CN114112920A - 一种智能在线精准调控溶液浓度的荧光检测样品池及控制方法 - Google Patents
一种智能在线精准调控溶液浓度的荧光检测样品池及控制方法 Download PDFInfo
- Publication number
- CN114112920A CN114112920A CN202111507009.8A CN202111507009A CN114112920A CN 114112920 A CN114112920 A CN 114112920A CN 202111507009 A CN202111507009 A CN 202111507009A CN 114112920 A CN114112920 A CN 114112920A
- Authority
- CN
- China
- Prior art keywords
- sample
- concentration
- liquid level
- solution
- level height
- 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
- 238000000034 method Methods 0.000 title claims abstract description 53
- 230000001276 controlling effect Effects 0.000 title claims abstract description 26
- 238000001917 fluorescence detection Methods 0.000 title claims abstract description 25
- 230000001105 regulatory effect Effects 0.000 title claims abstract description 22
- 239000007788 liquid Substances 0.000 claims abstract description 183
- 239000000243 solution Substances 0.000 claims abstract description 106
- 238000002347 injection Methods 0.000 claims abstract description 39
- 239000007924 injection Substances 0.000 claims abstract description 39
- 230000002572 peristaltic effect Effects 0.000 claims abstract description 38
- 238000007789 sealing Methods 0.000 claims abstract description 24
- 239000002904 solvent Substances 0.000 claims abstract description 23
- 238000002474 experimental method Methods 0.000 claims abstract description 16
- 239000002699 waste material Substances 0.000 claims abstract description 15
- 239000000523 sample Substances 0.000 claims description 260
- 238000004422 calculation algorithm Methods 0.000 claims description 47
- 238000007637 random forest analysis Methods 0.000 claims description 24
- 230000008569 process Effects 0.000 claims description 18
- 238000000605 extraction Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 12
- 239000000758 substrate Substances 0.000 claims description 12
- 238000003708 edge detection Methods 0.000 claims description 10
- 238000001514 detection method Methods 0.000 claims description 9
- 238000004445 quantitative analysis Methods 0.000 claims description 7
- 238000012360 testing method Methods 0.000 claims description 7
- 238000011002 quantification Methods 0.000 claims description 5
- 230000009467 reduction Effects 0.000 claims description 5
- 239000011521 glass Substances 0.000 claims description 4
- 239000010453 quartz Substances 0.000 claims description 4
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N silicon dioxide Inorganic materials O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 claims description 4
- 238000013473 artificial intelligence Methods 0.000 claims description 3
- 230000002093 peripheral effect Effects 0.000 claims description 3
- 230000001629 suppression Effects 0.000 claims description 3
- 239000012780 transparent material Substances 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims 1
- 239000012895 dilution Substances 0.000 abstract description 11
- 238000010790 dilution Methods 0.000 abstract description 11
- 239000000284 extract Substances 0.000 abstract description 5
- 238000005516 engineering process Methods 0.000 abstract description 4
