CN114008436A - 追踪气载颗粒物的系统和方法 - Google Patents
追踪气载颗粒物的系统和方法 Download PDFInfo
- Publication number
- CN114008436A CN114008436A CN202080038754.XA CN202080038754A CN114008436A CN 114008436 A CN114008436 A CN 114008436A CN 202080038754 A CN202080038754 A CN 202080038754A CN 114008436 A CN114008436 A CN 114008436A
- Authority
- CN
- China
- Prior art keywords
- particulate matter
- user
- fan
- sensing device
- location
- 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
- 239000013618 particulate matter Substances 0.000 title claims abstract description 151
- 238000000034 method Methods 0.000 title description 42
- 239000002245 particle Substances 0.000 claims abstract description 53
- 238000012545 processing Methods 0.000 claims abstract description 48
- 238000003384 imaging method Methods 0.000 claims abstract description 15
- 208000024891 symptom Diseases 0.000 claims description 80
- 230000036541 health Effects 0.000 claims description 75
- 239000013566 allergen Substances 0.000 claims description 63
- 238000012544 monitoring process Methods 0.000 claims description 52
- 230000007613 environmental effect Effects 0.000 claims description 36
- 230000004044 response Effects 0.000 claims description 18
- 239000003344 environmental pollutant Substances 0.000 claims description 14
- 231100000719 pollutant Toxicity 0.000 claims description 14
- 238000009423 ventilation Methods 0.000 claims description 3
- 230000015572 biosynthetic process Effects 0.000 claims 1
- 238000013528 artificial neural network Methods 0.000 abstract description 23
- 238000004458 analytical method Methods 0.000 abstract description 7
- 238000010586 diagram Methods 0.000 description 46
- 230000015654 memory Effects 0.000 description 32
- 229960004784 allergens Drugs 0.000 description 28
- 239000003570 air Substances 0.000 description 19
- 239000013598 vector Substances 0.000 description 17
- 230000006870 function Effects 0.000 description 13
- 238000003860 storage Methods 0.000 description 12
- 206010020751 Hypersensitivity Diseases 0.000 description 11
- 238000012549 training Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 10
- 230000007815 allergy Effects 0.000 description 9
- 238000004422 calculation algorithm Methods 0.000 description 9
- 230000000694 effects Effects 0.000 description 9
- 230000008901 benefit Effects 0.000 description 8
- 230000008859 change Effects 0.000 description 7
- 229940079593 drug Drugs 0.000 description 7
- 239000003814 drug Substances 0.000 description 7
- 208000026935 allergic disease Diseases 0.000 description 6
- 238000005259 measurement Methods 0.000 description 6
- 208000006673 asthma Diseases 0.000 description 5
- 239000000356 contaminant Substances 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 238000004140 cleaning Methods 0.000 description 4
- 238000005286 illumination Methods 0.000 description 4
- 230000000670 limiting effect Effects 0.000 description 4
- 230000007774 longterm Effects 0.000 description 4
- 230000029058 respiratory gaseous exchange Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000000172 allergic effect Effects 0.000 description 3
- 208000010668 atopic eczema Diseases 0.000 description 3
- 238000011109 contamination Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 238000007637 random forest analysis Methods 0.000 description 3
- 238000001228 spectrum Methods 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 229940046536 tree pollen allergenic extract Drugs 0.000 description 3
- 241000238876 Acari Species 0.000 description 2
- 244000036975 Ambrosia artemisiifolia Species 0.000 description 2
- 235000003129 Ambrosia artemisiifolia var elatior Nutrition 0.000 description 2
- 235000018185 Betula X alpestris Nutrition 0.000 description 2
- 235000018212 Betula X uliginosa Nutrition 0.000 description 2
- 208000006545 Chronic Obstructive Pulmonary Disease Diseases 0.000 description 2
- CBENFWSGALASAD-UHFFFAOYSA-N Ozone Chemical compound [O-][O+]=O CBENFWSGALASAD-UHFFFAOYSA-N 0.000 description 2
- RAHZWNYVWXNFOC-UHFFFAOYSA-N Sulphur dioxide Chemical compound O=S=O RAHZWNYVWXNFOC-UHFFFAOYSA-N 0.000 description 2
- 230000003213 activating effect Effects 0.000 description 2
- 235000003484 annual ragweed Nutrition 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 235000006263 bur ragweed Nutrition 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 235000003488 common ragweed Nutrition 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 239000000428 dust Substances 0.000 description 2
- 229940046528 grass pollen Drugs 0.000 description 2
- 238000002483 medication Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 230000005180 public health Effects 0.000 description 2
- 238000001303 quality assessment method Methods 0.000 description 2
- 235000009736 ragweed Nutrition 0.000 description 2
- 206010041232 sneezing Diseases 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 230000003442 weekly effect Effects 0.000 description 2
- MGWGWNFMUOTEHG-UHFFFAOYSA-N 4-(3,5-dimethylphenyl)-1,3-thiazol-2-amine Chemical compound CC1=CC(C)=CC(C=2N=C(N)SC=2)=C1 MGWGWNFMUOTEHG-UHFFFAOYSA-N 0.000 description 1
- 206010027654 Allergic conditions Diseases 0.000 description 1
- 241001247197 Cephalocarida Species 0.000 description 1
