。
在一个实施例中，微流通道一系列横截面几何中心所组成的中心路径作为预定路径。这些横截面垂直于流体所流经的微流通道方向。颗粒以此种方式在流体流动过程中集中到微流通道中心。
在一个实施例中，光学检测模块利用第一个传感器模块检测微生物颗粒的前向散射图样，还可选配第二个传感器模块检测颗粒强度等侧向散射信号。前向散射图样和侧向散射信号组合使用可更加详细地了解颗粒形态与生物物理特性，从而提高颗粒表征或识别的准确性。
第一个传感器模块可由第二个传感器模块和/或侧散射信号激活，因此无需持续监测与获取颗粒前向散射图样，从而减轻计算工作量，并进而提升系统效率。
光学检测模块以可拆卸方式连接到传感器上，或与传感器形成整体。
微流通道可设置多个出口。例如，流体流出通道时可通过主出口排出颗粒。还可设置一个或多个侧出口，仅用于排出任何多余的流体样本。若要实现此种效果，可将颗粒沿通往主出口的路径集中，从而使使颗粒远离侧出口。此种方式可降低样本预浓缩要求。
颗粒可能是微生物颗粒。在一个实施例中可使用分类器识别各微生物颗粒的种类，还可利用分类器确定微生物颗粒是否具有活性，从而更加缜密精确地识别常规方法难以识别的水致病风险。
在另一个实施例中，颗粒是各种血细胞。血细胞可通过表征区分具体细胞类型，例如红细胞或白细胞。
在一个实施例中，分类器通过对比光信号和一系列代表已知微生物颗粒信号特征的基准信号表征各种颗粒，还可根据已知颗粒的测得散射信号获得一系列基准信号。借助已知颗粒光学特性知识可实现基于光信号的颗粒表征。
在一个实施例中，分类器利用机器学习算法提取颗粒光信号特性，并根据特性将颗粒归类。分类器通过此种方式加以训练，以便提取光信号关键特性，从而实现最优表征或分类精度。
本发明另一方面提供了一种颗粒表征方法，具体包括：
将含有颗粒的流体样本送入微流通道；
产生一个驻波，将颗粒集中到微流通道至少一个区域内；
流体样品至少一个区域受光源照射时检测颗粒散射的光信号；以及
利用分类器根据光信号表征颗粒。
颗粒可能是微生物颗粒。
本发明另一方面提供了一种流体样本颗粒分类方法。
此种方法具体包括：以光源照射颗粒；
检测颗粒散射的光信号；光信号具有前向散射图样；以及
根据前向散射图样将颗粒划分为一系列类别。
有一个实施例所用方法包含颗粒侧散射信号的检测(例如侧散射强度)。该方法还可在侧散射信号检测时启用前向散射图样检测机制。
在一个实施例中，颗粒是微生物颗粒。所用方法可进一步识别微生物颗粒种类，还可识别微生物颗粒是否具活性。
在另一个实施例中，表征时将光信号同一系列代表已知颗粒信号特征的基准信号进行对比，还可根据已知颗粒的测得散射信号获得一系列基准信号。基准信号通常来源于已知颗粒的前向散射图样。
在另一个实施例中，分类器利用机器学习算法提取颗粒光信号特性，并根据特性将颗粒归类。
本发明另一方面还提供了一种流体内病原体风险管理方法，具体包括：
(a)接收流体微生物颗粒散射的光信号；所述光信号包含前向散射图样；
(b)利用分类器并根据前向散射图样将微生物颗粒归到一个类别中；(c)更新代表一系列类别微生物颗粒数量的记录数据；
(d)根据记录数据确定风险等级；
(e)根据风险等级和基准风险等级的对比结果确定是否满足终止条件；若不满足，则返回第(a)步，直至满足终止条件；而且
(f)终止条件一旦得到满足便生成警告信号告知流体中病原体风险升高。
所述流体可能是水。
有一个实施例所用方法包含微生物颗粒侧散射信号的接收(例如侧散射强度)。有一个实施例所用方法还在确定前向散射图样之前将侧散射信号强度对比起始阈值。
在另一个实施例中，第(b)步还包括识别微生物颗粒的种类。另外，该方法还可识别微生物是否具有活性。
在一个实施例中，记录数据包含各类微生物颗粒的相应数量。
有一个实施例所用方法还根据风险等级进行水处理。
本发明另一方面还提供一套流体风险管理系统，包括一个计算机处理器以及一台数据存储设备，后者用于存储由处理器执行的指令以便处理器执行上述方法。
“前向散射图样”是指与光束成各种角度(例如-45°～+45°或-60°～+60°)收集的前向散射信号，主要是相对于通常以单一角度(或极小的角度范围)采集的前向散射幅度。所述前向散射图样通常采用二维图像形式，用于表述前向散射光子的分布。
“颗粒表征”是指一种或多种属性与颗粒相关联，将其与其他颗粒区分开来(换而言之，就是将颗粒划分为多个类别)。例如，颗粒相关“表征”可包括确定颗粒是淤泥、砂还是细菌。再如，微生物相关“表征”可包括识别微生物的种类和/或亚种，还可进一步包括确定微生物是否具活性。再如，血细胞相关“表征”可包括识别血细胞类型(例如红细胞或白细胞)或血细胞疾病状态(例如镰状细胞或正常红细胞)。颗粒关联属性最好包含颗粒尺寸以外至少一种属性。
尺寸、频率、波长和功率等给定数值前面的“约”字表示与规定值的偏差不超过10％。
附图说明
附图中相同的基准特征一般是指不同视角上观察完全相同的部分。附图无需按比例绘制，重点在于阐释各实施例原理。下面的内容结合下列附图阐释了各发明实施例。
图1是某一发明实施例的传感器示意图。
图2描述了微流通道中产生超声驻波时A'-A'横截面方向观察施加于颗粒的作用力。
图3(a)和3(b)是荧光显微镜CCD相机所拍照片，分别显示了声换能器模块(a)关闭和(b)开启时流经微流通道的5微米荧光聚苯乙烯颗粒悬浮图。
图4是微生物颗粒光散射信号测量用光学检测装置的示意图。
图5描述了水中可能存在颗粒的前向散射特性，包括具活性或无活性的小隐孢子虫卵囊、兰伯氏贾第鞭毛虫包囊、大肠杆菌(大肠埃希氏菌)、砂和淤泥。
图6展示了小隐孢子虫卵囊和兰伯氏贾第鞭毛虫包囊的侧散射强度测量。
