CN116367717A - 使用动态分析光谱来检测状况 - Google Patents

Abstract

一种用于检测和警报环境内已知状况的方法和系统。该系统和方法在已知状况下从多个样本获得多个参考图像，将多个参考图像中的每一个提供给图像识别算法，并生成参考图像的历史数据库以供实时使用。该系统可以获得实时样本；呈现样本成分的光谱图像；并使用图像识别算法将图像的整体形状与参考图像中的整体形状进行比较，以确定它们是否在阈值内匹配。当肯定确定图像在阈值内匹配时，可以向环境的管理者发送警报，以警告他们已知状况的发作。在一些示例中，可以采用应对措施来缓解某些已知的状况。

Description

使用动态分析光谱来检测状况

技术领域

本公开总体上涉及检测环境内状况的发作(onset)，具体地涉及使用动态分析光谱来检测状况的发作。

背景技术

分析工具(例如气相色谱系统)小型化的进步允许供在非实验室设置中使用。此外，这些工具的小型化通常导致成本大幅降低，从而进一步实现更广泛的使用。由这些系统和工具产生的光谱图的分析允许检测给定样本内存在的某些化合物和元素。解读这些光谱图正变得越来越困难。例如，某些查询利用低检测限，例如十亿分之几的水平。另外，在单个光谱图中可以同时检测到有多种化合物，并且检测到的化合物通常在给定的光谱内重叠，使得标识和量化这些化合物需要深入的知识和复杂的后处理。

动物和植物环境中的生物标记或其他关键指标正在得到更好的理解，但是将生物标记及其浓度与某些状况联系起来仍然困难，并且往往是不可能的。

发明内容

本公开涉及用于检测和警报环境内已知状况的方法和系统。该系统和方法在已知状况下从多个样本获得多个参考图像，将多个参考图像中的每一个提供给图像识别算法，并生成参考图像的历史数据库以供实时使用。该系统可以获得实时样本；呈现样本成分的光谱图像；并使用图像识别算法将图像的整体形状与参考图像中的整体形状进行比较，以确定它们是否在阈值内匹配。当肯定确定图像在阈值内匹配时，可以向环境的管理者发送警报，以警告他们已知状况的发作。在一些示例中，可以采用应对措施来缓解某些已知的状况。在一个示例中，提供了一种用于分析来自牲畜环境(例如，在人工状况下具有一组动物的设置)的样本的光谱图的方法。该方法利用来自目标状况环境的样本的至少一个记录的光谱图，并将该光谱图与源自相同或高度类似设置的已知状况的预先记录/捕捉的光谱图的集合进行比较。光谱图的视觉表示呈现为二维或多维图像，并通过使用图像比较技术进行评估、比较和量化。

这种系统的一个优点是，不需要标识样本中的各个化合物(例如，生物标记)或它们的浓度，以就动物或植物种群的状况得出结论并采取适当的行动。尽管以下描述可能集中于使用空气采样和气体分析(检测a.o.生物标记)的实施例，但是所建议的方法和系统同样适用于任何类型的采样和分析方法。

如下面详细阐述的，本公开提出使用每个光谱图作为单一图像，作为(例如动物、植物、动物种群、植物群、牲畜厩、温室的)状况的单一信息源。因此，本公开依赖于每个光谱图的形状(二维、三维或多维表示)或该光谱图的一个或多个选择的特性来推断动物、植物、动物种群、植物群、厩或温室的状况信息，而不是从这样的光谱图推断被分析样本(例如气体样本)的详细成分。通过这样做，将考虑多个(在一个或多个光谱图中捕捉的所有)生物标记，即使这些还不知道是相关的生物标记。此外，使用这种方法还考虑了生物标记的组合以及这些之间的相互依赖性。

在一个方面中，所描述的系统和方法使用目标状况的所收集样本的记录光谱图，并将该光谱图与源自相同或高度类似设置的已知状况的预先记录的捕捉光谱图的集合进行比较。例如，这些预先记录的捕捉光谱图可以来源于已经在给定实体群体内被有意诱发的早期爆发或状况的历史数据，以产生动态光谱的一个图像或多个图像，并且这些光谱可以与诱发的爆发或状况相联系，用于以后的实时分析和使用。光谱图的视觉表示被解释为二维或多维图像，并通过使用图像比较技术进行评估、比较和量化。人们可以添加相同样本的附加光谱图，但使用不同的仪器设置，以使该方法更有效。或者添加通过另一种方法获得的相同样本的光谱图。另外，从例如牲畜厩中的某一发展状况捕捉的图像序列及其随时间的变化被用作一种校准曲线(类似于使用化学中不同浓度的参考样本来定义具有未知浓度的样本的浓度)。

