CN107407651A - 具有学习能力的便携式流体传感设备 - Google Patents

具有学习能力的便携式流体传感设备 Download PDF

Info

Publication number
CN107407651A
CN107407651A CN201680012379.5A CN201680012379A CN107407651A CN 107407651 A CN107407651 A CN 107407651A CN 201680012379 A CN201680012379 A CN 201680012379A CN 107407651 A CN107407651 A CN 107407651A
Authority
CN
China
Prior art keywords
fluid
sensing
data set
sensor
fluid flow
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
Application number
CN201680012379.5A
Other languages
English (en)
Inventor
C-H·沈
P·贝内泽什
S·伊兹
J-C·米夫萨德
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.)
Alpha MOS SA
Original Assignee
Alpha MOS SA
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 Alpha MOS SA filed Critical Alpha MOS SA
Priority to CN202311083018.8A priority Critical patent/CN117129531A/zh
Publication of CN107407651A publication Critical patent/CN107407651A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
    • G01N27/02—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance
    • G01N27/04—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance by investigating resistance
    • G01N27/12—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance by investigating resistance of a solid body in dependence upon absorption of a fluid; of a solid body in dependence upon reaction with a fluid, for detecting components in the fluid
    • G01N27/128—Microapparatus
    • 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
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/483—Physical analysis of biological material
    • G01N33/487—Physical analysis of biological material of liquid biological material
    • G01N33/49—Blood
    • G01N33/4925—Blood measuring blood gas content, e.g. O2, CO2, HCO3
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
    • G01N30/02—Column chromatography
    • G01N30/62—Detectors specially adapted therefor
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
    • G01N30/02—Column chromatography
    • 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
    • G01N33/0004—Gaseous mixtures, e.g. polluted air
    • G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
    • G01N33/0027—General constructional details of gas analysers, e.g. portable test equipment concerning the detector
    • G01N33/0031—General constructional details of gas analysers, e.g. portable test equipment concerning the detector comprising two or more sensors, e.g. a sensor array
    • 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
    • G01N33/14—Beverages
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
    • G16Z99/00—Subject matter not provided for in other main groups of this subclass
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A50/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE in human health protection, e.g. against extreme weather
    • Y02A50/20—Air quality improvement or preservation, e.g. vehicle emission control or emission reduction by using catalytic converters

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Biomedical Technology (AREA)
  • Food Science & Technology (AREA)
  • Hematology (AREA)
  • Medicinal Chemistry (AREA)
  • Molecular Biology (AREA)
  • Urology & Nephrology (AREA)
  • Biophysics (AREA)
  • Ecology (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • Combustion & Propulsion (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Electrochemistry (AREA)
  • Investigating Or Analyzing Materials By The Use Of Fluid Adsorption Or Reactions (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)
  • Sampling And Sample Adjustment (AREA)
  • Testing Or Calibration Of Command Recording Devices (AREA)

Abstract

本发明公开了一种用于识别流体或测量其浓度的设备。该设备被配置为捕获流体感测信号并发送到处理能力以被注释、预处理和馈送到具有学习能力的模型和数据集的数据库。该设备具有棒或尖笔形状因子，以使其适于由医疗保健专业人员或公众使用。有利地，棒可用于从气体和液体捕获数据，该气体和液体可能是相同分析物的相。该设备可以是包含被配置为自主的所有处理能力的封装。它可以与智能电话、PC或POCT类型的中间设备结合来进行操作。包括自主流体传感设备、中间设备和数据库服务器的系统可以在学习模式或使用模式下进行操作。可以对测量结果进行过滤、并归一化以统计地消除由于操作条件差、设备配置差异或局部参数(温度、湿度、流速等)差异而导致的测量结果的差异。