图7模拟了不同尺寸和椭圆度(D和d分别代表微生物颗粒的外径和内径)(a)-(e)小隐孢子虫卵囊和(e)-(j)兰伯氏贾第鞭毛虫包囊的前向散射特性。
图8是装有传感器的水质风险管理系统的实施例流程图。
图9展示了小隐孢子虫卵囊、兰伯氏贾第鞭毛虫包囊、大肠杆菌、砂和淤泥的散射特征分类。
图10以示意图方式描述了图1所示实施例变体型的传感器结构。
具体实施方式
下面的详细说明是指以实例说明方式展示本发明实际应用具体细节和实施例的附图。这些实施例进行了足够详细的说明，以使该领域熟练技术人员能将本发明投入实际应用。此外还可采用其他实施例，亦可在本发明范围内进行结构修改。各种实施例无需相互独立，因为部分实施例可与其他一个或多个实施例组合成新实施例。
图1是流体中检测微生物颗粒的传感器示意图。该具体实例中，传感器10适合检测水中的水生病原体。含有微生物颗粒14的水样可流经光流传感器10的微流通道12。微流通道入口16用于承接水样，主出口18用于排放水样。微流通道12的两个辅助出口20a和20b沿微流通道12对称分布，用于排除多余的水。
光流传感器10包含两个超声换能器22a和22b，它们靠近微流通道12，用于生成将颗粒14聚集在微流通道12中的声作用力。在一个具体实例中，两个超声换能器22a和22b分别附到微流通道12侧壁21a和21b上，其所产生的超声驻波振荡方向相互垂直。本例中，驻波横向38a和纵向38b振荡，两者皆垂直于微流通道12的流体流动方向。
在一个实施例中，微流通道12的宽度设置为换能器所产生超声波长的一半(λ/2)。此种设置在实际应用中会于微流通道12两侧壁21a和21b之间产生一个驻波。悬浮颗粒14将被推向驻波形成的压力波节。在一个示例中，微流通道12两侧壁之间中点位置形成压力波节32，而靠近侧壁的微流通道12两侧则形成两个波腹点34和36，具体如图2所示。
充满悬浮颗粒14的微流通道12内形成超声驻波时，颗粒14经受两种不同类型的作用力：声辐射力(Frad)和史托克拖拽力(Fdrag)[5]。声辐射力由颗粒上的声波散射产生，颗粒14在其作用下移向压力波节32或波腹34，具体取决于颗粒14的物理性质。特别应注意的是，辐射力由颗粒和水的物理性质决定。该领域熟练技术人员都知道，具体关系取决于声学对比系数，该系数根据颗粒和流体的密度和可压缩性进行计算。声学对比系数为正时，颗粒移向压力波节点；系数为负时，颗粒移向波腹。此外，颗粒尺寸决定着辐射力的大小(但不会改变作用力方向)。该领域熟练技术人员知道如何利用驻波将特定类型的颗粒移向微流通道中心。声流所产生的史托克拖拽力方向与颗粒与声流相对速度方向相反。颗粒14在微流通道12内的运动可通过考查上述两种作用力加以分析。
超声换能器在实际应用中所产生的声作用力会使颗粒14沿微流通道12内的预定路径汇集。例如，超声换能器为给定尺寸的微流通道产生特定频率范围的声波，确保流体流经微流通道12时颗粒14在声作用力下沿微流通道12的中心路径分布。
例如，150微米高和400微米宽的微流通道12中产生的1.72MHz和7.12MHz声波分别沿微流通道12横向和纵向形成声共振。本例中声换能器的功率为1-6W。由于声作用力与功率成正比，增加功率会相应地提高“聚集”效率。通常而言，流量较高的样本建议采用较高功率，但流体温度也会相应升高，导致水中形成会干扰检测的气泡。该领域熟练技术人员知道如何根据具体应用情形调节声换能器功率，或使用特定微流设备通过常规实验达到预期目的。声波频率通常根据通道尺寸确定，以使其波长为通道尺寸的两倍左右(例如宽度)。两个驻波形成的压力波节在图2所示微流通道12横截面中心40位置重合。图3(a)和(b)分别描述了超声换能器关闭和开启时沿微流通道宽度方向(顶视图)的颗粒分布情况。如图所示，每微升含大约50000个5微米聚苯乙烯颗粒的悬浮液样本以0.1mL/分的速率流经微流通道时，90％以上的颗粒在经由主出口18排出之前集中(聚集)成一线(沿微流通道各横截面几何中心)。指示“聚集”效果的线宽度可通过声换能器所施电压进行调节。在一个具体实例中，颗粒可集中于宽度小于10微米(约为通道宽度(400微米)的2.5％)的一个区域内。注意，由于荧光亮度的影响，图3(b)中线宽度似乎大于实际宽度。注意，“集中”一词在此处并非表示所有颗粒都移入中心线，而是说区域内颗粒数量从统计学角度讲占很大一部分。
该领域熟练技术人员知道上述实施例可进行各种修改。例如，设备可设置任意数量的辅助出口，亦可不设置任何出口，而且无需沿微流通道对称排布。可使用辅助出口有选择地排放不同类型的颗粒(又称“分类”)。声换能器类型和数量因具体情况而异，通常使用一个或多个超声换能器。超声换能器可以是压电换能器或磁致伸缩换能器，典型超声频率从20到200kHz不等，而磁致伸缩换能器运行频率通常不超过30kHz左右。许多类型的超声换能器一般根据其设计或既定用途进行标记，例如：接触式换能器(例如对偶元件、线性阵列或凸面换能器)可直接用于固体表面分析或与其发生接触。不同于可直接应用于固体表面的接触式换能器，浸入式换能器需要没入水和油等液体才能进行分析。本专利发明人发现，各种实施例特别适用平面接触式压电换能器。
再如，在一个实施例中利用一个超声换能器产生振荡方向彼此垂直的两个驻波。两波通常以相同频率彼此垂直振荡产生两个驻波(此种情况下，通道宽度和高度相等)。此外还可使用至少两个换能器生成振荡方向彼此垂直的两个驻波。
在另一个实例中，所生成的一个或两个驻波只有一个振荡方向，以便将颗粒基本汇集在垂直于通道横截面的一个平面内(而非一条线上)。上述示例中的压力波节点沿微流通道分布，并与微流通道各横截面几何中心重合。在另一个实施例中，驻波形成的压力波节点偏离了各横截面的几何中心。