在一个方面中，通过例如气相色谱仪(GC)收集和分析牲畜厩的空气样本。将获得的GC数据(或一组定期重复的GC数据)与来自类似厩的历史GC数据序列进行比较，在该类似厩中，某些(不希望的)事件已经发生，诸如例如导致高动物死亡率的热应激情况、疾病的爆发和演变(该疾病预计会引起环境参数的改变或受影响动物的生物标记的改变)、等等。应该注意的是，尽管下面讨论的方法的描述涉及VOC生物标记，但是该方法也与任何类型的可观察标记和任何类型的光谱图相关。

例如，肉鸡群体中的应激水平可以对育种效率和动物死亡率具有很大影响。应激可能与厩中不想要的状况——诸如环境外部触发因素(诸如例如突然的声音、热或冷、鸟类密度过高等)——有关。有各种已知的VOC与应激状况有关，但是研究主要限于人类。预计动物(诸如鸡)有类似的VOC。通常在鸡群中，使用非VOC应激生物标记，诸如例如嗜异性/淋巴细胞比率。本文描述的方法去除了对这种VOC有深入的了解和附加的科学研究的需要。建议的方法是通过使用动物应激物在动物群体中产生不同水平的“应激”状况，使得产生光谱图参考图像和校准数据。参考/校准数据的类型通过查看光谱图(例如，来自空气样本的气相色谱分析)来定义，并从光谱图中提取关键变化元素与应激状况水平的关系。

使用这种参考方法，通过捕捉厩的光谱图并将这些光谱图与校准数据进行比较，可以定期监测动物种群的状况。这种比较优选地通过使用自动算法来完成。小型和/或低成本的感测机构可以集成在环境的基础设施(例如厩)中。可以实现一种或多种感测机构。数据处理可以在环境内部或附近的边缘完成，或者通过互联网或云经由远程服务器完成。此外，在办公室照明系统中，具有嵌入式或集成传感器模块或感测机构的一个或多个照明器向网关提供聚集的数据(例如人数、温度)和未处理的数据(例如存在检测)两者，该网关可以支持多个单独的节点，例如大约200个节点。多个网关可以连接到一个照明管理服务器(用于整个办公楼层)，该照明管理服务器可以安装或位于本地或通过互联网或云的远程服务器上。该管理系统还可以支持多个办公楼。相似的方法和系统设计可以用于各种农业或耕作环境，如下文将描述的。

在一个示例中，提供了一种检测环境中的状况的方法，该方法包括：经由感测机构获得取自环境的至少一个样本；经由处理器呈现与所述至少一个样本相关联的至少一个图像；经由处理器将至少一个样本的至少一个图像与和环境内的状况相关的多个参考图像进行比较；以及当至少一个样本的至少一个图像和多个参考图像中的至少一个参考图像在阈值内匹配时，检测环境内的状况的发作。

在一个方面中，该方法还包括：当来自环境内的至少一个实体正在经历该状况时，获得取自该环境的多个样本；呈现来自取自环境的多个样本中的每个样本的多个参考图像中的至少一个参考图像；将所述至少一个参考图像中的每一个与所述状况相关联；以及生成将每个参考图像与该状况相关联的参考图像的历史数据库。

在一个方面中，将至少一个图像与多个参考图像进行比较包括将在第一时间段内获取的至少一个样本的多个图像与多个参考图像中的每一个进行比较。

在一个方面中，至少一个图像包括至少一个特性或特征，并且其中多个参考图像中的每个参考图像包括至少一个特性或特征。

在一个方面中，至少一个特性或特征选自以下中的至少一个：在至少一个图像或参考图像中提供的曲线上方的区域、曲线下方的区域、至少一个局部最大值或峰值、至少一个局部最小值或谷值、曲线的整体形状、曲线的至少一部分的斜率、局部最大值或峰值的总数、局部最小值或谷值的总数、最大强度值、或一个或多个峰值或谷值的相对位置。特性或特征可以是真实的或衍生的，例如主成分。

在一个方面中，将至少一个图像与多个参考图像进行比较包括将多个参考图像中的每一个的至少一个特性或特征与至少一个图像的至少一个特性或特征进行比较。

在一个方面中，环境选自温室、池塘、海笼、办公场所、监狱、辅助生活设施、临终关怀设施、谷仓、鸡舍或牲畜厩中的至少一种。

在一个方面中，感测机构选自生物传感器、生物标记传感器、化学传感器、红外(IR)传感器、相机、麦克风、空气成分传感器、气相色谱仪、液相色谱仪、质谱仪、或微型气相色谱系统中的至少一种。

在一个方面中，所述状况选自应激状况或疾病爆发。

在一个方面中，该方法还包括：基于对状况的发作的肯定检测来发送警报。

在另一个示例中，提供了一种用于检测环境中的状况的系统，该系统包括被配置为获得取自环境的至少一个样本的感测机构和处理器。该处理器被配置成：呈现与至少一个样本相关联的至少一个图像；将所述至少一个样本的至少一个图像与和状况相关的多个参考图像进行比较；以及当所述至少一个图像和所述多个参考图像中的至少一个参考图像在阈值内匹配时，检测环境内的状况的发作。