Description

具有学习能力的便携式流体传感设备
技术领域
本发明特别适用于电子感测领域，即包括物理传感器、信号和数据处理能力的系统和/或设备，用于检测和/或识别处于气体或液体载相的分析物(或测量其浓度)。具体而言，本发明适用于具有通信能力的微型设备。
背景技术
环境问题使城市环境中的公众需要易于获取与其位置处的大气中的气体或颗粒的浓度有关的信息。同样，可能需要在水龙头处或在河流中或在海岸边检测水污染物。此外，在食物元素的生产、运输或保存链中的危险也产生了检测细菌增殖的需要，可以通过其气味来检测细菌增殖。健康监测应用可以受益于呼吸数据。这些只是广大公众可以在微型流体传感设备中使用的功能的几个示例。
为了响应这些需求，本领域公知在可以对待分析的不同化合物敏感的传感器单元中组装传感器。这样的单元然后可以与具有处理和通信能力的电子设备(例如，智能电话)封装在一起。这是例如在公开号为No.2639582的欧洲专利申请中公开的设备的情况。
但是这类设备的第一个缺点是，由于通信设备不能浸入水中，所以这类设备不能用于检测和分析液相化合物。因此，其应用领域仅限于气相。此外，该设备仅使用与其被集成的智能电话的通信能力。最后，但是这不是要解决的最不重要的问题，这种现有技术的设备只具有向服务器发送测量结果并接收在服务器上所执行的识别的结果的能力。
因此，需要一种更通用的设备，其能够分析更广泛的各种液相和气相分析物，并且为此可以与多个不同设备进行通信。还需要一种可以是数据处理能力网络的一部分的设备，以提高对待分析化合物的识别的准确性。
发明内容
本发明的目的在于提供对现有技术的这些改进。
本发明通过提供具有学习能力的流体传感设备来实现该目标。
为此，本发明公开了一种流体传感设备，其在封装中包括：流体传感器，用于感测分析物并生成流体感测信号；通信能力，被配置为向第一处理能力发送表示流体感测信号的第一数据集，其中，所述第一数据集还包括表征流体感测信号的标签，所述标签在通信能力和第一处理能力的其中之一处产生。
有利地，流体传感器包括气体传感器。
有利地，气体传感器包括单个半导体金属氧化物元件。
有利地，气体传感器包括多个半导体金属氧化物元件的阵列和堆叠体的其中之一。
有利地，本发明的流体传感设备还包括用于照射多个半导体金属氧化物元件中的至少一些半导体金属氧化物元件的紫外光源。
有利地，气体传感器包括微型气相色谱仪。
有利地，本发明的流体传感设备具有带有钟形延伸部的进入端口。
有利地，流体传感器包括液体传感器。
有利地，液体传感器包括微型HPLC柱。
有利地，本发明的流体传感设备具有细长的形状因子，其中，端部包括液体传感器的接触表面。
有利地，进入端口被可拆卸帽状件覆盖，该可拆卸帽状件可用作用于接收待分析样品和流体传感设备的杯状件。
有利地，本发明的流体传感设备还包括在包括温度传感器、流量传感器和湿度传感器的组中选择的附加传感器，该附加传感器的输出被传送到处理能力。
本发明还公开了一种产生模型的方法，该模型用于识别第一流体的性质和所述第一流体在第二流体中的浓度的至少其中之一，所述方法包括：在第一处理能力处接收第一数据集，所述第一数据集表示第一流体的性质和所述第一流体在第二流体中的浓度的至少其中之一，所述第一数据集包括表征流体感测信号的标签；在第一处理能力处，将所述第一数据集与包括文本、声音和图像的至少其中之一的第二数据集组合，所述第二数据集表示第一流体的性质和所述第一流体在第二流体中的浓度的至少其中之一；从第一处理能力向第二处理能力传送第一数据集和第二数据集；在第二处理能力处，对来自多个第一处理能力的多对第一数据集和第二数据集进行分类，所述分类基于对多个第二数据集的分类；在分类的输出处为每个类别选择对多个第一数据集和多个第二数据集进行相关的统计模型，所述统计模型适于第一流体的性质；根据多对第一数据集和第二数据集针对每个类别来计算统计模型的参数。
有利地，第一数据集和第二数据集的其中之一至少还包括以下各项的其中之一的值：在流体传感设备的位置处的温度、压力和湿度测量结果。
有利地，第二数据集还包括用于定位第一处理能力的数据。
本发明还公开了一种用于识别第一流体的性质和所述第一流体在第二流体中的浓度的至少其中之一的方法，所述方法包括：在第一处理能力处从流体传感设备接收第一数据集，所述第一处理能力位于流体传感设备附近，所述第一数据集表示第一流体的性质和所述第一流体在第二流体中的浓度的至少其中之一；在第一处理能力处从第二处理能力获取通过根据本发明产生模型的方法所产生的多个统计模型；从多个统计模型中选择统计模型；在选择的输出处将第一数据集输入统计模型中；如果识别出第一流体的性质和所述第一流体在第二流体中的浓度的至少其中之一，则在第一处理能力处输出结果；如果未识别出第一流体的性质和所述第一流体在第二流体中的浓度的至少其中之一，则重新进行对统计模型的选择和检索的至少其中之一，直到获得结果或满足停止标准为止。
本发明还公开了一种被配置为执行本发明的方法的至少其中之一的处理能力、一种被配置为执行本发明的方法的至少其中之一的计算机程序、以及一种包括多个流体传感设备、多个中间设备和数据库服务器的系统。
本发明给医疗保健和环境专业人员以及公众带来了迄今限于仪器世界的先进电子感测技术的益处。使用先进的信号、数据处理技术、统计分析和建模方法使得能够创建大量的数据，其实现了为了公众的健康而提高对感兴趣的分析物的识别的准确度。
附图说明
依据对各个实施例和以下附图的说明，将更好地理解本发明，并且其各个特征和优点将变得显而易见：
-图1a、1b和1c表示从不同视角的本发明的多个实施例中的流体传感设备；
-图2a、2b和2c表示在本发明的多个实施例中适于控制流体捕获的操作条件的流体传感设备的三个变型；
-图3a、3b和3c表示流体传感设备的用例，以例示本发明的设备及其附件在其多个实施例中的可能的物理配置；
-图4表示在本发明的多个实施例中的具有学习能力的流体检测系统的功能架构；
-图5表示在本发明的多个实施例中的用于流体检测系统的注释子过程的流程图；
-图6表示在本发明的多个实施例中的用于流体检测系统的建模子过程的流程图；
-图7表示在本发明的多个实施例中的用于流体检测系统的检测子过程的流程图。
具体实施方式
图1a、1b和1c表示从不同视角的本发明的多个实施例中的流体传感设备。
在本发明的上下文中，我们将流体解释为载相，所述相是气体的或液体的，并且可能携带要分析的单一或多种化合物(分析物)。分析物可以以固态、液态或气态分散在载相中。分析物可以具有人类或动物的感官能够感知的气味、味道或另一种属性，或者是人类或动物的感官无法感知但可以影响他/她/它的健康的物质。
根据本发明的流体传感设备100主要包括封装中的流体传感器(未示出)和流体的进入端口101。根据本发明的某些方面，该设备的封装具有类似于平行六面体或圆柱体的3D形状因子，其长度比2D截面的尺寸长得多。该封装有两个端部，端部的截面可以小于封装在中间处的截面。流体传感设备的封装可以由用户像棒或尖笔一样握持。棒形形状因子可以允许用户在垂直位置处、可能在用于保存待分析样品的特定盒处更容易地握持该设备。尖笔形状因子，其中设备具有当用户握持该设备时靠近用户的端部、以及远端。远端可以被配置用于将数据输入另一设备中，如配备有触摸屏的智能电话。
因此，图1a、1b和1c中显示的设备的形状因子仅是以平行六面体棒形形状因子成形的根据本发明的设备的示例性实施例。这些示例决非限制本发明的范围。在这些示例中，尺寸已被调整以使得易于持拿该棒。可替换地，棒的形状因子可以是圆柱形的或者部分圆柱形和部分圆锥形的。有利的是，较大尺寸(最大截面的宽度或直径)小于50mm。当形状因子为平行六面体时，厚度将小于25mm。更有利的是，较大尺寸(最大截面的宽度或直径)将小于25mm，并且当形状因子是平行六面体时，厚度将小于20mm。棒的长度可以在100与250mm之间。
对于不同的应用，其它形状因子可能更为适当。平的形状因子可能例如适于在其下面检测液体和在其上面检测气体。
用于待分析的气体样品的进入端口可以位于设备的一端处或位于其一侧上。此外，可能存在与气体的进入端口不同的排出端口，以从设备出去。或者进入端口也可以用作排出端口。进入端口可以被配置有毛细管和/或弯道障碍物(chicane barrier)，以便控制到达传感器的气体流量。在待分析的样品是由人或动物用户呼出的情况下，气体进入端口的速度将根据用户而显著地不同。具有毛细管和/或弯道障碍物的装置会消除差异并将测量归一化。本领域技术人员将会知道如何设计这样的装置并确定其尺寸。当包括毛细管时，典型地具有在0.1mm与2mm之间的直径和几毫米至几厘米之间的长度。
可替换地或另外，可以使用微型泵、手动泵(橡胶吸管)或微型通风机来控制进入端口或排出端口中的流量。可以用于执行预期功能的微型泵的商业参考的示例是来自KogeElectronicsTM的KPM10A。微型通风机的商业参考的示例是来自SepaTM的HY_10A03A。泵可以连续使用或者被命令在给定的时间段内运行或当压力/流速低于确定的阈值时运行。通过泵、压力/流速传感器和控制回路的组合来控制压力和/或流速。