- 206010011224 Cough Diseases 0.000 description 1
- 241000196324 Embryophyta Species 0.000 description 1
- 206010015958 Eye pain Diseases 0.000 description 1
- 229910002089 NOx Inorganic materials 0.000 description 1
- 241000209504 Poaceae Species 0.000 description 1
- 208000036071 Rhinorrhea Diseases 0.000 description 1
- 206010039101 Rhinorrhoea Diseases 0.000 description 1
- 241000209056 Secale Species 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 239000002390 adhesive tape Substances 0.000 description 1
- 238000004378 air conditioning Methods 0.000 description 1
- 208000030961 allergic reaction Diseases 0.000 description 1
- 239000012080 ambient air Substances 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000009503 electrostatic coating Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000002085 irritant Substances 0.000 description 1
- 231100000021 irritant Toxicity 0.000 description 1
- 210000004072 lung Anatomy 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- JCXJVPUVTGWSNB-UHFFFAOYSA-N nitrogen dioxide Inorganic materials O=[N]=O JCXJVPUVTGWSNB-UHFFFAOYSA-N 0.000 description 1
- 239000000820 nonprescription drug Substances 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 238000001454 recorded image Methods 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 230000000246 remedial effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 208000021792 sore eyes Diseases 0.000 description 1
- 238000004611 spectroscopical analysis Methods 0.000 description 1
- 229910052815 sulfur oxide Inorganic materials 0.000 description 1
- 239000012780 transparent material Substances 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
- 239000002023 wood Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume, or surface-area of porous materials
- G01N15/06—Investigating concentration of particle suspensions
- G01N15/0606—Investigating concentration of particle suspensions by collecting particles on a support
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N1/00—Sampling; Preparing specimens for investigation
- G01N1/02—Devices for withdrawing samples
- G01N1/22—Devices for withdrawing samples in the gaseous state
- G01N1/2202—Devices for withdrawing samples in the gaseous state involving separation of sample components during sampling
- G01N1/2208—Devices for withdrawing samples in the gaseous state involving separation of sample components during sampling with impactors
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N1/00—Sampling; Preparing specimens for investigation
- G01N1/02—Devices for withdrawing samples
- G01N1/22—Devices for withdrawing samples in the gaseous state
- G01N1/2273—Atmospheric sampling
-
- 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, e.g. by light scattering, diffraction, holography or imaging
- G01N15/0227—Investigating particle size or size distribution by optical means, e.g. by light scattering, diffraction, holography or imaging using imaging, e.g. a projected image of suspension; using holography
-
- 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
- G01N15/06—Investigating concentration of particle suspensions
- G01N15/0606—Investigating concentration of particle suspensions by collecting particles on a support
- G01N15/0612—Optical scan of the deposits
-
- G01N15/1433—
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N35/00—Automatic analysis not limited to methods or materials provided for in any single one of groups G01N1/00 - G01N33/00; Handling materials therefor
- G01N35/00584—Control arrangements for automatic analysers
- G01N35/00722—Communications; Identification
- G01N35/00871—Communications between instruments or with remote terminals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/12—Details of acquisition arrangements; Constructional details thereof
- G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
- G06V10/143—Sensing or illuminating at different wavelengths
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H70/00—ICT specially adapted for the handling or processing of medical references
- G16H70/60—ICT specially adapted for the handling or processing of medical references relating to pathologies
-
- G01N15/01—
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N1/00—Sampling; Preparing specimens for investigation
- G01N1/02—Devices for withdrawing samples
- G01N1/22—Devices for withdrawing samples in the gaseous state
- G01N1/2202—Devices for withdrawing samples in the gaseous state involving separation of sample components during sampling
- G01N2001/222—Other features
- G01N2001/2223—Other features aerosol sampling devices
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N1/00—Sampling; Preparing specimens for investigation
- G01N1/02—Devices for withdrawing samples
- G01N1/22—Devices for withdrawing samples in the gaseous state
- G01N1/24—Suction devices
- G01N2001/245—Fans
-
- 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
- G01N2015/0042—Investigating dispersion of solids
- G01N2015/0046—Investigating dispersion of solids in gas, e.g. smoke
-
- 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—Electro-optical investigation, e.g. flow cytometers
- G01N2015/1486—Counting the particles
-