在一个方面中，处理器被配置成将在第一时间段内获取的多个图像与和该状况相关联的多个参考图像进行比较。

在一个方面中，至少一个图像包括至少一个特性或特征，并且其中多个参考图像中的每个参考图像包括至少一个特性或特征。

在一个方面中，至少一个特性或特征选自以下中的至少一个：在至少一个图像或参考图像中提供的曲线上方的区域、曲线下方的区域、至少一个局部最大值或峰值、至少一个局部最小值或谷值、曲线的整体形状、曲线的至少一部分的斜率、局部最大值或峰值的总数、局部最小值或谷值的总数、最大强度值、或一个或多个峰值或谷值的相对位置。

在一个方面中，处理器还被配置成基于对状况的发作的肯定检测来发送警报。

在一个方面中，处理器还被配置成部署至少一个应对措施来缓解该状况。

参考下文描述的(多个)实施例，各种实施例的这些和其他方面将是清楚的并被阐明。

附图说明

在附图中，类似的附图标记遍及不同的视图一般指代相同的部分。此外，附图不一定是按比例的，取而代之一般将重点放在说明各种实施例的原理上。

图1是根据本公开的系统的示意图。

图2示出了根据本公开的设备的部件的示意性表示。

图3A示出了根据本公开的参考图像。

图3B示出了根据本公开的参考图像。

图3C示出了根据本公开的参考图像。

图3D示出了根据本公开的参考图像。

图4A示出了根据本公开的图像。

图4B示出了根据本公开的图像。

图4C示出了根据本公开的图像。

图5A示出了根据本公开的参考图像。

图5B示出了根据本公开的图像的进展。

图6是示出根据本公开的方法的步骤的流程图。

图7是示出根据本公开的方法的步骤的流程图。

具体实施方式

本公开涉及用于检测和警报环境内已知状况的方法和系统。该系统和方法在已知状况下从多个样本获得多个参考图像，将多个参考图像中的每一个提供给图像识别算法，并生成参考图像的历史数据库以供实时使用。该系统可以获得实时样本；呈现样本成分的光谱图像；并使用图像识别算法将图像的整体形状与参考图像中的整体形状进行比较，以确定它们是否在阈值内匹配。当肯定确定图像在阈值内匹配时，可以向环境的管理者发送警报，以警告他们已知状况的发作。在一些示例中，可以采用应对措施来缓解某些已知的状况。

应该根据图1-图5B来阅读下面的描述。图1示出了根据本公开的环境E内的系统100的示意图。系统100包括至少一个感测机构102和至少一个设备，例如设备104和/或远程服务器106。环境E旨在是包括牲畜、植物、水生物种或人的环境。在一些示例中，环境E是谷仓，牲畜厩，养鸡场或鸡舍，温室，池塘，海笼，或者包括植物、水生物种、动物、或能够产生某种形式的生物标记的其他实体的任何农业环境(下面讨论)。在一些示例中，池塘环境可以包括虾或鱼种群。在其他示例中，海笼环境可以用于鲑鱼种群或者其他大型水生鱼类或哺乳动物。在一些示例中，环境E可以包括人，即，其中人是能够产生指示状况的各种行为或生物标记的实体。例如，环境E可以包括由持续保持在类似状况下的人居住的环境——例如办公室空间、监狱群体、辅助生活设施、临终关怀等——其中人们通常消费类似的食物和/或表现出类似的行为。在这些环境中，如下面将描述的，系统100可以用于检测传染病——例如细菌性肺炎、各种流感病毒株(例如新冠肺炎)、结核病等——的发作。如下文将详细讨论的，系统100被配置成分析来自环境E的实时样本数据，将实时样本数据与和某些状况相关联的历史数据进行比较，并生成指示环境E内这些状况之一的发作的警告或警报。附加地，在一些示例中，系统100可以被配置成采用各种应对措施134(图2中示出)来试图在发送警报时缓解检测到的状况。

