CN109073663A - 用于建立样品试管组的方法、计算机程序产品和系统 - Google Patents

Abstract

建立适于由实验室自动化系统处理的样品试管组的方法包括：通过从各种可获得的样品管类型中选择多个不同的样品管类型来选择包括若干样品管类型的样品试管组。方法还包括获得所述样品试管组中包括的每个样品管类型的至少一个检测参数的分布参数，其中分布参数包括关于至少一个检测参数的先前检测的参考数据值的分布的信息。方法还包括：通过将所述样品试管组中包括的每个样品管类型的至少一个检测参数的分布参数与所述样品试管组中包括的所有其它样品管类型的至少一个检测参数的分布参数进行比较，确定实验室自动化系统是否能够正确地识别所述样品试管组中包括的每个样品管类型。方法还包括：如果确定实验室自动化系统能够正确地识别所述样品试管组中包括的每个样品管类型，则指示选择的样品试管组被批准用于由实验室自动化系统处理；或如果确定实验室自动化系统不能正确地识别所述样品试管组中包括的每个样品管类型，则提出至少一个冲突补救措施。

Description

用于建立样品试管组的方法、计算机程序产品和系统

说明

本发明涉及用于建立样品试管组的方法、系统和计算机程序产品。

在例如贝克曼库尔特公司(Beckman Coulter Inc.)的AutoMate 2500系列的实验室自动化系统中，可以分析和/或处理含有样品的多个试管。为了在实验室自动化系统(也被称为自动化实验室系统或LAS)中处理和/或分析试管的内容物，需要识别和/或鉴别试管类型，以便在实验室自动化系统中正确地处理。多个制造商生产不同类型的样品管。不同类型的样品管例如在高度、厚度、形状等方面可以不同。由于不同类型的样品管包括不同的物理性质，因此不同类型的样品管在实验室自动化系统中可能必须进行不同地处理。例如，施加至试管的夹持力可能取决于样品管的稳定性，并且因此取决于玻璃的厚度和/或试管的直径。因此，在实验室自动化系统中不仅要考虑夹持力，而且还可能必须考虑施加至试管的开盖力和/或加盖力、填充高度和/或离心力。

当为实验室自动化系统建立样品试管组时，或当变更实验室自动化系统中使用的现有样品试管组时，需要建立样品试管配置/样品试管组，和/或需要检查它是否可由实验室自动化系统处理。例如，在AutoMate2500系列中，对于由用户安装在实验室自动化系统中的每个单独仪器，试管配置需要对所有可获得的试管进行现场教学。通常，技术人员使用混淆矩阵来确定试管的配置在参考样品内是否有效，然后在现场的单独的仪器上对其进行测试，以证实样品管的预期检测行为。

在其它已知的实验室自动化系统中，已公布样品管的核准清单以专门用于实验室自动化系统。此外，可能公布关于在实验室自动化系统中可以使用或可能不能使用哪些样品管类型的信息。

然而，当用户在仪器安装、设置期间配置样品管或者维护实验室自动化系统的仪器时，例如，在由于新的样品管类型需要在系统上运行而改变配置期间，可能会出现问题。

在实验室自动化系统现场，技术人员花时间进行样品收集和参考数据创建、检测参数的配置以及冲突解决，直到实验室自动化系统被适当地配置且稳定运行为止。这个过程可能花费不止一天/实验室自动化系统的每个仪器。此外，样品试管配置可能会频繁地改变，例如，当需要更换试管或者需要扩大实验室自动化系统时。每次出现这种情况时，技术人员需要进行更新过程，冒着遇到需要更高支持级别的帮助的问题的风险。这个设置实验室自动化系统的过程效率低、不灵活且容易出错。

换言之，随机试管组可能导致试管特性(例如，试管类型、体积和重量计算、机器人处理)与在实验室自动化系统上执行的多种操作(例如，分析、开盖、重新加盖、堆叠、归档、工作流和工艺路线、成本优化)之间的复杂依赖关系。

因此，根据一方面，问题涉及改进适于由实验室自动化系统处理的样品试管组的建立。

该问题由独立权利要求的主题解决。优选实施方式是附属权利要求的主题。

第一方面涉及建立适于由实验室自动化系统处理的样品试管组的方法，该方法包括以下步骤：

-通过从各种可获得的样品管类型中选择多个不同的样品管类型来选择包括若干样品管类型的样品试管组；

-获得所述样品试管组中包括的每个样品管类型的至少一个检测参数的分布参数，其中，分布参数包括关于至少一个检测参数的先前检测的参考数据值的分布的信息；

-通过将所述样品试管组中包括的每个样品管类型的至少一个检测参数的分布参数与所述样品试管组中包括的所有其它样品管类型的至少一个检测参数的分布参数进行比较，确定实验室自动化系统是否能够正确地识别所述样品试管组中包括的每个样品管类型；以及

-如果确定实验室自动化系统能够正确地识别所述样品试管组中包括的每个样品管类型，则指示选择的样品试管组被批准用于由实验室自动化系统处理，或

-如果确定实验室自动化系统不能正确地识别所述样品试管组中包括的每个样品管类型，则提出至少一个冲突补救措施。

该方法用于建立样品试管组。每个样品试管组均包括具有若干样品管类型的若干样品管。每个样品管类型可对应于例如由具体制造商生产的具体类型的样品管、与例如由具体制造商生产的具体盖类型组合、进一步地与具体颜色组合，例如至少一个具体值。每个样品管类型均可具有不同的特性，如具体高度、形状、盖、盖的颜色等。

样品试管组由具有若干此类样品管类型的若干样品管组成，例如，2个至100个样品管类型，优选地2个至50个样品管类型。

LAS应适于处理所建立的样品试管组的样品管类型的所有(样品)试管。本描述涉及分析LAS中的一个或多个(样品)试管，从而识别、检测和/或区分所分析的(样品)试管的样品管类型。换言之，在LAS中处理的(样品)试管可分类成与样品试管组的具体样品管类型相关联。为了简洁起见，本描述涉及识别、检测和/或区分样品管类型。应理解，这个说法涉及识别、检测和/或区分样品试管类型的样品管。

可获得的样品管类型可对应于在当地市场(具体地，在LAS处)可获得的所有样品管类型。可获得的样品管类型还可对应于在实验室自动化系统处可获得的所有样品管类型。选择的样品试管组可依赖于应该要处理样品试管组的实验室自动化系统。样品试管组可配置成用于实验室自动化系统内的具体处理例程，或可配置成用于实验室自动化系统内的任何可能的工作流。

实验室自动化系统可以是实现对样品管的自动处理和/或分析的任何自动实验室系统，样品管可容纳例如像尿液、全血、血清、血浆、凝胶等流体的样品。在选择了也可被称为样品管配置或试管配置的样品试管组之后，获得样品试管组的每个样品管类型的样品管的至少一个检测参数的分布参数。

其中，检测参数可以是例如具有盖或没有盖的样品管类型的样品管的高度、样品管类型的盖的颜色、样品管类型的形状、颜色值、可检测的颜色的数量、颜色分布、光传输模式、光反射模式、螺纹的存在、试管内径和外径等。

虽然样品管类型的样品管的制造商可公布检测参数的具体值，例如，10cm的高度，但是所述样品管类型的样品管未必全都恰好地包括所述检测参数。例如，样品管的实际高度可以是分布的，更具体地，实际高度值可从9.7cm至10.4cm进行变化。因此，分布参数可包括平均值、均值和/或偏差，如与样品管类型的样品管的实际值相关的标准偏差。因此，分布参数可包括样品管类型的检测参数的分布的数学公式。

优选地，选择多个此类检测参数，并且获得用于样品试管组的每个样品管类型的相应的多个对应分布参数。然而，在单个检测参数的单个分布参数足以区分样品试管组中包括的所有样品管类型的情况下，可仅选择此类单个检测参数。

如上所述，分布参数包括关于至少一个检测参数的先前检测到的参考数据值的分布的信息。换言之，先前研究和/或测量了样品管类型中的一个的许多样品。例如，先前可能已经测量了作为检测参数的高度。这些先前测量的结果可存储为用来建立用于所述检测参数的分布参数的参考数据值。

获得分布参数的步骤可包括评估主试管数据库，该主试管数据库含有用于多个不同样品管类型的参考数据值和/或分布参数。

在获得样品试管组的每个样品管类型的分布参数之后，确定实验室自动化系统(简称LAS)是否能够正确地识别样品试管组的每个样品管类型的样品管。对于这个确定，可能需要关于LAS的信息以及用于至少一个检测参数的分布参数的比较。

LAS也许能够通过正确地识别所有的样品管来区分样品管类型的样品管。实验室自动化系统可包括传感器系统。传感器系统可包括一个或多个传感器，如可用来建立LAS内的样品管的图像信息的数字相机，具体地CCD相机。LAS中可获得的传感器的数量和类型取决于具体LAS。在上文提及的示例中，传感器可测量保持在LAS内的样品管的高度。测量到的高度可与先前获得的分布参数进行比较。通过将分布参数彼此比较，可计算出LAS是否将能够识别样品试管组的不同样品管类型。对于该识别，可能必须选择并评估多个不同的检测参数。

可确定，如果存在可与样品试管组的所有其它样品管类型区分开的、用于每个样品管类型的至少一个检测参数，则LAS能够正确地识别样品试管组的每个样品管类型。

由于相同样品管类型的样品管可包括相同检测参数的不同值，例如，这是因为每个试管的实际属性或特性是分布的，因此该确定未必是绝对的，但是可涉及建立概率，例如，LAS是否将能够识别样品试管组的所有样品管类型的预定概率。例如，每当确定LAS将可能正确地识别所有样品管类型的至少95％、优选地99％、更优选地99.9％时，便可确定LAS足够能正确地识别样品管类型。

