CN107111120A - 用于确定颗粒的方法 - Google Patents
用于确定颗粒的方法 Download PDFInfo
- Publication number
- CN107111120A CN107111120A CN201580072051.8A CN201580072051A CN107111120A CN 107111120 A CN107111120 A CN 107111120A CN 201580072051 A CN201580072051 A CN 201580072051A CN 107111120 A CN107111120 A CN 107111120A
- Authority
- CN
- China
- Prior art keywords
- particle
- image
- feature
- pixel
- sensor
- 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.)
- Pending
Links
- 239000002245 particle Substances 0.000 title claims abstract description 160
- 238000000034 method Methods 0.000 title claims abstract description 64
- 241000894006 Bacteria Species 0.000 claims abstract description 45
- 230000003287 optical effect Effects 0.000 claims abstract description 26
- 238000001514 detection method Methods 0.000 claims abstract description 21
- 239000007788 liquid Substances 0.000 claims abstract description 11
- 238000003384 imaging method Methods 0.000 claims abstract description 7
- 238000005286 illumination Methods 0.000 claims description 18
- 238000009826 distribution Methods 0.000 claims description 5
- 239000008187 granular material Substances 0.000 claims description 5
- 230000009466 transformation Effects 0.000 claims description 5
- 230000015572 biosynthetic process Effects 0.000 claims description 2
- 239000003651 drinking water Substances 0.000 description 10
- 235000020188 drinking water Nutrition 0.000 description 10
- 238000011156 evaluation Methods 0.000 description 10
- 230000008859 change Effects 0.000 description 9
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 9
- 238000007689 inspection Methods 0.000 description 8
- 230000001580 bacterial effect Effects 0.000 description 7
- 230000006872 improvement Effects 0.000 description 7
- 238000004040 coloring Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000002349 favourable effect Effects 0.000 description 5
- 241000588724 Escherichia coli Species 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000007423 decrease Effects 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 210000003608 fece Anatomy 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000001954 sterilising effect Effects 0.000 description 2
- 238000004659 sterilization and disinfection Methods 0.000 description 2
- 241000171154 Nematus <genus> Species 0.000 description 1
- 241000876443 Varanus salvator Species 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000002050 diffraction method Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 235000021384 green leafy vegetables Nutrition 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000000386 microscopy Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000000746 purification Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 239000002351 wastewater Substances 0.000 description 1
- 238000004457 water analysis Methods 0.000 description 1
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
- G01N15/02—Investigating particle size or size distribution
- G01N15/0205—Investigating particle size or size distribution by optical means
- G01N15/0211—Investigating a scatter or diffraction pattern
-
- G—PHYSICS
- G02—OPTICS