感测机构102旨在是能够获得来自环境E的多个样本——即样本108A-108C(在此统称为“样本108”或“多个样本108”)——的设备。在一些示例中，感测机构102可以选自以下中的至少一个：生物传感器、生物标记传感器、化学传感器、红外(IR)传感器、相机、麦克风、空气成分传感器、气相色谱仪、液相色谱仪、质谱仪、或微型气相色谱系统、或任何能够从环境E中获得并分析样本108的设备、光谱或分析工具。还应该领会，任何前述传感器或系统可以以任何可想到的方式组合以形成感测机构102。感测机构102可以进一步包括电路，该电路被配置为：使用来自每个样本108的数据来呈现至少一个图像110，例如图像110A-110C(这里统称为“图像110”或“多个图像110”)；和/或潜在地将从样本108收集的数据发送到单独的设备(例如设备104和/或远程服务器106)，使得该单独的设备可以使用该数据来呈现至少一个图像110。如下文将讨论的，样本108可以采取各种形式，因此图像110可以采取光谱图像或表示值的光谱的图像的形式(例如，光谱图、听力图、照片等)，其对应于取自环境E的适当样本类型。光谱(spectral或spectrum)除了其对本领域技术人员的普通意义之外，还旨在意味着作为一个或多个独立连续因素的函数的一组连续值上表示的数据。样本108可以采取以下中的至少一种的形式：取自环境E内的气体或空气；环境E内一个或多个实体的排泄物；来自环境E内的一个或多个实体的血液或唾液；照片或光传感器测量(例如电磁辐射的红外或紫外光谱内的光)；来自环境E内的录音；或者可从环境E内的实体获得的任何其他样本物质，其可以包含一个或多个生物标记。在一些示例中，样本和传感器测量可以包括其他形式的测量，例如，无线电偏转和测距传感器测量(RADAR)、光检测和测距(LIDAR)、或者电磁辐射的可见光谱之外的测量。

设备104旨在是计算设备，例如便携式或台式个人计算机(PC)、平板电脑、智能电话、或能够与感测机构102和/或人类操作员或用户交互的其他计算设备。在一些示例中，如图2中示意性示出的，设备104可以是包括处理器112和存储器114的个人计算机或其他计算设备，其被配置为分别执行和存储一组非暂时性计算机可读指令116，以执行设备104的各种功能，如将在本文讨论的。在一些示例中，设备104还可以包括通信模块118，该通信模块118被配置为向和/或从感测设备102和/或远程服务器106发送和/或接收有线或无线数据(下面讨论)，例如与每个样本108相关的数据。为此，通信模块118可以包括至少一个无线电或天线，例如，能够发送和接收无线数据的天线120。在一些示例中，除了至少一个天线(例如，天线120)之外，通信模块118还可以包括某种形式的自动增益控制(AGC)、调制器和/或解调器、以及潜在的用于比特处理的分立处理器，它们电连接到处理器112和存储器114，以帮助发送和/或接收无线数据。在一些示例中，处理器112和存储器114被配置成从感测机构102接收与多个样本108相关联的有线或无线数据，并生成一个或多个图像(即图像110)，其示出了环境E内包含各种生物标记或其他化合物的样本的实时组成。如下文将讨论的，这些图像110可以与历史数据(即与环境E中的已知状况相关的参考图像124)进行比较，以检测任何已知状况的发作。在其他示例中，设备104被配置为通过互联网I将与多个样本108相关联的数据发送到远程服务器(例如远程服务器106)，使得可以从环境远程地执行处理和比较。这样，远程服务器106可以包括与以上针对设备104所述的相似的电路和部件，例如处理器、存储器、一组非暂时性计算机可读指令等。

如上所述，感测机构102被配置成：从环境E接收一个或多个样本，例如样本108A-108C(在图4A-4C中示出)；并分析每个样本108以呈现与每个样本的相应成分相关联的图像110。尽管在图4A-图4C中图示为光谱图，但是应当领会，图像110(如上所解释)可以采取光谱图、听力图、照片等的形式，其对应于取自环境E的适当样本类型。附加地，尽管图示为二维光谱图，但是应当领会，由系统100呈现的图像110可以是二维图像、三维图像、或者多维或多光谱图像。在一个示例中，如图3A-图5B所示，感测机构102是气相色谱仪和/或气相色谱仪和质谱仪，其被配置成以二维光谱图的形式生成至少一个图像110，该至少一个图像110指示样本108的光谱成分。每个图像110中所示的光谱成分可以包括各种特性或特征122，例如局部相对最大值(峰值)、局部相对最小值(谷值)等。如所示，光谱图中的每个峰或尖峰可以指示来自样本内特定化合物、激素或其他生物标记的高浓度。在一些示例中，多个特性或特征122可以包括以下中的至少一个：曲线上方的区域、曲线下方的区域、至少一个局部最大值或峰值、至少一个局部最小值或谷值、曲线的整体形状、曲线的至少一部分的斜率、局部最大值或峰值的总数、局部最小值或谷值的总数、至少一个最大强度值、一个或多个峰值或谷值的相对位置、或者一个或多个峰值的强度比。