根据先前的确定，如果确定实验室自动化系统能够例如足够能正确地识别每个样品管类型，则指示选择的样品试管组被批准由实验室系统处理。该指示可在听觉上和/或在视觉上给出。具体地，该指示可以以书面消息的形式给出。

然而，如果确定实验室自动化系统不能正确地识别所述样品试管组中包括的每个样品管类型，则提出至少一个冲突补救措施。可自动地建立包括用于冲突的解决方案的这个提议。存在用于提供冲突补救措施的多种不同可能性。下文给出冲突解决方案和/或补救措施的具体实施方式。

在确定LAS是否能够正确地识别每个样品管类型的步骤期间，可确定是否存在用于识别样品试管组的两个不同样品管类型的所谓冲突。当例如对于一个检测参数而言，用于两个不同样品管类型的分布参数重叠时，使用所述检测参数可能不足以区分两个样品管类型。因此，检测参数的重叠分布可导致冲突，这也被称为识别冲突。

在两个样品管类型的所有可获得的检测参数的所有分布在一定程度上重叠的情况下，LAS在尝试识别试管配置的样品管时可能会遇到冲突。识别样品管意味着取得样品试管组的样品管并且将这个样品管与它所属的样品管类型相关联。如果LAS不能区分样品试管组的两个样品管类型，则可表明发生此类冲突。

然而，根据第一方面的方法，另外地向用户供应可能的冲突补救措施，用户可选择继续进行所述冲突补救措施或拒绝提议的冲突补救措施。在用户拒绝冲突补救措施的情况下，可提出另一冲突补救措施，直到建立无冲突样品试管组为止。可重复该方法的步骤，直到解决所有冲突为止，并且因此建立适于在实验室自动化系统中处理的样品试管组。

如果样品管类型的所选择的检测参数的所有检测值都在基于分布参数的判定阈值内，则可完成对样品试管组的所有样品管类型的成功分类。

该方法改进对用于LAS的样品试管组的建立。具体地，节省了建立样品试管组的时间且因此节省了成本。具体地，有利的是可快速地从数据库获得分布参数，而不是在LAS的每个仪器处执行测试并获得参考数据值。因此，减少了建立样品试管组所需的时间。

冲突补救措施可适合于解决两个样品管类型之间的单个冲突，和/或它可适合于解决样品试管组的所有样品管类型之间的所有冲突。

根据实施方式，提出至少一个冲突补救措施包括：

-输出关于导致比较期间的识别冲突的冲突样品管类型的信息，以及

-询问用户这些冲突样品管类型是否必须由实验室自动化系统进行区分。

虽然通常，应针对LAS内的优化工作流识别样品试管组的样品管类型，但即使不识别所有不同样品管类型，LAS内的操作也可稳定运行。根据该实施方式，输出导致识别冲突的(例如，两个)样品管类型，或至少输出关于这些冲突样品管类型的信息。用户可决定是否必须区分和/或由LAS区分导致识别冲突的这些样品管类型。事实上，在一些实验室自动化系统中，并不需要识别所有的样品管类型。例如，可类似地或同样地处置和/或处理两个不同样品管类型的样品管。

然而，根据该实施方式，用户能控制对是否需要区分所述样品管类型的决定。该决定不是自动地而是手动地作出。然而，可自动地执行该方法的大多数或所有其它步骤，例如，通过使用计算机程序产品和/或处理器来执行。

根据该实施方式的另外发展，如果需要区分冲突样品管类型，则作为至少一个冲突补救措施，提出从所述样品试管组移除或替换样品管类型，和/或针对分布参数的比较而调整至少一个分布参数。该实施方式涉及必须区分导致识别冲突的样品管类型的替代方案。区分所述样品管类型的这个决定可由用户在相应的输入装置处输入。由于需要将样品管类型彼此区分开，因此一个可能的冲突解决方案可以是从样品试管组移除或替换导致识别冲突的这些样品管类型中的一个。移除那些样品管类型中的一个将意味着仅仅是不在LAS中使用所述样品管类型。然而，也可替换所述样品管类型。这可包括修改一个样品管类型，例如将不同盖颜色用于样品管类型、使用来自不同制造商的样品管类型等。因此，替换样品管类型可包括将一个样品管类型从一个配置修改成另一配置。

因此，代替使用导致识别冲突的样品管类型，可使用样品试管组中的另一样品管类型。在替换样品管类型之后和/或在移除样品管类型之后，方法可再次进行到检查修改的样品试管组是否存在其它冲突。

虽然移除或替换样品管类型可用作冲突补救措施，但解决冲突的另一方式可以是针对分布参数的比较而调整至少一个分布参数。这在两个样品管类型的分布参数仅略有重叠的情况下尤其有用。因此，无论如何，将有可能区分导致识别冲突的样品管类型的多数样品管。在预期误差是可接受的情况下，例如小于或等于最大误差值，例如5％的最大误差值，优选地1％、更优选地0.1％，调整分布参数以接受所述误差。因此，另一冲突补救措施可以是通过调整至少一个分布参数来解决识别冲突。

在该实施方式中，如果不需要区分冲突样品管类型，则作为至少一个冲突补救措施，可提出将冲突样品管类型中的至少两个定义为用于所述样品试管组的别名(alias)试管类型。然后，该方法还可包括：当在实验室自动化系统中处理别名试管类型中包括的冲突样品管类型时，检查别名试管类型的潜在处理冲突；以及通过建立适于处理别名试管类型中包括的所有冲突样品管类型的处理参数来解决所述处理冲突。如果用户决定不必区分导致识别冲突的样品管类型，则将这个决定输入到运行和/或执行方法的系统中。在这种情况下，至少两个冲突样品管类型(即，导致识别冲突的样品管类型)合并为别名试管类型。别名试管类型至少包括导致识别冲突的两个或更多个样品管类型。因此，仅仅通过不区别(或不区分)冲突样品管类型来解决原始识别冲突。因此，合并在别名试管类型中的冲突样品管类型的所有样品管将不在LAS中进行区分并且将在LAS中进行类似地和/或同样地处置。

然而，即使在冲突样品管类型合并在别名试管类型中时，LAS中也可能发生其它冲突。因此，可基于包括所建立的别名试管类型的样品试管组来再次检查是否可能发生识别冲突。此外，当在LAS中相同地处理别名试管类型的所有样品管类型时，检查是否可能发生识别冲突。在该实施方式中，样品试管组不仅可包括一个别名试管类型，而且可包括多个别名试管类型。

在另外步骤中，可解决当在处理别名试管类型中包括的所有冲突样品管类型时发生的处理冲突。解决这些所谓的二级冲突(即，涉及至少一个别名试管类型的冲突)可包括建立经调整的处理参数。例如，在两个样品管类型被包括在别名试管类型中的情况下，由LAS的夹持器施加的夹持力可设置为别名试管类型中含有的所有样品管类型的优选夹持力值之间的均值。可替代地，仅不同分布参数中的一个可用于别名试管类型，而不是这样的均值。

在本发明中，样品试管组的样品管类型之间的识别冲突称作为一级冲突。涉及样品试管组的至少一个别名试管类型的识别冲突和/或处理冲突称作为二级冲突。别名试管类型也可称为别名ID或称为合并的、统一的和/或组合试管类型。

在该实施方式中，可从所述样品试管组移除别名试管类型中包括的冲突样品管类型，以及可将别名试管类型添加到所述样品试管组。在实践中，可通过从冲突样品管类型的组中选出冲突样品管类型中的一个来定义别名试管类型(也称为别名ID)。然而，也可通过建立包括别名试管类型中所含有的不同冲突样品管类型的属性的样品管类型来建立别名试管类型。然而，一个“选择的”样品管类型也可在LAS中进一步用作和/或处理成别名试管类型。因此，LAS将不尝试区分别名试管类型的冲突样品管类型，而是只将这些冲突样品管类型的所有试管识别为与一个别名试管类型相关。

根据实施方式，通过从预定样品试管组移除样品管类型和/或别名试管类型和/或向其添加样品管类型和/或别名试管类型，而更改预定样品试管组，从而选择所述样品试管组。该实施方式涉及已经建立和/或安装的LAS。随时间推移，已经建立的预定样品试管组可能必须调整，因为LAS中的工作流可能已经调整，和/或LAS中需要新的和/或另外的试管。该方法还可用来相应地改变预定样品试管组并且检查改变后的样品试管组是否存在冲突。因此，基于预定和/或预先存在的样品试管组而建立新样品试管组。

根据实施方式，从数据库获得所述样品试管组的每个样品管类型的至少一个检测参数的分布参数作为参考分类数据，其中，参考分类数据包括关于至少一个检测参数的多个先前检测的参考数据值的信息。数据库可提供为主试管数据库，该主试管数据库含有参考分类数据。参考分类数据可例如含有多个先前检测的参考数据值。参考分类数据包括与进行了测量和/或检测以建立数据库的对应样品管类型的样品管有关的信息。因此，分布参数在实际的LAS中不必建立，而是可以基于测量的并存储在数据库中的信息。可通过万维网在线访问数据库，具体地，将参考分类数据从数据库发送至LAS。因此，从数据库获得了用于样品试管组的样品管类型的参考分类数据。当与手动地在LAS处建立分布参数相比时，具体地，每次重新修改样品试管组时，该过程节省了时间。参考分类数据可使用与LAS的仪器对应的校准(以及具体地，质量控制)测量系统来获得，例如，用来记录样品管类型的一个或多个参考图像的相机、检测装置和/或传感器。

在该实施方式中，可通过在对相同样品管类型的参考样品管的多次参考测量中检测至少一个检测参数来获得参考分类数据，具体地，其中对于多次参考测量，应用也可适用于实验室自动化系统的传感器校准。参考分类数据是基于多次参考测量，例如，对于每个检测参数，基于至少100次、优选地1000次、更优选地至少5000次参考测量。参考测量可能已经在与它们将在对其建立样品试管组的LAS中执行的相同条件下执行。因此，参考分类数据可反映LAS的这些实际系统状况。这可通过使用相同的传感器来实施，具体地，利用LAS中和用来执行参考测量的系统中的相同软件运行的相同相机。传感器也可在相同过程中校准。因此，数据库中的参考分类数据可以尽可能地接近LAS中的相关系统状况。