- G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
- G02B21/00—Microscopes
- G02B21/06—Means for illuminating specimens
- G02B21/08—Condensers
- G02B21/10—Condensers affording dark-field illumination
-
- 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
- G01N15/1429—Signal processing
- G01N15/1433—Signal processing using image recognition
-
- 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
- G01N15/1434—Optical arrangements
-
- 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
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/47—Scattering, i.e. diffuse reflection
- G01N21/49—Scattering, i.e. diffuse reflection within a body or fluid
-
- 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
- G01N21/8806—Specially adapted optical and illumination features
-
- G—PHYSICS
- G02—OPTICS
- G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
- G02B21/00—Microscopes
- G02B21/36—Microscopes arranged for photographic purposes or projection purposes or digital imaging or video purposes including associated control and data processing arrangements
- G02B21/365—Control or image processing arrangements for digital or video microscopes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0463—Neocognitrons
-
- 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
- G01N15/02—Investigating particle size or size distribution
- G01N15/0205—Investigating particle size or size distribution by optical means
- G01N15/0211—Investigating a scatter or diffraction pattern
- G01N2015/0222—Investigating a scatter or diffraction pattern from dynamic light scattering, e.g. photon correlation spectroscopy
-
- 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
- G01N15/02—Investigating particle size or size distribution
- G01N15/0205—Investigating particle size or size distribution by optical means
- G01N2015/0238—Single particle scatter
-
- 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
- G01N15/02—Investigating particle size or size distribution
- G01N2015/0294—Particle shape
-
- 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
- G01N15/1434—Optical arrangements
- G01N2015/144—Imaging characterised by its optical setup
-
- 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
- G01N15/1434—Optical arrangements
- G01N2015/144—Imaging characterised by its optical setup
- G01N2015/1445—Three-dimensional imaging, imaging in different image planes, e.g. under different angles or at different depths, e.g. by a relative motion of sample and detector, for instance by tomography
-
- 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
- G01N15/1468—Optical investigation techniques, e.g. flow cytometry with spatial resolution of the texture or inner structure of the particle
- G01N2015/1472—Optical investigation techniques, e.g. flow cytometry with spatial resolution of the texture or inner structure of the particle with colour
-
- 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
- G01N21/8806—Specially adapted optical and illumination features
- G01N2021/8822—Dark field detection
Landscapes
- Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- General Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Biochemistry (AREA)