- 238000005259 measurement Methods 0.000 abstract description 4
- 230000033228 biological regulation Effects 0.000 description 10
- 238000005070 sampling Methods 0.000 description 7
- 238000007865 diluting Methods 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000000799 fluorescence microscopy Methods 0.000 description 3
- 230000035484 reaction time Effects 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 239000003153 chemical reaction reagent Substances 0.000 description 2
- 238000003066 decision tree Methods 0.000 description 2
- 238000001506 fluorescence spectroscopy Methods 0.000 description 2
- 239000007850 fluorescent dye Substances 0.000 description 2
- 238000011065 in-situ storage Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000005086 pumping Methods 0.000 description 2
- 239000000853 adhesive Substances 0.000 description 1
- 230000001070 adhesive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000002189 fluorescence spectrum Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000005499 meniscus Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 239000011541 reaction mixture Substances 0.000 description 1
- 239000012898 sample dilution Substances 0.000 description 1
- 230000008719 thickening Effects 0.000 description 1
- 231100000331 toxic Toxicity 0.000 description 1
- 230000002588 toxic effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G01N21/01—Arrangements or apparatus for facilitating the optical investigation
- G01N21/11—Filling or emptying of cuvettes
-
- 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
- G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
- G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
- G01N21/64—Fluorescence; Phosphorescence
Landscapes
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
Abstract
本发明提供了一种智能在线精准调控溶液浓度的荧光检测样品池及控制方法,属于荧光检测技术领域。解决目前自稀释样品注入溶剂量和取出的量一般是固定的,不能实现样品浓度的定量和精准测量的技术问题。本发明的荧光检测样品池包括底座、样品池、及与所述样品池配套的密封盖、蠕动泵、高分辨率相机、注射泵、废液瓶、混合装置和计算机。本发明还提供了一种智能在线精准调控溶液浓度的控制方法。本发明的荧光检测样品池在荧光显微镜实验中可实时、精准、自动控制溶液浓度,按需注入定量的纯溶剂或更高浓度溶液,稀释或增浓以达到适宜的样品浓度。本发明能够通过图像识别技术对样品池中液面高度进行识别定位,实时可靠的提取样品池内液面的高度信息。
Description
技术领域
本发明属于荧光检测技术领域,具体涉及一种智能在线精准调控溶液浓度的荧光检测样品池及控制方法。
背景技术
在荧光显微镜实验特别是单分子荧光显微镜实验中,荧光分子浓度是非常重要的影响因素。荧光信号对荧光分子的浓度极为敏感,较低的分子浓度导致信号强度低,在有限的实验时间内难以收集具有统计学意义的信号,较高的荧光分子浓度导致单个分子难以被识别,因此也不能进行荧光显微或单分子荧光显微实验。因此,在荧光显微镜实验中,需要对浓度进行精准调控。
传统的荧光检测样品池容量体积约在毫升或微升量级,人们通常采用移液管、注射器等器材手动注入或取出样品来改变待测样品的浓度。为了提高操作效率、减少试剂挥发所带来的误差以及避免有毒试剂对操作人员和环境的伤害,人们发明了自稀释样品池。通过在线连续自动取出和注入样品来实现样品的稀释。目前,在线连续自动稀释系统大多利用泵阀结构实现,如:专利CN 111624357 A、专利CN 104062170 A、专利CN 107045015 A、专利CN 104897820 B、专利CN200998643Y等。这些发明大多数采用固定的稀释比例。然而,现有技术中并未发现有可实现按需、自动智能调控样品池浓度增高或降低的样品池。
浓度调节过程中样品的取出和注入离不开溶液的定量。专利CN 102590091 A公布了一种用于浓度辅助参量荧光光谱测量的新型荧光样品池,其中取出和注入的液体量可以通过蠕动泵控制流量,也可以通过液位传感器、浮子针阀、超声测距等方法控制上下液面高度来实现溶液的定量。其缺点是液位传感器、浮子针阀、超声测距等仪器体积较大,难以应用于微量样品池。专利CN 104062169 A公布了一种自动在线微量样品稀释混合装置及混合,他们利用恒流泵、定量管来实现溶液的定量,缺点是操作较为繁琐,且样品浓度不能调增。专利CN 110715711 A公布了一种量筒的自动检定系统,通过视觉技术进行量筒液面位置识别,实时获得量筒内水形成的弯月面与目标刻线的位置关系,并根据位置关系控制水泵的开关,实现溶液的定量,这种方法具有速度快精度高等优点,但仅应用于对某个固定刻度的定量。