- 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—Electro-optical investigation, e.g. flow cytometers
- G01N2015/1493—Particle size
-
- 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—Electro-optical investigation, e.g. flow cytometers
- G01N2015/1497—Particle shape
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N35/00—Automatic analysis not limited to methods or materials provided for in any single one of groups G01N1/00 - G01N33/00; Handling materials therefor
- G01N35/00584—Control arrangements for automatic analysers
- G01N35/00722—Communications; Identification
- G01N35/00871—Communications between instruments or with remote terminals
- G01N2035/00881—Communications between instruments or with remote terminals network configurations
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N35/00—Automatic analysis not limited to methods or materials provided for in any single one of groups G01N1/00 - G01N33/00; Handling materials therefor
- G01N35/00584—Control arrangements for automatic analysers
- G01N35/00722—Communications; Identification
- G01N2035/00891—Displaying information to the operator
- G01N2035/0091—GUI [graphical user interfaces]
-
- 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
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/06—Recognition of objects for industrial automation
Abstract
一种传感装置包括风扇和收集板。所述风扇使空气通过传感装置并将空气中的颗粒物带到收集板上。成像装置获取所述收集板上的颗粒物图像以进行分析和识别。图像处理装置确定图像中预先识别的颗粒物。其他颗粒物的图像由神经网络处理装置处理和识别。基于颗粒物计数的建议被提供给用户设备。用户设备可以根据所述建议自动控制一种或多种设备。
Description
相关申请
本申请根据35U.S.C.§119的规定要求下述在先申请的优先权:2019年3月25日提交的美国临时专利申请62/823,289,其名称为“System and Method for TrackingAirborne Particles”。上述在先申请在此通过引用纳入本文。
技术领域
本申请涉及用于监测和识别气载颗粒物类型的系统和方法并提供相应的健康建议。
背景技术
对颗粒物的过敏反应会导致人体衰弱并且在某些情况下还可能是致命的。为了对这些颗粒物进行监测,现有技术是使用胶带以捕获尤其是气载颗粒物。这种胶带被送到实验室由技术人员进行分析。技术人员在显微镜下对胶带进行检测并确定颗粒物的类型。然后用户接收技术人员所提供的分析结果。
这种现有的技术有几个缺点。首先,由于需要大量的人工分析,技术的成本很高。由这种技术获得的结果也可能很差。其次,在为了分析所进行的捕获和运输过程中存在污染风险,从而可能导致错误结果。第三,胶带的分析可能需要几天时间,所以结果只显示了几天前的气载颗粒物。这种延迟意味着颗粒物信息不是即时的,可能无法用于需要立即确定过敏症状原因的场合。此外,过敏原浓度通常只是针对较大的地理区域(例如整个城市或地区)进行分析和提供,并不代表用户的直接环境。因此,需要提供一种基本上实时和自动化的机制来检测过敏原。
此外,没有已知的机制对颗粒物,尤其是在室内,进行预防和预警。通常,个人只有在开始出现症状后才会意识到过敏原或其他气载颗粒物的存在。例如,用户可能开始打喷嚏或呼吸困难,然后将需要用药。因此,期望能够提供关于气载颗粒物任何增加的实时警报,以便用户可以采取预防措施。
因此,需要一种空气监测系统和方法,及时检测和识别用户个人空间中的气载颗粒物并基于识别的气载颗粒物类型提供健康建议和环境建议。此外,需要一种能够向用户提供包括症状可能原因的警报以及对用户采取预防措施发出警示的系统。
发明内容
根据第一方面,传感装置包括:收集板;风扇,配置为形成通过所述传感装置的收集器的气流并且迫使气流中颗粒物朝向所述收集板;成像装置,配置为捕捉位于所述收集板上的颗粒物的图像;控制装置,用以控制所述风扇的速度以形成气流,其中所述风扇的速度由所述传感装置的位置来确定。
根据第二方面,中央装置包括网络接口电路,其被配置为通过网络与传感装置通信,以及至少一个处理装置,其被配置为从所述传感装置获得多个颗粒物的当前图像。所述至少一个处理装置还被配置为使用当前图像确定第一颗粒物的位置;将第一颗粒物的位置与来自传感装置的先前图像中其他颗粒物的位置进行比较;确定第一颗粒物的位置与来自传感装置的先前图像中的其他颗粒物之一的位置基本相同;弃置包括第一颗粒物的当前图像的一部分;在当前图像中定位至少第二颗粒物;获取当前图像中第二颗粒物的颗粒识别。
根据第三方面,用户设备(UE)包括收发器,其被配置为通过网络与中央装置以及被配置为生成包括用户位置过敏原的颗粒物计数的GUI的至少一个处理装置通信;从中央装置接收环境建议以降低来自用户位置的过敏原的颗粒物计数,其中环境建议包括在用户位置调整一个或多个装置的设置;并且基于环境建议形成命令以调整在用户位置的一个或多个装置的设置。
附图说明
结合附图并参考以下详细描述便可更好地理解本申请及其相关内容的许多优点,其中:
图1示出传感装置的实施方式的示意图;
图2较详细地示出成像装置的实施方式的示意框图;
图3示出传感装置的操作方法的示意框图;
图4为示例性网络的实施方式的示意图;
图5较详细地示出中央服务器的示意框图;
图6较详细地示出用于处理颗粒物图像的方法的示意框图;
图7较详细地示出神经网络装置的示意框图;
图8示出在神经网络装置中更新学习向量的方法的示意框图;
图9示出用于提供过敏原信息和建议的方法的示意框图;
图10示出用于响应环境建议来控制用户位置处的一个或多个装置的方法的示意框图;
图11示出用户设备的一种实施方式的示意框图(UE);
图12A示出用户数据库的实施方式的示意框图;
图12B示出建议数据库的实施方式的示意框图;
图13A示出图形用户界面(GUI)的实施方式的示意框图;
图13B示出GUI的另一种实施方式的示意框图;
图14示出可以使用健康监测应用组件生成的另一种GUI的示例性示意图;
图15示出可以使用健康监测应用组件生成的另一种GUI的示例性示意图;
图16示出可以使用健康监测应用组件生成的另一种GUI的示例性示意图;
图17示出可以使用健康监测应用组件生成的另一种GUI的示例性示意图;
图18示出可以使用健康监测应用组件生成的另一种GUI的示例性示意图;
图19示出根据所述方法提供在某一地点位置空气中颗粒物浓度的一种实施方式的逻辑流程图;以及
图20示出根据所述方法提供在某一地点位置空气中颗粒物浓度的一种实施方式的逻辑流程图。
具体实施方式
本文中术语“示例(exemplary)”或“实施方式(embodiment)”用于表示“用作实例、举例或例释”。本文中描述为“实例”或“实施方式”的任何方式或方面并非一定解释为优选或优越于本文述及的其他方式或方面。同样,术语“方面(aspects)”并不要求本文的所有方面都包括本文所述的特征、优点或操作模式。
在此参考附图对实施方式进行详细描述。在以下描述中,许多具体细节被用来对本文所述方面的深入理解。然而,本领域技术人员应当理解,对这些或其他方面的实施可以在不具有部分或全部这些具体细节的情况进行。此外,此处流程图中可能略去了周知的步骤,以免所述方面的内容变得费解。类似地,装置中周知的部件可以从这里呈现的附图和相关描述中省略,以免所述方面的内容变得费解。
图1示出传感装置100的一种实施方式的示意图,该传感装置100使环境空气中微观颗粒物的捕获和成像自动化以连续监测过敏原水平。传感装置100包括收集器102,其具有风扇104和收集板106。风扇104被配置为形成通过收集器102的气流并且迫使气流中的气载颗粒物朝向收集板106。例如,气流携带气载颗粒物通过一个或多个流入孔108进入收集器102并到达收集板106上。收集板106由透明材料制成并且可以覆盖有静电涂层,该静电涂层被配置为吸引气载颗粒物。气流然后离开收集器102中的一个或多个出孔110。
气载颗粒物可以随着时间的推移自然地落在收集板106上,或者,气载颗粒物可以被引导到收集板106。例如,气载颗粒物可以使通过风扇104推动或拉动空气流而被引导到收集板106。在一种实施方式中,收集板106可以具有正电荷以吸引颗粒物。
在一种实施方式中,风扇104可以形成模拟人类呼吸的肺活量的固定气流,例如大约每分钟8升。风扇104的速度设置为形成大约8升/分钟流向收集板106的气流。因此,气流提供了对用户吸入的空气以及用户实际吸入的颗粒物的估计。
在另一种实施方式中,风扇104形成的气流可以较快(例如为了更快的空气质量评估)或较慢,取决于传感装置100的使用和环境。例如,对于工作场所或工厂环境,风扇104的速度可以被控制为较快。在具有较重颗粒物浓度的室外环境中,风扇104可以较慢。
传感装置100包括成像装置110,其被配置为捕捉收集板106上的气载颗粒物的图像。成像装置100可以采用来自一种或多种光谱的光照射收集板106,所述光谱包括例如可见光、紫外线(UV)、近红外或红外光。成像装置110配置有一个或多个透镜的自动聚焦或手动聚焦,用于放大和捕获收集板106上各种尺寸的颗粒物的图像,如本文较详细描述的。可以使用刷子、高冲击风扇或其他装置来定期清洁收集板106中的气载颗粒物。在另一种实施方式中,可以使用胶带或其他表面来收集气载颗粒物。
控制模块112包括一个或多个处理电路和存储装置。处理电路包括一个或多个处理装置,例如微处理器、微控制器、数字信号处理器、微型计算机、中央处理单元、现场可编程门阵列、可编程逻辑装置、状态机、逻辑电路、模拟电路、数字电路和/或任何基于电路和/或操作指令的硬编码来操纵信号(模拟和/或数字)的装置。所述一个或多个存储装置可以包括只读存储器、随机存取存储器、易失性存储器、非易失性存储器、静态存储器、动态存储器、闪存、高速缓存和/或任何存储数字信息的非暂时性存储装置。存储装置存储一个或多个指令或程序,当由一个或多个处理电路执行时,这些指令或程序指示传感装置100执行本文所述的一种或多种功能。
控制模块112还可包括无线和/或有线收发器114,其被配置为通过WLAN、蓝牙、蜂窝网络或其他WAN或短程网络进行通信。收发器114可以通过WAN向和从中央服务器传送数据并且从中央服务器下载远程软件更新或命令。
传感装置100还可以包括其他传感器120,例如污染检测器、温度传感器、湿度检测器、气压等。
图2为详细示出成像装置110的实施方式的示意框图。成像装置110包括图像传感器204,例如CMOS,以及照明系统202。照明系统202包括一个或多个光源(例如LED),其被配置为发射一种或多种光谱的光,例如一种或多种可见光、紫外线(UV)、近红外线或红外线。