在系统100运行之前，本公开阐述了用于建立与环境E内多个状况126中的至少一个相关的基线、校准和/或历史数据的方法。例如，在校准阶段期间，系统100可以在一个或多个大规模的肉鸡厩、农场或鸡舍内使用。在整个校准阶段中，系统100可以被配置成获得多个样本108(其范围可以从取自一个或多个环境的几十个样本到成千上万个样本)，并且呈现在正常状况下获取的相应的多个参考图像124，即，在每个环境E内不存在应激状况126(下面讨论)。另外，在校准阶段期间，系统100可以被配置成收集与在特定实体的已知应激状况126下获取的样本相关的参考图像124，并且将这些参考图像124保留或以其他方式保存在历史数据库中，以供系统100在其操作阶段期间使用(下面讨论)。例如，如图3A-图3D所示，可以采集样本，并且可以将历史参考图像124的集合与各种标识的应激状况126(例如，各种已知的疾病或其他应激物)相关联，并且存储在历史数据库中用于稍后的实时比较。如图3A-图3D所示，应激状况126可以涉及给定实体群体内各种疾病的爆发。例如，图3A示出了来自肉鸡厩的气体样本的绘制的二维光谱图的示意性表示，其指示球虫病(即动物肠道的寄生虫病)的爆发。图3B示出了来自肉鸡厩的气体样本的绘制的二维光谱图的示意性表示，其指示禽流感的爆发。图3C示出了来自肉鸡厩的气体样本的绘制的二维光谱图的示意性表示，其指示传染性支气管炎的爆发。图3D示出了来自肉鸡厩的气体样本的绘制的光谱图的示意性表示，其指示了大肠杆菌的爆发。可以对其他应激状况126进行采样，例如，当正饲养或正捕获肉鸡时，肉鸡可能经历应激状况，因为农场主或看管人的出现通常将鸡搅动至激动或受应激的状态。其他环境状况可以触发应激状况126，例如，突然的噪音或声音、高温、低温、给定空间内实体的过度集中等。

如图3A-图3D所示，当受应激(即在应激状况126下)时，环境E内的实体(例如，肉鸡、植物、人等)可以产生各种挥发性有机化合物(VOC)(例如通过呼气)，其与每个已知的应激状况126相关，这些应激状况126将出现在通过光谱随时间的动态变化示出的光谱图内。已知的光谱图具有特定的配置或整体形状，其包括样本中存在的每种化合物的位置、浓度或强度，其中存在的一种或多种化合物可以代表VOC。不需要理解每种化合物的存在或不存在之间的因果联系，或者哪种化合物可以是VOC，所产生的光谱曲线的总体特征或特性122可以实时地与图像110进行比较(下面讨论)，以确定在环境E内是否存在已知的状况。如上所述，在校准阶段期间，可能呈现和存储成千上万的参考图像124。每个参考图像124可以被标记或者以其他方式与特定的已知应激状况126相关联。应当领会，参考图像124的历史数据库可以在校准阶段期间由系统100直接生成，或者可以从多个来源和多个环境导入，并编译到中央数据库中，以在下面讨论的操作阶段期间使用。此外，在一些情况下，应激状况126可以被人工诱导，以使得能够确定地采样和标记已知的应激状况。

在操作阶段期间，可以实时获取样本并将该样本呈现成图像110，并与多个参考图像124进行比较，以确定环境E内是否存在或正在发展任何已知的应激状况126。可以每天一次、每天多次、每小时一次、每分钟一次等获取和/或呈现样本108及其相关联的图像110，并且可以使用软件或某种形式的算法来自动化。应当领会，可以以多个不同的时间段或间隔获取样本108，并且上述示例不应被解释为限制性的。可以实时分析由设备104和/或经由远程服务器106呈现的每个图像110，例如，使用图像识别算法128将每个图像110的一个或多个特性或特征122与在校准阶段存储的多个参考图像124中的至少一个的一个或多个特性或特征122进行比较。将每个图像110整体与多个参考图像124中的每一个进行比较，以确定图像110或图像110内的曲线是否在预定阈值130内匹配至少一个参考图像124或至少一个参考图像124内的曲线。例如，在确定给定曲线下面积(AUC)并将其与参考图像124的曲线下面积进行比较的场合，阈值130可以在0.1-0.2之间。在一些示例中，阈值可以从0.01-0.05之间的范围中选择。在利用特定峰值的最大强度的示例中，阈值可以取决于从参考图像导出的统计信息，例如，强度值的标准偏差的四倍。此外，最大值或峰值可以在特定参考图像的最大峰值的1％、2％、5％、10％、15％、20％或30％之内。在一些示例中，图像识别算法128(下面讨论)在训练阶段期间导出隐式定义的阈值。如下文将讨论的，在一些示例中，通过整体分析图像，同时考虑和比较所有这些特性或特征122，而不关注一个或两个单一特征。