- Multimedia (AREA)
- Optics & Photonics (AREA)
- Dispersion Chemistry (AREA)
- Signal Processing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Molecular Biology (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
一种用于确定颗粒(3)、尤其是液体中的细菌的方法,该方法在使用成像光学装置的条件下工作,所述成像光学装置具有:光源(1);光学传感器(4),所述光学传感器具有感光像素场;以及具有布置在光源(1)与传感器(4)之间的待检查的液体试样。将至少一个与图像有关地被检测的颗粒(3)的特征与用于确定被检测的颗粒(3)的特征集合的特征进行比较,其中,以暗场技术进行图像检测并且感光像素具有多个子像素,这些子像素被用于图像检测。
Description
技术领域
本发明涉及一种具有权利要求1前序部分中记载的特征的用于确定液体中的颗粒、尤其是水中的细菌的方法。
背景技术
用于光学检测液体中的颗粒、尤其是用于确定或至少用于将颗粒分类的这类方法属于现有技术。在这一点上参考EP 2 469 264 A1、WO 2010/063293 A1和WO 2014/094790A1。在那里描述了借助于光学装置来检测液体中的颗粒的方法,该光学装置具有:光源;光学传感器,其具有感光像素的场,其中,在光源与传感器之间布置待检查的液体试样,并且在这些方法中,为了确定颗粒而使用与图像有关地被检测的至少一个颗粒的特征与用于确定或至少用于分类被检测的颗粒的特征集合(Kennzeichensammlung)的特征、尤其是将它们进行比较。在此优选地,在近似稳定的状态下进行液体试样的光学检测,也就是说当颗粒在液体内部以如下程度平静下来,即这些颗粒要么在重力的条件下下降、上浮要么处于稳定的悬浮状态中,也就是它们的位置在光源与传感器之间基本上不改变时,进行所述液体试样的光学检测。该方法良好地适用于确定较大的颗粒,例如悬浮微粒、最细的沙子或类似颗粒,就像它们偶尔在水中被夹带的那样。在对于饮用水的检查中,重要的是确定细菌、例如大肠杆菌(大肠埃希氏菌)的类型和数量,然而尤其针对该对于饮用水的检查,所述方法碰到了它的边界,因为这些小颗粒时常很难或完全不能在图像中被认出。
发明内容
因此,本发明的目的是如下地改善这种方法,即,尤其是小颗粒可以在细菌的数量级上以技术上尽可能小的耗费可靠地被确定。在此,优选的应用应当是用于确定饮用水中的细菌。
根据本发明通过具有权利要求1中记载的特征的方法来实现本发明的目的。本发明的有利的设计方案记载在从属权利要求、后面的说明和附图中。在此情况下,在从属权利要求和说明书中记载的特征可以分别单独,但也可以以适当的组合继续设计根据本发明的根据权利要求1的解决方案。
根据本发明的方法用于确定颗粒或至少用于在液体中进行分类,尤其是水中的细菌的分类(例如鉴于病菌而定期检查饮用水),并且在使用成像光学装置的条件下执行根据本发明的方法,该成像光学装置具有光源并具有带感光像素的场的光学传感器。在光源与传感器之间布置待检查的液体试样。在所述方法中使用与图像有关地利用光学装置检测的至少一个颗粒的特征与用于确定或分类被检测的颗粒的特征集合的特征。尤其将这些特征进行比较,以便确定被检测的颗粒,尤其是以便确定在此情况下涉及的是细菌还是非细菌,或此外还确定所述细菌。为了尤其利用技术上简单的器件以足够的准确性检测所述小颗粒,根据本发明设置为,一方面在暗场技术中、也就是在暗场照明下进行图像检测并且另一方面所述传感器的感光像素具有多个子像素,这些子像素被用于图像检测。可理解的是,感光像素中的所有感光像素或至少一大部分感光像素有利地具有用于图像检测的子像素,以便一方面保证高分辨率并另一方面保证高表现力(Dynamik)。这尤其在暗场技术中是有利的,其中进行暗场照明,也就是说其中待检查的液体试样不处于光源与传感器之间的、就像在亮场技术中常见那样的直接光路中,而是由传感器仅接收被液体试样中的颗粒转向的光线、即散射光。因此,根据本发明以就像例如由透光显微术(Durchlichtmikroskopie)中的暗场照明所已知那样的方式进行暗场技术中的图像检测。在此情况下,在传感器图像上,颗粒在暗背景前以亮色出现。这尤其对于在此待确定的非常小的颗粒是有利的,这是因为明显更少地出现由亮场技术所已知的过亮并此外也没有光源的直接光线加载到传感器上,因此尤其结合使用子像素可以明显更好地检测小颗粒、例如细菌,而不必显著地提高技术前提(例如传感器的分辨率、所使用的光学构件的品质等)。
在此,根据本发明的方法的一改进方案特别有利的是,根据液体试样的不同平面中的二维黑白图像进行图像检测。因为不取决于颜色信息,所以传感器的此外提供的子像素确切地说可以被用于提高传感器的分辨率或提高该传感器的表现力,就像这可以根据本发明的一改进方案有利地设置的那样。
因此,根据本发明的一改进方案例如通过如下方式提高图像检测的表现力,即,传感器的至少一个像素、然而优选一大部分或所有像素具有这种子像素,并且在这些子像素中,分别至少一个子像素被高增益且至少另一个子像素被低增益。本发明意义下的低增益也可以被理解为减弱,视传感器应具有哪个灵敏范围而定。在如今经常使用的、其像素例如具有四个子像素的CCD传感器中,根据本发明有利地将这些子像素中的两个子像素进行高增益(英文:high gained)并将另外两个子像素进行低增益(英文:low gained)或减弱。然而,子像素的数目原则上可以自由选择或取决于传感器,并且相应于该方法的要求来选出子像素的数目。
有利地通过数字图像评价来进行根据液体试样的不同平面中的例如二维黑白图像来确定至少一个颗粒。这类评价方法原则上属于现有技术,然而针对本方法必须被相应地进行调整。在此有利的是,为了确定或分类一颗粒而使用至少三个、优选至少四个不同的特征。在此,在本发明的意义上,颗粒的确定不必然地意味着该颗粒的具体标识,也可以进行如下的分类、例如确认,颗粒涉及细菌还是非细菌,涉及活细菌还是死细菌,涉及哪种类型的细菌等等。
一颗粒的特别良好地待检测的特征是它的与面积有关的延伸尺寸,该延伸尺寸根据本发明在一图像中被确定并进一步被使用,颗粒在该图像中处于焦点中。在此,不仅与大小有关地检测所述面积是一特征,而且该面积的形状也可以形成一特征,或这些特征的组合。
为了检测一颗粒的与面积有关的延伸尺寸,根据本发明的方法的一有利改进方案设置为:在该颗粒的借助于传感器被检测的图像中确定一像素边界值,其中,其像素值大于或等于被确定的像素值的所有像素被设为1并且其像素值小于被确定的像素值的所有像素被设为0,据此来检测该颗粒的与面积有关的延伸尺寸。因此,图像被数码化为黑像素和白像素,其中,例如白像素、即其像素值大于或等于被确定的像素边界值的像素代表了图像中的颗粒的面积,从而使得通过适当评价所述黑白图像可以不仅确定与面积有关的延伸尺寸,而且也确定了该面积的形状。
在此,在该方法的实际检验中已表明,有利的是在这里不确定绝对像素边界值,而是有利地在依据多个不同的、被确定的像素边界值的情况下确定该颗粒的与面积有关的延伸尺寸。仅由此,在一些颗粒的情况下可以确定这些颗粒的形状并造成与其他颗粒的足够区别。特别有利的是,自动地、也就是说自适配地调整像素边界值。