根据实施方式，每个样品管类型均包括多个检测参数，其中，每个检测参数是：

-样品管类型的样品管的可检测属性，

-样品管类型的样品盖的可检测属性，

-样品管和样品试管盖的组合的可检测属性，和/或

-与样品管类型的颜色相关的可检测属性。

样品管的可检测属性可例如是指样品管的尺寸，如高度、内径、外径、体积、形状等。样品管类型的样品盖的可检测属性可指用来对样品管加盖的样品盖。样品盖的相应可检测属性可指样品试管盖尺寸、样品试管盖形状等。然而，代替和/或补充与样品管或样品试管盖的属性相关，检测参数可指这两者的组合的可检测属性，具体地，加盖的样品管的形状和/或高度。具体地，检测参数可指样品管类型的颜色的可检测属性。这可以例如是盖的颜色并且可包括样品试管盖的盖处的位置信息。由于多数的样品管是透明的，因此将最可能在样品试管盖处检测到颜色。然而，至少部分覆盖的样品管也可用在样品试管组中。所有这些可检测属性都可由作为传感器的相机检测到，以检测可与相应检测参数的分布参数进行比较的检测值。

根据实施方式，至少一个检测参数从以下参数中的一项中选择：

-样品试管盖尺寸，

-样品试管盖形状，

-样品试管盖颜色，

-样品试管盖颜色图案，

-样品管尺寸，

-样品管形状，

-样品管内包括的物体和/或物质，

-可检测颜色的数量，

-样品管和样品试管盖的组合的尺寸，

-样品管和样品试管盖的组合的形状，

-样品管和样品试管盖的组合的颜色，以及

-样品管和样品试管盖的组合内包括的物体和/或物质。

如上文所述，也可选择如上文列出的检测参数中的多项作为检测参数。优选地，仅选择区分样品管类型所必要的几个检测参数。因此，比较过程可在LAS中快速且有效地执行。然而，为了提高对所有样品管类型的检测的准确性，可选择比必要更多的检测参数，以使得能够检查已经识别的样品管类型的身份。具体检测参数的示例可以是例如13mm的盖直径、80mm的试管长度、红色盖颜色、试管内径、试管外径、凝胶层、试管底部形状、试管盖颜色图案、样品半月板的形状等。

根据实施方式，该方法还包括以下步骤：

-(具体地，从数据库中)获得用于所述样品试管组中包括的每个样品管类型的工作流数据，其中

-工作流数据与所述样品试管组中包括的每个样品管类型的至少一个检测参数相关，以及

-工作流数据包含关于以下的信息：所述样品试管组中包括的每个样品管类型如何在实验室自动化系统的工作流的至少一个处理步骤中处理；以及

-基于获得的工作流数据，确定实验室自动化系统是否能够对所述样品试管组中包括的每个样品管类型正确地执行所述工作流的至少一个处理步骤。

工作流数据可指可施加至一个具体样品管类型的夹持力、可施加的离心力、每分钟转数、填充体积等。当执行对应的处理步骤时，LAS可以依赖于工作流数据。例如，在机器人夹持具体样品管类型的样品管并且使用诸如流体的介质填充所述样品管之前，LAS可检查与夹持力和填充体积相关的工作流数据。

根据该实施方式，确定LAS是否能够正确地执行计划的工作流的处理步骤。例如，当传感器包括在用来夹持并保持样品管的LAS的机器臂中时，需要在机器人夹持器对样品管施加所述夹持力之前了解可施加的夹持力。因此，在样品管设置在试管架中的情况下，在从试管架中提起样品管之前，传感器未必能检测样品管的高度或样品管连同样品试管盖的高度。因此，可检查在夹持并从试管架提出样品管之前，传感器和夹持器是否可从例如样品试管盖的颜色和/或形状的其它检测参数中识别样品管类型。还可检查在从试管架中提出样品管之前是否有必要识别样品管类型，或是否可以以类似或相同的夹持力来操作样品试管组的样品管类型。然后，在下一工作流步骤中，也就是在从试管架提出样品管之后，传感器还可检测样品管和/或加盖的样品管的高度，以在使用样品填充样品管之前充分地识别样品管类型。因此，在该实施方式中，可并入计划表，按照该计划表识别所有的样品管类型和处理工作流中的步骤。

根据实施方式，工作流的至少一个处理步骤涉及：

-通过传感器检测样品管类型的试管，

-使样品管类型的试管离心，

-在拾取与放置操作中夹持样品管类型的试管；

-将样品管类型的试管开盖和/或重新加盖；

-将样品液体分到辅助试管中；

-在轨道系统上运送样品管类型的试管，具体地转换轨道系统中的通道；

-分析样品管类型的试管中含有的样品；

-储存样品管类型的试管；和/或

-从实验室自动化系统中移除样品管类型的试管。

所列出的示例涉及工作流数据可能需要的处理步骤。例如，在使试管离心之前，可能必须知道可施加的离心力和/或可施加的每分钟转数。类似地，夹持力、加盖力或开盖力或者选择的试管的填充体积都可提供为工作流数据。对于样品分析，可获得试管的玻璃的透明度作为工作流数据。对于试管存放，可依赖于外径或高度或类似的尺寸作为对应的工作流数据。工作流数据还可涉及将试管的内容物与试剂混合、物理分析和/或化学分析等。

在实施方式的另外发展中，工作流数据包含关于以下项的信息：

-样品管类型的内径的几何结构，具体地锥度，

-样品管类型的空试管重量，

-样品管类型的盖重量，

-样品管类型的至少一个安全参数，具体地，对样品管类型安全加盖的最大填充液位和/或样品管类型的轨道上的最大加速度，

-样品管类型的分析仪的特定试管ID，

-样品管类型的制造商货号和/或订单号，

-样品管类型预期的材料、添加物和/或特征，和/或

-样品管类型的有效试管高度，这取决于试管外部形状和样品管类型在实验室自动化系统内的试管放置位置。

试管和/或样品试管盖可设置成具有可由LAS的传感器检测的ID，诸如条形码或RFID标签。所述标识可用作为分析仪的特定试管ID或分析仪特定ID、制造商货号、订单号等。分析仪特定ID可指LAS的分析仪已知的试管类型。

包含关于样品管类型的有效试管高度的信息的工作流数据可取决于试管外部形状和样品管类型在实验室自动化系统内的试管放置位置。基于这种工作流数据，例如，可计算用于样品管类型的精确夹持位置。试管放置位置可以是适于接纳样品管的任何空腔，例如，输入区域内的样品管货架空腔、离心模块内的样品管放置位置、传送带上的试管托架凹口，或实验室自动化系统内的存放架空腔。由于不同放置位置中的每个处的相应试管接纳空腔与试管外部形状(特别是试管底部形状)之间的相互作用，对于不同放置位置中的每个，每个试管类型的有效试管高度位置可以不同。有效试管高度信息可用于处理样品管，例如，当利用机器人夹持器夹持样品管时。在另一实施方式中，有效试管高度可用来评估是否有可能将配备有一个或多个定义的样品管类型的样品管架放置在具有高度限制的某一位置处，例如，放置在样品管存放位置内的窄缝中。

根据实施方式，分布参数包括关于检测参数的均值、标准偏差、形状稳定性和/或最大颜色值范围的信息。分布参数通常取决于检测参数。因此，用于颜色值的分布参数可不同于用于试管的尺寸和/或定位的分布参数。然而，每个分布参数均与一个检测参数相关。此外，分布参数配置成与可由LAS的传感器检测的对应检测参数的检测值进行比较。因此，分布参数允许建立检测到的值是否对应于预定样品管类型的检测参数的概率。

根据实施方式，分布参数的比较包括基于用于检测参数的分布参数来确定用于正确地识别样品管类型的检测参数概率值。换言之，每当LAS感测用于样品试管组的试管中的一个的检测参数的检测值时，可计算检测参数概率值，该检测参数概率值包含与选择的试管(即，从其感测到检测值的试管)是否可被识别为样品试管组中的不同样品管类型中的一个有关的信息。在样品试管组还包含别名试管类型的情况下，该概率还可指选择的试管是否可被分类为别名试管类型或其中一个。

根据实施方式，计算实验室自动化系统的至少一个传感器可区分所述样品试管组中包括的其它样品管类型中的每个的至少一个检测参数与每个样品管类型的至少一个检测参数的概率。这个条件可以足够区分样品试管组的所有样品管类型(和/或别名试管类型)。

根据实施方式，使用神经网络来识别所述样品试管组中包括的样品管类型。神经网络可安装在处理器(例如，计算机处理器)上，以自动地检测和/或识别LAS中使用的任何试管的样品管类型。神经网络对运行检测算法和将试管与对应样品管类型相关联非常有效。神经网络可实施为计算机程序产品和/或计算机应用。

第二方面涉及计算机程序产品，其包括计算机可读指令，该计算机可读指令当被加载在计算机系统上并执行时致使计算机系统执行根据第一方面的方法的操作。计算机系统可以是LAS的一部分或可连接至LAS。计算机系统可以是膝上型计算机或其它便携式移动计算机装置。具体地，计算机程序产品可适合于致使计算机系统计算识别概率以及存储LAS中的分布参数和/或工作流数据。计算机程序产品可适合于将LAS连接至主试管数据库，该主试管数据库包含LAS的仪器的工作流数据和多个数据参考值。