图像识别软件或算法128旨在是一种或多种算法，其被训练成实时地从图像110中视觉分析和提取或标识多个特性和特征122，并将这些特性和特征122与历史数据库中提供的多个参考图像124的特性和特征122进行比较，所述多个参考图像124与已知的应激状况126相关联。每个图像(例如每个光谱图或听力图)可以包括多分量连续谱，即，其中单个曲线或线可以表示样本内各种化合物的特定量或浓度的存在或不存在。重要的是，在图像识别算法128的训练阶段期间，可以向该算法呈现来自多个环境(例如，多个农场)的多个参考图像124(多达成千上万个参考图像)，使得该算法可以学习标识由参考样本光谱图产生的曲线或直线的整体形状，并将这些特定形状与已知状况相关联。图像识别算法128可以利用各种图像处理或图像识别技术来分析给定图像，包括例如主成分分析。重要的是，一旦被训练，该算法就不依赖于单个VOC的存在或不存在，而是依赖于作为单个单一图像的整个光谱图来与新图像实时比较。应当领会，尽管被描述为监督训练模型，即提供有预标记图像的模型，但是应当领会，算法128可以在训练期间利用非监督学习模型。由于经训练的算法128不一定通过某些化合物的存在的因果知识来标识特定应激状况的存在，并且代替地实时使用每个图像光谱图的整体形状或轮廓作为潜在状况的指示器，因此本系统和方法不需要某些化合物、多种化合物的浓度之间的因果联系或各种化合物相对于彼此的比率的知识。代替地，所有这些特性或特征都可以在生成的曲线的整体形状或轮廓的比较中加以考虑。这种方法允许使用更便宜、分辨率更低的传感器，因为单独检测每个成分的精度变得不太重要。

在操作阶段期间，如果图像识别算法128确定实时获取的特定图像110在阈值130内匹配校准阶段期间存储的多个参考图像124中的至少一个参考图像124，则假定与至少一个参考图像124相关联的应激状况126存在于环境E内。重要的是，该确定仅通过对由设备104和/或远程服务器106呈现的图像110使用图像识别算法128来做出，并且不需要理解特定化合物或VOC的存在或不存在之间的因果关系和/或特定VOC与特定应激状况126之间的联系。在样本和对应的图像110被确定为在阈值130内匹配至少一个参考图像124的情况下，设备104和/或远程服务器106可以被配置成向一个或多个个人或另外的设备发送警报132，以向系统的用户报警在环境E内已经检测到特定状况。

此外，在一些示例中，可以在一段时间内将多个图像110与多个参考图像124进行比较，使得可以分析应激状况126的演变速度，并将该演变速度作为是否发送警报的因素。例如，在校准阶段期间获得的多个参考图像124可以包括元数据、时间戳、或指示参考图像124相对于特定已知疾病或应激状况126的进展或发作何时获取的其他信息，例如，可能存在在一段时间内(例如，在9-10天的时段内)获取的参考图像的进展，其说明了传染性支气管炎从不存在状况或疾病的第一时间点到疾病或状况已经在实体群体的相当大的部分中传播的第二时间点的发展和进展。在其他示例中，即，当使用音频样本和呈现听力图时，应激状况可能将其自身表现为音频模式中的突然或骤然的尖峰或偏差，并且将需要更短时间间隔的分析，即，分析可能发生在几分钟或甚至几秒钟内、而不是几天内。

例如，如图4A所示，其示出了在第一时间点T1来自肉鸡厩的第一气体样本108A的绘制的第一图像或光谱图110A的示意性表示，经由图像识别算法128对该光谱图的曲线和特征和特性122的分析可能不会指示任何已知的应激状况，因为它可能不会在阈值132内匹配多个参考图像124中的任何一个。图4B——其示出了来自在第二时间点T2(例如，在第一时间点T1之后的3-5天)的肉鸡厩的第二气体样本108B的第二绘制的光谱图110B的示意性表示——示出了特定化合物的浓度的轻微增加(由实线箭头示出)。这种轻微的增加可以作为第二图像110B的整体图像识别分析的因素，并且向系统指示实体群体内的轻微焦虑，即应激状况126的早期发作。图4C——其示出了来自在第三时间点T3(例如，在第二时间点T2之后的3-5天)的肉鸡厩的第三气体样本108C的第三绘制的光谱图110C的示意性表示——示出了特定化合物的浓度的显著增加(由实线箭头示出)。单个VOC的这种显著增加将改变绘制的光谱图的整体形状或轮廓，该绘制的光谱图将与参考图像124的整体轮廓进行比较，并向系统指示实体群体受到足够的应激以启动警报132。