类似的配置可以应用于液体流体的进入端口。相同的设备可以具有两个进入端口，一个用于液体流体，另一个用于气体流体，可能是相同液体的气相。液体流体的流量可以有利地使用附加于或者替代通道弯管/毛细管的过滤器来进行调节。具有这种配置的本发明的示例性实施例在下面关于图3c进行讨论。
不用说，该设备应该没有死体积，并且传感器腔室体积应尽可能小。
根据本发明的设备尤其适于微型传感器使用，例如微机电系统或MEMS。微型传感器已经可用于这些应用。为了分析气体样品，可以使用硅上金属氧化物或MOS传感器。MOS传感器具有随着样品中特定气体的浓度而变化的电阻率。表面声波传感器或SAW传感器和石英微型平衡传感器或QMB传感器能够测量气体中的化合物的质量。还可以使用导电聚合物、电化学传感器、电容式传感器、光学传感器(包括红外或近红外有源或无源传感器)、光电离检测器(PID)。输出可以是颜色、荧光、电导率、振动等的变化。可以在本发明的设备中使用的MOS传感器的示例是：可从E2V TechnologiesTM购买的传感器，参考MICS-5914，其专用于氨(NH3)；从SGX Sensortech购买的传感器，参考MICS-5524，其可以测量一氧化碳(CO)、乙醇(C2H6OH)、氢气(H2)、氨(NH3)和甲烷(CH4)的浓度；或者从Figaro EngineeringTM购买的传感器，参考TGS-8100，其对诸如香烟烟雾或烹饪气味之类的多种或室内空气污染物具有很高的灵敏度。
这些类型的传感器可以排列成阵列，阵列中的每个传感器对不同的化合物敏感。这种类型的装置由已被引用的EP2639582公开。
此外，本申请的申请人共同发明了由公开号为WO2012/168444的PCT申请所公开的堆叠型传感器的布置，该PCT申请WO2012/168444被共同转让给本申请的申请人。这些传感器可以基于金属氧化物或聚合物材料或其组合。它们以堆叠的方式布置，其中堆叠体中的层由针对其对待分析气体的可能组分的不同反应性而选择的材料制成。可以在单个便携式封装中组装这些类型的传感器阵列，从而可以检测、识别各种气体/气味并测量它们的浓度。
还可以用作一个或多个微型气相色谱柱的气体传感器组件，其中每个柱的内部覆盖有对特定气体的反应物，该特定气体通过对应于特定保留时间的浓度峰值在微型柱的出口处被识别。正开发一种尺寸与以上针对本发明的设备提及的最大尺寸相兼容的微型气相色谱柱，特别地由不莱梅大学的微系统中心http://www.mcb.uni-bremen.de/shared/ Flyer.pdf或VirginiaTech VT MEMS实验室http://www.mems.ece.vt.edu/research.php？ id＝19进行。
流体传感器可以具有不同类型，例如光学传感器、磁性传感器、电化学传感器，包括化学场效应晶体管(ChemFET)、交叉指形电极、电容和阻抗技术。也可以使用微型高效液相色谱(HPLC)柱，如ExsigentTM(Micro LC200 Plus)所销售的。
流体传感器具有共同的性能特征，即必须控制传感器附近的温度。因此，棒中的传感器可以被微型加热器或由红外线产生的光加热。它们也可以使用赛贝克效应或珀尔帖效应借助热板冷却。热活性组分可以布置在传感器船上或流体的进入端口处。调节将通过诸如Pt电阻器或热电偶之类的热敏传感器103完成。为了控制湿度，可以为棒提供本领域技术人员公知的湿气过滤器或膜，如硅胶或聚四氟乙烯(PTFE)膜。应注意的是，可以放置物理障碍物以分析溶解在液体中的气体。由SensirionTM(如SHT-10)或德州仪器(如TMP-007)提供温度/湿度传感器。也可以将流量传感器插入进入端口和/或排出端口(如果有的话)。流量测量用于控制泵的功率以调节流体流量或将流体传感器输出归一化。这种传感器由OmronTM(D6F-V03A1)提供。在传感器平台中提供流体、流量、温度和湿度传感器的组合可能是有利的。
因此，传感器的响应将取决于分析物的组成以及在测量期间监测的物理参数。
可以测量并调节湿度和温度。或者在处理测量数据时可以对流体传感器响应施加补偿。可能有利的是，控制和调节在环境温度下在测量位置处的这些参数，然后借助给定位置处的环境温度/湿度的值来补偿各个位置处的测量。该设备应首先在制造工厂进行校准，然后在测量地点进行校准以获得更高的精确度。软件校准也可用于设备与系统协作的情况，在该系统中服务器包含各个源的大量数据。
在设备中提供存储器将是有利的，其中，将存储一个或多个配置文件，其包含与传感器的类型、其特征参数及其校准历史有关的信息。该信息可以被传送到将对测量进行分析的处理能力。存储器还将用于存储软件模型以分析感测到的数据并识别流体，这将在下面的说明书中进一步进行解释。
可以为设备提供嵌入式处理能力(图中未示出)，但也可以通过将其所有数据传送到外部处理能力来进行操作。该设备通常被提供有通信能力，例如微型USB端口104，其也可用于对设备的电池(图中未示出)进行再充电。可替换地或另外，还可以提供Wifi、蓝牙、正交序列扩频(OSSS)或超窄带(UNB)通信能力(图中未示出)。
通常，该设备被提供有一些LED 102，以显示其状态(例如，电池充电/充电中；正在进行分析/不分析)；开/关按钮106，以及可能的复位按钮105。
作为选项，可以提供显示器或简单的附加LED(图中未示出)，以允许指示测量的结果或显示报警。本发明的液体传感设备可以在日常生活的对象中得以实施，例如在筷子中实施以测量在餐厅或家中完成的食物的质量。在其它使用情况下或除了可视报警外，报警器也可以是有声音的。
图2a、2b和2c表示在本发明的多个实施例中适于控制流体捕获的操作条件的流体传感设备的三个变型。
该方法包括通过使棒中的测量条件尽可能接近实验室的受控条件来使流体传感设备达到稳定。这意味着为棒配备元件，以将测量条件(温度、湿度、压力、气流量等)设置成尽可能接近实验室中的参考测量条件，以便减少测量的可变性。
如图2a所示，为了控制顶部空间201，可以使用腔体，没有流动，而仅存在通过小的开口或/和过滤器的扩散，以使得气味/气体可以到达设备中的传感器。该设备可以具有小的开放腔体/钟状物202，以便以微小的外部大气的影响在封闭空间中生成样品顶部空间。样品的自然扩散将允许设备中的传感器进行测量。
在图2b所示的另一个实施例中，小的杯状件203被配置为适配棒的底部以封闭顶部空间(例如，笔帽/尖笔帽)。这个帽状件被填充有样品，并被放在棒上以封闭该体积，然后在静态模式下(没有气体流动)工作。在这种情况下，可以一起使用杯状件的底部处的测压元件(重量传感器)和温度传感器来放置样品而达到限定的体积(可能在杯内有所标记)或达到给定的重量。在两个部分(杯和棒)上电接触部被布置有电极。
在图2c中，示出了附件204，附件204具有孔205，其被配置为当其为棒或尖笔形状因子时接合该设备。侧孔206将使样品流通过较小孔207进入，以允许气体在进入进入端口时正常的扩散。该配置允许测量条件(流量、温度、湿度)的更好的稳定性。
图3a、3b和3c表示流体传感设备的用例，以例示本发明的设备及其附件在其多个实施例中的可能的物理配置。
在图3a所示的用例中，使用根据本发明的设备301a来分析分析物302a，可能脱气(degas)气相，例如一块食物，如鱼。该设备被提供有延长的盖303a(可能基本上封闭固体对象上方的空间)。该设备具有内部腔室304a，其包括：气体传感器305a、流量传感器306a、用于测量环境大气的温度和湿度传感器307a、以及用于测量鱼的表面温度的IR传感器308a。该设备还被提供有抽吸泵309a。
在图3b中，示出了使脱气气体/气味相的小样品可装入容器301b中的用例。容器可以放在具有盖的分析腔室302b中。可以以棒或尖笔形状因子为根据本发明的设备305b提供特定布置303b、304b，以在接合在所述设备中时在垂直位置握持。
图3c示出了根据本发明的实施例的设备，该设备在棒的一端处具有液体传感器302c并且在棒的距液体传感器端一定距离处的另一端处或一侧上具有气体传感器301c，气体传感器301c允许同时测量相同液相分析物上方的气相分析物。可以使用相同的分析腔室303c来执行气体样品分析304c和液体样品分析305c，但是也可以使用两个不同的分析腔室。其中气相和液相的测量结果的相关可以改善识别的分析物的典型示例是饮料，如苏打水、葡萄酒、啤酒或果汁。
图4表示在本发明的多个实施例中的具有学习能力的流体检测系统的功能架构。
数据库服务器401、403从处理能力405、406或直接从流体传感设备收集测量数据。相应的温度、压力、流速、湿度数据以及定位和/或其它种类的注释(文本、声音、图像)也与测量数据同时由数据库服务器收集，共同称为上下文数据或注释数据。测量数据和注释数据被过滤和归一化。它们用于构建各种类型的模型或调整其参数，不同类型的模型适用于不同的应用。将在下面的说明书中进一步说明获取识别数据(即，一组测量数据的流体的同一性/浓度)的数据处理和建模技术。测量数据、注释数据、模型和识别数据被存储在数据库402、404中。数据库和数据库服务器不需要特定的物理位置。它们可以位于“云”中，前提是实施安全规则以及隐私策略以保护敏感数据。