声换能器能够以可拆除的方式连接至微流通道限定结构或直接作为微流通道限定结构的组成部分。控制装置收到控制信号后，声换能器可在控制装置控制下产生不同振荡频率或幅度的波。
另一个实施例的流体采用了水以外的另一种介质(例如饮料、血液、其他生物流体或生物医学样本)。在一个实施例中，传感器通过检测饮料中的微生物颗粒对其进行质量监测。在另一个实施例中，传感器检测血液样本(或其他生物流体或生物流体样本)中的细胞和/或细菌实现生物医学分析。
如图1所示，光流传感器10还包含一个光学检测装置，在颗粒流经微流通道12时检测颗粒14的光信号。光学检测装置包含一个用于照射流体样本的激光源24，以及一个由一个或多个CMOS图像传感器组成用于检测样本散射的第一个光信号的CMOS图像传感器。光学检测装置还包含第二个传感器模块30，它包含一个由一个或多个光电二极管组成的光检测装置，通过光纤28接收样本散射的第二个光信号。实际应用中，微流通道12设有一个透明顶盖；为方便起见，图1并未显示透明顶盖。
激光源24位于通道顶盖上方，用于从上方照射微流通道12中的样本。实际应用中，激光源24(以单一波长或范围极小的波长)连续照射流体样品，照射强度足以使传感器模块26,30检测到所对应的散射信号；激光功率通常为2-10mW。该领域熟练技术人员都知道：若功率较低，则光信号强度太小而无法被检测到；若功率较高，则光信号存在过高噪声水平，无法实现有效信号处理。激光波长一般都在可见光范围内(400-650纳米)，可直接产生可见光信号(例如图像)；还可采用其他波长，前提是颗粒能够产生传感器模块能检测到的有效散射图样；另外还可根据检测器类型选择精确波长(即检测器最容易感测到的波长)。
在一个具体实例中，一件紧凑型光学器件与激光源24集成后对微流通道12中的预定检测区进行均匀的高度集中照射。第一个传感器模块26置于微流通道12底壁，用于获取所检测颗粒的前向散射图样。在另一个实施例中，嵌入微流通道12侧壁的光纤28收集需由光检测装置检测的侧向散射信号。在另一个实施例中，前向散射和侧向散射信号由集成光学检测装置或传感器模块检测。
散射信号(例如形式和强度)受相对位置影响，其中包括颗粒和传感器模块和/或光源之间的距离甚至是沿通道分布的各种检测位置。为实现最稳定的颗粒检测并尽可能减小随机误差，微生物颗粒可利用前例所述方法并借助声作用力在微流通道中集中对齐。特别需要注意的是，颗粒随后沿预定路径穿过通道，使局部检测区域(相当于激光光斑尺寸(例如：直径为20微米))能够检测到散射信号；尺寸通常远小于通道尺寸(例如300微米)，采用相同光学检测系统。激光光斑尺寸通常小于通道宽度，以免通道壁引起边界衍射。样本中的一个颗粒流经微流通道检测区时在所有方向上产生光散射(参见图4)，在第一个和/或第二个传感器模块26,30接收到的光强度及光信号会随之变化，从而检测到流体样本中存在的颗粒。
此外，本专利发明人发现：颗粒(特别是微生物颗粒)散射信号与其形态(例如尺寸和形状)和生物物理特性(例如折射率)有关；因此，我们可根据颗粒散射信号对其进行表征。在一个实施例中，此种方法用于识别微生物颗粒的具体类型。
例如，我们注意到：颗粒前向散射图样与其生物物理特性(例如尺寸、形状和内部构成结构)有关；因此，不同的微生物颗粒可产生不同的前向散射图样。图5提供了水中各类颗粒的典型前向散射图样，包括小隐孢子虫卵囊、兰伯氏贾第鞭毛虫包囊、大肠杆菌、砂和淤泥。
同样，尺寸、形状、折射率和粒状结构不同的颗粒会产生不同的侧向散射信号(例如侧向散射强度)。一般而言，峰值振幅主要取决于颗粒尺寸。例如：尺寸较大的颗粒流经通道(以及预定检测区)时侧向散射强度往往较高，过渡时间一般较长。例如：对于尺寸为8-12微米的兰伯氏贾第鞭毛虫包囊，其侧向散射信号强度远高于尺寸为4-6微米的小隐孢子虫卵囊，具体如图6所示。
在一个实施例中，样本中微生物颗粒的类型根据颗粒前向散射图样进行表征或识别。
另一个实施例则根据颗粒流经微流通道时各传感器模块检出的前向散射和侧向散射信号进行表征或识别。此种情况下，侧向散射信号可提供前向散射图样未显示的其他信息，从而提高识别准确度。
在一个实施例中，侧向散射信号可通过第一个传感器模块26的触发销所连比较器转换为晶体管-晶体管逻辑(TTL)信号。触发销启用后，第一个传感器模块26开始获取前向散射图样。此种情况下无需通过第一个传感器模块持续监测光信号，因此有助于提高数据处置和处理效率，从而减少计算工作量。
在一个实施例中，光流传感器10配备的数据处理器(例如，一个计算机程序)用于处理传感器模块26,30采集的光信号。例如，计算机处理器从传感器模块接收光信号(例如前向散射图样和/或侧向散射信号)，并通过对比数据库中代表已知颗粒典型信号特征的一系列基准信号表征微生物颗粒。一个实施例利用该方法识别微生物颗粒的具体种类。
在一个实例中，计算机处理器利用分类器表征微生物颗粒。分类器可通过监督式学习进行训练，以识别颗粒类型。特别值得注意的是，机器学习可基于包含已知颗粒散射特征的数据库训练分类器。数据库包含水中可能存在的各类微生物颗粒所展示的前向和侧向散射特征(即典型信号特征)。分类器经训练后用于分析与所检测颗粒有关的输入光信号，并使颗粒对应代表具有某些特征的一组颗粒的一个类别或某一特定种类的微生物颗粒。例如，分类器可利用主成分分析(PCA)、支持向量机(SVM)和/或神经网络等算法从光信号中提取和识别各项特性。此过程中可将散射图样的下列特性作为算法(即分类器)训练参数：图像质量和统计评价、辐射校正、几何校正、图像增强与清晰化、相位关联以及旋转和尺度参数等。一个具体实例共获取了相同种类颗粒不同参数(例如尺寸、椭圆度和折射率)条件下的400个散射图样，并提取了其特征特性。