有利地,将一颗粒绕它自己的轴线的旋转确定为该颗粒的特征。该特征尤其在确定细菌的情况下是适宜的。利用该特征经常已经可以区别细菌和非细菌或死细菌,这是因为一颗粒绕自己的轴线的旋转是活细菌的典型特质,然而也是一些其他颗粒的典型特质。此外,所述旋转本身也可以被考虑作为在确定颗粒、尤其是细菌时的另外的特征。
根据本发明的方法,可以通过评价一颗粒在不同平面中的图像系列来实现该颗粒的特征,这些不同平面被这样地选择,使得该颗粒在一些图像中处于焦点中并且在一些图像中处于所述焦点之外、即处于其之前和之后,其中,以图像方式检测代表该颗粒的像素值的数量并且检测到的数量关于图像数目的分布形成所述特征。这以如下方式检测,即,颗粒、例如活细菌是否运动,或例如尘粒是否不发生改变地在液体中保持在它的位置中。在此,有利地不仅检测所检测到的数量关于图像数目的分布,而且根据本发明的方法的一改进方案确立所检测到的数量相对被检测的数量的平均值在比值上的标准差,以便因此形成一特征。
就像开头所述那样,有利地不仅检测一颗粒在焦点中的与面积有关的延伸尺寸,而且此外也检测其形状,以便形成一特征。一颗粒的所述形状可以通过它的矩(Momente)来确定。这在图像评价方法中属于现有技术。这些分布的矩在图像处理中是来自一图像的各个像素的亮度值的确定的、被加权的平均值。这些矩被这样地选择,使得它们具有一定的几何形状的表述,就像这本身在数码图像评价中属于现有技术的那样,就此方面参考现有技术。
替换地或附加地,一颗粒的所述形状可以通过它的逆矩来确定。根据本发明的方法的一改进方案可以为了检测一颗粒的逆矩而评价该颗粒在不同平面中的图像系列,其中,该颗粒在至少一个图像中处于焦点中并在一定数量的图像中处于该焦点前面和后面。在此,对该图像的像素值进行傅里叶变换,据此去除或至少减少了DC部分、即信号的非频率部分,消除了信号的噪声部分并然后做出矩确定,就像该矩确定本身属于现有技术的那样。由此得到一特征,该特征在实践中已证实为非常富有意义。
为了尤其在较长时间段的检查中(就像在监控饮用水时例如是这种情况的那样)确保也在长时间段上获得可比较的结果,根据本发明的一改进方案设置为:恒定地保持光源的照明强度并为此设置一调节器,该调节器检测实际照明强度、将其与额定照明强度进行比较并必要时相应地操控光源。这在根据本发明的方法中是特别有意义的,因为图像传感器基于暗场照明永远不会检测光源的直接光线以及由此例如背景亮度的减少没有必然地归因于光源的下降的照明强度上,而是也可以由于液体试样的窗口中的沉积物的增长而发生背景亮度的减少。因此,有利地设置特别的传感器,利用该传感器,光源的实际照明强度可以被检测,从而使得在光线强度削减的情况下借助于所述调节器可以通过例如以较高的电压操控来使光线强度削减被平衡。
典型地通过将颗粒的特征与特征集合的特征进行比较来进行借助于光学装置被检测的颗粒的分类和确定,根据该特征集合于是可以进行该颗粒的归类、分类或在理想情况下进行该颗粒的具体确定。有利地利用非线性系统、优选地借助于神经元网络来进行所述确定,由此,当被确定的特征不允许直接推断出颗粒类型时,一般也可以获得结果。当在实践中已证明:不仅焦点中的图像而且直接处于焦点前和后的图像被评价时,那么使用神经元网络尤其是有利的,这是因为因此分类或确定的安全性可以被提高,即使因此被确定的特征具有一定的模糊性。
替换地,可以通过将检测到的特征与所述特征集合的特征借助于线性系统来比较而进行一颗粒的所述确定。两种方法具有它们的优缺点,其中,在个别情况下应当认真权衡以哪种方式进行评价。
为了可以成本低廉地执行根据本发明的方法,一方面要求俭朴地保持装置方面的耗费,另一方面尽可能小地保持计算耗费。当然,根据本发明的方法应当具有所需的准确性,以便以高的可靠性可以至少在细菌与非细菌之间进行区分。为此,根据本发明的一改进方案设置为:前置于传感器的透镜具有0.05与0.4之间的数字孔径,需要该透镜用以在传感器的像素平面上产生图像。这种数字孔径一方面具有这样的优点,即,可以使用简单品质的透镜,它们成本低廉,另一方面待评价的图像的数量不变得就像孔径增加时的情况下那样太大。
为了在检测颗粒时给出另外的区分可能性,根据本发明设置为:在具有不同照明角度的照明条件下评价同一液体试样的图像。由此可以进一步区分例如前述的特征。也可以必要时附加地或替换地在生成这些图像时以具有不同波长的光线的照明来工作。这表示了特征的进一步区分可能性,其尤其是可以针对细菌大小的小颗粒是有优点的。
利用根据本发明的方法不必当然地进行具体的颗粒确定,但是适宜地进行颗粒的分类,确切地说分类成细菌、非细菌和其他颗粒。这种分类尤其在饮用水监控时是适宜的。
在此,尤其在饮用水监控的情况下可以需要的是,不仅检测水中的细菌的数量,而且也检测细菌的类型。因此,例如大肠杆菌是针对排泄物的指征,即排泄物指标。为了其检测例如可以在根据本发明的方法中首先进行一次将被确定的颗粒分类成细菌和非细菌,据此在液体试样中有目的地引入杀菌,例如通过UV光、热等等。然后在一定的等待时间、例如半小时之后再一次执行同一试样的颗粒确定并在此例如通过确定颗粒的旋转来执行确定,就像在杀菌之后调整活细菌与死细菌之间的比例那样。由此可以间接例如推断出大肠杆菌的份额。
原则上在依据特征集合的情况下应用根据本发明的方法。但是,这种特征集合不必完整地存在。该特征集合必要时可以随着装置的开工而自学式产生或补充。因此例如可以在第一天内在检查装置开工之后首先仅检查从中已知具有允许的颗粒负载的水。利用关于水中被检测的颗粒的、在这些检查中得到的特征可以编制一特征集合,该特征集合又是用于进一步检查的基础,在这些进一步检查中,然而不是颗粒的所述确定处于前台(Vordergrund)中,而是颗粒结构与预先确定的颗粒结构相一致或不相一致处于前台中,相一致或不相一致形成用于特征集合的基础。
附图说明
下面根据附图详细阐释根据本发明的方法的多个部分,其中:
图1在大大简化的示意图中示出了用于以暗场技术检查液体试样的光学装置;
图2示出了按照现有技术使用亮场技术的光学装置;
图3示出了光学装置的光学传感器的结构;
图4分别在图像视图和信号视图中示出了包含子像素情况下的传感器信号的评价;
图5示出了图像系列,这些图像在不同的平面中示出了相同的颗粒;
图6示出了不同平面中的相同颗粒的十一个相继的图像;
图7示出了在使用不同边界值的情况下的相同颗粒的三个数字化颗粒视图,其分别具有用以比较的一灰度值视图;
图8示出了两个曲线,这两个曲线包括和确定了由根据图7b和图7c的颗粒视图所示出的面积;
图9示出了一颗粒在焦点内和外的相继的平面中的二十五个图像;
图10示出了基于根据图9的图像的两个频率分布曲线的图表;
图11示出了具有偏差的由根据图10的曲线所形成的平均值曲线,用以形成一特征;
图12示出了与评价作为特征的惯性矩关联的三个图像;以及
图13示出了傅里叶变换图像的振幅-频率图,没有DC部分。
具体实施方式
根据图1和图2示出了,暗场技术(就像在根据本发明按照图1的光学装置中所应用那样的)与经典的亮场技术(就像在图2中所示出那样的)的不同之处。在两个图中示出了光源1,该光源照射布置在窗口2中的液体试样,为清楚起见该液体试样仅具有一个处于其中的颗粒3。处于窗口2中的液体试样布置在光学光源1与CCD传感器4之间,聚焦透镜5前置于该CCD传感器,该聚焦透镜在这里象征性表示为成像光学设备。光源1在图1中例如借助于光圈这样地取向,使得直接光束6照亮具有颗粒3的窗口2,但是没有直接击中透镜5也没有直接击中处于透镜后面的CCD传感器4。仅散射光7从颗粒3到达聚焦透镜5到达处于透镜后面的CCD传感器4。由此得到图像8,其中,颗粒3在黑背景前面示出为白色。旁边示出的图像9明示了:在该照明情况下,两个颗粒的图像实际上看上去能是什么样子。