在研究浓度变化的试验中,往往需要检测一系列的浓度值。然而现有的自稀释样品池只能做到单一的稀释操作,一旦过度稀释,就需要重新开始实验;并且对于微量样品池来说,溶剂挥发等因素对样品的浓度影响较大,长时间实验后样品的实际浓度可能发生明显改变,因此不能简单依赖设置加入不同样品的体积,而需要原位、实时的表征样品池内的实际样品体积,通过实时判断样品的实际体积,准确的控制加入浓溶液或空白溶剂的量,实现溶液浓度的精准、自动控制。在目前的自稀释样品池设计中,注入溶剂量和取出的量一般是固定的,因此,不能实现样品浓度的定量和精准测量。
发明内容
针对目前自稀释样品池存在的技术问题,本发明利用一系列智能性算法,通过实时观测样品池内液体的高度,精准的判断样品池内溶液的体积,并通过计算机发出指令,自动控制加入浓溶液和溶剂的量和从溶液取出的量,可精准完成在单分子实验过程中,溶液的稀释、增浓和混合,实现荧光实验浓度控制的准确性,进而提供了一种智能在线精准调控溶液浓度的荧光检测样品池及控制方法。
为了解决上述技术问题,本发明的技术方案具体如下:
本发明提供了一种智能在线精准调控溶液浓度的荧光检测样品池,包括底座、样品池、及与所述样品池配套的密封盖、蠕动泵、高分辨率相机、注射泵、废液瓶、混合装置和计算机;
所述样品池和高分辨率相机安装在底座上;所述密封盖与样品池连接;所述密封盖上设置有进样孔、出样孔、第一通气孔和第二通气孔,所述出样孔通过出样管与蠕动泵一端连接,所述第一通气孔和第二通气孔分别与混合装置连接;所述蠕动泵的另一端与废液瓶连接;所述注射泵经由进样孔向样品池内注入所需样品;所述蠕动泵、高分辨率相机、注射泵和混合装置均通过信号电缆与计算机连接。
进一步的,所述样品池的侧面和底部为透明材料;所述混合装置是鼓泡器。
进一步的,所述样品池侧面底部连接有透明衬底,所述透明衬底为玻片或石英片。
进一步的,所述进样孔和出样孔设置在密封盖上表面直线距离最远的两个位置;所述第一通气孔和第二通气孔设置在与所述进样孔和出样孔直线正交的直线两端。
进一步的,所述注射泵上至少设置有三个注射器,悬停在进样孔正上方,分别装有浓溶液、溶剂和探针分子溶液,且可通过旋转切换位置。
进一步的,所述高分辨率相机固定在与所述样品池某个透明侧面正对的位置,用于连续拍摄样品池内溶液的液面高度。
本发明还提供了一种智能在线精准调控溶液浓度的控制方法,包括以下步骤:
第一步:初始化溶液体积:
计算机控制高分辨率相机采集样品池侧面图像,并处理该图像,获取样品池透明衬底上表面位置,将该位置设置为零液面高度,体积为零;
第二步:加入初始样品,计算机控制高分辨率相机采集样品池侧面图像,并处理该图像,获取样品液面高度值h0,则初始体积为S·h0,S为样品池截面积;
第三步:计算调节到目标浓度c1所需样品用量,调节浓度后始终保持最终样品体积等于S·h0:
长时间下溶剂挥发会对浓度产生影响,随着测试时间延长液面高度值会减小,因此在调节浓度前应当使用实时的液面高度,通过图像识别处理得到实时液面高度为h0′,则实际体积为S·h0′,实际浓度为c0′=c0h0/h0′,c0为初始样品浓度;在控制面板上实时显示实际样品浓度c0′;
根据c1h0S=c0′S(h0′-Δh)+c′S(Δh+h0-h0′)计算得到取出样品的体积为S·Δh,Δh为取出样品照成的液位差,c′为标准浓溶液浓度,计算得到:
Δh=h0′-[(c′h0-c1h0)h0′/(c′h0′-c0h0)]
当c1<c0时,c′=0(即为溶剂);当c1>c0时,c′为设定值(标准浓溶液浓度);
第四步:控制蠕动泵取出定量待测样品,使得液面高度到达h1=h0′-Δh处,注射泵加入定量溶剂或浓溶液到达h0;
第五步:控制混合装置将溶液混匀,系统更新初始浓度c0=c1;
第六步:使用荧光信号检测装置对样品进行荧光检测,结合荧光探针的荧光强度及分布情况,分析探针浓度的高低,自动选择适宜的荧光探针浓度范围;通过注射泵和注射器自动添加探针分子溶液;
第七步:混合均匀,进行其他测试;
第八步:进一步调节浓度,直接输入待调节目标浓度c1,返回第三步。
进一步的,第四步中通过计算机控制高分辨率相机实现溶液的定量方法如下:
利用高分辨率相机对样品池内液面高度进行连续实时拍照,并利用随机森林算法或图像识别算法对图片进行处理分析,识别溶液的体积信息,用于实现溶液的定量。
进一步的,利用随机森林算法从图像到溶液体积的换算方法具体如下:
通过高斯卷积核对图像进行降噪处理,使用一阶Sobel算子计算图像中各像素点的梯度幅值,采用非极大值抑制的办法,剔除非边缘点,提取像素点的局部梯度最大值;采用双阈值法,保持图像的有效区域,最后使用标准Contours函数实现最大轮廓提取;然后使用人工智能体系中的随机森林算法对图像进行分析。
进一步的,通过图像识别的算法实现溶液的定位主要包括如下两个步骤:
第一步,首先实验前,对样品池内液面高度进行校准:
1、通过加入液体,并用高分辨率相机对液面高度进行连续拍照;
2、对所有液面高度图片进行Canny边缘检测算法,提取并储存每帧液面高度图片的液面高度值;
3、对这些离散图像进行插值算法,即根据中心像素点的颜色参数及液面边界像素点的颜色移动方向模拟出周边像素值的方法;
第二步,然后对待测样品进行实验,其中定量方法为:
将某个时刻样品的液面高度图片与校准后的标准图库中的图片进行检索比对,寻找最相似的图片,获得其对应的液面高度值:即在调节浓度的过程中,通过对高分辨率相机捕捉的某个时刻的图片进行Canny边缘检测提取图片特征信息,然后与图片库中的图片进行特征对比,通过比较轮廓信息,找到相似度最高的图片,得到其对应的液面高度值,从而实现液面高度的定位。
本发明的有益效果是:
本发明的智能在线精准调控溶液浓度的荧光检测样品池,利用计算机,根据随机森林算法或图像比对算法识别样品池内溶液的液面高度信息并计算溶液体积,通过对蠕动泵、注射泵和混合装置的智能控制,实现溶液浓度的调增、调减和均匀混合。利用本发明的智能调控溶液浓度的荧光检测样品池在荧光显微镜实验中可实时、精准、自动控制溶液浓度,按需注入定量的纯溶剂或更高浓度溶液,稀释或增浓以达到适宜的样品浓度。本发明能够通过图像识别技术对样品池中液面高度进行识别定位,实时可靠的提取样品池内液面的高度信息。利用本发明设计的样品池,可实现智能原位精准调控样品浓度,提高浓度调控准确性。
本发明的智能在线精准调控溶液浓度的控制方法,利用一系列智能性算法,通过实时观测样品池内液体的高度,精准的判断样品池内溶液的体积,并通过计算机发出指令,自动控制加入浓溶液和溶剂的量和从溶液取出的量,可精准完成在单分子实验过程中,溶液的稀释、增浓和混合,实现荧光实验浓度控制的准确性。
附图说明
下面结合附图和具体实施方式对本发明作进一步详细说明。
图1为本发明提供的一种智能在线精准调控溶液浓度的样品池装置结构图(主视图)。
图2为本发明提供的样品池的左视图。
图3为本发明提供的样品池密封盖的俯视图。
图4为本发明提供的图像特征提取流程图。
图5为本发明提供的随机森林训练流程图。
图中的附图标记表示为:
1-样品池、2-密封盖、3-高分辨率相机、4-注射泵、5-出样管、6-蠕动泵、7-废液瓶、8-混合装置、9-计算机、10-底座、11-透明衬底;
101-通光孔;
21-进样孔、22-出样孔、23-第一通气孔、24-第二通气孔;
41-第一注射器、42-第二注射器、43-第三注射器;
81-导管;
91-信号电缆。
具体实施方式
为了更清楚的说明本发明实施方式中的技术方案,下面将实施方式中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