第三方面涉及用于建立适于由实验室自动化系统处理的样品试管组的系统，该系统包括：

-选择装置，用于通过从各种可获得的样品管类型中选择多个不同的样品管类型来选择包括若干个样品管类型的样品试管组；

-参数装置，用于获得用于所述样品试管组中包括的每个样品管类型的至少一个检测参数的分布参数，其中，分布参数包括关于检测参数的先前检测的参考数据值的分布的信息；

-确定装置，用于通过将用于所述样品试管组中包括的每个样品管类型的至少一个检测参数的分布参数与用于所述样品试管组中包括的所有其它样品管类型的至少一个检测参数的分布参数进行比较，确定实验室自动化系统是否能够正确地识别所述样品试管组中包括的每个样品管类型；以及

-指示器装置，配置成：

-如果确定装置确定实验室自动化系统能够正确地识别所述样品试管组中包括的每个样品管类型，则指示选择的样品试管组被批准由实验室自动化系统进行处理；和/或

-如果确定装置确定实验室自动化系统不能正确地识别所述样品试管组中包括的每个样品管类型，则提出至少一个冲突补救措施。

选择装置、参数装置、确定装置以及指示器装置可分别实施为选择装置、参数装置、确定装置以及指示器装置。所述装置可实施为计算机程序产品的(子)例程。根据第三方面的系统可实施为可在其上执行根据第一方面的方法的系统。因此，对于根据第一方面的方法提及的所有说明和实施方式也适用于根据第三方面的系统，反之亦然。选择装置可要求来自用户的输入，该输入选择用于待建立的样品试管组的样品管类型。参数装置可实施为例如通过万维网从主试管数据库获得分布参数的全自动装置。

确定装置可适合于计算LAS是否将能够识别样品试管组的所有样品管类型的概率。指示器装置可包括屏幕，指示和/或提议例如以书面形式显示在该屏幕上。

参考附图描述本发明的实施方式。这些实施方式的特征可以在其它实施方式中实施。附图中使用的相同参考符号可涉及实施方式的类似和/或相同特征。附图的简要说明如下：

图1是LAS的传感器以及加盖的样品管的示意图；

图2是保持样品管的LAS的夹持器的示意图；

图3是保持样品管的另一LAS的夹持器的示意图；

图4是样品管类型的简单表关系的图解；

图5是样品管类型的复杂表关系的图解；

图6A是第一样品盖类型形状的盖形状数据的示意图；

图6B是第二样品盖类型形状的盖形状数据的示意图；

图6C是第三样品盖类型形状的盖形状数据的示意图；

图7A是第四样品盖类型形状的不一致的盖形状数据的示意图；

图7B是第五样品盖类型形状的稳定盖形状数据的示意图；

图8是冲突检测例程的流程图；

图9是1级冲突解决例程的流程图；

图10A是导致识别冲突的两个样品管类型的参考数据的图示；以及

图10B是未导致识别冲突的两个样品管类型的参考数据的图示。

当为实验室自动化系统(缩写为LAS)建立样品试管组时，通常对可用试管的确认是基于所涉及人员的经验和知识。估计LAS处理试管或甚至样品试管组的所有试管的能力的困难之处在于判定样品试管组的试管的属性(如颜色或形状特性)是否将导致检测冲突和/或识别冲突。为了建立样品试管组，需要实验室自动化系统的仪器(例如机器视觉和检测软件)的知识来确认LAS是否将遇到冲突。建立样品试管组的方法可以取决于颜色分割算法、选择样品试管盖的代表颜色区域、从兴趣区域中创建平均值、检测诸如高度、宽度、盖形状、底部形状等特性。

根据本发明的方法可包括涉及样品管类型的特性中的一些或全部的判定，包括特性及其内部依赖关系的组合。优选地，该方法使得能够自动地建立样品试管组。该方法可有助于确认样品试管组与具体实验室自动化系统的兼容性。LAS可包括多个仪器，该多个仪器夹持、分析、离心、运送、加盖、开盖、填充和/或清空正在LAS中处理的样品试管组中的样品管。

LAS将包括至少一个传感器，例如，相机装置、红外测量装置和/或重量检测系统。此外，LAS可配备有另外的装置，诸如，镜子、逆向反光材料、光吸收剂等。因此，LAS将包括用来识别LAS中的样品试管组的试管的检测系统，该检测系统包括所述元件。根据本发明的方法建立LAS是否能够表征和/或识别样品试管组中的所有样品管或足够数量的样品管。通常，诸如图像和红外测量装置的传感器装置生成数据并将数据与时空或多维阵列对齐。在示例性相机中，每个像素携带颜色信息和在网格中的相对取向，例如，在定义的网格内的绝对位置。其中，颜色信息是相对的，并且当相对于参考颜色设置时可以获得绝对意义。这同样可适用于像素坐标。相机的像素坐标可映射为距定义的原点的相对距离。对于颜色和像素坐标两者，可使用定义的参考。例如，像素信息可转换成度量维度。其中，具有在所需维度中的定义的度量距离的校准工具可用于例如通过锚定点之间的内插而生成图或锚定点，以计算对应于像素坐标的度量值。该方法可用于校正LAS的相机的镜头的镜头失真。类似地，每个像素的颜色可相对于定义的颜色参考或一组定义的颜色参考进行校准。

传感器装置可以在传感器装置的生产现场校准，或者在当传感器装置集成到LAS中时校准。如果传感器装置与机器人系统组合，则布置所涉及轴线的位置精度和重复性的区域要求并未大大有助于整体测量分布。例如，如果机器人显示出±0.1mm的不精确度，则传感器装置能够解决±1.0mm的差异，与计算的机器人位置的可能最大偏差似乎是可接受的并且可能不影响校准位置处的测量。

所涉及的部分可能受到预定规范内的质量控制(QC)。这可适用于LAS的传感器装置的视野中的所有可见部件，例如，机器人部分、罩盖、反射部分、镜子。传感器装置的视野可分为感兴趣的单独区域并且可以使用预定标准进行分析，如平均光强度值、光强度的梯度，或者在光强度的指定统计分布内。还有可能在与经校准的光谱颜色分析仪集成之前分析可见部分。

优选地，如相机的传感器装置还满足预定颜色测量特性。传感器装置的质量控制可以按与光强度检查类似的方式完成，即，通过将颜色参考物体放置在传感器装置的前面来完成。颜色值可取决于传感器装置、电子放大、照明、透镜以及物体。当将稳定的颜色参考物体用于QC时，在安装的LAS处执行QC可能便足够。LAS的任何仪器都可能潜在地导致QC失败，这就是测试和验收标准可以覆盖结果值的完整动态范围的原因，以确保传感器装置的行为受控制。如果满足了QC的所有标准，则传感器装置可成功地通过QC。

换言之，该方法可包括对其传感器装置的质量控制。此外，用来建立分布参数的传感器装置可进行质量控制。

针对其建立样品试管组的LAS可包括检测系统，该检测系统包括多个不同的传感器装置。这些传感器装置中的一个可设置成具有相机/布置为相机，该相机布置成具有适于提取LAS中的试管的特性特征的视野。

图1示出作为LAS的传感器的相机20的示意图。相机20的视野指向样品管11。样品管11设置成具有样品试管盖12，并且因此设置为加盖样品管。相机20配置成创建加盖样品管11的图像数据。图像数据可包括加盖样品管的高度h_tc。相机20的图像数据还可包括以下项中的一个或多个：当从相机20的方向观察时，样品管11的形状、样品试管盖12的形状、样品试管盖12的颜色。

LAS的镜子21可配置成将来自样品试管盖的侧部12s的图像数据包括到视野中。因此，图像数据还可包括来自样品管11的不同侧(具体地，来自样品试管盖12的不同侧)的数据。如LAS的相机20的每个传感器装置可设置成具有一个或多个此类镜子21。

因此，LAS可包括扩大LAS的传感器的视野的镜子。

LAS可受到控制，使得当样品管11相对于相机20位于预定距离处且在预定取向处时由相机20生成图像数据。样品管的高度也可在样品管11被加盖和开盖时进行测量。

可提取的特征涉及试管高度、盖形状以及样品试管盖12的侧部和/或顶部颜色。镜子21可用于提取样品试管盖12的顶部处的颜色。

图2和图3示出保持样品管11的LAS的夹持器30的示意图。在图2中，提供相机20以生成由夹持器30保持的样品管11的图像数据。两个镜子21布置成使得图像数据将包括样品管11的背侧的图像和样品管11的顶侧的图像。为此，LAS的仪器将包括背部镜子和顶部镜子，以生成对应的图像数据。

夹持器30可配置成在z方向(即，地球的参考系中的向上和/或向下方向)上移动。

图3示出保持样品管11的另一夹持器30。其中，LLD检测器布置在样品管11的、当被夹持器30保持在特定位置时的第一侧处。LLD检测器22配置成检测样品管11内的液面。

在样品管11的、当被保持在所述特定位置时的相对侧上，布置了LLD光源，以照亮样品管11的上部部分，其中，据推测，将布置样品管11内的液面。

缩写LLD是“液面检测”的简称。LLD光源23将发射光线，光线穿过样品管11朝向LLD检测器22传播，该LLD检测器22可设置为光电检测器和/或相机。由于样品管11被夹持器30保持在预定位置，因此可以从由LLD检测器22提供的图像数据中提取液面，即，样品管11内的液面。LLD检测器22还可配置成用于确定液面的线性相机或红外装置。另外，LLD检测器22可用于提供如样品管11的试管高度和/或盖高度等特性。

在该方法中，获得了分布参数。具体地，可从主试管数据库(缩写为MTDB)中获得分布参数。MTDB可含有用于试管、盖、颜色以及制造商的表。任何试管类型均可与样品试管盖组合，产生另一表和/或另一类型。试管与盖表格的元素可与颜色组合，产生含有试管与盖和颜色条目的另一表。含有试管与盖和颜色条目的表中的条目被称为样品管类型条目。还可通过首先将颜色与盖组合，然后将这个组合链接至试管条目来产生样品管类型条目。还有可能将盖、试管或颜色表中的每个元素均链接至制造商，或将样品管类型条目链接至制造商。