数据库服务器可以通过任何类型的信道(地面城域网或局域网、卫星网络或蜂窝网络)与处理能力或流体传感设备进行通信。将使用本领域公知的识别技术来保护对所保存的数据库资源的访问。
处理能力405可以是智能电话，具有定位(全球导航卫星系统，可能由其它系统增补或替代)和其它注释能力。例如，可以使用智能电话来键入或记录识别数据。它也可以用于捕获分析物的图像，如下所解释的。在某些实施例中，本发明的多个设备可以连接到标准个人计算机(PC)。例如，例如当训练员想要监测他的骑车者、跑步者或其它类型的运动员的队员的呼吸时，这可以是这种情况。另一个用例是消费者想要测试被存储在他的冰箱中的产品的质量。
处理能力406可以是专用设备，如即时检测设备(POCT)。POCT可用于各种测试，如血气分析、心脏病患者监测、超声成像、糖尿病检查、尿液分析。POCT设备可由医护人员在家庭护理环境中对患者予以使用。能够与POCT设备结合使用流体传感设备是有利的，使得可以与POCT设备的测量结果同时收集多个测量结果，通过POCT数据信道传送，然后结合POCT设备收集的数据进行处理。可能的是，流体传感设备可用于提供药物/毒理学识别、病毒/细菌辨别、霉菌检测。
最初开发或定制的、可以充当中间设备的商业化POCT可以是例如ToshibaTM呼吸分析仪(参见http://www.toshiba.co.jp/about/press/2014_03/pr1801.htm)。
流体传感设备407连接到处理能力405。有利的是，流体传感设备位于处理能力附近，以使得环境温度/压力和定位数据对于两个设备都是有效的。流体传感设备410相对于处理能力406也是同样的。流体特性(识别、浓度)的测量将由流体传感设备执行。处理能力用于收集这些数据，可能对其进行预处理，收集为数据建模工具(见下文)提供数据所必需的附加数据，将这些数据传送到数据库服务器401、403，并且可能原位直接产生识别数据，或从数据库服务器接收识别数据。处理能力也可以具有被存储在其存储器中的多个模型，这些模型被定期更新。在本发明的多个实施例中，流体传感设备409、412被配置为除了传感器的测量之外还能够收集识别数据(例如，可能的分析物列表中的简单选择)，并结合来自其传感器的测量结果将该数据直接传送到数据库服务器。在这些实施例中，处理能力被包括在流体传感设备中。同样，流体传感设备上的显示器(或简单的LED)可用于将分析物的识别结果传达给用户。
根据本发明的一些变型，流体传感设备可以被配置为以与上述模式不同的模式之一进行操作：通过如智能电话或PC之类的通用的中间处理能力，或如POCT设备之类的专用的中间处理能力；或直接与数据库服务器通信；或完全在单机模式下，在用户购买该设备时模型已被加载到存储器中。
图5表示在本发明的多个实施例中的用于流体检测系统的注释子过程的流程图。
在该图中，表示了多种类型的数据，但是它们中只有一些可以存在。网络的结构、数据的结构、注册用户的过程、收集数据和使用数据必须由操作员定义。
至少，由设备捕获流体(气体/液体)传感器数据501。可任选地，但是有利地，温度传感器数据502、压力/流量数据503、湿度传感器数据504也在传感器数据集中被捕获和调节以发送到处理能力405、406。作为提醒，该处理能力可以嵌入在流体传感设备中或位于其附近、在智能电话、PC或其它类型的设备中，例如在POCT设备中。可任选地，温度、压力、湿度测量数据可以来自并非位于流体传感设备中但是也连接到中间处理能力的其它传感器。应将由时间戳或序列号或两者的组合构成的标签506添加到传感器数据集或第一数据集，以便当设备处于为了建模的目的而获取数据以输入数据库中的建模操作模式中时，允许其在数据库中的精确识别及其与注释数据的组合。
因此，使用相同的标签，将创建第二数据集或将其附加到第一数据集，所述第二数据集包括附加数据，其将用于识别已经是传感器测量对象的样品并且用于训练该模型。至少这个注释507应该包括对分析物(茶、咖啡、葡萄酒、水等)的本质或性质(好/坏/中性；红/白；清洁的/污染的等)的识别。可以通过在流体传感设备或中间处理能力上的应用程序中的列表中选择一个选项来输入该注释。它也可以作为自由文本或者也可以作为口语输入。注释可以由定位数据508补充。定位数据可以由智能电话的GNSS能力提供，或者在PC上的应用程序中手动输入。定位数据可用于校准传感器测量结果和/或归一化环境温度/压力/湿度传感器数据。当GNSS信号的接收条件较差(室内，多路径环境等)时，GNSS定位数据可以由WiFi或蜂窝网络定位所代替。此外，可能基于使用图案识别的颜色分析，可以捕获图像509以附加到注释数据集，以帮助识别分析物或其特定质量。
然后，将注释的数据510传送511到数据库服务器512。
图6表示在本发明的多个实施例中的用于流体检测系统的建模子过程的流程图。
在步骤601处，检索被存储在数据库中的数据以进行处理。在步骤602处，准备好数据以进行处理。例如，可能需要对数据进行过滤，以排除来自不可靠源的数据集。可以根据收集数据所用于的应用程序来将数据预分类为不同类别。预分类可以基于对数据的来源的识别而完全自动化，完全手动(即，操作者控制)，或半自动化。在步骤603处，基于应用的类型选择一种类型的模型(见下文)。该模型可以已被参数化，并将输入的数据集添加(或不添加)到模型数据库。或者将使用输入的数据集来初始化模型的参数化。然后，对输入的数据集进行统计分析，根据所选择的模型来应用该过程(步骤604)。运行模型构建/更新过程(605)，数据被拒绝(606)或数据被添加到模型(607)。然后将更新的模型存储在数据库中，并传送到使用该模型的应用程序的注册用户的群体。
根据本发明，通过提供在已知的测量条件下的大量测量数据来产生测量的多样性/选择性。本发明的流体传感设备能够在可变的条件(温度、压力、湿度等)下进行测量。此外，来自根据本发明的设备的测量结果可以与来自其它来源的测量结果在数据库中合并，只要它们的测量条件的质量可以得到保证。对于具体应用，明确的分析物的识别的质量将取决于该模型是否表示待识别的分析物的测量条件。如果测量的控制变量已被清理以免于测量伪象，则将更好地满足该条件。因此有利的是，数据使用可能来自大量源的最大可能量的测量来构建和改进模型。在此，测量和源必然是有噪声的，但测量的量会降低信息噪声。
在这种方法中，传感器测量可以有助于针对用户/应用定制模型。例如，模型的定制可以补偿由于诸如测量位置(家庭、办公室、夜总会等)、天气或用户对某些气味的敏感度之类的因素而引起的测量偏差。大数据集将允许基于其识别的指纹的概率来对新测量进行分类。
根据与通过注释过程(GNSS定位与测量或获取的天气、湿度、温度、纬度、经度、高度或其它数据；用户信息：性别、年龄等)关联于测量结果的所有相关信息相组合的传感器测量结果的大集合来构建模型。如所指出的，这些参数中的一些可以从中间设备自动捕获(如GNSS位置，天气等)。在用户授权之后，将从用户友好地请求一些其它参数，以便帮助调节和调整模型。在诸如空气质量控制之类的一些应用中，可以认为可以由设备周期性地(每小时、每天等)自动执行测量，而无需用户的任何操作。初始数据集将允许创建初始模型。该初始模型可以通过仅提取关联于应用和/或用户的相关参数来进一步针对特定用户进行调节。可以用来自用户测量的新数据或来自其它源的其它数据来进一步更新经调节的模型。
传感器测量结果本身可以在测量本身之前或之后被归一化、调整或校准。该操作可以在数据传输之前的流体传感设备级或在数据库服务器中进行。传感器可以通过数学校准模型进行校准，该数学校准模型可以是常规数据评估的基础。工厂参考和校准可以定期进行，并发送到云，以校正设备数据输入。可以在样品附近测量参考/基线样品(例如，空气)，以便从样品测量中移除/去除环境空气基质。经校正的样本分析数据随后将进一步被发送到云。
现场的每个流体传感设备可以通过定期执行一系列可用样本的测量来执行自校准，从而允许设备的重新校准以及数据的归一化。
被发送到数据库服务器以用于评估的传感器信息的大小相对于数据库的大小较低，以使得对信息的传输和分析足够快。如果可行，传感器测量将离线执行，被存储在中间设备中，然后一旦网络允许就发送到数据库服务器。
一旦将样本存储在数据库中，待分析的信息就将取决于应用和所使用的模型，如下所述。例如，可以想到使用最大强度、在一个/若干给定时刻时的强度、测量结果的变化斜率、关键特征/显著点、平衡点等。判别函数分析(DFA)或本领域技术人员公知的另一个统计模型可以用于在特定应用中选择重要的变量。
用于实施本发明的建模工具属于图案识别系统领域。可以依据来自本发明的流体传感设备的可用结果或来自诸如电子鼻或e-鼻之类的实验室仪器的可用结果来构建初始模型。针对新的未知样品其可能具有弱识别指数。然而，添加大量数据集将允许实施和调整模型。在该方法中，测量可以有助于针对用户/应用来定制模型。