在图5A-图5B所示的另一个示例实施方式中，提供了对特定应激状况126的发展状况随时间的演变的相似分析，其中应激状况126是肉鸡群体中传染性支气管炎的发作。图5A是在校准阶段期间存储的示例参考图像124，其已经被标记或以其他方式与肉鸡群体中传染性支气管炎的爆发相关联。图5B示出了从多个样本108A-108C呈现的多个图像110A-110C在一段时间内的进展。例如，在第一时间点T1从环境E内的初始样本108A呈现的图像110A示出了稳定的无应激状态。在第一时间点之后的第二时间点T2(例如，T1后5天)，从环境E内的第二样本108B呈现的图像110B示出了肉鸡的实体种群内传染性支气管炎发作的开始(由实线箭头指示的特定VOC或化合物中的尖峰或峰值指示)。在第二时间点T2之后的第三时间点T3(例如，T1之后的9天)，从环境E内的第三样本108B呈现的图像110C示出了在肉鸡的实体群体内传染性支气管炎的爆发(由实线箭头指示的特定VOC或化合物中的尖峰或峰值指示)。在示出的示例中，警报132可以被发送给环境E的农民、看护者或其他监管实体，以警告或提醒他们早在第二时间点T2且不迟于第三时间点T3应激状况126的发作(即传染性支气管炎的发作)。在一些示例中，当将整个图像110B与历史数据和/或参考图像进行比较，并且做出至少图像110B在阈值130内匹配至少一个参考图像124的肯定确定时，在第二时间点T2发送指示传染性支气管炎(或任何其他应激状况)发作的警报132。尽管仅示出了一个参考图像124以供参考，但是应该领会的是，可以将多个参考图像124与实时图像110A-110C进行比较，以确定是否发送了警报132，所述多个参考图像124示出了肉鸡群体内传染性支气管炎的已知的、时间相关的演变和/或进展。

应当领会，尽管未示出，但是包括感测机构102、设备104和/或远程服务器106以及图像识别算法128的系统100可以被配置成同时获得、分析和比较多个图像110。例如，基于特定环境内实体的血液样本绘制的光谱图可以与已知状况的血液样本的历史数据和参考图像124进行比较，而基于样本环境内实体的空气样本绘制的光谱图可以同时与已知状况的空气样本的参考图像124进行比较。相似地，基于特定环境内的实体的粪便样本绘制的光谱图可以与已知状况的粪便样本的历史数据和参考图像124进行比较，而基于样本环境中的实体的音频样本绘制的听力图同时与已知状况的音频样本的参考听力图124进行比较。应当领会，系统100可以采用这些样本类型和比较技术中的两种或更多种的任意组合。

在一些示例中，并且尽管未示出，但是一旦警报132被触发，系统100就可以采用应对措施134来缓解某些应激状况。例如，在检测或确定环境E内存在特定应激状况126时——即，实时呈现的一个或多个图像110与阈值130内的已知应激状况的一个或多个参考图像124相匹配时——生成的警报132还可以用于触发部署一个或多个应对措施134，已知输送一个或多个应对措施134缓解环境E中存在的特定应激状况126。在一些示例中，这些应对措施134可以通过直接人工干预或通过自动化系统(下面讨论)来使用。在一个示例中，受应激的肉鸡的检测——例如，一种或多种疾病的发作或爆发，由饲养或捕获鸡时的农民的出现、高温状况、低温状况、过度拥挤等引起的应激——可以通过来自定位和/或分散在整个环境E中的多个照明器的各种照明效果来应对。在这些示例中，即，在系统100可以包括一个或多个照明器的场合，由每个照明器产生的光谱可以是独立可配置的，使得提供给环境E内的实体的光谱对受应激的实体具有抚慰效果。在一个示例中，在系统100确定特定疾病爆发的存在的场合，如上所述，系统100的照明器可以被配置成产生可见光谱之外的已知杀死或帮助破坏各种病原体的电磁辐射波长，例如紫外(UV)光。替代地，系统100可以包括能够在环境E内呈现可听声音的一个或多个扬声器或声学换能器，其中可听声音能够缓解或减少已知应激状况126的影响。在一些示例中，警报132的触发还可以触发一个或多个风扇或其他HVAC系统的激活，以启动、停止、增加或减少环境E内的空气循环，从而减少某些疾病的传播或缓解特定的应激状况126。在一些示例中，例如使用连接到系统100的恒温器，警报132的触发可以触发环境E内温度的升高或降低。在一些示例中，警报132的触发还可以操作用于基于检测到的状况126向环境E内的实体分配、驱散或以其他方式分发药物(例如抗生素)。在其他示例中，警报132的触发可以提示、手动或自动地从环境E内的实体群体中移除可能表现出状况126的症状的一个或多个特定实体，例如，在已知特定的鸡或鸡群已经感染了已知的疾病的情况下。

在另外的示例中，一旦警报132已经被触发并且已经部署或利用了上述的一个或多个应对措施134，就可以获取另外的样本108并且可以导出附加的图像110，使得系统100可以确保已经部署了适当的应对措施134和/或已经缓解了状况126。如果确定一个或多个状况126甚至在部署特定应对措施之后仍然存在，则系统100可以采用一个或多个附加应对措施134。该过程可以是迭代的，因为可以采用应对措施134，并且可以获得附加的样本，直到状况126消退或完全从环境E中移除。