主试管数据库使得能够创建样品管类型的列表，并且还可以包括用于管理数据库的额外视图和功能，诸如，添加新的盖、新试管、新颜色和新制造商。数据库还可包括添加附加属性的功能。附加属性可设置为附加到表中的任一表的条目的参数。

例如，盖表中的盖条目可包括垂直高度或直径作为附加属性。试管表中的试管条目可包括外径、内径和/或高度作为附加属性。

其它附加属性的示例是开盖简档、重新加盖简档(包括力、网格位置、旋转)、离心参数(包括空重、用于装载和/或卸载的专有离心信息)以及与样品管类型有关的单独信息，例如，具有影响盖颜色确定的可能内部血液污染物的半透明盖、制造商的货号等。

盖表、颜色表和试管表中的每个均可包括与具体特性相关和/或描述具体特性的附加测量数据。

不同的表可由样品管类型的简单列表组成，其中每个条目均代表具有所有其附加属性的试管、盖和颜色的组合。

图4示出样品管类型的这种简单表关系的图解。当为特定实验室自动化系统配置样品试管组时，可使用这种简单表关系。其中，每个元素均代表样品管类型的货号。样品管类型要求可基于货号和制造商名称进行交换。还有可能添加附加属性作为元数据，以利用MTDB中的针对例如“长的红色盖试管”的搜索请求，其中“长”和“红色”将是附加至相邻表中的一个或附加至样品管类型的元数据。

图5示出包括进一步信息的样品管类型的复杂表关系的图解。更复杂的表关系可存储在MTDB中。

LAS的检测系统可基于用来对每个样品管进行分类的参考数据，通过计算测量的数据与参考数据之间的距离，识别和/或表征样品试管组的试管。如果所有使用的特征都在判定阈值内，则获得成功的分类。这对应于确定LAS能够正确地识别样品试管组的每个样品管类型，或足够数量的样品管类型。

存储在MTDB中的参考数据可包括每个样品管类型的单独测量值的集合。对于如盖形状、高度、盖颜色等每个主要特性，参考数据可附加至对应的条目。分布参数的参考数据可含有许多高度测量值。用于盖的参考数据可包括许多盖形状外形。颜色参考数据可含有多个颜色值。然而，可使用另外的参考数据类型，例如，试管的宽度、试管底部外形、来自LLD测量系统的数据模式(具体地，用于盖区域)。

例如，系统可使用盖、盖形状和颜色作为主要特性，其中，盖形状隐含地包括宽度，如试管的直径。

建立主试管数据库(MTDB)

用于MTDB的参考数据可由试管机器人创建，该试管机器人执行LAS的拾取与放置操作并且配备有相机。在这些拾取与放置操作期间，将不同类型的样品管放置到试管架中，然后在LAS中进行分析。具体地，LAS的相机可创建相同样品管类型的多个样品管的图像数据。

图6A以示意图示出第一样品盖类型形状的盖形状数据A。其中，术语“第一样品盖类型形状”是指第一类型的样品盖的形状。盖形状数据A包括从相同类型(即，第一样品盖类型形状)的多个样品试管盖取得的覆盖图像。图像可在受控的条件下取得，例如，从预定距离和取向处的侧面角度取得。第一样品盖类型的样品盖包括14.0mm的平均高度h_A和10.8mm的平均直径d_A。所述长度和直径可用来指定第一样品盖类型形状。

类似地，图6B和图6C分别以示意图示出第二样品盖类型形状的盖形状数据B和第三样品盖类型形状的盖形状数据C。盖形状数据B和盖形状数据C包括从相同类型(此处为第二样品盖类型和第三样品盖类型)的多个样品试管盖取得的覆盖图像数据。图像可在受控的条件下取得，例如，从预定距离处的侧面角度取得。第二样品盖类型的样品盖包括17.2mm的平均高度h_B和16.0mm的平均直径d_B。第三样品盖类型的样品盖包括13.2mm的平均高度h_C和15.0mm的平均直径d_C。所述高度和直径可用来指定第二样品盖类型和第三样品盖类型。

如图6A、图6B和图6C中所示，并非每个样品盖类型的所有试样都包括相同的形状。因此，盖形状的轮廓在盖形状数据A、数据B和数据C中略微模糊。

图像可下载到计算机系统，该计算机系统将数据存储在数据库(例如，MTDB)中。计算机程序产品(例如，应用)可使用存储的数据来对每个记录的图像提取特征高度、盖形状和颜色。该过程可基于校准数据(用来校准提取的校准图像，或者含有校准数据的校准文件)来处理图像。校准数据可经由记录样品管类型图像的相机来生成。

通过有效校准，可提取参考数据，并且将其链接至对应的样品管类型。

创建参考数据可根据特定规则来完成，以获得有效数据集。优选地，用来记录参考数据的系统使用成功地通过所有QC检验的部件。经处理的样品管类型包括来自典型批次和/或批量的代表性样品。可针对统计可行性来检查所有记录的数据，实际界外值可以不包括在参考数据中。

可分析和检查每个数据类型(例如，颜色、盖形状、高度)，以便确定其是否是合适的代表。对于高度值，标准偏差、平均值、最小值和/或最大值可提供用于安全识别判定的基础。

对于盖外形，可以例如绘制盖形状的稳定性与参考样品的曲线图，以检查参考数据是否合适。

图7A以示意图示出第四样品盖类型的样品盖的形状的盖形状数据D。盖形状数据D包括从相同类型(即，第四样品盖类型)的多个样品试管盖取得的覆盖图像。然而，如图7A中所示，覆盖轮廓彼此差别很大。因此，具体地，相同样品盖类型的不同试样的直径d_D可能彼此相差几毫米。这可能是由使用和/或磨损对这个特定样品盖类型的强烈影响造成的。因此，对于第四样品盖类型，盖外形/形状/轮廓和具体地直径d_D可能不稳定，因此可能不是合适的检测参数。

图7B以示意图示出第五样品盖类型的样品盖的形状的盖形状数据E。盖形状数据E包括从相同类型(即，第五盖类型)的多个样品试管盖取得的覆盖图像。盖形状数据E的覆盖图像显示出足够程度的稳定性和相似性。具体地，盖形状数据E的图像全部显示出非常类似的长度I_E和直径d_E。因此，盖形状数据E可适于用作参考数据和/或用作第五样品盖类型的检测参数“样品盖形状”的分布参数。

对于与至少一种颜色相关的参考数据，优选具有从实际原始值中导出的性能指标，例如，可使用用过的颜色空间(RGB、HSV/HSB或其它)中的欧几里得(Euclidean)距离的统计数据，或者数据参考的最大范围。

如果满足所有标准并且例如成功地通过最终的检测测试，则样品管类型可在MTDB中得到批准。

换言之，MTDB可配置为数据库，该数据库包括参考数据和/或分别用于每个可获得的样品管类型的多个检测参数的至少一个分布参数。参考数据和/或分布参数可基于在与LAS的仪器中的预期条件类似或相同的受控条件下执行的多个参考测量的参考数据值。参考数据和/或分布参数可进行质量控制并且针对它们的适合性进行检查。

MTDB可包括具有层级的表，并且它们的组合使得能够在MTDB的任何级上定义附加属性。该机制可允许在例如“试管盖”级上设置属性，这将对与具体试管和盖组合的所有特性(例如，颜色)有效。如果需要进一步区别，则所有的附加属性可设置在样品管类型级上，从而根据试管样品类型来利用各个附加属性。

MTDB可例如包括“试管”级和对应的试管表。所述试管表可包括可适于作为检测参数的以下附加属性中的至少一个：

-试管的内径；

-试管的外径；

-试管的底部偏移，指的是从试管的底部到其中例如没有出现液体的高度的距离；

-试管的高度，例如，由制造商给出的标称值；

-试管的螺纹，例如，定义试管是否包括螺纹；

-试管的重新加盖简档；

-试管的内径的锥度；和/或

-空试管重量。

MTDB可例如包括“盖”级和对应的盖表。所述样品盖表可包括可适于作为检测参数的以下附加属性中的至少一个：

-盖的盖高度h_i；

-盖的盖直径d；

-盖重量；和/或

-开盖简档，例如，与开盖力和/或盖处的夹持位置相关。

MTDB可例如包括“试管加盖”级和对应的试管加盖表。所述试管加盖表可包括可适于作为检测参数的以下附加属性中的至少一个：

-试管表和盖表的所有附加属性；

-用于开盖的机器人参数，例如，与关于试管底部的夹持位置相关；

-用于利用盖将试管重新加盖的机器人参数；

-已加盖试管(即，具有盖的试管)的高度；

-安全参数，例如，用于安全开盖的最大填充液位；和/或

-具体ID，指的是LAS的仪器中使用的具体ID，例如，一些单元、分析仪、仪器可使用与它们自己对由具体ID表示的样品管类型的定义相关的具体ID。

MTDB可例如包括“颜色”级和对应的颜色表。所述颜色表可包括适于作为检测参数的至少一个附加属性。用于“颜色”级的附加属性在下文论述。

MTDB可例如包括“样品管类型”级和对应的样品管类型表。所述样品管类型表可包括可适于作为检测参数的以下附加属性中的至少一个：

-可在LAS中检测的样品管类型的样品盖的盖颜色数量；

-颜色图案，例如，从样品盖和/或样品管类型的正视图、侧视图和/或俯视图观察；

-半透明盖，其承受来自盖内部的血液污染的更高风险，影响颜色分析；

-样品管类型的货号和/或订单号，

-添加物，例如，指的是样品管类型中含有的添加物，例如，样品管类型内的预期液体材料，如血液、血清、尿液、凝胶等；和/或

-来自盖表、试管表、试管加盖表以及颜色表的所有附加属性都可(例如，进一步)指定在相同的样品管类型级上。

建立样品试管组

用于具体LAS的样品试管组(也称为试管配置)可建立为MTDB的子集。可基于用户需求，通过使用计算机程序产品(例如，应用)从MTDB中选择试管来建立样品试管组。用户可选择意图在LAS处(例如，在用户的实验室处)使用的一组样品管类型。用户可在完成时激活试管配置。