有一个实例通过模拟得到了小隐孢子虫卵囊(参见图7(a)-7(e))和兰伯氏贾第鞭毛虫包囊(参见图7(f)-7(j))的一些前向散射图样。该具体实例利用米氏散射理论并采用时域有限差分法(FDTD)进行模拟。这些散射图样通过改变一系列参数(例如颗粒尺寸、椭圆度和折射率)实现模拟，参数值根据已知颗粒的参数测量值进行修改；例如，模拟平均、最大和最小尺寸的颗粒。部分颗粒种类的折射率变化极小(<0.001)，因此可针对相同种类使用平均折射率模拟所有散射图样。尺寸和椭圆度分布范围通常极广。对于特定椭圆度，变化较小的检测尺寸范围内模拟了一组图样。同样，在尺寸固定且椭圆度变化较小的情况下可获得一组模拟图样。相同种类的颗粒通常生成400幅带不同参数的模拟散射图样/图像。
如前文所述，数据库包含已知微生物颗粒或水生病原体的散射特征。一个实例中每种类型的微生物颗粒(或微生物种类)都有一系列散射特征对应微生物颗粒类型。这些散射特征代表着通常存在于已知颗粒前向散射图样中的形态特征。散射特征可以是对应典型散射图样的一系列图像或特定类型或种类微生物颗粒的图像。散射特征所体现的相关信息包括颗粒前向散射图样的图像等。数据库中每种微生物的图像最好不超过400幅，以确保在有效包含颗粒识别相关关键信息(例如，形态特征的典型变化)的同时将数据库保持在相对较小规模(例如，仅包含最小数量的图像)。
散射特征可来源于上文所述模拟散射图样。例如，在获取模拟图样时可通过改变多种参数(即尺寸、椭圆度和折射率)产生基本不同的图样。某些情况下，不同的参数组合会带来相同或极相似的散射图样。选择散射特征时可删除重复的散射图样以减小数据库规模。在另一个实例中，模拟散射图样同已知颗粒的测得散射图样对比确定哪些模拟散射图样更能体现散射特征，只有这些模拟散射图样能够选作散射特征。
根据具体实例，数据库所包含的图7(a)-7(e)和图7(f)7(j)分别是小隐孢子虫卵囊和兰伯氏贾第鞭毛虫包囊散射特征的组成部分。
在另一个实例中，散射特征来源于已知微生物颗粒的测得(而非模拟)散射图样。
实际应用中，一个或多个传感器模块从每个颗粒获取散射信号，数据处理模块利用分类器将所捕集信号对比数据库中各类微生物颗粒对应的散射特征，从而识别颗粒种类。
图8是实时水质风险管理系统实施例的应用流程图。系统检测并识别水样中的颗粒，并在其超过特定风险水平时发出警告信号。综合散射信号数据库在检测前可由系统数据处理模块访问，数据库中所有种类颗粒的警告水平均独立设置。综合散射信号数据库至少包含已知微生物的前向散射图样(也可包含侧向散射特征)，用于比较所检测到的水样颗粒光信号。前向散射图样代表典型前向散射图样。
在第802步中，系统启用后获取一个初始背景信号，其将按预定周期更新。第804步检出侧向散射信号时触发第一个传感器模块同时获取图像。从获取的图像中去处背景信号获得有效的前向散射图样。在一个实例中，前向散射图样与侧向散射信号共同构成组合散射特征。
此外还可提供侧向散射阈值，在接收到的信号超过阈值时启动信号识别与辨识808。有一个实例根据已知水生微生物颗粒的典型侧向散射信号设置阈值。第810步通过信号识别与辨识808并根据数据库将颗粒归为一个类别或具体种类，颗粒数量(具体类别的颗粒或颗粒总量)由系统更新812。若颗粒被分类器归为“未知类别”，则可存储信号以便作进一步处理814。例如，未知颗粒可通过电子显微镜等其他检测方法识别。颗粒一经确定后，信号将加入到与相应颗粒种类关联的数据库中。若颗粒属于新的种类，数据库中可创建一个新类别。
第816步通过一项试验确定数量是否超过警告阈值(每种具体类别和/或颗粒总量都有一个对应的警告阈值)。若经确定某一类别颗粒数量超过预定值，则会触发818一个警告信号(例如警报)。此外根据病原体水平和类别可以修订水处理方案，用于处理提取水样的水源。若经确定水中颗粒未超过警告阈值，系统将继续获取散射信号804，直至满足终止条件820。例如，某一类别颗粒数量超过预定值时过程终止。在另一个实例中，所有流体样品检测完成后即视为满足终止条件。
上述过程可借助一个处理器(又称中央处理器或CPU)和存储由处理器执行的指令以使处理器执行上述过程的数据存储设备实施。处理器可以是一个或多个CPU芯片；数据存储设备可以是软盘、光盘、硬盘、闪存卡或其他任何类型的记录介质。
根据不同病原体种类建立光散射信号数据库能够验证是否可利用光散射信号检测水中的病原体。图9展示了PCA所获小隐孢子虫卵囊、兰伯氏贾第鞭毛虫包囊、大肠杆菌和淤泥的不同簇群。本例通过“相机直接采集前向散射图样”等方法获取包含已知颗粒前向散射图样灰度图像的散射信号。而后，灰度图像转换为一个矩阵，并利用PCA作进一步分析。PCA是一种统计程序，采用正交变换将可能相关变量的一组观测值转化成一组线性不相关变量值(称为“主分量”)。第一个主分量通常代表(所有线性组合之间)具有最大差异的变量的线性组合；因此，这会为数据带来最大的变化。第二个主分量代表造成最大剩余变化的变量的线性组合，约束条件是第一、二个分量之间的关联度为0。还可通过相同方式添加其他主分量(例如第i个主分量)。主分量数量一般小于等于原始变量数量。该具体实例中选择前三个主分量表示散射图样的典型特性。