光学系统206包括一个或多个透镜,用于放大收集板106上的颗粒物。聚焦控制器208包括机械和/或电子机构以调整透镜的焦距。控制模块112或聚焦控制器208或其组合可如本文所述控制光学系统206的聚焦。聚焦控制器208可以包括光学系统的自动聚焦和手动聚焦的组合。
在一种实施方式中,焦点控制器208可以自动检测焦点以对收集板106上的各种不同尺寸的颗粒物进行成像。例如,成像装置110可以捕捉具有不同焦平面的图像。光学系统206包括用于放大颗粒物的各种透镜,改变透镜的距离以调整焦平面。各种焦点可以在例如2-100微米之间变化,在不同焦点处获得收集板106的系列图像。
通过将图像与各种焦平面组合,不同尺寸的颗粒物可以在收集板106上成像。图像处理装置可以利用图像分层技术来实现更宽的焦平面。
照明系统202可以包括在一种或多种不同光谱中的LED阵列。LED可以包括白色LED、NIR/IR LED和/或UV LED。使用不同的光组合,可以进一步区分颗粒物的轮廓。图像传感器204包括CMOS相机。在另一种实施方式中,图像传感器204和照明系统202可以包括荧光或光谱技术。
图3为示出传感装置100的操作方法300的流程框图。风扇104的速度由控制模块112基于位置或环境以及在302的预期用途来确定和设置。例如,当个人在住宅中使用时,风扇104可以设置为模仿人类呼吸肺活量的恒定气流,例如大约每分钟7-9升。因此,气流可提供对用户实际吸入颗粒物的估计,并且空气中颗粒物的采样是对人吸入颗粒物的良好体现,也可更准确地确定触发用户症状的颗粒物摄入阈值。
在工业场所,风扇104形成的气流可以设置为较高的速度,例如,用于较快的空气质量评估。例如,在医院、工厂、办公楼或其他工业环境中,更快地确定气载颗粒物可能较为重要。风扇104因此可以被设定为能够产生大于9升/分钟的气流的速度,通过传感装置100的收集器102。在外部或外部环境中,风扇104可以设为较慢的速度,例如低于7升/分钟。户外环境中的气载颗粒物可能不会变化得那么快,因此较慢的颗粒物捕获和识别可能是可以接受的。此外,由于室外环境中气载颗粒物的密度较高,收集板106上的颗粒物可能会在较高的风扇速度下被阻塞。
因此,风扇设置的确定可以基于传感装置100的位置,例如工业环境或住宅环境或室外环境。控制模块112可以接收用户输入的传感装置100位置并且基于用户输入确定风扇速度。
此外,风扇速度可根据收集板106上的颗粒物密度的变化而调整。例如,当收集板106上的颗粒物密度快速增加时,风扇速度可从其当前设置降低以获得更好的颗粒物成像和识别的效果。或者,如果颗粒物密度变化缓慢,风扇速度可能会从当前设置增加以更快地获得更多样本。气流可以按照1升/分钟的增量变化,直到随时间推移在收集板上获得可接受的颗粒物密度变化。
成像装置110在304捕捉收集板106上的颗粒物图像。在306使用自动聚焦的成像装置110获得具有不同焦平面的图像。各种焦点可在例如2-100微米之间变化。因此在不同焦点获得收集板106的系列图像。
传感装置100在308将图像传输到中央服务器以进行图像处理和颗粒物的识别。传感装置100可在310从用于控制风扇104或成像装置110的中央服务器接收反馈。例如,反馈可能包括增加或减少风扇速度或改变收集板的焦点或照明的指令。
传感装置100在312使用刷子、来自风扇104的高速气流或其他方式清洁收集板106。清洁可以定期进行,例如每3-12小时或一天或多天之后。在一种实施方式中,传感装置100可接收来自中央服务器的反馈以清洁收集板106。例如,中央服务器根据图像确定收集板106上存在过多的颗粒团簇或颗粒物密度达到颗粒物区分困难的预定阈值。因此,当收集板106上的颗粒物的聚集或密度达到妨碍所捕获图像中的颗粒物区分的预定阈值时,中央服务器可触发清洁。
在314,可以从中央服务器接收关于颗粒物识别的信息以显示于传感装置100或传输到用户设备。
图4为示例性网络410实施方式的示意图。示例性网络410包括通信耦合的一个或多个网络,例如广域网(WAN)470、有线局域网(LAN)460、无线局域网(WLAN)430和/或无线广域网(WAN)480。LAN 460和WLAN 430可以在住宅内部或企业环境中操作,例如办公楼、工厂、医院、零售店、酒店、餐厅、诊所或其他设施。无线WAN 480可包括例如蜂窝网络、WIMAX网络、EDGE网络、GERAN网络等或卫星网络或其组合。WAN 470包括因特网、服务提供商网络、其他类型的WAN、或其一种或多种的组合。
用户设备(UE)420a、420b、420c可以通过网络410与一个或多个传感装置100a、100b、100c、中央服务器400、医疗保健提供者440、其他UE 420a-c等进行通信。UE 420可以包括智能电话、便携式电脑、台式机、智能平板电脑、智能手表或任何其他电子设备。
每一个传感装置100直接地或通过一个或多个示例性网络以通信方式耦合到一个或多个的UE420。传感装置100可以位于住宅或企业环境中,例如医院、工厂、办公室、旅馆、诊所、体育场或其他设施。传感装置100也可位于公园、街道、高速公路、建筑物顶部等的外部。此外,传感装置100可位于火车、汽车、飞机或其他交通工具上。传感装置100被配置为捕获和成像气载颗粒物并通过网络410将图像传输到中央服务器400。尽管在此描述的是单个中央服务器400,但是中央服务器400可以包括处于一个或多个位置的多个服务器或其他计算设备。
传感装置100和中央服务器400因此可用于检测过敏原和污染物的水平。例如,传感装置100可以向中央服务器400提供用于识别颗粒物的图像。中央服务器400能够用来确定在当地外部例如建筑物、街道或城市的一个或多个区域周围发现的过敏原和污染物的水平。中央服务器400还可提供在住宅、工作场所、零售中心、工厂、体育场或其他室内区域内发现的过敏原和污染物的标识和水平。使用网络410,在其他城市、州、国家或国际上发现的过敏原和污染物的识别和水平信息也可以被提供给UE420。一个或多个传感装置100可以与中央服务器400联络以执行一种或多种本文所述的功能。
传感装置100a-c的网络还允许用户比较室内区域和室外区域之间过敏原和污染物的水平。当户外过敏原和污染物水平较高时,患有哮喘、慢性阻塞性肺病或其他健康症状的用户可能会根据此类比较信息决定是否限制户外活动。识别出的气载颗粒物可能包括典型的过敏原,例如花粉、豚草、草类、黑麦、宠物皮屑、桦木、霉菌、蒿类等。识别出的气载颗粒物还可能包括污染物,例如臭氧、NOx、CO、SOx等。所列的这些颗粒物类型仅是示例性的,其他类型的颗粒物也可以由传感装置100和中央服务器400识别和监测。
图5较详细地示出中央服务器400的示意框图。中央服务器400包括网络接口电路502,其包括用于与网络410中的一个或多个示例性网络进行无线和/或有线网络通信的接口。网络接口电路410还可以包括认证能力,其在允许访问中央服务器400的一些或全部资源之前提供认证。网络接口电路502还可以包括防火墙、网关和代理服务器功能。
传感器控制电路504被配置为控制一个或多个传感装置504。传感器控制电路504可以向传感装置100传送软件更新并且提供反馈和命令以控制传感装置100的操作。
中央服务器400包括健康监测应用组件520。健康监测应用组件520可以安装在UE420和传感装置100上或可操作用于与UE420和传感装置100通信。健康监测应用组件520可以是由中央服务器400支持的基于网络的应用组件。例如,中央服务器400可以包括经由网站提供健康监测应用组件520的网络服务器。UE420可以使用访问中央服务器400的浏览器访问健康监测应用组件520的功能和数据。在另一种实施方式中,健康监测应用组件520是下载到UE420并且可在UE420上操作的独立组件,而无需访问中央服务器400或者访问中央服务器400上的健康监测应用组件520以获得附加信息或数据。传感装置100还可包括健康监测应用组件520或可操作以与中央服务器400通信以执行本文所述的一种或多种功能。或者,健康监测应用组件520和相关联的数据库可被下载到传感装置100,使得传感装置可用于执行本文中的一种或多种功能而无需通过网络410与中央服务器400通信。
此外,中央服务器400可以包括内部或外部存储装置506。存储装置506可以包括颗粒物数据库和/或用户数据库。用户数据库包括为健康监测应用组件520的每个用户存储的用户特定简档。颗粒物数据库包括各种颗粒物数据和图像,包括诸如花粉、宠物皮屑、霉菌和尘螨之类的过敏原。其他类型的颗粒物也可能包括矿物质、木材残留物、污染物或其他类型的气载颗粒物。神经网络装置510使用颗粒物数据库中的图像识别颗粒物的类型,如本文所详细描述的。
图像处理装置508从一个或多个传感装置100接收图像。在被神经网络装置510识别之前,图像处理装置508理图像以改进数据分析和识别并且还减少服务器负载。图像处理装置508可以采用各种技术来增强在各种照明条件下获得的图像。此外,图像处理装置508可以使用图像分层技术将图像与各种焦平面组合以实现较宽的焦平面。
图6较详细地示出用于处理颗粒物图像的方法600的示意框图。图像处理装置508在602将图像裁剪或划分成象限,然后在604对象限中的单独颗粒物进行轮廓或裁剪。该处理有助于定位图像中的单独颗粒物并分离团簇中的颗粒物。
在一种实施方式中,在处理定位的颗粒物以进行识别之前,图像处理装置508在606确定颗粒物先前是否被定位和识别。例如,随时间推移对收集板拍摄的图像可以包括先前成像和识别的颗粒物。图像处理装置508将当前图像中颗粒物的位置与先前图像中先前识别的颗粒物的位置进行比较。在当前图像中颗粒物的位置与先前图像中先前识别的颗粒物大致相同时,图像处理装置508确定颗粒物相同,在该确定过程中还可以比较颗粒物的尺寸以及颗粒物的位置,包括颗粒物的当前图像的部分然后被弃置并且不再被识别。这可以节省时间和服务器负载。此外,相同的颗粒物不会被计数两次,颗粒物的位置可以是相对于收集板或其他参考点的坐标。
此外,在清洁收集板后,将预先识别的颗粒物与新获取的图像进行比较,以确定是否有任何颗粒物残留。任何预先识别的颗粒物的图像都将被弃置并且不再被识别或包含在颗粒物计数中两次。因此,图像处理装置508确定随时间获取的图像中或清洁后保留在收集板上的预先识别的颗粒物。
对于先前未识别的颗粒物,然后处理单独颗粒物的轮廓或裁剪图像以进行识别。图像处理装置508在608接收颗粒物识别并且还可以在610对不同类型的颗粒物执行颗粒物计数。例如,图像处理装置508可以使用读取时间、气流速度和颗粒物识别来确定颗粒物计数。图像处理装置508确定每小时过敏原和传感装置100内的气流的读数数量。根据该信息,传感装置100可以获得不同类型颗粒物的更准确浓度(例如百万分之几的PPM)。
图7较详细示出神经网络装置510的示意框图。神经网络装置510包括神经网络(NN)处理电路702和NN存储装置704。NN存储装置704存储学习向量706并对其进行更新。输入向量生成模块708被配置为从颗粒物的轮廓或裁剪图像生成输入向量710。输入向量710可包括使用颗粒物的图像确定的纹理、大小、颜色、形状或其他信息。NN处理电路702生成输出向量712,其包括来自颗粒物图像的颗粒物的识别。
NN处理电路702被配置为实现由学习向量706配置的机器学习或人工智能(A1)算法。在学习阶段,神经网络装置510迭代地调整学习向量的参数、权重和阈值以生成一个来自输入向量的已知输出向量。使用定义的规则集执行训练,也称为学习算法。例如,在监督训练模型的情况下使用梯度下降训练算法。在实际输出与目标输出不同的情况下,确定差异或误差。梯度下降算法以最小化该误差的方式改变网络的权重。其他学习算法包括反向传播、最小均方(LMS)算法、“随机森林(random forest)”、使用受限玻尔兹曼机训练的深度信念网络或支持向量机。该分析可以使用任何已知的回归分析技术,例如但不限于随机森林、支持向量机或使用受限玻尔兹曼机训练的深度信念网络。神经网络又称人工神经网络、深度神经网络、人工智能装置等。
用于确定学习向量的训练集可以从已知颗粒物的记录图像中获得。例如,在实验室中识别的已知过敏原可以沉积在收集板106上,并且其图像由传感装置100捕获。然后这些图像被用作神经网络装置510的训练集。训练集和学习算法,当环境中识别颗粒物或获得新的颗粒物识别时,可以进行更新。例如,当颗粒物的识别未知时,研究者可以手动检查颗粒物的图像并确定其特征,然后将颗粒物的图像及其特征添加到训练集并更新学习算法。