添加可获得的样品管类型的方法步骤可通过在应用中选择试管配置中应使用的样品管类型的复选框来执行。该机制可在从头开始建立样品试管组时使用，或者可用于从样品试管组移除样品管类型和将样品管类型添加到样品试管组。

样品试管组及其附加属性可进行更改，例如，由于制造商变化(例如，由于盖制造商的生产工艺，各批量之间的盖颜色可略微不同)、由于工作流变化触发了更改(例如，由于不同的分类规则，别名试管类型需要分开)，或由于通过修正参数(内径、锥度、偏移)对例如重量或体积计算的微调。

“无冲突”样品试管组可以是以下的试管配置：使得检测软件能够例如基于如由具体LAS测量的样品/别名试管类型的检测参数值而唯一地对试管配置中包括的每个样品管类型或别名试管类型(作为至少2个样品管类型的集合)进行识别和/或分类。“无冲突”样品试管组可满足LAS的工艺路线和工作流要求，并且具体地，可与LAS的工作流设计兼容，例如，在工作流设计中对各种试管类型的正确识别是必要的，以便正确地执行依赖于试管类型的处置步骤。

识别冲突可出现若干级。1级冲突可由例如高度、盖形状和/或底部形状、颜色、宽度等检测参数的错误检测导致。样品试管组的两种试管类型可在(对应于检测参数的)所有特征上相同，但在至少一个特征上不同。所述特征可允许区别两种样品管类型的判定。如果存在允许区分样品试管组的两种样品管类型中的任一个的至少一个特征，则该样品试管组可被分类为安全和/或无冲突的。为了实现配置判定，即，试管配置是包括冲突还是无冲突，与该组的所选样品管类型的所选检测参数对应的每个特征可彼此比较。

诸如每个样品管类型的高度值的参考数据可进行比较。一种方法是创建用于每个样品管类型的高度值的统计特征，并且将配置当中的统计特征进行比较。统计特征可以是例如均值、标准偏差、一个或多个峰值和/或界外值。

第一样品管类型的试管的高度值可被视作属于不同的第二样品管类型的概率可通过假设高度值的正态分布并且计算PNN(其为“概率神经网络”的简称)中的对应概率进行计算。

以类似的方式，但是利用3维方法，可执行颜色的比较，例如，以提取在第一样品管类型的试管上检测到的颜色将被视作属于第二样品管类型的概率。其中，可计算样品和参考值的坐标之间的颜色距离向量和/或欧几里得距离。可应用用于2维特征的等效方法。

换言之，冲突检查可实施为一维、二维和/或三维特征分类，这取决于所选择的检测参数。

当检查LAS是否将能够正确地识别盖外形和/或底部形状时，可应用不同的方法。盖外形可由盖的左边缘与盖的右边缘之间的一系列水平距离表示，类似于如图6A、图6B、图6C、图7A和图7B中所示的直径d_A至d_E。包括盖具体数据的表可例如包括数据点的二维阵列，该二维阵列利用盖的第一边缘和盖的相对边缘来表示盖的外部形状，例如，预定义的线(可彼此平行和/或等距)的交叉点对。每对所述交叉点可视作定义一条线。

此外，每条线可包括表示置信级的有效性值，指示是否正确地测量所述线的概率。线的有效性值可位于例如0与1之间。因此，有效性值1可指最高可能置信级，而小于1的有效性值可指较低的置信级。有效性值可依赖于计算测量的盖与具体盖类型的参考数据匹配的整体概率。

在实施方式中，以下方程可用来得到概率值P，概率值P指的是检测的盖形状A属于样品盖形状B的概率：

其中，

d_ref是指参考线的长度

d_sample是指样品线的长度；

weight定义为validity_ref×validity_Sample；以及

σ是指用于调整不同试管类型之间的有效选择性的配置参数。

此外，样品线是指被检查的盖的左边缘与右边缘之间的水平距离(在盖的具体垂直位置处的盖形状的侧视图中)。

参考线是指作为被用作参考的样品数据的一部分的样品线。

样品数据是指样品线的集合。样品线的完整集合可表示被检查的盖的盖形状。

参考数据是指用作为参考的样品数据。

有效性值validity_sample和validity_ref是指针对每条样品线和/或参考线计算的介于0(无有效性)与1(全部有效性)之间的置信值。有效性值受例如所检测的边缘的对比度强度的影响，其中高(且因此清晰的)对比度将得到高有效性，以及低对比度得到低有效性。其中，边缘接近视野中的其它物体(例如，夹持器指，其位置通过计算而已知)时，。其它机制分派低有效性。

盖形状可由样品线阵列建立和/或可包括样品线阵列。公式中使用的索引i可指样品线阵列的计数。阵列可根据它们相应的对比度且因此根据它们相应的有效性值进行布置和/或编索引。

可应用其它方法和/或机制计算重量值，例如，表示每条线的盖外形的(例如，垂直)梯度和/或距离的值。应用哪种方法可取决于使用概率值来确定样品管类型的方式，例如，通过最近邻分类、通过均值分类等。底部形状类型还可由单个标量值表示，该单个标量值可表示样品管类型的底部区域的最佳拟合三角形的高度。在这种情况下，分类可以类似于一维高度分类。

总体分类和配置冲突

应用上文所述的分类方法的总体结果可提供包含成为所选择类型的成员的概率的表。可定义概率值和判定阈值，以估计LAS可正确地识别样品试管组的试管的概率。

例如，试管表可包括表1中所示的用于四种不同试管类型的条目：

表1：

高度概率判定阈值0.3	高度类别A	高度类别B	高度类别C	高度类别D
					样品高度	0.9	0.5	0.1	0.05

盖表可包括表2中所示的用于四种不同盖类型的条目：

表2：

盖形状概率判定阈值0.1	外形类别1	外形类别2	外形类别3	外形类别4
					样品盖外形	0.6	0.4	0.001	0.0001

颜色表可包括表3中所示的用于四种不同颜色类型的条目：

表2：

颜色概率，判定阈值0.15	类别红色	类别橙色	类别绿色	类别棕色
					样品颜色	0.8	0.2	0.05	0.4

对于上述特征和/或检测参数中的每个，是否出现识别冲突取决于所应用的判定阈值。

在以下说明中，参考其中样品试管组包括四种样品管类型(即，组合)的示例性实施方式：

-样品管类型1：高度类别A，外形类别1，颜色类别红色；

-样品管类型2：高度类别B，外形类别2，颜色类别橙色；

-样品管类型3：高度类别C，外形类别3，颜色类别绿色；以及

-样品管类型4：高度类别D，外形类别4，颜色类别棕色；

1级冲突

在示例性实施方式中，将存在样品管类型1和样品管类型2的冲突，因为所有特征上都存在冲突，此处为高度、盖形状/外形以及颜色。存在冲突是因为样品高度、样品盖外形以及样品颜色分别都超过相应的判定阈值。

在该实施方式中，引入距离因素可解决冲突：如果2个冲突概率值之间具有4或以上的因子，则可作出判定，即使样品管类型2将有资格作出给定上述阈值的判定。样品管类型1将是分类结果。

通常，如果不止一个样品管类型的每个特征的概率均超过其判定阈值，则那些样品管类型之间存在冲突。附加的距离因素可支持解决冲突，但也可因不确定而导致拒绝。无冲突试管配置可对试管配置的所有样品管类型上的所有特征具有明确判定。

在上述示例中，如果样品管类型2具有大于0.2的颜色概率，并且试管要求实验室级的区别(例如，不同的工作流、不同的质量控制，要求将样品管类型1与样品管类型2区分开的任何事物)，则这种情形无法由样品试管组解决。这将导致基于样品管类型检测系统(具体地，LAS)和安排的工作流的无法解决的冲突。

开口试管存在类似的情形：因为标准中的一个(盖颜色)不可用于开口试管，因此也许无法区分具有非常类似的高度和非常类似的盖形状的开口试管。在如果两个样品管类型配置在样品试管组中则将导致故障的情况下，检测这个冲突可导致判定LAS不支持样品管类型中的一个。

对于一些检测到的冲突，解决方案可以是调整导致冲突的受影响的附加属性，或通过调整检测参数。根据情形，调整上述公式中的Sigma(σ)可使得试管配置容差更大或更小。这可导致包括或排除样品试管组中的样品管类型，从而导致两个冲突样品管类型的更严格分离。还有可能调整单独的或通用的判定阈值，这可根据盖形状和高度的正确分类进行调整以解决颜色冲突。通常，可存在依赖于实施例的许多参数，以影响LAS的分离能力。

作为对1级冲突的解决方案的别名ID

简化检测的另一方法是针对两个样品管类型使用别名试管类型(也称为别名ID)，从而允许LAS的检测系统对冲突类别中的任一个分类，然后其将被别名ID否决。工艺路线规则可以调整到别名ID。

例如将用于所有冲突类别的所有特征的参考数据合并且将合并的参考数据作为一个类别使用的益处在于，别名ID的成员的参考数据仍将表示为有效实体。然后，在分类过程中，样品特征不是对照合并的参考数据而是对照实际原始参考进行计算。如果使用合并的参考数据，则可与第三样品管类型出现另一冲突，因为占用的特征空间将通过组合两个数据集而扩大。

2级冲突

在使用别名ID来覆盖若干样品管类型的情况下，也可发生2级的识别冲突。开口试管可发生另一2级冲突，一旦它们开盖，可对LAS的检测系统呈现相同的物理外观。

方法可以是针对2级冲突、具体地针对它们的“开口试管”特征扫描所有的样品管类型，所述特征可从属于作为试管/盖组合的样品管类型，例如，盖形状和高度。如果存在例如可由别名ID的实施例解决的1级冲突，则也可针对2级冲突检查附加属性。如果在冲突样品管类型由别名ID处置的情况下，如果附加属性中的任一个在可靠性、安全、精度或工作流方面有很大不同，则可出现此类冲突。