可以单独地或组合地使用不同的算法来在非常短的时间内识别大型数据库中的图案(pattern)。
多个统计模型可以单独或组合地使用以实施本发明。本发明人使用了其中的多个统计模型，并且最有可能产生最佳结果的模型的选择是与应用相关的。在图案识别领域所使用的模型中，我们可以引用：随机森林(RF)模型，其中根据决策树构建类；相似性/相异性测量模型，其中根据对测量集之间的依赖性(独立性)的测量来构建类。
发明人已经发现，精简的模型集合对于识别图案是最有效的，这在流体感测应用中是常见的。这个精简的模型集合包括：
模糊模型：作为参考，参见例如“Fuzzy Models for pattern Recognition”，Method that search for structures in Data ISBN 0-7803-0422-5
人工神经网络(ANN)模型：作为参考，参见例如：
“Neural Networks”Theoretical Foundations and Analysis ISBN 0-87942-280-7；“Artificial Neural Networks”Paradigms,applications,and hardwareimplementations ISBN 0-87942-289-0；“Artificial Neural Network Learning:AComparative Review”，Methods and Applications of Artificial IntelligenceLecture Notes in Computer Science，第2308卷，2002年，第300-313页；“Neuralnetworks and statistical techniques:A review of applications”，Expert Systemswith Applications，第36卷，第1期，2009年1月，第2-17页
支持向量机(SVM)：作为参考，参见例如，“Review and performance comparisonof SVM-and ELM-based classifiers”，Expert Systems with Applications，第36卷，第1期，2009年1月，第2-17页
分层聚类分析(HCA)：作为参考，参见例如：http://math.stanford.edu/～ muellner
自适应共振理论(ART)是用于本发明应用类型最有效的模型之一。自适应共振理论是一种大脑如何自主地学习对不断变化的世界中的物体和事件进行分类、识别和预测的认知和神经理论。ART的预测能力的核心是其响应于不断变化的世界而实施快速、增长的和稳定的无监督式和监督式学习的能力。ART详细说明了在无监督式和监督式学习过程中意识、学习、期望、注意力、共振和同步过程之间的机械联系。
作为参考，参见例如：“Adaptive Resonance Theory:How a brain learns toconsciously attend,learn,and recognize a changing world”，Stephen Grossberg，Centre for Adaptive Systems，Boston University，Neural Networks，Elsevier Ltd，2002；An Embedded system for real time gas monitoring using an ART2neuralnetwork，Jung-Hwan Cho*、Chang-Hyun Shim**、In-Soo Lee+、Duk-Dong Lee*and Gi-JoonJeon，School of Electrical Engineering and Computer Science，Kyungpook NationalUniversity，Daegu，Korea，ICCAS2003年10月22-25日。
因此，为了获得确定的应用的良好结果，选择最适当的模型并在模型中选择最适当的变量和参数将是重要的。仅作为示例，为了识别来自一组产品的气味，选择具有以下变量的ART模型被证明是有效的：
-传感器响应的最大变化率；
-渡越响应(transit response)中的相应时间；
-不同操作温度下的稳态响应。
模型也可以直接应用于测量，而不是根据测量构造的变量。
可以在相同的测量或根据测量构造的变量上同时应用多于一个统计模型。然后，可以基于可以考虑到人类专业知识和/或识别历史和/或最佳拟合标准的数学定义的试探程序来应用投票或融合方案。
图7表示在本发明的多个实施例中的用于流体检测系统的检测子过程的流程图。
使用本发明的流体传感设备在步骤701处捕获传感器数据。根据设备的配置，数据将在设备中被处理、发送到中间处理能力或发送到数据库服务器。传感器数据必须在步骤702处被归一化。然后，根据应用，在步骤703处将选择适于处理数据集的模型。模型数据库可以位于流体传感设备、中间处理能力或数据库服务器中，或在三个位置之间划分。然后，在步骤704处执行流体识别过程(或其浓度的测量)，在步骤705处，考虑与模型相关联的参数。如果在基于应用设置的置信区间内识别了流体(或其浓度)，则该过程停止(706)，并且将结果传送给用户(可能具有置信区间的指示)。如果识别过程并未返回在设定的置信度内的结果(707)，则可以尝试另一模型(步骤708)，其中多次运行该过程，次数可以基于应用来设置。当满足停止标准而在置信度内没有任何结果时，停止识别过程并通知用户。
根据前述实施例的某些变型，如果识别过程在步骤707处并未返回在设定的置信度内的结果，则该方法可以循环回到步骤703，在步骤703处，可以选择用于处理数据集的新模型。
根据某些实施例，如果识别过程在步骤707处并未返回在设定的置信度内的结果，则该方法可以循环回到步骤702，在步骤702处，可以根据替代归一化结构来对数据进行重新归一化。
根据某些实施例，如果识别过程在步骤707处并未返回在设定的置信度内的结果，则该方法可以循环回到步骤701，在步骤701处捕获新的数据。
应当理解，前述三个变型是相互兼容的，因此设想了其中方法包含这些变型中的两个或更多个并且还可以包含这些变型的不同组合的实施例。例如，可以实施分层结构，由此该方法尝试根据特定数量的识别模型来识别特定数据集，然后在重试相同的识别模型集合之前调整归一化，其可以在最终捕获新数据并重新开始该过程之前针对多个不同的归一化来进行重复。
下面提出了多个用例。
示例1：气味的辨别。在一个用例中，确定地识别了四种不同的产品(薰衣草、香茅、橙子和香草)。产品样品放在图3b所示类型的装置中。样品应在测量前的某一时间准备。一旦样本被适当地调节，则执行测量，将数据发送到智能电话405。然后可以在智能电话上或在远程服务器上用数据(测量结果和/或变量)训练多个模型。这个用例中的注释数据非常简单(例如，用户触摸智能电话屏幕上的正确产品的图像)。然后，一旦四种不同产品中的每一种产品的测量结果都被馈送到模型，就可以使用它来识别四种分析物中的一种，并在智能电话上显示正确的结果。
示例2：咖啡来源的确定：将2g咖啡粉放置在板中。将流体传感设备(具有图2a的钟形扩散模式的静态顶部空间)放置成与咖啡接触。由传感器执行测量。在稳态下或在显著点处或在给定时间之后得到传感器响应。稳态将尤其取决于传感器材料。显著点是例如作为时间的函数的传感器电阻率曲线的拐点。
通常，对于示例1和示例2的产品类型，稳态为几毫秒或几秒(对于所使用的MOS传感器的类型，在10和100之间)。选择给定的时间以便具有传感器膜的热稳定性，该值与膜材料的热时间常数相关。所有响应都可以同时得到。将获得的值与数据库进行比较，以便识别咖啡样品的来源。数据库可以位于设备内、中间处理能力(如智能电话、平板电脑或PC)中，或数据库服务器中。在棒中或在中间设备处提供结果。
示例3：呼吸气味分析：用户呼吸到设备中以检查其呼吸的质量；口臭对应于在呼出气体中存在的令人不愉快的气味。不良气味可能是由于牙齿问题、舌背上存在细菌、ENT(耳、鼻、喉咙)、胃部等的不适引起的。而且来源还可以追溯到缺乏活动、生活质量、食物摄入等。这种不良气味会引起用户的社会焦虑或沮丧。
在稳态下或在显著点处或在给定时间之后得到传感器响应。所有这些都可以同时得到，提供变量的适当的组合，其被发送到云端以供进一步进行识别和模型调整。初始模型是用已知不健康的人和具有良好呼吸气味的健康人的对照组构建。该模型进一步用来自不同用户的所有接收到的数据来实施，以定义对结果的更好的估计。模型实施将根据人的来源、食物摄入、生活质量进一步调节。该模型的大数据集将允许识别不良气味的起源，向用户通知不同的可能原因和获得更好的呼吸气味质量的建议。
还可以分析体液(血液、血浆、尿液等)或身体气味。
在本说明书中公开的示例仅仅是对本发明的一些实施例的说明。它们不以任何方式限制由所附权利要求限定的所述发明的范围。