结果表明，小隐孢子虫卵囊和兰伯氏贾第鞭毛虫包囊散射特征可有效区别于大肠杆菌和淤泥的散射特征。小隐孢子虫卵囊的部分散射特征归入了包含兰伯氏贾第鞭毛虫包囊的簇群，主要是因为这两种颗粒的物理性质存在一定重叠。就小隐孢子虫卵囊的散射特征而言，77％的小隐孢子虫卵囊正确归类为小隐孢子虫卵囊，而13％归类为兰伯氏贾第鞭毛虫包囊，剩余小隐孢子虫卵囊则显示为“未知”颗粒。就兰伯氏贾第鞭毛虫包囊的散射特征而言，88％的兰伯氏贾第鞭毛虫包囊正确归类为兰伯氏贾第鞭毛虫包囊，而9％归类为小隐孢子虫卵囊，剩余兰伯氏贾第鞭毛虫包囊则显示为“未知”颗粒。大肠杆菌和淤泥具有显著不同的物理性质以及散射特征，因此很容易同其他颗粒区分开来。
具体实例表明，三层基质(即顶层、中间层和底层)可加以组合构成传感器10。此种方法如图10所示，其中101、102和103分别代表上述三层基质。这是图1所示实施例的变体型，其中的辅助出口20a和20b未标出。顶层101和底层103均为透明硬基质(例如Pyrex 7740玻璃薄片)。中间层102是硅或玻璃薄片等硬基质，厚度可以是300微米。进行组合之前，中间层102内通过光刻形成光流传感器的微流通道12。例如，薄片蚀刻穿透(形成无底壁通道)形成结构微薄片。蚀刻可由该领域熟练技术人员利用深层反应离子刻蚀机操作一段时间完成；例如，300微米厚的硅片需蚀刻60分钟。顶层101钻制两孔104a和104b制成微流通道入口和出口。专业技术人员知道还可采用蚀刻等其他方法制孔。而后，结构微薄片(中间层102)夹在钻孔薄片(顶层101)和底层103之间，上述三层基质通过热粘合或粘合剂粘结在一起。顶层101构成微流通道12的透明顶盖，底层103上表面的一部分构成微流通道12的基底。
另外，传感器还可通过有选择地蚀刻一整块基质而成为一个整体部分。
微流装置(即“芯片”)尺寸(例如6cmx1cm)可通过薄片切割机实现标准化。微流通道长度一般为1～10cm，宽80～600微米，高200～400微米。在一个具体实例中，整个传感器装置(配备检测器和信号处理装置)的尺寸约为100mm×100mm×150mm(高×宽×长)。
上文所述光流传感器已制作完成并试用于不需要荧光标记的水生致病微生物实时监测与检测。微生物的前向散射图样和侧向散射信号通过光流系统采集，与图样识别方法配合使用可有效识别原虫类寄生虫。结果表明，小隐孢子虫卵囊的平均回收率为65％，兰伯氏贾第鞭毛虫包囊为72％。本专利发明人发现，传感器适用于尺寸大于等于0.5微米的颗粒，特别适合0.5微米-20微米的颗粒。颗粒尺寸越大，传感器表征或识别颗粒的准确率越高。尺寸小于0.5微米的颗粒似乎难以实现声波驱动“聚集”。
该领域熟练技术人员知道上述实施例可进行各种修改。例如，CMOS传感器和光电二极管以外的其他各类光学传感器可用于检测颗粒发出的光信号。待检测颗粒并不局限于微生物颗粒，还包括砂粒等其他颗粒。熟练技术人员知道传感器模块可设置在流体通道的其他位置。例如，激光源可采用从侧面照射颗粒的布置方式。此种情况下可在对侧设置一个传感器模块获取前向散射图样。
在一个实施例中，颗粒集中到微流通道中心线上(即流体通道内沿流动方向的一个中心路径)。在另一个实施例中，颗粒集中到偏离微流通道中心线的路径上。再有一个实施例中，颗粒基本聚集在一个平面上，而不是沿通道方向的一条线或路径聚集。
在一个实施例中，启用第一个传感器模块26无需触发因素；第一个传感器模块持续实时监测光信号获取颗粒前向散射图样的一系列图像。熟练技术人员还知道，前向和侧向光信号在提取特性供颗粒表征或分类之前可通过预处理去除噪声或其他伪差。
同样，颗粒表征需要将一系列物理性质(例如颗粒尺寸、折射率或其他形态特征)与颗粒关联，且不要求识别出颗粒具体种类。颗粒识别还包括确定特定种类颗粒的活性。
若本文未特别说明，其所述发明在实施时无需考虑任何要素和限制。因此，“包含/包括”和“含有”等词语应无限制灵活解读。此外，此处所用术语和表达用作描述性而非限制性语言，其目的并非是要剔除所示和所述特性的同等情况或部分同等情况，因此可在发明权利要求范围内进行各种修改。因此需要注意的是，尽管本发明已通过优选实施例和可选特性进行明确披露，但该领域熟练技术人员不得采用其所体现的修改和变更，此种修改和变更被认为是未超出本发明范围。
本发明在文中作了概括性一般描述，一般说明范围内较狭义种类和亚种分组也是本发明的组成部分，其中包括本发明的一般描述(利用附带条件或负面限制将任何内容从种属中剔除)，无论删除的材料是否专门在本文中列举。
参考文献
本文在各方面整体引用下列参考文献，从而将其作为自身内容的组成部分：
[1]M.M.Marshall,D.Naumovits,Y.Ortega和C.R.Sterling；水生原生动物病原体；临床微生物学第10版，67-85(1997)。
[2]J.P.Robinson,B.P.Rajwa,M.M.Dundar,E.Bae,V.Patsekin,E.D.Hirleman,A.Roumani,A.K.Bhunia,J.E.Dietz,V.J.Davisson和J.G.Thomas；新生病原体无标记快速识别的分布式全国网络；国际光学工程学会8018论文集；核化生爆(CBRNE)感测XII，80180C，2011年6月3日。
[3]C.L.DiGiorgio,D.A.Gonzalez和C.C.Huitt；利用环保署所供方法1623清除天然水中的隐孢子虫和贾第鞭毛虫；应用环境微生物学，68，5952-5955(2002)。
[4]美国环保署(EPA)815-R-05-002；方法1623：水中隐孢子虫和贾第鞭毛虫过滤/IMS/FA；2005年12月。
[5]L.P.Gorkov；理想流体声场中小颗粒所受作用力；Sov.Phys.Dokl.6，773(1962)。