结合图1-3具体说明本发明提供的智能调控溶液浓度的荧光检测样品池,包括底座10、样品池1、与所述样品池1配套的密封盖2、蠕动泵6、高分辨率相机3、注射泵4、废液瓶7、混合装置8和计算机9(如图1所示);所述样品池1和高分辨率相机3安装在底座10上;所述底座10上设置有通光孔101,以供激光通过;所述密封盖2与样品池1连接;所述密封盖2上设置有进样孔21、出样孔22、第一通气孔23和第二通气孔24,所述出样孔22通过出样管5与蠕动泵6一端连接,所述第一通气孔23和第二通气孔24分别与混合装置8连接;所述蠕动泵6的另一端与废液瓶7连接;所述注射泵4经由进样孔21向样品池1内注入所需样品;所述蠕动泵6、高分辨率相机3、注射泵4和混合装置8均通过信号电缆91与计算机9连接。
优选的,所述样品池1侧面和底部为透明材料,有规则的几何形状。
优选的,所述样品池1侧面底部设置有透明衬底11,其为玻片或石英片,通过粘结剂与所述样品池1侧面底部连接。
优选的,所述进样孔21和出样孔22设置在密封盖2上表面直线距离最远的两个位置;
优选的,所述第一通气孔23和第二通气孔24设置在与所述进样孔21和出样孔22直线正交的直线两端;
优选的,所述注射泵4至少设置有三个注射器,悬停在进样孔21正上方,分别装有浓溶液、溶剂和探针分子溶液,可通过旋转切换位置。
优选的,所述混合装置8是鼓泡器;
优选的,所述高分辨率相机3固定在与所述样品池1某个透明侧面正对的位置,用于连续拍摄样品池1内溶液的液面高度。
本发明还提供一种智能在线精准调控溶液浓度的控制方法,该方法,根据随机森林算法或图像比对算法识别样品池内溶液的液面高度信息并计算溶液体积,通过对蠕动泵6、注射泵4和混合装置8的智能控制,实现溶液浓度的调增、调减和均匀混合。本发明只需要检查各个装置连接情况,打开计算机9,设置参数(初始样品浓度c0、样品池截面积S、蠕动泵和注射泵流速、标准浓溶液浓度c′等),运行即可,将自动控制蠕动泵6、注射泵4、高分辨率相机3等仪器实现溶液浓度的调控。主要步骤包括:
第一步:初始化溶液体积:
计算机9控制高分辨率相机3采集样品池1侧面图像,并处理该图像,获取样品池透明衬底11上表面位置,设置为零液面高度,体积为零。
第二步:加入一定量初始样品,计算机9控制高分辨率相机3采集样品池1侧面图像,并处理该图像,获取样品液面高度值h0,则初始体积为S·h0。
第三步:计算调节到目标浓度c1所需样品用量,调节浓度后始终保持最终样品体积等于S·h0:
长时间下溶剂挥发对浓度的影响较大,随着测试时间延长液面高度值可能减小,因此在调节浓度前应当使用实时的液面高度,通过图像识别处理得到实时液面高度为h0′,则实际体积为S·h0′,实际浓度为c0′=c0h0/h0′。在控制面板上实时显示实际样品浓度c0′。
根据c1h0S=c0′S(h0′-Δh)+c′S(Δh+h0-h0′)计算得到取出样品的体积为S·Δh,Δh为取出样品照成的液位差,c′标准浓溶液浓度,计算得到:
Δh=h0′-[(c′h0-c1h0)h0′/(c′h0′-c0h0)]
当c1<c0时,c′=0(即为溶剂);当c1>c0时,c′为设定值(标准浓溶液浓度)。
第四步:控制蠕动泵6取出定量待测样品,使得液面高度到达h1=h0′-Δh处,注射泵4加入定量溶剂或浓溶液到达h0。定量方法在后面详细介绍;
第五步:控制混合装置8将溶液混匀,系统更新初始浓度c0=c1,方便下一次调节浓度时计算。
第六步:使用荧光信号检测装置对样品进行荧光检测,结合荧光探针的荧光强度及分布情况,分析探针浓度的高低,自动选择适宜的荧光探针浓度范围。通过注射泵4和注射器自动添加探针分子溶液;
第七步:混合均匀,进行其他测试。
第八步:进一步调节浓度,直接输入待调节目标浓度c1,返回第三步。
基于上面的控制方法,第四步通过计算机9控制高分辨率相机3实现溶液的定量方法如下:
本发明利用高分辨率相机3对样品池1内液面高度进行连续实时拍照,并利用随机森林算法或图像识别算法对图片进行处理分析,识别溶液的体积信息,用于实现溶液的定量。本发明基于随机森林算法和图像识别算法,提出了直接对不同液面高度的样品池进行分类,并结合图像识别技术对图像中的目标区域进行单独提取和归类。
利用随机森林算法从图像到溶液体积的换算方法具体如下:
在液面高度的图片中,液面在样品池1的相对高度是我们的感兴趣区域,通过Canny边缘检测算法实现。具体实现步骤如下:通过高斯卷积核对图像进行降噪处理,使用一阶Sobel算子计算图像中各像素点的梯度幅值,采用非极大值抑制的办法,剔除非边缘点,提取像素点的局部梯度最大值。采用双阈值法,保持图像的有效区域,最后使用标准Contours函数实现最大轮廓提取。然后我们使用人工智能体系中的随机森林算法对图像进行分析。
初始图像需要经过一系列图像处理得到可以被随机森林处理的特征数据文件,液面高度图像特征信息提取的主要处理方法如下(参见图4):
1、灰度化与二值化处理:对彩色图像进行轮廓检测处理之前需要进行灰度化与二值化操作。
2、最大轮廓提取与面积、周长和中心距提取:轮廓提取工作主要是为了提取图像中界面的最大轮廓,对最大轮廓的质心进行标记,提取质心位置以表征探测目标的高度信息,并计算最大轮廓的面积和周长。
3、利用概率霍夫直线检测特征提取。
4、角点检测特征提取:通过角点检测获取条纹图像中的角点个数及其分布位置,以角点个数作为特征值。
针对以上特征及提取流程,导入样品池1内具有不同体积溶液的液面高幅作为训练集图像,对超过1000张图像进行特征提取。利用随机森林算法原理进行随机森林分类模型的训练,并对随机森林分类模型进行优化和参数调节。
利用随机森林算法分析具有不同液面高度的训练图像样本,可实现最终算法对于液面高度定位的高时效性和高准确性。我们的算法根据形态学特征和局部检测特征理论,结合特征提取流程建立了液面高度图像的特征提取算法,对液面高度进行分析,并利用得到的特征集结合随机森林分类模型训练流程建立了随机森林分类模型,模型建立完成后,使用网格搜索法对随机森林模型的基决策树数量、基决策树最大深度进行调参,得到的液面高度判断准确率为97%。通过液面高度换算样品池内溶液的真实体积,为溶液浓度的精准控制奠定数据依据(参见图5)。
此外我们还可以利用图像识别的算法获得液面高度等信息,即对样品池1内溶液的液面定位方法如下:
通过图像识别的算法实现溶液的定位主要包括如下两个步骤:
第一步,首先实验前,我们对样品池1内液面高度进行校准:
1、通过缓慢加入液体,并用高分辨率相机3对液面高度进行连续拍照;
2、对所有液面高度图片进行Canny边缘检测算法(如图4所示,液面高度图像特征信息的提取与前面介绍的相同),提取并储存每帧液面高度图片的液面高度值。
3、对这些离散图像进行插值算法,即根据中心像素点的颜色参数及液面边界像素点的颜色移动方向模拟出周边像素值的方法。这里采用了IFENT(aSpecialized andEfficient Intermediate Flow Network)算法,将直接采用线性运动(液面移动方向是不变)假设,对中间帧进行估计。从而预测出离散图像中两个相邻图像之间缺失的像素图像,建立一个由液面高度连续变化的图片库,其中每帧图片对应一个液面高度值。
第二步,然后对待测样品进行实验,其中定量方法为:
将某个时刻样品的液面高度图片与校准后的标准图库中的图片进行检索比对,寻找最相似的图片,获得其对应的液面高度值:即在调节浓度的过程中,通过对高分辨率相机3捕捉的某个时刻的图片进行Canny边缘检测提取图片特征信息,然后与图片库中的图片进行特征对比,通过比较轮廓信息,找到相似度最高的图片,得到其对应的液面高度值。从而实现液面高度的定位。