图8示出用于更新神经网络装置510中的学习向量的方法的示意图。中央服务器400可以在其接收到附加数据和颗粒物图像时不断地更新训练集。更新的数据可以包括已知颗粒物的图像或新识别的颗粒物的图像。例如,在802,可以从临床研究、实验室、传感装置100或其他来源为训练集获得更新的颗粒物图像或新颗粒物的图像。
更新的训练集在804使用神经网络装置510的学习算法进行处理。在806生成更新的学习向量706,包括用于NN处理装置702的处理参数。更新的学习向量706被传输到中央服务器510,其包括在808的NN处理装置702。在810使用更新的学习向量/处理参数配置NN处理装置702。这个更新训练集和学习向量的过程可以持续进行每小时、每天、每周或每月形成的学习向量的定期更新。
图9示出用于提供过敏原信息和建议的方法900的示意框图。中央服务器400在902确定与用户或UE420相关联的一个或多个传感装置100。传感装置100可以与多个用户/UE相关联,例如,在同一居处或办公室。另外,家庭或办公室的多个感测装置可以与用户的相同用户/UE相关联。中央服务器400获得,由与用户相关联的一个或多个传感装置100获得的图像,对在904识别的颗粒物的颗粒物识别和颗粒物计数。使用健康监测应用组件520,中央服务器400基于症状的用户数据库确定健康指数,并且在906对颗粒物进行计数。也可以在908针对用户确定健康建议。中央服务器400可以使用基于已识别颗粒物类型及其计数的健康建议数据库和/或基于用户敏感性的健康建议数据库。通过使用触发用户症状的过敏原计数阈值数据库,中央服务器400可以提供对用户过敏的诊断和触发用户反应的颗粒物计数。
在一种实施方式中,也可以在908确定环境建议。例如,温度、湿度、光线、通过某个位置的气流可能会影响干扰用户过敏原水平。中央服务器400可以基于过敏原的类型和颗粒物计数访问用于降低环境中的过敏原水平的行动/建议的数据库。例如,对于高霉菌数,中央服务器400可以形成建议以打开除湿器或打开恒温器的温度。为了应对尘螨,可能会提出改变湿度和降低温度的建议。针对花粉/宠物皮屑,可能会发布控制空气净化器或关闭室外通风口的建议。其他环境建议可能包括控制调温器、加湿器、除湿机、加热器、照明、室外通风口、窗户、供暖、通风、空调(HVAC)系统、自动吸尘器(rumbas)、风扇等的设置。其他建议可能包括去除过敏植物、更换过滤器、进行维护、限制户外活动等。环境建议也可能基于当前的天气条件或预报。例如,在炎热、潮湿、霉菌数量较多的日子里,环境建议可能包括启动除湿机和降低温度设置。
在910,健康建议和环境建议被发送到与用户相关联的UE420。用户可以响应于环境建议确定手动改变一个或多个装置的设置。在另一实施方式中,UE420可以与家庭或办公室系统集成并且响应于家庭自动化建议自动控制设施中的一个或多个装置。例如,UE420可以与HVAC集成或被配置为控制HVAC以响应于环境建议自动控制位置的温度或湿度。在另一个示例中,UE420可以自动控制车辆中的设置,例如打开窗户、增加风扇速度、温度等。
在一种实施方式中,取决于用户症状的严重程度、颗粒物计数和/或过敏原的类型,健康建议和环境建议可以具有多个等级。在报告轻度用户症状、通常类型的过敏原和平均到较低的颗粒物计数后,在第一时间间隔向用户提供第一级建议。第一级可能包括非处方药和控制现有的家用设备,例如HVAC设置。如果用户在第二个时间间隔报告持续的症状,例如相似或增加,或者某种类型的过敏原的颗粒数增加,则可以向用户提供第二级建议。例如,第二级可能是建议增加或更换过敏药物、获得空气过滤器或其他新装置、戴口罩、限制户外活动、联系医疗专业人员等。第三级建议可能包括联系紧急响应(911呼叫)或立即前往急诊室。根据用户症状的严重程度、颗粒物计数或过敏原类型,可以首先向用户提供第二或第三级建议。例如,对于高污染天气,可以提供第二级建议,或者如果用户报告呼吸困难,可以提供第三级建议。
图10示出用于响应环境建议来控制用户位置处的一个或多个装置的方法1000的示意框图。UE420包括健康监测应用组件,该组件包括仪表板或其他过敏原显示器。UE420在1002接收一种或多种类型的颗粒物的颗粒计数和健康建议并且更新仪表板并且可以向用户提供警报。UE420还可以在1004接收响应于过敏原类型和颗粒物计数的环境建议。UE420可以在1006请求批准一个或多个环境建议。在接收到批准指示后,UE420可以控制在1008,响应于环境建议,在用户位置处的一个或多个装置。在另一实施方式中,UE420可以响应于环境建议而自动控制在用户位置处的一个或多个装置而无需用户批准。在另一种实施方式中,中央服务器400可以与中央管理设施通信以控制环境中的装置。例如,中央服务器400可以与医院设施系统通信以增加或降低温度、湿度、气流等。
在一种实施方式中,UE420可以向中央服务器400提供关于在1010执行的动作的反馈。例如,UE420可以在外面的窗户没有打开的情况下提供温度设置的改变(例如,在所述位置窗户可能不存在或未打开)。然后中央服务器400可以在未来改变环境指令,例如增加HVAC系统中的风扇速度而不是打开窗户。UE420或中央服务器400因此可以响应于环境建议与用户位置中的一个或多个装置通信。
图11示出用户设备UE420的实施方式的示意框图。UE420可以包括智能电话、智能平板电脑、便携式电脑、智能手表、台式机、电视机、车辆或其他电子装置。UE420包括终端控制电路1105。终端控制电路1105包括具有一个或多个处理装置的处理电路,例如微处理器、微控制器、数字信号处理器、微型计算机、中央处理单元、现场可编程门阵列、可编程逻辑装置、状态机、逻辑电路、模拟电路、数字电路和/或基于电路和/或操作指令的硬编码来操纵信号(模拟和/或数字)的任何装置。
显示器ll00被连接到终端控制电路ll05。显示器1100是允许用户与UE420交互的用户界面的示例。显示器1100可以包括触摸屏、LED或其他类型的显示器。显示器1110可以集成在UE420中或者可以与UE420分开。例如,显示器1120可以是计算机监视器、电视屏幕或头戴式显示器。显示器1120使用户能够查看本文所述的数据和图形用户界面(GUI)。UE420可以包括或可操作地耦合到一个或多个其他用户界面1112,例如鼠标、键盘、触摸板、语音识别或手势识别电路。
UE420包括连接到终端控制电路1105的终端存储器1125。终端存储器ll25可以包括一个或多个存储装置,例如只读存储器、随机存取存储器、易失性存储器、非易失性存储器、静态存储器、动态存储器、闪存、高速缓存和/或任何存储数字信息的非暂时性存储器。此外,终端存储器1125可以存储一个或多个指令或程序,当由终端控制电路1105执行时,这些指令或程序可以控制它执行这里描述的一种或多种功能。终端存储器1125存储健康监测应用组件520和装置控制模块1140。例如,健康保健监测应用组件520可以指示终端控制电路1105执行逻辑以引导UE420呈现一个或多个图形用户界面(GUI)。GUl呈现由中央服务器400生成的数据以及用于输入用户数据和命令的GUl。装置控制模块ll40被配置为在用户位置控制一个或多个装置,例如HVAC系统或调温器、加湿器、除湿器、自动真空器、通风口、窗户、空气净化器、风扇等。
UE420还可以包括蓝牙收发器1124、WLAN(符合IEEE 802.1lx)收发器1122或全球定位卫星(GPS)模块1126中的一种或多种。UE 110还可以包括符合通用移动电信系统(UMTS)的RF收发器ll20、陆地无线电接入网络(UTRAN)、长期演进(LTE)的演进UTRAN(E-UTRAN)、LTE-Advanced(LTE-A)或其他无线网络协议。UE420还可以包括USB端口/收发器1128、以太网端口1130或RFID标签1132。UE420还可以包括电池模块1114。一个或多个内部通信总线(未示出)可以与通信地耦合到UE 420的一个或多个组件。
图12A示出用户数据库1200的实施方式的示意框图。用户数据库1200包括多个用户简档1210a-n和可以存储在中央服务器400内部或外部的地理定位表1220。用户简档1210a-n包括在中央服务器400处向健康监测应用组件520注册的用户的信息。通常,当用户在中央服务器400中向健康监测应用组件520注册UE420和/或传感装置100时,发生该注册。用户通常将健康监测应用组件520下载到UE420或者可以经由网络服务器和网站访问该组件。用户简档1210a-n可以包括与该特定用户相关联的已知过敏症、年龄、性别和其他相关病史。此外,颗粒物计数和相关联的用户症状也存储在用户数据库1200的用户简档内。特别地,颗粒物计数的日期和时间与传感装置100的位置一起存储。该位置可以包括行政区、传感装置100的城市、邮政编码、地址或GPS坐标。
此外,UE420的用户记录的症状也与颗粒物计数相对应地存储。例如,在用户简档1210a,用户记录的症状包括眼睛酸痛和流鼻涕。用户输入还包括这些症状的严重程度是高的。换句话说,当用户暴露于颗粒物数时,用户会遭受高度严重的这些症状。症状可能是由于过敏或哮喘或其他健康状况所导致。
传感装置100可以被配置为根据一个或多个设置执行测量。例如,传感装置100可以被配置为周期性地捕获颗粒物的图像(例如每15分钟、30分钟、小时等)。传感装置100可以被配置为每天同时捕获颗粒物的图像(例如,上午10点,上午11点,下午1点,下午3点等)。传感装置100还可以被配置为响应于用户记录症状与UE420或由UE420的用户的请求捕获图像。
中央服务器400识别捕获图像中的颗粒物并确定颗粒物计数。中央服务器400确定特定过敏原每小时的读数数量和传感装置100内的气流。根据该信息,中央服务器400可以更准确地获得特定过敏原或污染物或其他颗粒物的浓度或计数。该信息也可以存储在地理定位表1220中。例如,记录与用户A的第一传感装置100相关联的Westminster的颗粒物密度P1和P2。记录与用户B的第二传感装置I00相关联的Westminster的颗粒物密度P2。
地理定位表1220因此可以包括在时间段期间在每个位置检测到的一种或多种类型的颗粒物的密度(颗粒物P1、P2、P3等的密度)。所述记录可以监测特定地点的趋势,并为地方当局和政府整理数据,以监测可能对公共健康产生影响的过敏原、污染物和其他颗粒物。这对于在特定住宅区定位报告高水平污染物(例如细颗粒物)的情况特别有用,这些地点对公共健康的影响可能很大。此外,由于该数据是从在实施方式中位于住宅中的传感装置100收集的,所以地方当局和政府将具有来自住宅内部的数据。公共机构通常无法获得此类数据,实际上更能代表人们每天接触的过敏原和刺激物。
除了这些信息之外,报告这些信息的传感装置100也存储在传感器测量中。一个地方的多个传感装置100使地方当局能够,例如从一个城市的街道或区域,提供过敏原计数。此外,这允许其他用户的传感装置在这个特定的地点提供有关人群来源的信息在用户的家里和地点污染物和过敏原。这些集合信息对前往不同地点或城市的用户可能很有用。
图12B示出建议数据库1230的实施方式的示意图。建议数据库1230包括多个健康和环境建议1240,其可以在中央服务器400内部或外部存储。建议数据库1230响应一种或多种类型的颗粒物和颗粒数。建议被提供给与用户相关联的UE 420并显示于终端显示器1ldi00。
用户可以使用UE 420在健康监测应用组件520的GUI中输入一种或多种症状和症状的严重程度。数据库列出相关输入症状、症状的严重程度和过敏原的类型或其他颗粒物的健康建议和环境建议。
健康建议是例如基于医疗援助预先储存的。例如,健康监测应用组件520获取各种颗粒物(过敏原、污染物或其他类型的颗粒物)的标识,并存储与这些污染物和过敏原相关的用户输入的相应症状。根据用户识别的症状严重程度,使用UE420或感知装置100,将向UE420返回适当的健康建议,以减少预先存储在建议数据库1230中的已识别颗粒物的影响。此外,还提出了降低颗粒物类型水平的环境建议,这些建议也可能基于天气状况和过敏原预测。