Claims (19)

1.一种流体传感设备(100)，包括：
-流体传感器(301c、302c)，所述流体传感器(301c、302c)用于感测分析物(302a)并生成流体感测信号；
-通信能力(407、409、410、412)，所述通信能力(407、409、410、412)被配置为向第一处理能力(407、410、405、406、401、402)发送表示所述流体感测信号的第一数据集；
其中，所述第一数据集还包括表征所述流体感测信号的标签，所述标签在所述通信能力和所述第一处理能力的其中之一处产生。
2.根据权利要求1所述的流体传感设备，其中，所述流体传感器包括气体传感器(301c)。
3.根据权利要求2所述的流体传感设备，其中，所述气体传感器包括单个半导体金属氧化物元件。
4.根据权利要求2所述的流体传感设备，其中，所述气体传感器包括多个半导体金属氧化物元件的阵列和堆叠体的其中之一。
5.根据权利要求4所述的流体传感设备，还包括用于照射所述多个半导体金属氧化物元件中的至少一些半导体金属氧化物元件的紫外光源。
6.根据权利要求2所述的流体传感设备，其中，所述气体传感器包括微型气相色谱仪。
7.根据权利要求2至6中任一项所述的流体传感设备，具有带有钟形延伸部(202)的进入端口。
8.根据权利要求1至7中任一项所述的流体传感设备，其中，所述流体传感器包括液体传感器(302c)。
9.根据权利要求8所述的流体传感设备，其中，所述液体传感器包括微型HPLC柱。
10.根据权利要求9所述的流体传感设备，在从属于权利要求4至9中任一项时，具有细长的形状因子，其中，端部包括所述液体传感器的接触表面。
11.根据权利要求1至10中任一项所述的流体传感设备，其中，进入端口被可拆卸帽状件覆盖，所述可拆卸帽状件能够用作用于接收待分析样品和所述流体传感设备的杯状件。
12.根据权利要求1至11中任一项所述的流体传感设备，还包括在包括温度传感器(307a)、流量传感器(305a)和湿度传感器的组中选择的附加传感器，所述附加传感器的输出被传送到所述处理能力。
13.一种产生模型的方法，所述模型用于识别第一流体的性质和所述第一流体在第二流体中的浓度的至少其中之一，所述方法包括：
-在第一处理能力处接收(505)第一数据集(501)，所述第一数据集(501)表示所述第一流体的性质和所述第一流体在所述第二流体中的浓度的至少其中之一，所述第一数据集包括表征流体感测信号的标签(506)；
-在所述第一处理能力处，将所述第一数据集与包括文本、声音和图像(507、509)的至少其中之一的第二数据集组合(510)，所述第二数据集表示所述第一流体的性质和所述第一流体在所述第二流体中的浓度的至少其中之一；
-从所述第一处理能力向第二处理能力传送(511)所述第一数据集和所述第二数据集；
-在所述第二处理能力处，对来自多个第一处理能力的多对第一数据集和第二数据集进行分类(602)，所述分类基于对所述多个第二数据集的分类；
-在所述分类的输出处为每个类别选择(603)对所述多个第一数据集和所述多个第二数据集进行相关的统计模型，所述统计模型适于所述第一流体的性质；
-根据所述多对第一数据集和第二数据集针对每个类别来计算(604、605、607)所述统计模型的参数。
14.根据权利要求13所述的方法，其中，所述第一数据集和所述第二数据集的其中之一至少还包括以下各项的其中之一的值：在所述流体传感设备的位置处的温度(502)、流速(503)和湿度(504)测量结果。
15.根据权利要求13至14中任一项所述的方法，其中，所述第二数据集还包括用于定位所述第一处理能力的数据(508)。
16.一种用于识别第一流体的性质和所述第一流体在第二流体中的浓度的至少其中之一的方法，所述方法包括：
-在第一处理能力处从流体传感设备接收(701)第一数据集，所述第一处理能力位于所述流体传感设备附近，所述第一数据集表示所述第一流体的性质和所述第一流体在所述第二流体中的浓度的至少其中之一；
-在所述第一处理能力处从第二处理能力获取通过权利要求14至16中任一项所述的方法所产生的多个统计模型；
-从所述多个统计模型中选择(703)统计模型；
-在所述选择的输出处将所述第一数据集输入(704)所述统计模型中；
如果识别出第一流体的性质和所述第一流体在第二流体中的浓度的至少其中之一，则在所述第一处理能力处输出结果；
如果未识别出第一流体的性质和所述第一流体在第二流体中的浓度的至少其中之一，则重新进行对统计模型的选择和检索的至少其中之一，直到获得结果或满足停止标准为止。
17.一种处理能力，被配置为执行根据权利要求13至16所述的方法的至少其中之一。
18.一种计算机程序，至少被存储在有形介质上，所述计算机程序被配置为执行根据权利要求13至16所述的方法的至少其中之一。
19.一种系统，包括根据权利要求1至12中任一项所述的多个流体传感设备、多个第一处理能力和至少第二处理能力，所述多个第一处理能力和所述至少第二处理能力被配置为执行根据权利要求13至16中任一项所述的方法。
CN201680012379.5A 2015-02-27 2016-02-23 具有学习能力的便携式流体传感设备 Pending CN107407651A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311083018.8A CN117129531A (zh) 2015-02-27 2016-02-23 具有学习能力的便携式流体传感设备