为了进一步了解本发明,下面结合具体实施方式对本发明的优选实施方案进行描述,但是应当理解,这些描述只是为进一步说明本发明的特征和优点而不是对本发明权利要求的限制。
实施例一
如图1-3所示,本发明的智能在线精准调控溶液浓度的荧光检测样品池,包括样品池1、密封盖2、高分辨率相机3、注射泵4、出样管5、蠕动泵6、废液瓶7、混合装置8、计算机9和底座10;样品池1底部为透明衬底11,安装在通光孔101之上;密封盖2上设置有进样孔21、出样孔22、第一通气孔23和第二通气孔24;注射泵4安装有第一注射器41、第二注射42、第三注射43,分别装有纯溶剂、浓溶液和探针溶液;其中,样品池1为常用技术;样品池1的形状为规则形状,通常为立方体或圆柱体;透明衬底11的形状也没有特殊限制,材料可以为玻璃或石英等,透明衬底11的厚度优选为0.15mm;
密封盖2固定在样品池1上。密封盖2的形状没有特殊限制,能与样品池1形成密封腔体即可。密封盖2上设有与腔体连通的进样孔21和出样孔22,优选进样孔21和出样孔22设置在密封盖2上表面上距离最远的一条直线上,如密封盖2的上表面为圆形,则进样孔21和出样孔22设置在一条直径的两端上,如密封盖2的上表面为方形,则进样孔21和出样孔22设置在一条对角线的两端上。
注射泵4上的第一注射器41、第二注射器42和第三注射器43悬停在进样孔21上,可以自由切换位置和高度,用于向样品池1内注入定量的所需溶液样品。出样孔22通过出样管5与蠕动泵6连接,将废液排入废液瓶7,出样管5始端始终保持在液面以下。
第一通气孔23和第二通气孔24与混合装置8通过导管81连接,混合装置8优选为鼓泡器,导管81有葫芦状的防倒吸结构。
本发明中高分辨率相机3、注射泵4、蠕动泵6和混合装置8均通过信号电缆91与计算机9连接,并且计算机9控制它们的运行情况。
计算机9实现对蠕动泵6、注射泵4和混合装置8的智能控制,高效地完成调节浓度涉及的自稀释、自增浓、混合等功能过程。具体实现流程为:
首先人为在计算机9上设置初始参数,如图4所示,包括当前样品浓度及体积,浓溶液的浓度,抽样流速,注样流速,样品池横截面积和目标溶液浓度等。高分辨率相机3曝光时间优选为10ms。
第一步,计算机9对高分辨率相机3得到的图片进行处理,根据拍摄的液面高度图像提取此时样品池1内样品的液面高度,并记录为初始液面高度。
第二步,计算机9自动计算出调节到目标浓度需要抽出样品的量和加入样品的量,程序计算浓度的算法基于浓度调节前后样品体积相同。
第三步,打开蠕动泵6根据计算结果将样品按照设定的抽样流速抽到废液瓶7,当高分辨率相机3监控到样品池1中液面高度比计算的最低液位高出约最大液位差的10%时,蠕动泵6以间歇性的低流速抽取,即采用抽取1s后暂停,给高分辨率相机3和计算机9足够的反应时间,提高精确度。
计算机利用随机森林算法,蠕动泵6暂停后的获得的液面高度信息(不少于1000个样本),判断每个样本的液面高度是否在最低液面高度±1%范围内。若最终结果为“否”则进行第三步,若最终结果为“是”则进行下一步。
第四步,选择注入液,若稀释则选择装有纯溶剂的第一注射器41,若要增大浓度则选择装有浓溶液的第二注射器42,调节注射器高度,插入进样孔21,打开注射泵4将样品按照设定的注样流速通过进样孔21滴加到样品池1内,当高分辨率相机3监控到样品池1中液面高度比最高液位(初始液面)低约最大液位差的10%时,注射泵4采用低流速的间歇性滴加方法,防止由于滴加液体引起的液面剧烈波动造成的错误识别。
计算机9利用随机森林算法,注射泵4暂停后的获得的液面高度信息(不少于1000个样本),判断每个样本的液面高度是否在最高液面高度±1%范围内。若最终结果为“否”则进行第四步,若最终结果为“是”则将注射器调回原始高度,并开始下一步。
第五步,打开混合装置8将溶液混合均匀,混合装置8的选择根据实际情况选择,优选的混合装置8可以是鼓泡器。
第六步,待样品混合均匀,使用荧光信号检测装置对样品进行荧光检测,结合荧光探针的荧光强度及分布情况,分析探针浓度的高低,并自动选择适宜的荧光探针浓度范围。通过注射泵4和第三注射器43自动添加探针分子溶液,实现探针浓度的智能调控。
本实施例的优点在于,采用了随机森林算法,对液面超过1000张图像进行特征提取,得到的液面高度判断准确率高达97%。
实施例二
本实施例与实施例一的区别在于:本实施例中采用的液面高度定位方法为图像识别算法,通过检索对比提前校准过的液面高度图片,实现液面高度的定位,具体实现方法如下:
首先对液面高度进行校准,将样品池1装满校准液,优选为水。然后计算机9控制蠕动泵6以一定的流速往外抽出液体(流速越小液面高度校准值越准确),同时打开高分辨率相机3对样品池1液面连续拍照,计算机9对捕获的所有图像进行处理,包括Canny边缘检测算法以及插值算法等获得不同图片对应液面的高度值,储存为图片库。之后进行目标溶液的浓度调控。
首先向样品池1中加入一定量的初始样品,校准初始样品高度信息:计算机9首先对高分辨率相机3得到的初始样品的图片进行图像处理、比对标准图库,寻找与标准图库中相似度最高的图片,并标注此图片为高液面高度图。
然后人为在计算机9上设置初始参数,包括当前样品浓度及体积,浓溶液浓度,抽样流速和注样流速(优选60μL/s),样品池1横截面积和目标溶液初始浓度等。运行控制程序。计算机9通过程序控制,根据图4处理高分辨率相机3实时捕捉的图片,控制程序自动实现浓度调控过程中的定量步骤如下:
第一步,计算机9根据当前样品的浓度,自动计算出调节到目标浓度需要抽出样品的量和加入样品的量,计算浓度的算法基于浓度调节前后样品体积相同,根据计算的目标液面高度值,搜索标准图片库中与这个液面高度值对应的图片,并标注此图片为低液面高度图。并将这个低液面高度图之上10%的标准图片标注为次低液面高度图,将高液面高度图之下10%的标准图片标注为次高液面高度图。(10%表示标准图库中高液面高度图和低液面高度图之间的所有连续图片)
第二步,打开蠕动泵6根据计算结果将样品按照设定的抽样流速抽到废液瓶7,当高分辨率相机3捕捉的图片与次低液面高度图片重合时,蠕动泵6以低流速抽样优选30μL/s,给高分辨率相机3和计算机9足够的反应时间,提高精确度。当高分辨率相机3捕捉的图片与低液面高度图片重合时,关闭蠕动泵6。待液面稳定,液位波动小于±1%,即可开始下一步。
第三步,选择注入液,若稀释则选择装有纯溶剂的第一注射器41,若要增大浓度则选择装有浓溶液的第二注射器42,调节注射器高度,插入进样孔21,打开注射泵4将样品按照设定的注样流速通过进样孔21滴加到样品池1内,当高分辨率相机3捕捉的图片与次高液面高度图片重合时,注射泵4以低流速注样优选20μL/s,防止由于滴加液体引起的液面剧烈波动造成的错误识别。当高分辨率相机3捕捉的图片与高液面高度图片重合时,关闭注射泵6。等待约30s,待液面稳定,液位波动小于±1%,即可将注射器调回原始高度,再进行下一步。若要进一步调节浓度,直接从第一步开始计算。
实施例三
本实施例与实施例二的区别在于,不用对所有液面进行校准。高分辨率相机3对液面进行连续拍照,计算机9通过Canny边缘检测算法提取某个时刻液面高度图片的高度值,从而实现液面高度的实时动态监控。具体浓度调节步骤如下:
第一步,浓度调节前后保持溶液体积不变。首先向样品池1中加入一定量的初始样品;然后记录此时初始化液面高度h0:高分辨率相机3拍摄样品池1液面图片,根据Canny边缘检测算法,提取图片中的液面高度信息,设置此时的液面高度值为初始液面高度值即h0。
第二步,计算机9根据设定的参数以及实际液面高度值h0′自动计算出调节到目标浓度需要抽出样品的量和加入样品的量,所计算的抽出和加入的量全部用高度表示,得到抽出样品所要到达的液面高度值h1=h0′-Δh,和抽样前后的最大液位差h0-h1。
第三步,打开蠕动泵6根据计算结果将样品按照设定的抽样流速(优选60μL/s)抽到废液瓶7,当高分辨率相机3监控到样品池1中液面高度比计算的最低液位h1高出约最大液位差的10%时,蠕动泵6以低流速(优选30μL/s)抽样,给高分辨率相机3和计算机9足够的反应时间,提高精确度。当高分辨率相机3监控到样品池1中液面高度等于最低液面高度时,关闭蠕动泵6。待液面稳定,液位波动小于±1%,即可开始下一步。
第四步,选择注入液,若稀释则选择装有纯溶剂的第一注射器41,若要增大浓度则选择装有浓溶液的第二注射器42,调节注射器高度,插入进样孔21,打开注射泵4将样品按照设定的注样流速(优选60μL/s)通过进样孔21滴加到样品池1内,当高分辨率相机3监控到样品池1中液面高度比最高液位(初始液面h0)低约最大液位差的10%时,注射泵4以低流速(优选20μL/s)注样,防止由于滴加液体引起的液面剧烈波动造成图像的错误识别。当高分辨率相机3监控到样品池1中液面高度等于最高液面高度h0时,关闭注射泵6。等待约30s,待液面稳定,液位波动小于±1%,即可将注射器调回原始高度,再进行下一步。如要进一步调节浓度,则返回从第二步。
显然,上述实施例仅仅是为清楚地说明所作的举例,而并非对实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
Claims (10)
1.一种智能在线精准调控溶液浓度的荧光检测样品池,其特征在于,包括底座(10)、样品池(1)、及与所述样品池(1)配套的密封盖(2)、蠕动泵(6)、高分辨率相机(3)、注射泵(4)、废液瓶(7)、混合装置(8)和计算机(9);
所述样品池(1)和高分辨率相机(3)安装在底座(10)上;所述密封盖(2)与样品池(1)连接;所述密封盖(2)上设置有进样孔(21)、出样孔(22)、第一通气孔(23)和第二通气孔(24),所述出样孔(22)通过出样管(5)与蠕动泵(6)一端连接,所述第一通气孔(23)和第二通气孔(24)分别与混合装置(8)连接;所述蠕动泵(6)的另一端与废液瓶(7)连接;所述注射泵(4)经由进样孔(21)向样品池(1)内注入所需样品;所述蠕动泵(6)、高分辨率相机(3)、注射泵(4)和混合装置(8)均通过信号电缆(91)与计算机(9)连接。
2.根据权利要求1所述的荧光检测样品池,其特征在于,所述样品池(1)的侧面和底部为透明材料;所述混合装置(8)是鼓泡器。
3.根据权利要求1所述的荧光检测样品池,其特征在于,所述样品池(1)侧面底部连接有透明衬底(11),所述透明衬底(11)为玻片或石英片。
4.根据权利要求1所述的荧光检测样品池,其特征在于,所述进样孔(21)和出样孔(22)设置在密封盖(2)上表面直线距离最远的两个位置;所述第一通气孔(23)和第二通气孔(24)设置在与所述进样孔(21)和出样孔(22)直线正交的直线两端。
5.根据权利要求1所述的荧光检测样品池,其特征在于,所述注射泵(4)上至少设置有三个注射器,悬停在进样孔(21)正上方,分别装有浓溶液、溶剂和探针分子溶液,且可通过旋转切换位置。
6.根据权利要求1所述的荧光检测样品池,其特征在于,所述高分辨率相机(3)固定在与所述样品池(1)某个透明侧面正对的位置,用于连续拍摄样品池(1)内溶液的液面高度。
7.一种智能在线精准调控溶液浓度的控制方法,其特征在于,包括以下步骤:
第一步:初始化溶液体积:
计算机(9)控制高分辨率相机(3)采集样品池(1)侧面图像,并处理该图像,获取样品池透明衬底(11)上表面位置,将该位置设置为零液面高度,体积为零;
第二步:加入初始样品,计算机(9)控制高分辨率相机(3)采集样品池(1)侧面图像,并处理该图像,获取样品液面高度值h0,则初始体积为S·h0,S为样品池(1)截面积;
第三步:计算调节到目标浓度c1所需样品用量,调节浓度后始终保持最终样品体积等于S·h0:
长时间下溶剂挥发会对浓度产生影响,随着测试时间延长液面高度值会减小,因此在调节浓度前应当使用实时的液面高度,通过图像识别处理得到实时液面高度为h0′,则实际体积为S·h0′,实际浓度为c0′=c0h0/h0′,c0为初始样品浓度;在控制面板上实时显示实际样品浓度c0′;
根据c1h0S=c0′S(h0′-Δh)+c′S(Δh+h0-h0′)计算得到取出样品的体积为S·Δh,Δh为取出样品照成的液位差,c′为标准浓溶液浓度,计算得到:
Δh=h0′-[(c′h0-c1h0)h0′/(c′h0′-c0h0)]
当c1<c0时,c′=0;当c1>c0时,c′为标准浓溶液浓度;
第四步:控制蠕动泵(6)取出定量待测样品,使得液面高度到达h1=h0′-Δh处,注射泵(4)加入定量溶剂或浓溶液到达h0;
第五步:控制混合装置(8)将溶液混匀,系统更新初始浓度c0=c1;
第六步:使用荧光信号检测装置对样品进行荧光检测,结合荧光探针的荧光强度及分布情况,分析探针浓度的高低,自动选择适宜的荧光探针浓度范围;通过注射泵(4)和注射器自动添加探针分子溶液;
第七步:混合均匀,进行其他测试;
第八步:进一步调节浓度,直接输入待调节目标浓度c1,返回第三步。
8.根据权利要求7所述的控制方法,其特征在于,第四步中通过计算机(9)控制高分辨率相机(3)实现溶液的定量方法如下:
利用高分辨率相机(3)对样品池(1)内液面高度进行连续实时拍照,并利用随机森林算法或图像识别算法对图片进行处理分析,识别溶液的体积信息,用于实现溶液的定量。
9.根据权利要求8所述的控制方法,其特征在于,利用随机森林算法从图像到溶液体积的换算方法具体如下:
通过高斯卷积核对图像进行降噪处理,使用一阶Sobel算子计算图像中各像素点的梯度幅值,采用非极大值抑制的办法,剔除非边缘点,提取像素点的局部梯度最大值;采用双阈值法,保持图像的有效区域,最后使用标准Contours函数实现最大轮廓提取;然后使用人工智能体系中的随机森林算法对图像进行分析。
10.根据权利要求8所述的控制方法,其特征在于,通过图像识别的算法实现溶液的定位主要包括如下两个步骤:
第一步,首先实验前,对样品池(1)内液面高度进行校准:
1、通过加入液体,并用高分辨率相机(3)对液面高度进行连续拍照;
2、对所有液面高度图片进行Canny边缘检测算法,提取并储存每帧液面高度图片的液面高度值;
3、对这些离散图像进行插值算法,即根据中心像素点的颜色参数及液面边界像素点的颜色移动方向模拟出周边像素值的方法;
第二步,然后对待测样品进行实验,其中定量方法为:
将某个时刻样品的液面高度图片与校准后的标准图库中的图片进行检索比对,寻找最相似的图片,获得其对应的液面高度值:即在调节浓度的过程中,通过对高分辨率相机(3)捕捉的某个时刻的图片进行Canny边缘检测提取图片特征信息,然后与图片库中的图片进行特征对比,通过比较轮廓信息,找到相似度最高的图片,得到其对应的液面高度值,从而实现液面高度的定位。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111507009.8A CN114112920A (zh) | 2021-12-10 | 2021-12-10 | 一种智能在线精准调控溶液浓度的荧光检测样品池及控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111507009.8A CN114112920A (zh) | 2021-12-10 | 2021-12-10 | 一种智能在线精准调控溶液浓度的荧光检测样品池及控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114112920A true CN114112920A (zh) | 2022-03-01 |
Family
ID=80364748
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111507009.8A Pending CN114112920A (zh) | 2021-12-10 | 2021-12-10 | 一种智能在线精准调控溶液浓度的荧光检测样品池及控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114112920A (zh) |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11326151A (ja) * | 1998-05-14 | 1999-11-26 | Nikon Corp | 液体試料の分析方法及びオートサンプラー |
CA2547489A1 (en) * | 2005-05-18 | 2006-11-18 | Ecovu Analytics Inc. | Fluid contamination analyzer and sample cell therefor |
WO2008132611A2 (en) * | 2007-04-13 | 2008-11-06 | C Technologies, Inc. | Interactive variable pathleingth device |
CN102590091A (zh) * | 2012-02-28 | 2012-07-18 | 北京师范大学 | 用于浓度辅助参量荧光光谱测量的新型荧光样品池 |
CN103134942A (zh) * | 2013-02-08 | 2013-06-05 | 清华大学 | 一种含沙浓度和浑水流速垂线分布的同步实时测量装置 |
CN103217395A (zh) * | 2012-01-19 | 2013-07-24 | 库特勒自动化系统(苏州)有限公司 | 化学溶液浓度在线控制系统及方法 |
CN107328749A (zh) * | 2017-08-31 | 2017-11-07 | 河海大学 | 一种水质荧光溶液浓度测量装置及测量方法 |
CN207248756U (zh) * | 2017-10-16 | 2018-04-17 | 中国科学院、水利部成都山地灾害与环境研究所 | 一种高精度自动标准溶液稀释装置 |
CN108593571A (zh) * | 2018-03-12 | 2018-09-28 | 宁夏天元锰业有限公司 | 一种自动化检测电解液锰离子的检测方法 |
CN109459401A (zh) * | 2019-01-02 | 2019-03-12 | 北京大学 | 环境空气中甲醛含量的在线监测方法及装置 |
CN109668848A (zh) * | 2019-02-27 | 2019-04-23 | 苏州奥特福环境科技有限公司 | 一种臭氧浓度在线检测系统及方法 |
CN209086148U (zh) * | 2018-09-17 | 2019-07-09 | 徐州瑞马智能技术有限公司 | 浓度在线自动检测装置 |
CN112051252A (zh) * | 2020-09-16 | 2020-12-08 | 中国科学院长春应用化学研究所 | 一种样品池及其制备方法与应用 |
CN112683904A (zh) * | 2020-12-21 | 2021-04-20 | 中国科学院长春应用化学研究所 | 一种微生物与固体表面相互作用的原位表征装置及表征方法 |
CN213398183U (zh) * | 2020-10-14 | 2021-06-08 | 南京科创检测技术有限公司 | 一种紫外-可见光度测定系统 |
CN113559740A (zh) * | 2021-07-28 | 2021-10-29 | 华域皮尔博格有色零部件(上海)有限公司 | 一种溶液浓度修正装置 |
-
2021
- 2021-12-10 CN CN202111507009.8A patent/CN114112920A/zh active Pending
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11326151A (ja) * | 1998-05-14 | 1999-11-26 | Nikon Corp | 液体試料の分析方法及びオートサンプラー |
CA2547489A1 (en) * | 2005-05-18 | 2006-11-18 | Ecovu Analytics Inc. | Fluid contamination analyzer and sample cell therefor |
WO2008132611A2 (en) * | 2007-04-13 | 2008-11-06 | C Technologies, Inc. | Interactive variable pathleingth device |
CN103217395A (zh) * | 2012-01-19 | 2013-07-24 | 库特勒自动化系统(苏州)有限公司 | 化学溶液浓度在线控制系统及方法 |
CN102590091A (zh) * | 2012-02-28 | 2012-07-18 | 北京师范大学 | 用于浓度辅助参量荧光光谱测量的新型荧光样品池 |
CN103134942A (zh) * | 2013-02-08 | 2013-06-05 | 清华大学 | 一种含沙浓度和浑水流速垂线分布的同步实时测量装置 |
CN107328749A (zh) * | 2017-08-31 | 2017-11-07 | 河海大学 | 一种水质荧光溶液浓度测量装置及测量方法 |
CN207248756U (zh) * | 2017-10-16 | 2018-04-17 | 中国科学院、水利部成都山地灾害与环境研究所 | 一种高精度自动标准溶液稀释装置 |
CN108593571A (zh) * | 2018-03-12 | 2018-09-28 | 宁夏天元锰业有限公司 | 一种自动化检测电解液锰离子的检测方法 |
CN209086148U (zh) * | 2018-09-17 | 2019-07-09 | 徐州瑞马智能技术有限公司 | 浓度在线自动检测装置 |
CN109459401A (zh) * | 2019-01-02 | 2019-03-12 | 北京大学 | 环境空气中甲醛含量的在线监测方法及装置 |