Claims (13)

1.一种用于表征流体样本中微生物颗粒的传感器，包括：
一个用于接收流体样本的微流通道，其中所述微流通道位于一个微流装置；
一个用于生成驻波以将颗粒集中到微流通道至少一个区域内的声换能器模块，其中所述声换能器模块能产生第一个驻波振荡和第二个驻波振荡；所述第二个驻波振荡位于所述微流通道中，所述第一个驻波振荡和所述第二个驻波振荡的方向垂直；所述第一个驻波振荡产生的压力波节与所述第二个驻波振荡产生的压力波节重合；
所述驻波在所述微流通道内不同位置产生的压差将所述颗粒沿所述微流通道内的预定路径汇合；所述预定路径是由微流通道一系列横截面几何中心所确定的路径；所述一系列横截面垂直于所述流体样本在微流通道中的流动方向；
所述微流通道的宽度设置为所述声换能器模块所产生超声波长的一半；
一个用于检测在一个光源照射微流通道至少一个区域时颗粒散射光信号的光学检测模块，其中所述光学检测模块包括一个第一个传感器模块和一个第二个传感器模块，所述第一个传感器模块用于检测所述颗粒的前向散射图样，该前向散射图样可以表征或识别所述颗粒，所述第二个传感器模块用于检测颗粒的侧向散射信号；以及
一个利用分类器根据光信号表征流体样本颗粒的数据处理模块，其中所述光信号包括所述颗粒的前向散射图样以及侧向散射信号；所述分类器利用机器学习算法提取颗粒光信号特性，并根据特性将颗粒归类。
2.权利要求1所述的传感器；其中所述声换能器模块配备一个超声换能器。
3.权利要求1所述的传感器；其中所述第一个传感器模块置于所述微流通道底壁。
4.基于权利要求1所述的传感器；其中所述第一个传感器模块至少通过(a)第二个传感器模块或(b)侧向散射信号启动。
5.权利要求1所述的传感器；其中所述光学检测模块与所述传感器构成整体。
6.权利要求1所述的传感器；所述微流通道包含一系列能用于有选择排放流体样本和颗粒的出口。
7.权利要求1所述的传感器；所述颗粒为微生物颗粒。
8.权利要求7所述的传感器；所述分类器能用于识别各微生物颗粒的生物种类。
9.权利要求8所述的传感器；所述分类器能进一步识别所述微生物颗粒是否具活性。
10.任一前述权利要求所述的传感器；所述分类器能通过对比光信号和一系列代表已知颗粒信号特征的基准信号来表征各种颗粒。
11.权利要求10所述的传感器；所述对比光信号和一系列代表已知颗粒信号特征的基准信号根据对已知颗粒所测得的散射信号来获得。
12.一种颗粒表征方法，采用权利要求1～11任一所述的传感器执行，具体包括：
将含有颗粒的流体样本送入微流通道，其中所述微流通道位于一个微流装置；
产生一个驻波，将颗粒集中到微流通道至少一个区域内，其中所述驻波包括第一个驻波振荡和第二个驻波振荡；所述第二个驻波振荡位于所述微流通道中，所述第一个驻波振荡和所述第二个驻波振荡的方向垂直；所述第一个驻波振荡产生的压力波节与第二个驻波振荡产生的压力波节重合；
所述驻波在所述微流通道内不同位置产生的压差将所述颗粒沿所述微流通道内的预定路径汇合；所述预定路径是由微流通道一系列横截面几何中心所确定的路径；所述一系列横截面垂直于所述流体样本在微流通道中的流动方向；微流通道至少一个区域受光源照射时检测颗粒散射的光信号，其中所述光信号包括所述颗粒的前向散射图样以及侧向散射信号，该前向散射图样可以表征或识别所述颗粒；以及
利用分类器根据光信号表征颗粒；
其中，所述微流通道的宽度设置为所述声换能器模块所产生超声波长的一半。
13.一种用于识别流体样本中微生物颗粒种类的方法，采用权利要求1～11任一所述的传感器执行，具体包括：
以光源照射所述颗粒，其中所述颗粒的尺寸大于0.5微米；
检测所述颗粒散射的光信号；其中所述光信号包括所述颗粒的前向散射图样，该前向散射图样可以表征或识别所述颗粒；以及
根据所述前向散射图样将所述颗粒划分为一系列类别。
CN201480082403.3A 2014-10-01 2014-10-01 探测流体中颗粒的传感器 Active CN106796169B (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/SG2014/000462 WO2016053181A1 (en) 2014-10-01 2014-10-01 A sensor for particle detection in a fluid