例如两个不同的容许抽吸体积和/或指定填充液位的2级冲突可通过选择作用于所有冲突样品管类型的值(例如，抽吸体积值和/或填充液位值)来解决。

另一示例是内径的2级冲突。此处，如果产生的不精确度并未导致其它功能单元失败，例如，等分、重量计算、离心等，则有可能选择两个冲突值之间的中间值和/或均值。还有可能基于统计数据来选择参数值，例如，最常见的值可以是供使用的最佳参数值。

当附加属性用于LAS的其它测量系统，例如，用于液位检测(LLD)时，可出现另一种冲突。在这种情况下，可使用指示样品管类型中应预期哪种样品内容物(例如，全血、凝胶、尿液、仅血清/血浆)的标记。使用这些内容物标记可增强检测可靠性和精确度。标记可设置到指示预期的预定(例如，两种或更多种)样品内容物的状态。

由LAS应用的检测算法可作出更少的假设(作为输入)，并且可基于更少的信息来正确地检测各层。这样的冲突特定于检测系统，但必须由LAS处置。根据冲突样品管类型，不同的功能可降低性能。例如，旋转状态检测、体积和重量计算、体积使用效率(等分)等可受到影响。此类冲突实际上是否影响LAS的性能可取决于工艺路线规则的配置。一些LAS系统使进入的所有试管旋转，因此旋转状态检测对这样的LAS可能不太重要。其它LAS系统由于吞吐量和/或样品质量而避免额外的旋转，并且依赖于旋转状态检测。

试管配置分析

对LAS的试管配置的总体分析和/或预测可组合用于特征分类和概率计算的所有方法，从而基于参考数据提供对试管组的虚拟分类，以及对1级冲突和2级冲突的检测。该分析可识别预期工作的所有工作流，并且可识别需要适应以符合关于工作流和稳定性的用户预期的潜在冲突。该分析可利用两个或更多个样品管类型来执行。该分析可在创建样品试管组期间完成，或在第一次尝试的最后完成。在创建样品试管组期间并行地运行分析的优点在于冲突可变得立即可见。此外，可支持提供若干警告信号，例如，1级冲突警告和2级冲突警告。如果响应于解决1级冲突或2级冲突而调整参数，则可进行重复分析，以确保冲突得到相应地解决。

通常，可通过两条不同的路径来解决每个冲突检测。从试管配置中移除冲突的元素，或调整参数以使得试管配置在LAS上起作用。在移除样品管类型并非选项的情况下，可提供解决指南，以在几个步骤中解决冲突。

图8示出冲突检测例程100形式的此类解决指南的流程图。

在步骤105处，指示检测到冲突。在步骤110处，询问用户冲突试管类型是否需要在LAS中进行区分。因此，是否需要区分冲突样品管类型可要求来自用户的输入。

下一步骤取决于用户的输入。如果答案为否(步骤120)，则别名ID可解决1级冲突，但在这种情况下，当应用别名ID时，仍可针对2级冲突来检查试管配置。如果样品管类型需要区分(步骤130)，则冲突原因(1级冲突或2级冲突)指向对应的冲突指南。

在所有的分类输入总体上导致高于预期的分类不确定的情况下，触发用于1级冲突的冲突指南(步骤160)。背后的原因可以是样品管类型在视觉上与机器视觉系统及其分类机制相同。在这种情况下，可能没有解决冲突的标准解决方案。尽管技术部分可配置成检测两个样品管类型之间的差异，但LAS的期望行为可坚持尽可能地贴近人类模式识别。如果LAS的技术系统作出了实验室工作人员无法进行的区别，则样品管类型的形状和几何结构的选择也许不合适于LAS。此外，可假设仅对人类也将弄错或非常相似的样品管类型才会发生检测冲突。

由于在实验室中全局地观察到的样品管类型景观的性质，分类特征的层级可在顶部颜色处结束和/或开始，从而可针对唯一的样品管类型提供最终信息。高度和盖形状(底部形状)是多数来自于生产工具的更常见特性，这一般导致预先分类或所谓的几何分类。如果没有特征可用来检测差异，则可发生检测冲突。为了识别该可能性，可要求对情形的详细分析。由于提供了所有的潜在解决方案，该分析的顺序可交换。

图9示出在图8中所示的例程100中实施的1级冲突解决例程160的流程图。为了解决1级冲突，可在步骤161中应用颜色分析。颜色分析可包括如颜色值分析、颜色搜索区域分析以及顶部和侧部颜色分析等方面。

如果冲突样品管类型的颜色参考数据可存在导致1级冲突的具体重叠，或者如果并不满足用于作出判定的距离因素(例如，判定阈值)，具体地，如果颜色参考值并不重叠但它们的对应距离因素和/或判定阈值重叠，则可应用颜色值分析(步骤161a)。存在可导致类似情形的其它检测机制，如颜色直方图相互关系。如果情形允许，则可调整检测参数，以分开冲突样品管类型，从而允许准确的分类/识别。然而，如果重叠太大，则可以不调整与颜色相关的检测参数，但是提出不同的方法。

作为步骤161a中的颜色值分析的替代或补充，在步骤161b中可执行颜色搜索区域分析，包括顶部和侧部颜色分析。例如盖内或盖的顶部上的预定搜索区域、预定区域大小和/或预定位置可用来约束颜色值和/或颜色特性。样品盖可包括将盖区域分派到具体颜色或颜色组合的专有(几何)图案。这个信息可用来调整搜索区域，从而实现更具体的颜色值表示，并且因此更具体的分类。有可能添加并不包括在基础配置中的颜色搜索区域，以区分冲突试管配置与无冲突试管配置。

在步骤161的颜色分析并未成功的情况下，可在步骤162中执行几何分析。几何分析161可包括高度分析162a和盖形状分析162b。还可评估并调整特征高度和盖形状，以创建对应分布参数的最小重叠。图10A和图10B中展示了更改检测参数(例如，假设正态分布的σ值)的效果。

图10A示出导致1级识别冲突的两个样品管类型的参考数据的图示。图10A中通过第一假定参考数据211和第二假定参考数据221示出如高度等一维检测参数的假定分布。这些假定参考数据211和假定参考数据221是分别基于第一样品管类型的第一真实参考数据210和第二样品管类型的第二真实参考数据220，并且可实施为这些真实数据210和真实数据220的标准偏差。

如图10A中所示，真实参考数据210和真实参考数据220的假定参考数据211和假定参考数据221可比真实参考数据210和真实参考数据220宽。因此，假定参考数据211和假定参考数据221的曲线比对应样品管类型的实际种类的样品宽。

第一判定阈值212和第二判定阈值222进一步设置为对应分布参数的一部分。两个判定阈值设置给定为数据点，所述数据点表示用于例如基于其概率值来评估数据点的阈值。例如，可处理大于10％的概率值，可拒绝低于10％的概率值。在图10A中，第一判定阈值212给出最大值，超出该最大值可能就无法基于对应的检测参数正确地识别第一样品管类型。第二判定阈值222给出最小值，低于该最小值可能就无法基于对应的检测参数正确地识别第二样品管类型。

换言之，判定阈值可配置为最大检测值和/或最小检测值，并且可以是与具体样品管类型的具体检测参数相对应的分布参数的一部分。

图10A中所示的曲线示出X值87左右(即，两个判定阈值222与判定阈值212之间)的冲突。

这个冲突可例如通过以下来解决：设想假定参考数据中的一个或两者的更陡峭分布，或降低标准偏差的值直到两个判定阈值满足一系列标准，或区分X轴上的判定阈值以及具体判定阈值(例如，Y值)。因此，曲线将不再呈现出冲突。

图10B示出图示，其中两个样品管类型的参考数据并未导致识别冲突。其中，图10A中所示的第一假定参考数据211调整成经调整的第一假定参考数据211′。此外，图10A中所示的第二假定参考数据221调整成经调整的第二假定参考数据221′。相应地，对应的判定阈值也调整成经调整的第一判定阈值212′和经调整的第一判定阈值222′。因此，经调整的假定参考数据211′和经调整的假定参考数据221′在对应的判定阈值212′和判定阈值222′上并不重叠。因此，当将经调整的假定参考数据应用为分布参数的一部分时，可解决冲突。

在图10B中所示的示例中，在应用大约8.8％的概率阈值时，判定阈值212′和判定阈值222′包括0.25的距离。

对于作为检测参数的其它特征(例如，颜色)，可视化可以是代表性方式，例如，颜色距离或3维表示。对于两个以上的维度，可应用如非线性降维等机制来将数据可视化。还有可能绘制盖形状作为原始数据或每个盖形状数据点的均值，以便将检测参数的更改的效果直接地可视化。

可视化可包括判定阈值、距离因素、真实参考数据分布假定，其中分布假定是基于真实数据。

在运行用于1级冲突的指南160之后，可解决冲突(步骤180)。

图8还涉及用于2级冲突的指南150，在步骤120处应用别名ID时或在步骤130中识别具体种类的冲突的情况下可应用该指南150(也见上文)。

下面在表4中进一步说明用于2级冲突的指南150：

表4：

方法的最终检查可包括在视觉上将样品试管组的真实样品与组定义进行比较。

在实验室要求下的试管配置检查可转移到更高级别。然后，对于每个样品管类型，为了参数正确性，可通过LAS检查工艺路线上的可能功能单元。例如，样品管类型可具有用来将样品管类型信息转移至分析仪的分析仪特定ID。

一旦建立和/或配置了无冲突样品试管组，便可扫描尚未添加至试管配置的剩余MTDB条目，以识别将导致检测系统失败的样品管类型。这个信息可用来检查LAS的、意图在LAS上运行的进入试管，或识别将隐含具体风险的样品管类型。