CN109668848A (zh) * | 2019-02-27 | 2019-04-23 | 苏州奥特福环境科技有限公司 | 一种臭氧浓度在线检测系统及方法 |
CN112051252A (zh) * | 2020-09-16 | 2020-12-08 | 中国科学院长春应用化学研究所 | 一种样品池及其制备方法与应用 |
CN213398183U (zh) * | 2020-10-14 | 2021-06-08 | 南京科创检测技术有限公司 | 一种紫外-可见光度测定系统 |
CN112683904A (zh) * | 2020-12-21 | 2021-04-20 | 中国科学院长春应用化学研究所 | 一种微生物与固体表面相互作用的原位表征装置及表征方法 |
CN113559740A (zh) * | 2021-07-28 | 2021-10-29 | 华域皮尔博格有色零部件(上海)有限公司 | 一种溶液浓度修正装置 |
Non-Patent Citations (13)
Title |
---|
FU Z 等: "Research Progress on Portable Bio-optical Sensors", BIOTECHNOLOGY BULLETIN, vol. 37, no. 3, 2 April 2021 (2021-04-02), pages 219 - 226 * |
VASSILIS ROUKOS 等: "Cell cycle staging of individual cells by fluorescence microscopy", NAT PROTOC, vol. 10, 29 January 2015 (2015-01-29), pages 334 - 348 * |
ZHAO Y 等: "Tracking of Nanoparticle Diffusion at a Liquid–Liquid Interface Adsorbed by Nonionic Surfactants", LANGMUIR, vol. 37, no. 41, 19 October 2021 (2021-10-19), pages 12118 - 12127 * |
于治国主编: "《药物分析》", vol. 4, 31 December 2019, 中国医药科技出版社, pages: 274 - 275 * |
何德勇;章竹君;何树华;: "基于分子印迹识别的化学发光微流控传感器芯片测定双嘧达莫", 理化检验(化学分册), no. 09, 18 September 2009 (2009-09-18), pages 1025 - 1031 * |
刘永强 等: "顺序注射微量注样在线稀释分光光度法测定环境水样中的正磷酸盐", 安徽农业科学, vol. 40, no. 2, 20 April 2012 (2012-04-20), pages 934 - 936 * |
张唯;张天玮;李瑞瑞;李新霞;: "基于微顺序注射-阀上实验室药物浓度实时监测软件系统的开发与应用", 分析仪器, no. 02, 28 March 2017 (2017-03-28), pages 14 - 19 * |
张志德 等: "无水乙醛肟的制备", 化学试剂, vol. 22, no. 2, 31 December 2000 (2000-12-31), pages 128 * |
李文 等: "基于图像辨识的六价铬水质在线检测系统的开发", 现代化工, vol. 41, no. 01, 1 December 2020 (2020-12-01), pages 232 - 238 * |
王唯 等: "新型纳米酶马达的制备及其抗菌性能研究", 分析化学, vol. 49, no. 12, 29 October 2021 (2021-10-29), pages 1995 - 2004 * |
胡平, 张宇, 钟明霞: "石墨炉原子吸收光谱法测定水中痕量铜、铅、镉", 云南环境科学, no. 03, 25 September 2005 (2005-09-25), pages 62 - 66 * |
胡贤巧: "基于紫外光化学反应的高聚物微流控芯片制备技术研究及应用", 中国优秀博士学位论文全文数据库信息科技辑, no. 07, 15 July 2013 (2013-07-15), pages 135 - 27 * |
邓思兴: "基于紫外—可见光谱水质检测光学系统的研究与设计", 中国优秀硕士学位论文全文数据库工程科技Ⅰ辑, no. 12, 15 December 2018 (2018-12-15), pages 027 - 1026 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106529559A (zh) | 一种指针式圆形多仪表盘实时读数识别方法 | |
CN107036966A (zh) | 通过水面影像获得水质情况的水情监测系统的工作方法 | |
CN105389814A (zh) | 一种用于气密性试验的气泡检测方法 | |
CN1804559A (zh) | 数字视频水位计 | |
CN112284980A (zh) | 一种试剂沥青静态接触角测试方法、装置及系统 | |
CN111089632A (zh) | 一种树脂溶液罐液位检测方法与装置 | |
CN108266165A (zh) | 低渗油藏co2驱最小混相压力计算方法 | |
CN106353283A (zh) | 水体透明度检测方法及基于该方法的检测装置 | |
WO2020093631A1 (zh) | 一种基于深度实例分割网络的天线下倾角测量方法 | |
CN1727902A (zh) | 全自动尿液分析系统 | |
CN108845153A (zh) | 一种粒子分析系统及方法 | |
CN114112920A (zh) | 一种智能在线精准调控溶液浓度的荧光检测样品池及控制方法 | |
CN106018198B (zh) | 一种气泡粒径的反演计算方法 | |
CN112858106B (zh) | 一种液滴接触角的测量系统及方法 | |
CN115406806B (zh) | 一种致密油气藏两相渗流实验的计量装置 | |
CN108182703A (zh) | 一种基于水敏试纸定量的测量方法和系统 | |
CN108627637A (zh) | 一种血小板聚集功能检测系统及方法 | |
CN105987866A (zh) | 非均相液体沉降自动监测方法及设备 | |
CN115578695B (zh) | 一种自由拍摄视角的水尺水位机器视觉检测方法及装置 | |
CN104848918A (zh) | 一种基于ccd的精油灌装计量方法 | |
CN114384263B (zh) | 样本分析装置的液路状态检测方法、装置及可读存储介质 | |
CN205594015U (zh) | Cvs电镀液有机添加剂自动检测装置 | |
CN210343328U (zh) | 水化数据采集装置及水化应力场获取系统 | |
WO2023108412A1 (zh) | 目标蛋白快速识别及定量方法 | |
CN113945317B (zh) | 基于力致变色材料的贾敏效应孔喉压力测量装置及方法 |
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 |