Publications (2)

Publication Number Publication Date
CN106796169A CN106796169A (zh) 2017-05-31
CN106796169B true CN106796169B (zh) 2021-01-15

Family

ID=55631059

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201480082403.3A Active CN106796169B (zh) 2014-10-01 2014-10-01 探测流体中颗粒的传感器

Country Status (4)

Country Link
US (1) US10670514B2 (zh)
CN (1) CN106796169B (zh)
SG (1) SG11201702571RA (zh)
WO (1) WO2016053181A1 (zh)

Families Citing this family (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018022025A1 (en) 2016-07-26 2018-02-01 Hewlett-Packard Development Company, L.P. Microfluidic apparatuses
WO2018140874A1 (en) 2017-01-30 2018-08-02 Aromatix, Inc. Ultrasound gas sensor system using machine learning
EP3623793B1 (en) * 2017-05-07 2022-09-07 Aipore Inc. Identification classification analysis method and classification analysis device
CN107340226A (zh) * 2017-08-03 2017-11-10 江苏大学 一种油液中悬浮微粒计数检测装置及其应用
EP3501619B1 (en) * 2017-12-20 2023-10-18 Nokia Technologies Oy Apparatus for collecting particles within a fluid
CN108226015A (zh) * 2018-01-04 2018-06-29 江苏苏净集团有限公司 一种新型液体颗粒计数方法及系统
CN108489872B (zh) * 2018-03-23 2022-03-04 奥星制药设备（石家庄）有限公司 在线粒度监测方法和系统
DE102018112258B4 (de) * 2018-05-22 2023-01-05 Leibniz-Institut Für Festkörper- Und Werkstoffforschung Dresden E.V. Akustofluidische bauelemente und verfahren zu ihrer herstellung
KR102465271B1 (ko) * 2018-12-13 2022-11-11 한국전자통신연구원 미세조류 측정 형광 센서 및 이의 동작 방법
US10802090B2 (en) 2018-12-21 2020-10-13 Industrial Technology Research Institute Magnetic biosensor and method of detecting biosignal
US20210101148A1 (en) * 2019-10-07 2021-04-08 Cornell University Programmable ultrasonic field driven microfluidics
CN110823773A (zh) * 2019-11-22 2020-02-21 瑞芯智造(深圳)科技有限公司 用于测量微纳颗粒的装置及方法
CN111659478B (zh) * 2020-06-16 2021-09-28 南京大学 一种用于微粒子分离的超声表面驻波微流控芯片和应用
US11788918B2 (en) 2020-06-18 2023-10-17 Trevillyan Labs, Llc Fluid detection fabric
DE102021205022A1 (de) * 2021-05-18 2022-11-24 Q.ant GmbH Sensoranordnung zur Detektion von Partikelmerkmalen
CN116559401B (zh) * 2023-07-11 2023-09-19 四川新环科技有限公司 一种水质检测方法