在其他情况下,还提供除建议之外或代替建议的医生(专业于特定过敏症且在用户所在位置)联系方式。这对于例如用户患有严重过敏症状的情形可能是合适的。实际上,来自用户数据库1200的用户历史和当前症状和严重性可以同时提供给医生。这将提醒医生注意用户的过敏反应和他们周围环境中存在的过敏原。这可以有助于给予用户的医疗处理。在非常严重的情况下,紧急服务可能会被自动调度到用户的地理位置。
传感装置网络还允许系统比较用户的室内区域和用户附近的室外区域之间的过敏原和污染物的水平。例如,基于这样的比较,当过敏原和污染物的室外水平高于室内水平时,健康建议可以包括限制户外活动的警告。患有哮喘、慢性阻塞性肺病或其他健康状况的用户可能会决定需要限制户外活动。
健康建议和环境建议也可以基于天气条件和颗粒物计数的预测。例如,桦树花粉可能会随着温度升高而增加,而雷暴和湿度会增加花粉水平。传感装置100还可包括污染检测器、温度传感器、湿度检测器等以帮助确定用于提供健康建议和环境建议的其他因素。
图13A示出图形用户界面1300的实施方式的示意框图。图形用户界面1300可以由UE 420或中央服务器400使用健康监测应用组件520生成。参照图13A,示出具有带图形用户界面(GUI)1300的显示器1100的UE 420。使用该GUI1300,用户可以选择一种或多种症状。
在该示例性实施方式中,GUI1300包括突出各种症状的下拉菜单,尽管设想了其他类型的用户界面,例如手动键入症状的字段。GUI1300还包括用于选择过敏症状1320的严重性的下拉菜单。在该示例中,用户已经表明他们的症状包括打喷嚏和咳嗽,并且这些症状是严重性较低的。
图13B为图形用户界面1300的另一实施方式的示意框图。GUI1300还包括启动或“登录”按钮1350。访问用户数据库1200并基于识别的一种或多种颗粒物和症状、建议然后由中央服务器400返回给UE420.健康建议出现在字段1330中,例如洗脸。环境建议在字段1340中提供,例如关闭窗户并启动空气净化器。在一种实施方式中,UE420可以自动控制空气净化器并关闭窗户或等待用户确定。
用户还可以输入症状以及对其日常活动的影响。例如,这些症状可能会影响睡眠,限制用户的工作或运动能力等。换言之,可以判断爆发的严重程度。当用户记录该信息时,中央服务器400确定污染、过敏原和环境因素(例如温度、湿度等)中的一种或多种的水平。
然后使用统计工具(例如主成分分析)分析来自一个或多个用户的该信息,以确定与记录的症状相关的一种或多种微粒。中央服务器400然后可以确定哪些一种或多种微粒(污染、过敏原或其他环境因素)可能是导致症状的原因。该信息使用户能够了解导致其症状的因素或过敏原。这些症状可以与用户和相关联的一种或多种微粒相关联地存储于用户数据库1200。因此,该信息允许用户识别引起用户各种症状的过敏原。如果用户要到医疗诊所就诊,该信息是有用的,因为临床医生可以查看用户所经历的症状并识别出现症状时和一天中出现症状时存在的过敏原或因素。该健康监测应用组件520因此可以用作过敏日记。健康监测应用组件520为用户记录过敏原和/或其他因素以及症状。
此外,在实施方式中,长期过敏或哮喘症状的预测由健康监测应用组件520执行。具体而言,一旦确定了触发用户症状的过敏原和其他因素,接下来几天、几周或几个月的未来的症状就可以预测。为了实现这一目标,使用长期天气和污染预报,结合历史数据,来预测给定地理位置的污染和过敏原水平的波动。该信息用于向用户(基于地理位置)指示他们在接下来的几天、几周或几个月内是否会出现过敏症状。此外,可以向用户提供建议,以通过改善空气质量来降低症状的严重程度,甚至完全避免爆发。总之,健康监测应用组件520可以提前通知或警告用户可能的长期过敏原问题。该警告允许向用户提供预防性建议。
另外,在环境的周期性检查期间,当特定过敏原或特定过敏原的量高于特定水平时,中央服务器400可以向用户推送警告。所述警告可以包括关于如何减少过敏原影响的健康建议,或者可以包括描述如何减少用户环境中过敏原量的建议。因此,此类警告允许用户采取预防措施,以避免出现与过敏原相关的症状。
中央服务器400还可以生成关于用户症状的严重性相对于相同或其他城市中其他用户如何排名的个人报告。该报告还可提供预测的准确度级别。个人报告可以提供过敏原对用户生活质量的影响的指示。
尽管以上示出用户提供症状和严重性级别,但是健康建议可能不需该信息以便将健康建议返回给UE420。中央服务器400可以基于以下提供一般健康建议和环境建议颗粒物计数和一般群体对这些颗粒物的反应。尽管上文对与过敏和哮喘相关建议进行了描述,但还可实施任何类型的建议、警告或数据。
图14示出可以使用健康监测应用组件520生成的另一GUI1400示例的示意框图。在这个示例中,UE420和/或中央服务器400的健康监测应用组件520可以提供数据并指导UE420显示包括症状的存在/严重程度和微粒浓度的图表1405。在该示例图1405中,显示了一个月内的树花粉密度。显示由UE420的选定用户记录的症状的严重性或存在。图表1405因此可以示出微粒密度与所选用户的症状的存在和/或严重程度之间的相关性。GUI1400可以包括用于输入显示时间段的用户选择,例如。例如每周图表、每月图表或每年图表。GUI还可以包括用于输入一种或多种过敏原或污染物或其他颗粒物的用户选择,以显示在图表1405中。
图15示出可以使用健康监测应用组件520生成的另一个GUI 1500示例的示意框图。UE 420和/或中央服务器400上的健康监测应用组件520将记录的症状和用户症状的严重性与确定的颗粒物。例如,健康监测应用组件520可以为UE420提供数据并引导UE420显示图表1505,该图表1505包括在用户在一年中记录有症状的时间检测到的颗粒物的浓度。在图表1505中,显示了2017年期间在有症状的情况下检测到的颗粒物密度。UE 420的选定用户的症状的严重性或存在与一年中检测到的微粒的密度以及在该时期内可能是症状的原因的所识别的微粒的百分比相关。
例如,图表1505显示2017年期间症状的主要原因可能是草花粉的45%,然后是二氧化硫的19%和树花粉的18%。图表1505显示了7月期间症状的主要原因可能是草花粉的25%和二氧化氮的25%,然后是其他颗粒物的20%。因此,健康监测应用组件520可以确定并显示数据,该数据示出各种微粒与用户在一段时间内记录的症状的存在和/或严重程度之间的相关性。同样,GUI1400可以包括用户选择用于输入显示时间段,例如日图、周图、月图或年图。
图16示出可以使用健康监测应用组件520生成的另一个GUI 1600的示例的示意框图。UE 420和/或中央服务器400上的健康监测应用组件520将记录的症状和一种或多种的最小级别相关联当用户记录症状时出现的颗粒物类型。因此,用户的症状与报告记录症状的已识别颗粒物的最小浓度相关。健康监测应用组件520然后可以为UE 420提供数据并引导UE 420显示GUI 1600,该GUI 1600包括当用户在请求的时间段(例如一周、一个月或一年)内输入具有症状时检测到的颗粒物类型的最小浓度。
例如,图表1605包括当用户输入具有症状时检测到的一类颗粒物质(例如,3PPM)的最小浓度。图表1610包括当用户输入或记录具有症状时检测到的最小树花粉浓度(例如,6PPM)。图表1605和图表1610因此可以帮助预测可能在未来触发症状的最小颗粒物水平。
图17示出可以使用健康监测应用组件520生成的另一个GUI 1700的示例的示意框图。UE 420和/或中央服务器400上的健康监测应用组件520将记录的症状和随着时间导致的生产力损失相关联时期。由于这些症状,用户的症状与典型的生产力损失相关。替代地或除此之外,用户可以输入由于症状引起的生产力损失。例如,健康监测应用组件520可以为UE 420提供数据并引导UE 420显示包括一段时间内生产力损失的图表1705。
图18示出可以使用健康监测应用组件520生成的另一个GUI 1800的示例的示意框图。UE 420和/或中央服务器400上的健康监测应用组件520存储和跟踪用户登录摄入药物的次数。健康监测应用组件520可以显示与由于这种症状导致的典型生产力损失相关的日历1805。用户可以输入因症状服用的药物。例如,健康监测应用组件520可以为UE 420提供数据并指示UE 420显示日历1805,该日历1805指示用户服用的药物被记录的天数。日历1805因此可以帮助预测未来触发症状的一个月或一年中的天数。
来自UE 420或中央服务器400的健康监测应用组件520可以将数据传输到医疗保健提供者195。例如,这里描述的一个或多个报告或数据可以被传送到医疗保健提供者195。医疗保健提供者195可能会使用此类数据提供健康建议或药物。
图19示出用于在地理位置提供空气中的颗粒物浓度的方法1900的实施方式的逻辑流程图。例如,正在前往不同城市或国家的用户可能会请求有关该城市或国家中任何潜在过敏原浓度的当前更新。因此,用户可以为任何已知的过敏原准备药物或其他补救措施。用户使用UE 420上的健康监测应用组件520输入关于当前或预测的颗粒物浓度或地理定位计数的报告的请求。该请求可能是针对一种类型的颗粒物(例如花粉、豚草或霉菌)或关于在地理定位中识别出的颗粒物类型的一般报告。UE 420向中央服务器400发送请求。中央服务器400在1902接收请求并获得地理定位的当前报告,例如,基于在过去几分钟、几小时或24小时内来自地理定位中的一个或多个传感装置100的图像。在一种实施方式中,中央服务器400在1904从请求的地理位置中的传感装置请求当前图像。传感装置100可以在接收到请求时捕获图像并将图像提供给中央服务器400。中央服务器400然后可以处理图像并确定1906地理定位的当前颗粒数。
额外或替代地,中央服务器400可以访问地理定位表1220以获得在1908存储的地理定位的测量值。例如,中央服务器400可以根据时间戳确定颗粒物计数已经在地理定位中确定预定的时间段(例如在一分钟或一小时内)。由于在可接受的预定时间段内测量是当前的,中央服务器400然后可以基于来自用户数据库1200的存储的颗粒物计数提供报告。中央服务器400可以使用两种方法的组合。例如,中央服务器400可以确定地理定位中的某些传感装置100具有当前测量值(例如,在一小时内)但是地理定位中的其他传感装置100没有提供当前图像。服务器100可以仅从这些传感装置100请求当前图像。
中央服务器400因此获得地理定位中的当前颗粒物计数并在1910提供关于地理定位中的当前颗粒物计数的报告。中央服务器400可以使用来自每个传感装置100至向发出请求的UE 420提供报告或提供基于地理定位中的测量结果的颗粒物浓度范围。
此外,中央服务器400可以提供关于同一城市或国家内不同位置的当前微粒浓度的报告。例如,中央服务器400可以提供地图,其描述在城市或国家的不同区域中的建筑物、街道外的颗粒物的不同浓度水平。
图20示出用于提供地理位置处空气中的颗粒物水平的预测的方法2000的实施方式的逻辑流程图。可以为传感装置100的特定地点提供预报例如住宅或企业内部或传感装置100的外部位置。在另一种实施方式中,可以为多个传感装置100的位置上的地理位置提供预测。中央服务器400可以使用多个传感装置100中的一个或多个传感装置的传感器输出并使用天气预报。该预报预测了预定未来时间段内的颗粒物浓度水平。颗粒物浓度水平可包括污染物水平或过敏原水平,例如花粉水平、臭氧水平等。未来时间段可包括例如一天预报、两天预报或三天预报。
为了确定预测,在2002获得预定时间段的浓度水平,例如获得用于地理位置的一天或多天或数周的当前和过去颗粒物浓度水平。还可获得过去一年或几年中相同天数或数周的过去浓度水平。浓度水平与时间和天气以及针对预定时间段和天气条件生成的颗粒物水平被绘制成图表。
在2004获得颗粒物水平信号中的模式。例如,基于一年中的时间和天气确定颗粒物水平信号的趋势、噪声或周期性。根据过去的模式,在2006预测预定未来时间段的颗粒物水平。一到三天的预测通常比更长时间段的预测更准确。还可以确定预测的准确度级别。
在2008向用户提供预定未来时间段的一个或多个颗粒物水平的预测。健康监测应用组件520可以根据请求在UE 420的GUI上显示预测,或者可以自动推送以在UE 420上显示。
基于上述教导,针对本文公开内容可能进行不同的修改和变化。因此应当理解,在所附权利要求的范围内,本发明能够以不同于本文具体描述的方式实施。
就本文的实施方式已被描述为至少部分地由软件控制的数据处理装置实现而言,应当理解,带有这种软件的非暂时性机器可读介质,例如光盘、磁盘、半导体存储器等也被认为代表本公开的实施方式。