与之相比,图2中,光源1直接指向窗口2并指向处于液体中的颗粒3以及透镜5和传感器4。因此,借助于透镜5,遮住直接光线6的颗粒3作为黑点被产生在图像8中、也就是被产生在CCD传感器4上。在相应布置在旁边的图像9中可以看到三个颗粒,这些颗粒的黑色边缘在灰色背景前显露出来。
利用就像图1中示例性示出那样的暗场照明,尤其可以比就像根据图2示出的那样在亮场照明中明显更好地在2D图像8、9中示出小颗粒。在那里,颗粒3的边缘在图像8中被大大地过亮。因为直接光束6碰触到CCD传感器4上,所以在所示颗粒与背景之间的对比度非常高以及由此所投影的颗粒内的分辨率是糟糕的。在图1的图像9中明显能够识别出,在黑色背景前用裸眼已经能够看到细微的渐变部。暗场照明(如图1所示)仅示例性被理解。因此例如可以替代中央光源1而设置特别的光源,该特别的光源类似于图1中示出的那样倾斜地投射所述窗口2。但是重要的是,从颗粒3仅散射光到达透镜5和处于透镜后面的传感器4并且没有从光源到传感器的直接照射。
图3示出了就像如今在市场上常见那样的CCD传感器4的结构。传感器4的每个像素10由四个子像素11组成,确切地说由一个蓝色子像素11a、一个红色子像素11b和两个绿色子像素11c和11d组成。这些颜色用以给予每个像素10除了亮度信息之外也给予颜色信息,需要该颜色信息用以产生彩色图像。
在根据本发明的方法中,2D图像被以黑白色、也就是说具有灰度值地产生,不需要颜色信息。子像素11因此被用于提高分辨率和表现力。
图3中示出的CCD传感器4涉及一种具有拜耳矩阵的拜耳传感器。替代就像通常那样为了获得颜色信息而评价子像素,这些子像素在这里一方面被用于提高分辨率,就像图4的相应的左上图像所示那样。此外,子像素11或它们的信号被不同地处理。因此,子像素11a和11b被低增益(英文:low gained),与之相反,子像素11c和11d被高增益(英文:highgained)。由此获得了较高的表现力区域,这点同样根据图4在左下图像中是明显的。就像根据前述方法所产生的左上图像示出的那样,利用前述方法所产生的图像不仅具有较高分辨率,而且具有较高表现力,就像尤其是在该处能看到的灰度值明示的那样。分辨率被以系数四来提高,表现力同样是显著的。就像不仅在左上图像中,而且在处于其下的信号曲线中看到的那样,通过使用子像素11作为像素来实现提高的分辨率,较高的表现力通过如下方式来实现,即,子像素11分别被成对地低增益或高增益。通过被低增益的子像素与被高增益的子像素的内插于是产生图4中右边示出的图像,该图像具有比在传统读取CCD传感器的情况下所生成的图像更高的分辨率和更高的表现力。因此,即使在图4中右边的图像视图或信号视图上的被改善的图像信息不能容易地识别,那么可以考虑到在那里能看到的灰度值具有与如果这些图像信息在通常评价CCD传感器信号的情况下实现的品质不同的品质。
为了确定或至少将利用CCD传感器4所检测的颗粒分类,需要确定颗粒的各种特征并然后将这些特征与已有的特征集合进行比较,以便确认涉及哪些类型的颗粒或在理想情况下涉及哪些颗粒。在此,特征集合可以被个别地建立,例如用于饮用水、商用水、废水、来自净化设备的水或也用于具有处于其中的颗粒的另外的液体。在此,特征集合合乎使用者的要求。因此,例如针对引用水分析主要识别,涉及细菌或没有细菌,此外涉及哪些细菌。例如目标可以是,确定大肠杆菌,以便监控水质。如果以一定数量的预先检查确定了颗粒,则这种特征集合可以必要时在现场自学式地被建立,这些颗粒在它们的形状和数量上已被确认为允许且可接受。然后可以利用这种自主建立的特征集合来确认之前被检测的品质的偏差。可理解的是,特征集合例如针对监控饮用水也可以取决于地点、也就是说在不同的地点上是不同的,因为可以使水负载的细菌类型取决于地点和气候是变化的。经图像检测的颗粒的特征与特征集合中的特征相符得越多,该确定就越准确。被考虑用于该比较的特征可以少一些,或几百个或更多。适宜地通过神经元网络进行该评价,但是也可以借助于线性比较系统来进行该评价。但是已证实的是,针对涉及细菌还有没有细菌的问题,比较至少三个特征、有利地至少四个特征是足够的,以便以足够的可靠性来确定这点。在特殊情况下,特征数量可以明显更高。
通过平行的平面的多个图像来进行具有处于其中的近似稳定的颗粒的液体试样的检测。因此,第一次对象检查例如排除了超大对象、例如气泡和类似对象以及进一步评价明显不能评价的区域(完整性检查),在第一次对象检查之后的图像评价中,针对每个经图像检测的颗粒建立了相同颗粒的图像组,这些组在不同平面中示出了所述颗粒。因为以光学装置的成像透镜5的孔径为前提轮廓清晰的显示仅在焦点平面中是可行的,所以这些颗粒在图像的这些组中典型地在多个(模糊的)前聚焦位置中显现、在一个或多个聚焦位置中并在多个(模糊的)后聚焦位置中显现。一个颗粒的这种图像例如在图5中示出,该图示出了同一颗粒在焦点中和在该焦点外的39个图像。对这些图像以计算方式检测出,处在焦点中的颗粒3在哪个图像或在哪些图像中示出。图5中,具有处在焦点中的颗粒3的该图像以12来表示。以本身已知的方式借助于索贝尔算子、即简单的边沿探测滤波器进行所述计算,该边沿探测滤波器确定该计算。
原则上,在聚焦的图像中进行一颗粒的一特征的评价,然后该特征直接被设计为聚焦的图像与未聚焦的图像之间的特性。但是,就像试验已给出的那样,如果不仅评价处于焦点中的图像12,而且对应也评价前聚焦区域13中以及后聚焦区域14中的处于焦点之外的图像,则该评价变得明显更稳定,其中,于是使用神经元网络是适宜的,以便也将这些“模糊的”特征进行配属(图6)。
颗粒的主要特征总是它在焦点中的面积,在此,面积的尺寸是一特征,面积的形状是另一特征。为了检测这些尺寸,在图像中确定该颗粒的限界。这典型地通过确定边界值、即图像的灰度值来进行,该灰度值相应于确定的像素值。借助于该边界值来产生纯黑白图像,也就是说其像素值等于或小于该边界值的所有像素被示出为黑色,所有另外的像素示出为白色。根据图7a、图7b和图7c示出,该边界值的改变如何影响到该图像。在根据图7的图像中仅考虑了白色面积,在这里,灰色的、阴影状的面积仅用于明示不同的边界值并且通常会是黑色。灰色的阴影状面积示出了该颗粒的真实形状。在图7a中明显可看到,在此已设置到最大像素值的47%的边界值比较高,这是因为该颗粒的大部分掉到了灰色区域中并在这里估计丢掉了主要特性,这些主要特性是面积的一特征。图7b中,将边界值规定到30%。在这里已经得到该颗粒与根据图7a的视图相比的明显有偏差的形状。但是,如果将边界值降低到20%,那么获得根据图7c的图像,在该图像中可以看到该颗粒的明显长形的形状,该形状同时是该颗粒的主要特征。根据本发明的方法现在设置为:使边界值变化,并确定在不同的边界值下尤其是颗粒形状是否发生显著变化,以便然后顾及边界值,所顾及的边界值考虑了该突出的形状。
在通过边界值的变化来产生构成用于进一步评价的基础的黑白图像之后,通过一以区段方式围绕白色面积的双曲线来确定图像中的颗粒面积,该双曲线限定了就像在图8中示出那样的面积。通过该曲线的积分可以确定被围入的面积、即颗粒的二维尺寸。相应的曲线以15表示。为了比较,在图8中画入曲线16,当基于根据图7b的图像时,获得该曲线。明显的是,边界值的变化正好导致,提供了在形状方面的特性特征。