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
EP15305304.6 2015-02-27
EP15305304.6A EP3062103B1 (en) 2015-02-27 2015-02-27 Portable fluid sensory device with learning capabilities
PCT/EP2016/053783 WO2016135146A1 (en) 2015-02-27 2016-02-23 Portable fluid sensory device with learning capabilities

Related Child Applications (1)

Application Number Title Priority Date Filing Date
CN202311083018.8A Division CN117129531A (zh) 2015-02-27 2016-02-23 具有学习能力的便携式流体传感设备

Publications (1)

Publication Number Publication Date
CN107407651A true CN107407651A (zh) 2017-11-28

Family

ID=52706117

Family Applications (2)

Application Number Title Priority Date Filing Date
CN201680012379.5A Pending CN107407651A (zh) 2015-02-27 2016-02-23 具有学习能力的便携式流体传感设备
CN202311083018.8A Pending CN117129531A (zh) 2015-02-27 2016-02-23 具有学习能力的便携式流体传感设备

Family Applications After (1)

Application Number Title Priority Date Filing Date
CN202311083018.8A Pending CN117129531A (zh) 2015-02-27 2016-02-23 具有学习能力的便携式流体传感设备

Country Status (5)

Country Link
US (2) US11555806B2 (zh)
EP (1) EP3062103B1 (zh)
JP (1) JP6836997B2 (zh)
CN (2) CN107407651A (zh)
WO (1) WO2016135146A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113591212A (zh) * 2021-07-14 2021-11-02 中国舰船研究设计中心 一种基于封装单元及信息关联的船舶设备布置方法

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI662558B (zh) * 2017-08-21 2019-06-11 研能科技股份有限公司 致動傳感裝置及其殼體
US12044667B2 (en) * 2018-07-31 2024-07-23 Nec Corporation Information processing apparatus, control method, and non-transitory storage medium
WO2020065890A1 (ja) * 2018-09-27 2020-04-02 日本電気株式会社 情報処理装置、情報処理方法、およびプログラム
US20210102925A1 (en) * 2019-10-02 2021-04-08 X Development Llc Machine olfaction system and method
KR102546786B1 (ko) * 2021-04-13 2023-06-22 동신대학교산학협력단 식물 줄기 수분 측정 장치 및 시스템

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101073007A (zh) * 2004-10-07 2007-11-14 纳幕尔杜邦公司 用于分析气体混合物的计算机实现的系统和方法
CN101261280A (zh) * 2007-12-29 2008-09-10 广东工业大学 基于仿生嗅觉的中药材气味鉴别方法及其装置
CN101308152A (zh) * 2008-06-24 2008-11-19 浙江理工大学 基于无线网络的酒精测试方法及系统
WO2009037289A1 (en) * 2007-09-19 2009-03-26 University Of The West Of England, Bristol Gas sensor
WO2010071428A1 (en) * 2008-12-16 2010-06-24 Nederlandse Organisatie Voor Toegepast-Natuurwetenschappelijk Onderzoek Tno An apparatus, a method and a computer program for recognition of flow regimes in a multiphase fluid flowing in a conduit
EP2533037A1 (en) * 2011-06-08 2012-12-12 Alpha M.O.S. Chemoresistor type gas sensor having a multi-storey architecture
CN103308650A (zh) * 2012-03-15 2013-09-18 森斯瑞股份公司 气味和/或气体识别系统
CN103499665A (zh) * 2013-07-30 2014-01-08 中国标准化研究院 一种基于遗传算法优化西湖龙井茶树种检测方法
WO2012033999A3 (en) * 2010-09-10 2014-03-27 The Ohio State University Biomarkers for predicting kidney and glomerular pathologies
CN103728348A (zh) * 2013-12-02 2014-04-16 江苏大学 一种室内空气质量电子鼻
CN103913484A (zh) * 2014-04-08 2014-07-09 广州城市职业学院 鱼露分类鉴别的方法