应当理解,为了清楚起见,上文参考不同的功能单元、电路和/或处理器对本发明的一些实施方式进行了描述。然而,应当理解的是,可以使用不同功能单元、电路和/或处理器之间的任何合适的功能分布而不偏离所述实施方式。
所描述的实施方式可以以任何合适的形式实现,包括硬件、软件、固件或其任何组合。所描述的实施方式可以可选地至少部分地实现为在一个或多个数据处理器和/或数字信号处理器上运行的计算机软件。任何实施方式的元件和组件可以以任何合适的方式在物理上、功能上和逻辑上实现。实际上,该功能可以在单个单元中、在多个单元中或作为其他功能单元的一部分来实现。因此,所公开的实施方式可以在单个单元中实现或者可以在物理上和功能上分布在不同的单元、电路和/或处理器之间。
本文中虽然已经结合一些实施方式对本发明进行了描述,但不旨在限于本文描述的特定形式。此外,虽然某些特征可能看起来是结合特定实施方式来描述的,但是本领域技术人员会认识到,所描述的实施方式的各种特征可以以适合于实施该技术的任何方式进行组合。
在本文的一个或多个方面中,处理模块或电路包括至少一个处理装置,例如微处理器、微控制器、数字信号处理器、微型计算机、中央处理单元、现场可编程门阵列、可编程逻辑装置、状态机、逻辑电路、模拟电路、数字电路和/或基于电路和/或操作指令的硬编码来操纵信号(模拟和/或数字)的任何装置。存储器是非暂态存储装置,可以是内部存储器或外部存储器,并且存储器可以是单个存储装置或多个存储装置。存储器可以是只读存储器、随机存取存储器、易失性存储器、非易失性存储器、静态存储器、动态存储器、闪存、高速缓存和/或任何存储数字信息的非暂时性存储装置。
如在本文中使用的,术语“可操作于(operable to)”或“可配置为(configurableto)”表示相应元件包括电路、指令、模块、数据、输入、输出等中的一个或多个,用以执行一个或多个所描述或必要的对应功能,并且可以进一步包括推导的耦合到一个或多个其他的项目以执行所描述或必要的对应功能。如本文还可以使用的,术语“耦合(coupled)”、“耦合到(coupled to)”、“连接到(connected to)”和/或“连接(connecting)”或“相互连接(interconnecting)”包括节点/装置之间的直接连接或链接和/或节点/装置之间的间接连接节点/装置,经由中间项目(所述项目例如包括但不限于组件、元件、电路、模块、节点、装置、网络元件等)。如本文可以进一步使用的,推导的连接(即一个元素通过推导连接到另一个元素)包括以与“连接到(connected to)”相同的方式在两个项目之间的直接和间接连接。
如在本文中使用的,术语“基本上(substantially)”和“大约(approximately)”为其对应项目和/或项目之间的相关性提供了行业接受的容差。这种行业接受的容差范围从小于百分之一到百分之五十,并且对应于但不限于频率、波长、组件值、集成电路工艺变化、温度变化、起落时间和/或热噪声。项目之间的这种相关性范围可能具有从几个百分点的差异到数量级的差异。
应当注意,本文所述的方面可以被描述为被描绘为示意图、流程图、流程框图、结构图或方块图的过程。尽管流程图可以将操作描述为顺序过程,但许多操作可以并行或同时执行。此外,可以重新安排操作的顺序。过程在其操作完成时终止。过程可以对应与方法、函数、步骤、子过程、子程序等。当过程对应于函数时,它的终止对应于函数返回到调用函数或主函数。
本文所述的各种特征可以用于不同的系统和装置而在不脱离本文的公开内容。应当注意,本公开的前述方面仅仅是示例,不应被解释为限制本公开。本文所述的方面只是示意和说明性的,对权利要求的保护范围不产生限制作用。因此,本文的教示可以容易地应用于其他类型的装置,并且许多替代、修改和变化对于本领域技术人员来说是能够理解的。
上文中,参考一些具体实施方式对本发明的某些代表性方面进行了描述。然而,在不脱离如权利要求书所定义发明范围的情况下,可以进行各种修改和调整。说明书和附图是说明性的,而不是限制性的,并且所述修改和调整旨在包括在本发明的范围内。因此,本发明的范围应由权利要求及其法律等效体来确定,而不仅仅是由文中提及的实施方式来确定。例如,任何装置权利要求中引述的部件和/或元件可以以各种组装或以其他方式可操作地配置,从而因此不限于权利要求中引述的特定配置。
此外,上文针对一些特别的实施方式描述了相关的某些益处、优点以及问题的解决方案;然而,任何益处、优点、解决方案,以及可能形成或增强特别的益处、优点、解决方案的任何元素,均不应被解释为针对任何或全部权利要求的关键、必需或基本的特征或成分。
本文所用的术语“包括”、“包含”、“含有”、“具有”或其任何变体旨在指代非排他性的包含,从而包括列有元素的过程、方法、物品、组合物或装置不仅包括所列举的那些元素,还可以包括未明确列出的或此类过程、方法、物品、组合物或装置固有的其他元素。对于本发明实施所使用本文所述的结构、布置、应用、比例、元素、材料或组件,加上那些没被具体列举者,所做的其他组合和/或修改,可以变化或以其他方式调整以适合于特定环境、制作规范、设计参数或其他操作要求,而不背离一般原则。
此外,除非特别说明,以单数形式提及元素时并非用来表示“一个且仅一个”而是指“一个或多个”。术语“一些(some)”,除非另有特别说明,是指一个或多个。对应于本公开内容所描述的不同方面元素的所有结构和功能等效物,其是本领域的普通技术人员已知的或后来变得已知的,通过引用明确地并入本文并且旨在被权利要求所涵盖。另外,此类公开内容,无论是否在权利要求书中明确表述,均非提供为公众使用。任何权利要求的元素均不应依照35U.S.C.§l 12(f)解释为“手段加功能(means-plus-function)”类别,除非所述元素被明确以术语“means for”加以限定,或者在方法权利要求情形,相关元素的引述特别采用了术语“step for”。
Claims (17)
1.一种传感装置,包括:
收集板;
风扇,配置为形成通过所述传感装置的收集器的气流;
收集板,其中气流将气流中的颗粒物引导向所述收集板;
成像装置,配置为捕捉位于所述收集板上的颗粒物的图像;以及
控制装置,配置为控制所述风扇的速度以产生形成气流,其中所述风扇的速度由所述传感装置的位置来确定。
2.根据权利要求1所述的传感装置,还包括收发器,其被配置为:
通过一个或多个网络与中央服务器通信;以及
处理来自所述中央服务器的命令,以控制所述风扇的速度,其中所述风扇的速度由所述中央服务器使用所述传感装置的位置来确定和设置。
3.根据权利要求1所述的传感装置,其中所述风扇的速度被设置为响应于所述传感装置的住宅区定位而形成近似于用户的颗粒物吸入的气流。
4.根据权利要求1所述的传感模块,其中所述风扇的速度被设置为响应于所述传感装置的住宅区定位而形成大约每分钟7-9升的气流。
5.根据权利要求1所述的传感模块,其中所述风扇的速度被设置为响应于所述传感装置的工业区定位而形成大于每分钟9升的气流。
6.根据权利要求1所述的传感模块,其中所述风扇的速度被设置为响应于所述传感装置的外部定位而形成小于每分钟7升的气流。
7.根据权利要求1所述的传感模块,其中所述风扇的速度被设置为响应于所述收集板上颗粒物密度的快速增加而由当前速度设置降低。
8.根据权利要求1所述的传感模块,其中所述风扇的速度被设置为响应于所述收集板上颗粒物密度的缓慢增加而由当前设置增加。
9.一种中央装置,包括:
网络接口电路,配置为通过一个或多个网络与传感装置通信;
至少一个处理装置,配置为:
从所述传感装置获取多个颗粒物的当前图像;
使用所述当前图像确定第一颗粒物的位置;
将第一颗粒物的位置与来自所述传感装置的先前图像中其他颗粒物的位置进行比较;
确定所述第一颗粒物的位置与来自所述传感装置的先前图像中其他颗粒物之一的位置基本相同;
弃置包括所述第一颗粒物的当前图像的一部分;
在当前图像中定位至少第二颗粒物;以及
获取当前图像中所述第二颗粒物的颗粒物识别。
10.根据权利要求9所述的中央装置,包括:
健康监测模块,配置为:
接收用户记录的症状;以及
访问数据库以获取与记录的用户症状和颗粒物识别相关的健康建议和环境建议。
11.根据权利要求10所述的中央装置,其中所述环境建议包括用于在用户位置控制一个或多个装置以帮助降低颗粒物水平的建议。
12.根据权利要求11所述的中央装置,其中所述至少一个处理装置还被配置为将所述健康建议和环境建议传达给用户设备。
13.根据权利要求11所述的中央装置,其中所述至少一个处理装置还被配置为基于所述环境建议自动控制用户位置的一个或多个装置。
14.根据权利要求11所述的中央装置,其中在所述用户位置的所述一个或多个装置包括以下的一种或多种:调温器、加湿器、除湿器、照明装置、通风口、窗户、通风系统、自动真空装置或风扇。
15.根据权利要求9所述的中央装置,其中所识别的第二颗粒物包括以下的至少一种:过敏原、污染物或其他类型的气载颗粒物。
16.一种用户设备,包括:
收发器,配置为通过一个或多个网络与中央装置通信;
至少一个处理装置,配置为:
为用户位置生成包括过敏原的颗粒物计数的图形用户界面;
从所述中央装置接收环境建议以降低来自用户位置的过敏原的颗粒物计数,其中所述环境建议包括在用户位置调整一个或多个装置的设置;以及
基于环境建议生成命令以调整用户位置处的一个或多个装置的设置。
17.根据权利要求16所述的用户设备,其中所述用户位置的所述一个或多个装置包括以下的一种或多种:调温器、加湿器、除湿器、照明装置、通风口、窗户、通风系统、自动真空装置或风扇。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201962823289P | 2019-03-25 | 2019-03-25 | |
US62/823,289 | 2019-03-25 | ||
PCT/US2020/024763 WO2020198388A1 (en) | 2019-03-25 | 2020-03-25 | System and method for tracking airborne particles |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114008436A true CN114008436A (zh) | 2022-02-01 |
Family
ID=72610045
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202080038754.XA Pending CN114008436A (zh) | 2019-03-25 | 2020-03-25 | 追踪气载颗粒物的系统和方法 |
Country Status (6)
Country | Link |
---|---|
US (1) | US20220026334A1 (zh) |
EP (1) | EP3948209A4 (zh) |
JP (1) | JP2022528701A (zh) |
CN (1) | CN114008436A (zh) |
AU (1) | AU2020245545A1 (zh) |
WO (1) | WO2020198388A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116879121A (zh) * | 2023-09-08 | 2023-10-13 | 深圳市潼芯传感科技有限公司 | 一种基于光纤传感技术的空气颗粒物浓度实时监测系统 |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11808681B1 (en) * | 2019-11-18 | 2023-11-07 | Scanit Technologies, Inc. | Airborne particle monitor having illumination sleeve with shaped borehole for increased efficiency |
FR3128276B1 (fr) * | 2021-10-15 | 2024-01-12 | Ecomesure | Mesures de polluant augmentées par réseau de neurones |