在考虑图像堆的情况下经常要观察的是,被检测的颗粒的面积和形状在焦点内部和外部发生改变,就像这在根据图5和图6的图像中可以看到的那样。在图5中基本上是位置发生改变,其余的改变确切地说是由聚焦造成的,对于根据图6中的图像被检测的颗粒而言显然也改变了形状。该改变是由于颗粒的运动而引起的,也就是说由颗粒从一图像向下一图像的运动而引起。当非球形的颗粒转动时,取决于该颗粒转动得多快和绕哪个轴线转动而影响光线。在用眼睛观察时,这被感受为闪烁。这是一特性,该特性经常在活细菌的情况下可以观察到,但是在死细菌的情况下不能观察到或在不是细菌的颗粒情况下很少能看到。因此,该特性是用于确定涉及细菌还是其他颗粒的重要特征。为了确定该特征,首先考虑评价例如图9中示出那样的图像堆。示出了在这里待确定的颗粒在焦点内部和外部的、当前的25个图像被如下地评价:
待确定的颗粒和为此可以考虑的图像已被选择出之后(就像这些在图9中示出那样的图像),首先建立一聚焦曲线。在横轴上标出图像的数量,并在竖轴上标出在每个图像中被确定的四个至七个最亮像素的亮度、也就是具有最高像素值的像素的亮度,确切地说分别在形成这四个至七个像素的平均值的情况下,从而使得获得从图10中看到的曲线16,该曲线具有能明显看到的尖端。该曲线16被滤波以及因此被弄平。所弄平的曲线在图10中以17表示。最后,对曲线17确定平均值和标准差。该标准差是用于被检测的颗粒的特征。该值越高,被检测的颗粒的所述“闪烁效果”就越大,这指示颗粒的运动、尤其是绕轴线的转动。图10中的这些曲线16和17彼此相减,从而使得获得了图11中示出的曲线,该曲线示出了由此得到的平均值和偏差。
用于确定或分类颗粒的另一特征是矩形成(Momentenbildung),该矩形成在图像处理、尤其是评价和分类中属于现有技术。一般根据黑白图像、优选在黑白图像数字化为黑值和白值之后进行该矩形成,就像这在开头部分已经描述的那样。
另一特征是颗粒的惯性矩(也称作逆矩),也就是还有检测颗粒空间延伸的特征。该特征的初始点例如是七个图像,在这七个图像中,一个图像布置在焦点中并且在焦点的每个侧面上布置三个图像,因此就像这在图6中通过中间图像12以及前聚焦图像13和两个处于图像12与图像13之间的图像、以及后聚焦图像14和两个处于聚焦图像与后聚焦图像之间的图像给出的那样。这七个图像中的每个图像(其中一个图像例如在图12a中示出)都被实施加傅里叶变换,从而使得获得如图12b中所示那样的图像。傅里叶变换分别给出在倒易(reziproken)空间(类似于结晶学中的倒易晶格)中的、在对应图像中所投影出的颗粒。然后去除或至少减少直流分量(DC分量),从而使得获得就像图12c中示出那样的图像。通过适当的滤波器也消除了噪声,据此来计算七个图像的对象中的每个对象的中心矩。在图13中示出了一图像的这种曲线,其中,横轴表示频率并且竖轴表示振幅。DC部分在图13中示出的图表中已经被去除,噪声部分19在那里还存在。该中心矩的最大值和最小值分别形成被检查的颗粒的一特征。前面所描述的特征一般足够用以确定被检查的颗粒是细菌或不是细菌。
可以通过如下方式来获得这些特征的另一变化,即,利用来自不同照明角度的照明来评价同一液体试样的不同平面中的图像系列和/或利用具有不同波长的光线的照明来评价。哪些特征特别适用于哪些颗粒、尤其是细菌,以便将这些颗粒分类或完全确定这些颗粒,需要源自经验的确定。但是,前面所描述的特征是特别适合用于区分细菌和非细菌的,确切地说这些特征中的三个或四个特征一般足够用于以足够高的安全性实现该分类。但是,这种分类尤其在饮用水检查中有很大的意义,这是因为在成功分类之后于是可以进行详细的确定或进行子分类,确切地说典型地来确定是细菌还是其余的颗粒。
附图标记列表
1 光源
2 窗口
3 颗粒
4 CCD传感器(传感器的平面)
5 聚焦透镜
6 直接光束
7 散射光
8 传感器图像
9 示例图像
10 像素
11 子像素
11a 蓝色子像素
11b 红色子像素
11c 绿色子像素
11d 绿色子像素
12 处于焦点中的中间图像
13 前聚焦图像
14 后聚焦图像
16 未弄平的曲线
17 弄平的曲线
18 平均值曲线
19 噪声部分
Claims (22)
1.一种用于确定颗粒、尤其是液体中的细菌的方法,在使用成像光学装置的条件下实施所述方法,所述成像光学装置具有:光源;光学传感器,所述光学传感器具有感光像素的场;布置在光源与传感器之间的待检查液体试样,其中,将与图像有关地被检测的至少一个颗粒的特征与用于确定被检测的颗粒的特征集合的特征进行比较,其特征在于,以暗场技术进行图像检测并且感光像素具有多个子像素,所述子像素被用于图像检测。
2.根据权利要求1所述的方法,其特征在于,根据所述液体试样的不同平面中的二维黑白图像来检测所述至少一个颗粒。
3.根据权利要求1或2所述的方法,其特征在于,将所述子像素用于提高所述传感器的分辨率和/或敏感度。
4.根据前述权利要求中任一项所述的方法,其特征在于,所述传感器的至少一个像素具有多个子像素,在所述多个子像素中,至少一个子像素被高增益并且至少一个子像素被低增益。
5.根据前述权利要求中任一项所述的方法,其特征在于,将一颗粒的至少三个、优选四个不同的特征用于确定该颗粒。
6.根据前述权利要求中任一项所述的方法,其特征在于,使用颗粒在其中处于焦点的图像中的所述颗粒的与面积有关的延伸尺寸作为颗粒的特征。
7.根据权利要求6所述的方法,其特征在于,为了检测该颗粒的与面积有关的延伸尺寸而确定像素边界值,其中,其像素值大于或等于被确定的像素边界值的所有像素被设为1,其像素值小于被确定的像素边界值的所有像素被设为0,据此来检测该颗粒的与面积有关的延伸尺寸。
8.根据权利要求7所述的方法,其特征在于,在依据多个不同的被确定的像素边界值的情况下得到该颗粒的与面积有关的延伸尺寸。
9.根据前述权利要求中任一项所述的方法,其特征在于,将一颗粒绕它自己的轴线的旋转确定为该颗粒的特征。
10.根据前述权利要求中任一项所述的方法,其特征在于,通过评价一颗粒在不同平面中的图像系列来得到该颗粒的特征,在所述不同平面中,该颗粒在一些图像中处于焦点中并且在一些图像中处于所述焦点之外,其中,以图像方式检测代表该颗粒的像素值的数量并且检测到的数量关于图像数目的分布形成所述特征。
11.根据权利要求10所述的方法,其特征在于,检测到的数量相对于检测到的数量的平均值的标准差形成特征。
12.根据前述权利要求中任一项所述的方法,其特征在于,使用颗粒的形状作为特征。
13.根据权利要求12所述的方法,其特征在于,通过颗粒的矩来确定颗粒的形状。
14.根据权利要求12所述的方法,其特征在于,通过颗粒的逆矩来确定颗粒的形状。
15.根据权利要求14所述的方法,其特征在于,为了检测一颗粒的所述逆矩而评价该颗粒在不同平面中的图像系列,其中,该颗粒在至少一个图像中处于焦点中,并在一定数量的图像中处于焦点前和焦点后,其中,对每个图像的像素值进行傅里叶变换,据此,DC部分被去除或至少被减少,信号的噪声部分被消除并然后进行矩确定。
16.根据前述权利要求中任一项所述的方法,其特征在于,光源的照明强度被保持恒定并设置一调节器,该调节器优选借助于所述传感器检测所述照明强度并相应地操控所述光源。
17.根据前述权利要求中任一项所述的方法,其特征在于,通过将检测到的特征与所述特征集合的特征借助于非线性系统、优选借助于神经元网络进行比较来实现对颗粒的确定。