还有可能检查样品管类型的正确否定，因为某些类型可能在物理尺寸上合适但在其它特性上不合适。以类似的方式，该方法可用于基于期望最大数量的不同样品管类型来创建具有最大化检测统计的实际上理想的样品试管组。

标准将是例如没有1级冲突以及选择特征概率之间的、所需的距离因素，以达到最大分类安全。在另一情形下，完整的MTDB可用来识别样品管类型。因此，可对照MTDB条目来检查扫描的样品试管，结果将是具有最可能匹配的列表。虽然这个机制可能无法用来对样品试管可靠地分类，但是它可输出样品管类型的简化候选列表，例如，当不知道样品管类型的名称、货号和制造商时，或如果自动检测仅仅是创建配置的更快方式，它可用来以快速的方式创建试管配置。

参考标记列表

11 样品管

12 样品试管盖

12s 样品试管盖的侧部

20 相机

21 镜子

21′ 镜子

22 LLD检测器

23 LLD光源

100 冲突检测例程

105、110、120、130、140、150、160、170、180 冲突检测例程的步骤

160 1级冲突解决例程

200 图示

201 图示

210 第一真实参考数据

211 第一假定参考数据

211′ 经调整的第一假定参考数据

212 第一判定阈值

212′ 经调整的第一判定阈值

220 第二真实参考数据

221 第二假定参考数据

221′ 经调整的第二假定参考数据

222 第二判定阈值

222′ 经调整的第二判定阈值

h_tc 具有盖的样品管的高度

A 第一盖形状数据

B 第二盖形状数据

C 第三盖形状数据

D 第四盖形状数据

E 第五盖形状数据

d_A 第一样品盖类型的直径

d_B 第二样品盖类型的直径

d_C 第三样品盖类型的直径

d_D 第四样品盖类型的直径

d_E 第五样品盖类型的直径

h_A 第一样品盖类型的高度

h_B 第二样品盖类型的高度

h_C 第三样品盖类型的高度

h_D 第四样品盖类型的高度

h_E 第五样品盖类型的高度

Claims (15)

1.建立适于由实验室自动化系统处理的样品试管组的方法，所述方法包括：

-通过从各种能够获得的样品管类型中选择多个不同的样品管类型来选择包括若干个样品管类型的样品试管组；

-获得用于所述样品试管组中包括的每个样品管类型的至少一个检测参数的分布参数，其中，所述分布参数包括关于所述至少一个检测参数的先前检测的参考数据值的分布的信息；

-通过将用于所述样品试管组中包括的每个样品管类型的所述至少一个检测参数的所述分布参数与用于所述样品试管组中包括的所有其它样品管类型的所述至少一个检测参数的所述分布参数进行比较，确定所述实验室自动化系统是否能够正确地识别所述样品试管组中包括的每个样品管类型；以及

-如果确定所述实验室自动化系统能够正确地识别所述样品试管组中包括的每个样品管类型，则指示所选择的样品试管组被批准由所述实验室自动化系统进行处理，或

-如果确定所述实验室自动化系统不能正确地识别所述样品试管组中包括的每个样品管类型，则提出至少一个冲突补救措施。

2.根据权利要求1所述的方法，其中，提出至少一个冲突补救措施包括：

-输出关于导致比较期间的识别冲突的冲突样品管类型的信息；以及

-询问用户这些冲突样品管类型是否必须由所述实验室自动化系统进行区分。

3.根据权利要求2所述的方法，包括：

如果需要区分所述冲突样品管类型，则提出以下项作为所述至少一个冲突补救措施：

-从所述样品试管组移除或替换样品管类型；和/或

-针对所述分布参数的比较，调整至少一个分布参数，

和/或，所述方法包括：

如果不需要区分所述冲突样品管类型，则提出将所述冲突样品管类型中的至少两个定义为用于所述样品试管组的别名试管类型，作为所述至少一个冲突补救措施；

所述方法还包括：

-当所述别名试管类型中包括的所述冲突样品管类型在所述实验室自动化系统中处理时，检查所述别名试管类型的潜在处理冲突，以及

-通过建立适于用于处理所述别名试管类型中包括的所有冲突样品管类型的处理参数来解决所述处理冲突。

4.根据权利要求1至3中任一项所述的方法，其中，所述样品试管组通过以下来选择：

通过从预定样品试管组移除和/或添加样品管类型和/或别名试管类型，更改所述预定样品试管组。

5.根据权利要求1至4中任一项所述的方法，其中，从数据库获得用于所述样品试管组的每个样品管类型的所述至少一个检测参数的所述分布参数，作为参考分类数据，其中，所述参考分类数据包括关于所述至少一个检测参数的多个先前检测的参考数据值的信息。

6.根据权利要求5所述的方法，其中，通过在对相同样品管类型的参考样品管的多次参考测量中检测所述至少一个检测参数来获得所述参考分类数据，具体地，其中，针对所述多次参考测量，应用还能够适用于所述实验室自动化系统的传感器校准。

7.根据权利要求1至6中任一项所述的方法，其中，每个样品管类型均包括多个检测参数，以及其中，每个检测参数为：

-所述样品管类型的样品试管的可检测属性，

-所述样品管类型的样品盖的可检测属性，

-样品管和样品试管盖的组合的可检测属性，和/或

-与所述样品管类型的颜色相关的可检测属性。

8.根据权利要求1至7中任一项所述的方法，其中，所述至少一个检测参数从以下参数的一个中选取：

-样品试管盖尺寸，

-样品试管盖形状，

-样品试管盖颜色，

-样品试管盖颜色图案，

-样品管尺寸，

-样品管形状，

-样品管内包括的物体和/或物质，

-可检测颜色的数量，

-样品管和样品试管盖的组合的尺寸，

-样品管和样品试管盖的组合的形状，

-样品管和样品试管盖的组合的颜色，以及

-样品管和样品试管盖的组合内包括的物体和/或物质。

9.根据权利要求1至8中任一项所述的方法，还包括：

-获得用于所述样品试管组中包括的每个样品管类型的工作流数据，具体地从数据库中获得，其中：

-所述工作流数据与所述样品试管组中包括的每个样品管类型的至少一个检测参数相关，以及

-所述工作流数据包括关于以下的信息：所述样品试管组中包括的每个样品管类型如何在所述实验室自动化系统的工作流的至少一个处理步骤中进行处理；以及

-对于所述样品试管组中包括的每个样品管类型，基于所获得的工作流数据，确定所述实验室自动化系统是否能够正确地执行所述工作流的所述至少一个处理步骤。

10.根据权利要求9所述的方法，其中，工作流的所述至少一个处理步骤涉及：

-通过传感器检测所述样品管类型的试管；

-使所述样品管类型的试管离心；

-在拾取与放置操作中夹持所述样品管类型的试管；

-将所述样品管类型的试管开盖和/或重新加盖；

-将样品液体等分到辅助试管中；

-在轨道系统上运送所述样品管类型的试管；

-分析所述样品管类型的试管中含有的样品；

-储存所述样品管类型的试管；和/或

-从所述实验室自动化系统中移除所述样品管类型的试管。

11.根据权利要求9或10所述的方法，其中，所述工作流数据包括关于以下项的信息：

-所述样品管类型的内径的几何结构，

-所述样品管类型的空试管重量，

-所述样品管类型的盖重量，

-所述样品管类型的至少一个安全参数，具体地，用于所述样品管类型安全开盖的最大填充液位和/或所述样品管类型的轨道上的最大加速度，

-所述样品管类型的分析仪具体试管ID，

-所述样品管类型的制造商货号和/或订单号，

-所述样品管类型内预期的材料、添加物和/或特征，和/或

-有效试管高度，取决于试管外部形状和所述实验室自动化系统内的试管放置位置。

12.根据权利要求1至11中任一项所述的方法，其中，所述分布参数包括关于所述检测参数的均值、标准偏差、形状稳定性和/或最大颜色值范围的信息，和/或

其中，所述分布参数的比较包括：

基于用于所述检测参数的所述分布参数，确定用于正确地识别所述样品管类型的检测参数概率值。

13.根据权利要求1至12中任一项所述的方法，其中，计算所述实验室自动化系统的至少一个传感器能够区分所述样品试管组中包括的其它样品管类型中的每个的至少一个检测参数与每个样品管类型的至少一个检测参数的概率，和/或

其中，使用神经网络来识别所述样品试管组中包括的所述样品管类型。

14.计算机程序产品，包括计算机可读指令，所述计算机可读指令在加载在计算机系统上并执行时，致使所述计算机系统执行根据权利要求1至13中任一项所述的方法的操作。

15.用于建立适于由实验室自动化系统处理的样品试管组的系统，所述系统包括：

-选择装置，用于通过从各种能够获得的样品管类型中选择多个不同的样品管类型来选择包括若干个样品管类型的样品试管组；

-参数装置，用于获得用于所述样品试管组中包括的每个样品管类型的至少一个检测参数的分布参数，其中，所述分布参数包括关于所述检测参数的先前检测的参考数据值的分布的信息；

-确定装置，用于通过将用于所述样品试管组中包括的每个样品管类型的所述至少一个检测参数的所述分布参数与用于所述样品试管组中包括的所有其它样品管类型的所述至少一个检测参数的所述分布参数进行比较，确定所述实验室自动化系统是否能够正确地识别所述样品试管组中包括的每个样品管类型；以及

-指示器装置，配置成：

-如果所述确定装置确定所述实验室自动化系统能够正确地识别所述样品试管组中包括的每个样品管类型，则指示所选择的样品试管组被批准由所述实验室自动化系统进行处理；和/或

-如果所述确定装置确定所述实验室自动化系统不能正确地识别所述样品试管组中包括的每个样品管类型，则提出至少一个冲突补救措施。