US11961381B2 (en) * | 2022-06-21 | 2024-04-16 | The Adt Security Corporation | Life safety device with machine learning based analytics |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016510418A (ja) * | 2013-02-18 | 2016-04-07 | セラノス, インコーポレイテッド | 多重分析のためのシステム及び方法 |
ITRM20130128U1 (it) * | 2013-07-23 | 2015-01-24 | Particle Measuring Systems S R L | Dispositivo per il campionamento microbico dell'aria |
US10267734B2 (en) * | 2014-01-08 | 2019-04-23 | Colorado Seminary Which Owns And Operates The University Of Denver | Wavelength dispersive microscope spectrofluorometer for characterizing multiple particles simultaneously |
WO2016144823A1 (en) | 2015-03-06 | 2016-09-15 | Scanit Technologies, Inc. | Pollen sampling and retrieval triggered by a user's allergic reactions |
US10031060B2 (en) | 2016-07-13 | 2018-07-24 | Mauro & Associates, Llc | Continuous, real time monitor for airborne depleted uranium particles in the respiratory range and corresponding method of use |
US11428618B2 (en) | 2016-12-19 | 2022-08-30 | Massachusetts Institute Of Technology | Systems and methods for monitoring air particulate matter |
GB2560542B (en) * | 2017-03-15 | 2021-09-15 | White Lab Sal | A device, computer program and method |
US10918252B2 (en) * | 2017-07-27 | 2021-02-16 | Neato Robotics, Inc. | Dirt detection layer and laser backscatter dirt detection |
-
2020
- 2020-03-25 JP JP2021559516A patent/JP2022528701A/ja active Pending
- 2020-03-25 EP EP20776718.7A patent/EP3948209A4/en active Pending
- 2020-03-25 WO PCT/US2020/024763 patent/WO2020198388A1/en unknown
- 2020-03-25 CN CN202080038754.XA patent/CN114008436A/zh active Pending
- 2020-03-25 AU AU2020245545A patent/AU2020245545A1/en not_active Abandoned
-
2021
- 2021-09-27 US US17/486,541 patent/US20220026334A1/en active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116879121A (zh) * | 2023-09-08 | 2023-10-13 | 深圳市潼芯传感科技有限公司 | 一种基于光纤传感技术的空气颗粒物浓度实时监测系统 |
CN116879121B (zh) * | 2023-09-08 | 2023-11-10 | 深圳市潼芯传感科技有限公司 | 一种基于光纤传感技术的空气颗粒物浓度实时监测系统 |
Also Published As
Publication number | Publication date |
---|---|
US20220026334A1 (en) | 2022-01-27 |
WO2020198388A1 (en) | 2020-10-01 |
AU2020245545A1 (en) | 2021-11-18 |
EP3948209A4 (en) | 2022-12-07 |
EP3948209A1 (en) | 2022-02-09 |
JP2022528701A (ja) | 2022-06-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114008436A (zh) | 追踪气载颗粒物的系统和方法 | |
Mujan et al. | Influence of indoor environmental quality on human health and productivity-A review | |
US10219750B2 (en) | System, method and recording medium for determining a remediation action | |
González-Briones et al. | Energy optimization using a case-based reasoning strategy | |
WO2018167569A1 (en) | System and method for air monitoring | |
US10393394B2 (en) | System, method and device to record personal environment, enable preferred personal indoor environment envelope and raise alerts for deviation thereof | |
Pollock et al. | Outdoor environment and pediatric asthma: an update on the evidence from North America | |
Clements et al. | The spatial and temporal variability of the indoor environmental quality during three simulated office studies at a living lab | |
US10895518B2 (en) | Air quality monitoring, analysis and reporting system | |
US20210151195A1 (en) | Estimating impact of property on individual health -- cognitive calculator | |
KR102389398B1 (ko) | 공기질 관련 다중 정보를 이용하여 실시간으로 실내 공기질을 관리하는 장치 및 방법 | |
US20220192454A1 (en) | Autonomous space sterilization of air and floor with contamination index | |
Yang et al. | Comparison of six particle size distribution models on the goodness-of-fit to particulate matter sampled from animal buildings | |
Tuniki et al. | A review on the approaches in analysing energy-related occupant behaviour research | |
Woo et al. | Assessment of daily personal PM2. 5 exposure level according to four major activities among children | |
KR102496128B1 (ko) | 실내공기질 측정기를 이용한 메시지 전송 및 에너지 관리 시스템 및 그 방법 | |
Lancia et al. | Aerobiological monitoring in an indoor occupational setting using a real-time bioaerosol sampler | |
US11917515B2 (en) | Allergen warning system and method | |
US20210012903A1 (en) | A system and method for determining allergens which may present a risk of a respiratory attack to a user of the system | |
EP3614395A1 (en) | A system and method for determining allergens which may present a risk of a respiratory attack to a user of the system | |
Yi | Enabling Personalized Air Pollution and Health Monitoring Using Low-Cost Sensors and Artificial Intelligence | |
Daurenbayeva et al. | Survey of Applications of Machine Learning for Fault Detection, Diagnosis and Prediction in Microclimate Control Systems | |
Aliero et al. | Comparative Analysis of Machine Learning Methods for Non-Intrusive Indoor Occupancy Detection and Estimation | |
Pérez et al. | Real-Time Indoor Air Quality Analysis using Recurrent Neural Networks: A Case Study of Environmental Variables | |
Bhimavarapu | Improved deep learning algorithm with innovation perspective: a prediction model of the mortality of respiratory infections |
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 | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40069423 Country of ref document: HK |