18.根据前述权利要求中任一项所述的方法,其特征在于,通过将检测到的特征与所述特征集合的特征借助于线性系统进行比较来实现对颗粒的确定。
19.根据前述权利要求中任一项所述的方法,其特征在于,使用前置于所述传感器的、产生图像的透镜,该产生图像的透镜具有0.05与0.4之间的数字孔径。
20.根据前述权利要求中任一项所述的方法,其特征在于,以具有不同照明角度的照明来评价同一液体试样的图像。
21.根据前述权利要求中任一项所述的方法,其特征在于,以具有不同波长的光线的照明来相继评价同一液体试样的图像。
22.根据前述权利要求中任一项所述的方法,其特征在于,将所述颗粒分类成细菌、非细菌和其他颗粒。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP14200634.5A EP3040705A1 (de) | 2014-12-30 | 2014-12-30 | Verfahren zum Bestimmen von Partikeln |
EP14200634.5 | 2014-12-30 | ||
PCT/EP2015/079153 WO2016107722A1 (de) | 2014-12-30 | 2015-12-09 | Verfahren zum bestimmen von partikeln |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107111120A true CN107111120A (zh) | 2017-08-29 |
Family
ID=52347127
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201580072051.8A Pending CN107111120A (zh) | 2014-12-30 | 2015-12-09 | 用于确定颗粒的方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20170350800A1 (zh) |
EP (1) | EP3040705A1 (zh) |
CN (1) | CN107111120A (zh) |
WO (1) | WO2016107722A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109211926A (zh) * | 2018-10-25 | 2019-01-15 | 天津工业大学 | 一种激光双路中空纤维膜组件完整性的检测装置及其方法 |
WO2020119600A1 (zh) * | 2018-12-14 | 2020-06-18 | 中国科学院深圳先进技术研究院 | 液体中颗粒物的图像采集设备及检测装置 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20230341318A1 (en) | 2019-11-29 | 2023-10-26 | Intubio Aps | A method and a system for analysing a fluid sample for a biological activity |
CN111860571B (zh) * | 2020-06-03 | 2021-05-25 | 成都信息工程大学 | 一种基于cip数据质量控制的云微粒子分类方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH02189089A (ja) * | 1989-01-18 | 1990-07-25 | Pfu Ltd | モノクロ読取り機能付きカラーイメージスキャナ |
US20050243413A1 (en) * | 2004-04-28 | 2005-11-03 | Olympus Corporation | Illumination apparatus for microscope |
CN101012447A (zh) * | 2007-02-02 | 2007-08-08 | 杭州浙大优创科技有限公司 | 直接镜检法牛奶体细胞/细菌自动计数仪的显微镜检测装置及显微镜调焦方法 |
US20100246927A1 (en) * | 2009-03-25 | 2010-09-30 | Arbuckle John D | Darkfield imaging system and methods for automated screening of cells |
CN101952762A (zh) * | 2008-01-02 | 2011-01-19 | 加利福尼亚大学董事会 | 高数值孔径远程显微镜设备 |
CN102301269A (zh) * | 2008-12-05 | 2011-12-28 | 优尼森索股份公司 | 样品的光学切片以及样品中颗粒的检测 |
US20130076947A1 (en) * | 2011-08-30 | 2013-03-28 | Keigo Hirakawa | Single-shot high dynamic range imaging |
CN103238120A (zh) * | 2010-11-12 | 2013-08-07 | 布鲁塞尔大学 | 用于表征透明颗粒的光学方法 |
WO2014094790A1 (en) * | 2012-12-19 | 2014-06-26 | Unisensor A/S | System and method for classification of particles in a fluid sample |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8218132B2 (en) * | 2007-04-12 | 2012-07-10 | The University Of Electro-Communications | Particle measuring device and particle size measure device |
EP2585610A4 (en) * | 2010-06-25 | 2013-10-23 | Purdue Research Foundation | DETECTION OF PATHOGENIC AGENTS |
DK2469264T3 (en) * | 2010-12-21 | 2016-10-03 | Grundfos Management As | Monitoring system |
US8912007B2 (en) * | 2013-01-22 | 2014-12-16 | Tecan Trading Ag | Optical measuring apparatus and method for the analysis of samples contained in liquid drops |
-
2014
- 2014-12-30 EP EP14200634.5A patent/EP3040705A1/de not_active Withdrawn
-
2015
- 2015-12-09 WO PCT/EP2015/079153 patent/WO2016107722A1/de active Application Filing