Family Cites Families (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5980830A (en) * 1996-05-20 1999-11-09 Sendx Medical, Inc. Portable modular blood analyzer with simplified fluid handling sequence
US7013707B2 (en) * 1999-11-19 2006-03-21 Perkinelmer Las, Inc Method and apparatus for enhanced detection of a specie using a gas chromatograph
US6606897B1 (en) * 2000-10-10 2003-08-19 Riken Keiki Co., Ltd. Portable gas detector and its cradle
JP2002350422A (ja) * 2001-05-28 2002-12-04 Ntt Power & Building Facilities Inc 残留塩素管理システム
US7976779B2 (en) * 2002-06-26 2011-07-12 California Institute Of Technology Integrated LC-ESI on a chip
US20040004545A1 (en) 2002-07-08 2004-01-08 Early Gay M. Fluid management system
US7104112B2 (en) * 2002-09-27 2006-09-12 Honeywell International Inc. Phased micro analyzer IV
AR043163A1 (es) * 2004-02-12 2005-07-20 Univ Buenos Aires Dispositivo electronico para discriminacion, identificacion y analisis de muestras liquidas, semi-solidas y solidas que contengan compuestos volatiles
EP1730490B1 (en) * 2004-03-31 2013-02-27 Agency for Science, Technology and Research A sensor for measuring gas permeability of a test material
US20060163143A1 (en) * 2005-01-26 2006-07-27 Chirica Gabriela S Microliter scale solid phase extraction devices
WO2006113527A2 (en) * 2005-04-14 2006-10-26 California Institute Of Technology Integrated chromatography devices and systems for monitoring analytes in real time and methods for manufacturing the same
US7476852B2 (en) * 2005-05-17 2009-01-13 Honeywell International Inc. Ionization-based detection
KR20110043605A (ko) * 2008-06-23 2011-04-27 아토나프 가부시키가이샤 화학 물질에 관련한 정보를 취급하기 위한 시스템
US8210026B2 (en) * 2008-12-10 2012-07-03 Agilent Technologies, Inc. System for integrated backflush in a gas chromatograph
US20110126124A1 (en) * 2009-11-24 2011-05-26 Searete Llc, A Limited Liability Corporation Of The State Of Delaware System and method for receiving selection of physical entities associated with a social network for comparison of physical attribute status
CN101710965A (zh) * 2009-11-24 2010-05-19 中兴通讯股份有限公司 一种网络电视的全网存储、调度方法及系统
EP2613826A4 (en) * 2010-09-09 2017-11-29 S.E.A. Medical Systems, Inc. Systems and methods for intravenous drug management using immittance spectroscopy
EP3736281A1 (en) * 2011-02-18 2020-11-11 Bio-Rad Laboratories, Inc. Compositions and methods for molecular labeling
SE535925C2 (sv) * 2011-07-08 2013-02-19 Mats Fischier I Baastad Ab Anordning för gräsklippning
US9816955B2 (en) 2011-12-26 2017-11-14 Panasonic Healthcare Holdings Co., Ltd. Liquid sample measuring system and measuring device
DE102012217487A1 (de) * 2012-09-26 2014-04-17 Agilent Technologies, Inc. - A Delaware Corporation - Fluidschnittstelle zwischen Fluidleitungen unterschiedlicher Querschnitte
EP2763468B1 (en) 2013-01-31 2017-08-30 Sensirion AG Portable sensor device with a gas sensor and method for operating the same
EP3151906B1 (en) * 2014-06-03 2019-12-11 Pop Test Abuse Deterrent Technology LLC Drug device configured for wireless communication
US11721192B2 (en) * 2015-08-14 2023-08-08 Matthew Hummer System and method of detecting chemicals in products or the environment of products using sensors
US11507064B2 (en) * 2016-05-09 2022-11-22 Strong Force Iot Portfolio 2016, Llc Methods and systems for industrial internet of things data collection in downstream oil and gas environment

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101073007A (zh) * 2004-10-07 2007-11-14 纳幕尔杜邦公司 用于分析气体混合物的计算机实现的系统和方法
WO2009037289A1 (en) * 2007-09-19 2009-03-26 University Of The West Of England, Bristol Gas sensor
CN101261280A (zh) * 2007-12-29 2008-09-10 广东工业大学 基于仿生嗅觉的中药材气味鉴别方法及其装置
CN101308152A (zh) * 2008-06-24 2008-11-19 浙江理工大学 基于无线网络的酒精测试方法及系统
WO2010071428A1 (en) * 2008-12-16 2010-06-24 Nederlandse Organisatie Voor Toegepast-Natuurwetenschappelijk Onderzoek Tno An apparatus, a method and a computer program for recognition of flow regimes in a multiphase fluid flowing in a conduit
WO2012033999A3 (en) * 2010-09-10 2014-03-27 The Ohio State University Biomarkers for predicting kidney and glomerular pathologies
EP2533037A1 (en) * 2011-06-08 2012-12-12 Alpha M.O.S. Chemoresistor type gas sensor having a multi-storey architecture
CN103308650A (zh) * 2012-03-15 2013-09-18 森斯瑞股份公司 气味和/或气体识别系统
CN103499665A (zh) * 2013-07-30 2014-01-08 中国标准化研究院 一种基于遗传算法优化西湖龙井茶树种检测方法
CN103728348A (zh) * 2013-12-02 2014-04-16 江苏大学 一种室内空气质量电子鼻
CN103913484A (zh) * 2014-04-08 2014-07-09 广州城市职业学院 鱼露分类鉴别的方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113591212A (zh) * 2021-07-14 2021-11-02 中国舰船研究设计中心 一种基于封装单元及信息关联的船舶设备布置方法
CN113591212B (zh) * 2021-07-14 2024-04-09 中国舰船研究设计中心 一种基于封装单元及信息关联的船舶设备布置方法

Also Published As

Publication number Publication date
US11555806B2 (en) 2023-01-17
WO2016135146A1 (en) 2016-09-01
JP6836997B2 (ja) 2021-03-03
CN117129531A (zh) 2023-11-28
EP3062103B1 (en) 2024-07-17
US20230160861A1 (en) 2023-05-25
US20180340921A1 (en) 2018-11-29
JP2018506722A (ja) 2018-03-08
EP3062103A1 (en) 2016-08-31

Similar Documents

Publication Publication Date Title
CN107407651A (zh) 具有学习能力的便携式流体传感设备
Grossi A sensor-centric survey on the development of smartphone measurement and sensing systems
US10031076B2 (en) Mobile smart device infrared light measuring apparatus, method, and system for analyzing substances
Salamone et al. Wearable devices for environmental monitoring in the built environment: a systematic review
JP6596428B2 (ja) 嗅覚システム、匂い識別方法、匂い識別装置、及び、匂い識別プログラム
CN104237456B (zh) 利用移动设备的浓度测量
US20230250386A1 (en) Data Collection and Analytics Based on Detection of Biological Cells or Biological Substances
KR20170081568A (ko) 비파괴적 증거 수집
JP2018108327A (ja) 健康モニタリングシステム、健康モニタリング方法および健康モニタリングプログラム
US11886504B2 (en) Systems and methods for generating smell data and a database thereof
KR20220134626A (ko) 값을 획득하기 위한 디바이스를 포함하는 시트 링
JPWO2018073877A1 (ja) 健康モニタリングシステム、健康モニタリング方法及び健康モニタリングプログラム
JP2019039896A (ja) 疾病判定システム及びヘルスケアサービス提供システム
Ortiz Pérez et al. Odor-sensing system to support social participation of people suffering from incontinence
MXPA04004884A (es) Sistemas analizadores de fluido.
Esfahani et al. Wearable IoT electronic nose for urinary incontinence detection
WO2019040646A2 (en) DETECTION OF BIOLOGICAL CELLS OR BIOLOGICAL SUBSTANCES
US20200249152A1 (en) System of measuring contamination of a water sample
Ding et al. Detection of smell change of flue-cured tobacco based on an electronic nose
Gunawardena et al. Integrated Sensor and Microfluidic System for On-Farm Drug Screening in Precision Livestock Farming
WO2018203565A1 (ja) 健康モニタリングシステム、健康モニタリング方法および健康モニタリングプログラム
Fay Investigation into strategies for harvesting chemical based information using digital imaging and infra-red sensors for environmental and health applications
WO2013166127A1 (en) Ear odor sensor
WO2022221770A1 (en) Exhaled breath and liquid sample analyzer and methods

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20171128