Family Cites Families (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE3814811A1 (de) * 1988-05-02 1989-11-16 Merck Patent Gmbh Verfahren und mittel zur differenzierung und bestimmung von leukozyten
JP3052665B2 (ja) * 1993-01-26 2000-06-19 株式会社日立製作所 フローセル装置
JP3205413B2 (ja) * 1993-02-15 2001-09-04 株式会社日立製作所 微粒子計測装置及び微粒子計測方法
US5870186A (en) * 1997-07-15 1999-02-09 The United States Of America As Represented By The Administrator National Aeronautics And Space Administration Detector for particle surface contamination
JPH11352048A (ja) * 1998-06-04 1999-12-24 Toray Eng Co Ltd 液中微粒子測定装置
DE60206859T2 (de) * 2001-08-07 2006-05-24 Sysmex Corp. Vorrichtung und Verfahren zur Messung von Teilchengrössen
CA2466164A1 (en) * 2001-10-30 2003-05-08 Nanomics Biosystems Pty, Ltd. Device and methods for directed synthesis of chemical libraries
CN1735466A (zh) * 2002-09-16 2006-02-15 塞通诺米公司 颗粒分选的设备和方法
DE10304653B4 (de) * 2003-02-05 2005-01-27 Evotec Technologies Gmbh Mehrparametrige Detektion in einem fluidischen Mikrosystem
WO2005108963A1 (en) * 2004-05-06 2005-11-17 Nanyang Technological University Microfluidic cell sorter system
JP4145938B2 (ja) * 2006-06-28 2008-09-03 株式会社オンチップ・バイオテクノロジーズ 細胞分離チップおよびこれを使用した細胞培養方法
EP1967846A1 (en) * 2007-03-05 2008-09-10 National University of Ireland Galway En ensemble method and apparatus for classifying materials and quantifying the composition of mixtures
JP5013410B2 (ja) 2007-03-14 2012-08-29 独立行政法人産業技術総合研究所 微粒子測定方法及び装置
EP2664916B1 (en) * 2007-04-02 2017-02-08 Acoustic Cytometry Systems, Inc. Method for manipulating a fluid medium within a flow cell using acoustic focusing
US8290625B2 (en) * 2007-04-04 2012-10-16 Beckman Coulter, Inc. Flow cytometer sorter
JP4539707B2 (ja) * 2007-10-25 2010-09-08 ソニー株式会社 微小粒子分取装置及び微小粒子分取用基板、並びに微小粒子分取方法
US8266950B2 (en) * 2007-12-19 2012-09-18 Los Alamos National Security, LLP Particle analysis in an acoustic cytometer
US8714014B2 (en) * 2008-01-16 2014-05-06 Life Technologies Corporation System and method for acoustic focusing hardware and implementations
JP2009229239A (ja) * 2008-03-21 2009-10-08 Fujifilm Corp 粒子径測定装置および測定方法
US20110154890A1 (en) * 2008-10-08 2011-06-30 Foss Analytical A/S Separation of particles in liquids by use of a standing ultrasonic wave
JP5887275B2 (ja) * 2009-12-04 2016-03-16 ライフ テクノロジーズ コーポレーション アコースティックフローサイトメトリーのための装置、システム、方法、およびコンピュータ読み取り可能な媒体
EP2348301B1 (en) * 2010-01-08 2013-08-21 Sysmex Corporation Sample analyzer
JP5910412B2 (ja) * 2012-08-16 2016-04-27 ソニー株式会社 微小粒子分取方法及び微小粒子分取用マイクロチップ
US10816550B2 (en) * 2012-10-15 2020-10-27 Nanocellect Biomedical, Inc. Systems, apparatus, and methods for sorting particles
US9904842B2 (en) * 2012-12-19 2018-02-27 Koninklijke Philips N.V. System and method for classification of particles in a fluid sample
CN103954546A (zh) * 2014-04-30 2014-07-30 西安理工大学 基于光探测器与微流控技术的流式细胞仪

Also Published As

Publication number Publication date
US10670514B2 (en) 2020-06-02
US20170248513A1 (en) 2017-08-31
WO2016053181A1 (en) 2016-04-07
CN106796169A (zh) 2017-05-31
SG11201702571RA (en) 2017-04-27

Similar Documents

Publication Publication Date Title
CN106796169B (zh) 探测流体中颗粒的传感器
JP6336496B2 (ja) アコースティックフローサイトメトリーのための装置、システム、方法、およびコンピュータ読み取り可能な媒体
KR101817410B1 (ko) 음향 세포분석기에서 입자 분석
US10794827B2 (en) Methods for separating, concentrating, and/or differentiating between cells from a cell sample
Schaap et al. Optical classification of algae species with a glass lab-on-a-chip
CN101939814B (zh) 通过同时的尺寸/荧光测量进行的病原体检测
CN101981446B (zh) 用于使用支持向量机分析流式细胞术数据的方法和系统
JP5446563B2 (ja) 微小粒子分取装置、および該微小粒子分取装置を用いたフローサイトメーター
US6774995B2 (en) Identification of particles in fluid
US8243272B2 (en) Systems and methods for detecting normal levels of bacteria in water using a multiple angle light scattering (MALS) instrument
Welsh et al. A compendium of single extracellular vesicle flow cytometry
Spencer et al. A sheath-less combined optical and impedance micro-cytometer
CN104204767A (zh) 有数字全息显微镜的流式细胞仪
US20220260480A1 (en) Particle manipulation system with camera/classifier confirmation and deep learning algorithm
US8693762B2 (en) Inertial particle focusing flow cytometer
JP2013513109A5 (zh)
JP2012510627A (ja) シース流体を伴わないフローサイトメトリー方法及び装置
CN104568857A (zh) 一种新型二维光散射静态细胞仪方法及装置
US20220091015A1 (en) Microparticle sorting device, microparticle sorting system, droplet sorting device, droplet control device, and droplet control program
WO2020054317A1 (ja) 制御装置、該制御装置を用いた微小粒子分取装置及び微小粒子分取システム、並びに制御方法、及び制御プログラム
Blevins et al. Field-portable microplastic sensing in aqueous environments: A perspective on emerging techniques
WO2021116957A1 (en) Off-focus microscopic images of a sample
Herbig et al. Image-based cell sorting using artificial intelligence
Swalwell et al. Virtual‐core flow cytometry
JP2003065941A (ja) 粒子を同定する方法および粒子の種を同定するための装置

Legal Events

Date Code Title Description
PB01 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
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20231123

Address after: Room 203, Building 15, Tengfei Science and Technology Park, No. 388 Xinping Street, Suzhou Industrial Park, Suzhou Area, China (Jiangsu) Pilot Free Trade Zone, Suzhou City, Jiangsu Province, 215000

Patentee after: Suzhou Shuiguang General Technology Co.,Ltd.

Address before: Room # 09-385, 219 21st Street, Bukit Batu, Singapore

Patentee before: WATER OPTICS TECHNOLOGY Pte. Ltd.