- 2015-12-09 CN CN201580072051.8A patent/CN107111120A/zh active Pending
- 2015-12-09 US US15/540,675 patent/US20170350800A1/en not_active Abandoned
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH02189089A (ja) * | 1989-01-18 | 1990-07-25 | Pfu Ltd | モノクロ読取り機能付きカラーイメージスキャナ |
US20050243413A1 (en) * | 2004-04-28 | 2005-11-03 | Olympus Corporation | Illumination apparatus for microscope |
CN101012447A (zh) * | 2007-02-02 | 2007-08-08 | 杭州浙大优创科技有限公司 | 直接镜检法牛奶体细胞/细菌自动计数仪的显微镜检测装置及显微镜调焦方法 |
CN101952762A (zh) * | 2008-01-02 | 2011-01-19 | 加利福尼亚大学董事会 | 高数值孔径远程显微镜设备 |
CN102301269A (zh) * | 2008-12-05 | 2011-12-28 | 优尼森索股份公司 | 样品的光学切片以及样品中颗粒的检测 |
US20100246927A1 (en) * | 2009-03-25 | 2010-09-30 | Arbuckle John D | Darkfield imaging system and methods for automated screening of cells |
CN103238120A (zh) * | 2010-11-12 | 2013-08-07 | 布鲁塞尔大学 | 用于表征透明颗粒的光学方法 |
US20130076947A1 (en) * | 2011-08-30 | 2013-03-28 | Keigo Hirakawa | Single-shot high dynamic range imaging |
WO2014094790A1 (en) * | 2012-12-19 | 2014-06-26 | Unisensor A/S | System and method for classification of particles in a fluid sample |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109211926A (zh) * | 2018-10-25 | 2019-01-15 | 天津工业大学 | 一种激光双路中空纤维膜组件完整性的检测装置及其方法 |
WO2020119600A1 (zh) * | 2018-12-14 | 2020-06-18 | 中国科学院深圳先进技术研究院 | 液体中颗粒物的图像采集设备及检测装置 |
Also Published As
Publication number | Publication date |
---|---|
WO2016107722A1 (de) | 2016-07-07 |
US20170350800A1 (en) | 2017-12-07 |
EP3040705A1 (de) | 2016-07-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106548467B (zh) | 红外图像和可见光图像融合的方法及装置 | |
CN107111120A (zh) | 用于确定颗粒的方法 | |
CN109074033A (zh) | 用于优化水处理过程中的凝聚和/或絮凝的方法和系统 | |
CN102221559B (zh) | 基于机器视觉的织物疵点在线自动检测方法及其装置 | |
CN103617617B (zh) | 基于功率谱描述的水下图像质量评价测量方法 | |
CN106033599B (zh) | 基于偏振成像的可见光增强方法 | |
CN106959293A (zh) | 通过视觉系统检测反光面上缺陷的系统及方法 | |
CN101819024B (zh) | 一种基于机器视觉的二维位移检测方法 | |
CN101473218A (zh) | 用于表征透明基底中的缺陷的装置和方法 | |
CN101346623A (zh) | 根据图像分析进行缺陷检查的缺陷检查装置 | |
US20200058119A1 (en) | Apparatus and methods for shot peening evaluation | |
KR102269956B1 (ko) | 전조등 평가 방법 | |
CN103759662A (zh) | 一种纺织纱线直径动态快速测量装置与方法 | |
CN105034929B (zh) | 照射设备 | |
CN107209056A (zh) | 用于取决于方向地测量光学辐射源的至少一个照明技术或辐射测量学特征量的方法和测角辐射计 | |
JP2009175041A (ja) | 表示画像のギラツキ評価方法 | |
JP2008249568A (ja) | 外観検査装置 | |
CN103632369A (zh) | 块平均清晰度组合无参考水下图像通用性质量检测方法 | |
CN101526481A (zh) | 多照明路径系统及缺陷检测方法 | |
CN1924886A (zh) | 利用可见光的虹膜识别系统及识别方法 | |
JP4157790B2 (ja) | 車両用路面状態検出装置、車両用路面状態検出方法および車両用路面状態検出装置の制御プログラム | |
JP2015212646A (ja) | シート状物検査装置及びシート状物検査方法 | |
CN105391998B (zh) | 微光夜视仪分辨率自动检测方法和装置 | |
KR20130083662A (ko) | 수질 검지시스템 및 그 제어방법 | |
CN100340840C (zh) | 光学形状测量或评定的方法及装置 |
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 | ||
CB03 | Change of inventor or designer information | ||
CB03 | Change of inventor or designer information |
Inventor after: M Dahl Krishna Inventor after: Smith Charles Gordon Inventor after: B Heyelisi Inventor before: M Dahl Krishna Inventor before: Smith Craig Inventor before: B Heyelisi |
|
AD01 | Patent right deemed abandoned | ||
AD01 | Patent right deemed abandoned |
Effective date of abandoning: 20200310 |