前述方法和系统可以在各种用例中使用，所述用例的范围从通过收集和分析环境E内的气体样本检测热应激(即高温状况)，到通过粪便、血液或唾液样本检测各种代谢或细菌或病毒或寄生虫或真菌疾病。附加的用例可能使用光传感器或照片样本来确定环境内实体的行为模式。这种系统和方法的明显益处包括：降低与这些状况的检测相关的警报系统的成本；能够使用低成本和低分辨率的传感器来检测前述状况的发作；减少分析时间，因为这缓解了对密集和高成本研究的需要，以确定给定光谱样本内的特定VOC和应激状况126(例如，特定疾病或其他应激物的发作)之间的因果联系。该系统允许对作为单一形状的整个光谱成分进行完整的视觉分析，并且实时地将这些形状与和已知应激状况相关联的光谱成分的形状进行比较，以确定某些东西是否随时间而改变。

图6和图7示出了与根据本公开的方法200的步骤对应的流程图。如图所示，方法200可以包括，例如：当来自环境E内的至少一个实体正在经历状况126时，获得取自环境E的多个样本108(步骤202)；呈现来自取自环境E的多个样本108中的每一个的多个参考图像中的至少一个参考图像124(步骤204)；将至少一个参考图像124中的每一个与状况126相关联(步骤206)；生成将每个参考图像124与状况126相关联的参考图像124的历史数据库(步骤208)；经由感测机构102实时获得取自环境E的至少一个样本108(步骤210)；经由处理器112呈现与至少一个样本108相关联的至少一个图像110(步骤212)；经由处理器112将至少一个样本108的至少一个图像110与和环境E内的状况126相关的多个参考图像124进行比较(步骤214)；当至少一个样本108的至少一个图像110和多个参考图像中的至少一个参考图像124在阈值130内匹配时，检测环境E内的状况126的发作(步骤216)；基于对状况126的发作的肯定检测来发送警报132(步骤218)；以及采用应对措施134来缓解状况126(步骤220)。

如本文定义和使用的所有定义应当理解为对字典定义、通过引用并入的文档中的定义、和/或定义术语的普通含义的控制。

除非明确相反指示，否则如本文在说明书中和权利要求书中使用的不定冠词“一”和“一个”(“a”和“an”)应当理解为意味着“至少一个”。

如本文在说明书中和权利要求书中使用的短语“和/或”应当理解为意味着这样结合的元素中的“任何一个或两个”，即在一些情况下结合存在并且在其他情况下分离存在的元素。用“和/或”列出的多个元素应当以相同的方式解释，即这样结合的元素中的“一个或多个”。除了由“和/或”子句具体标识的元素之外，可以可选地存在其他元素，无论与那些具体标识的元素相关还是不相关。

如本文在说明书中和权利要求书中使用的，“或”应当理解为具有与上面定义的“和/或”相同的含义。例如，当分离列表中的项目时，“或”或“和/或”应被解释为包含性的，即包括多个元素或元素列表中的至少一个，但也包括多个元素或元素列表中的多于一个，以及可选地，附加的未列出的项目。只有明确相反指示的术语、诸如“……中的仅一个”或“……中的恰好一个”，或者当在权利要求中使用时，“由……组成”将指代包括多个元素或元素列表中的恰好一个元素。一般来说，如本文使用的术语“或”当在其前面有诸如“任一”、“……中的一个”、“……中的仅一个”或“……中的恰好一个”之类的排他性术语时仅应被解释为指示排他性的替代物(即“一个或另一个，但不是两者”)。

如本文在说明书中和权利要求书中使用的，提及一个或多个元素的列表的短语“至少一个”应当被理解为意味着从元素列表中的任何一个或多个元素中选择的至少一个元素，但是不一定包括元素列表内具体列出的每一个元素中的至少一个，并且不排除元素列表中元素的任何组合。此定义还允许可以可选地存在除了在短语“至少一个”所指的元素列表内具体标识的元素之外的元素，无论与那些具体标识的元素相关还是不相关。

还应当理解，除非明确相反指示，否则在本文要求保护的包括多于一个步骤或动作的任何方法中，该方法的步骤或动作的顺序不一定限于记载该方法的步骤或动作的顺序。

在权利要求中，以及在上面的说明书中，所有过渡短语，诸如“包括”、“包含”、“携带”、“具有”、“含有”、“涉及”、“容纳”、“包含有”等要理解为开放式的，即意味着包括但不限于。只有过渡短语“由……组成”和“基本上由……组成”应分别是封闭或半封闭的过渡短语。

虽然本文已经描述和说明了若干发明实施例，但是本领域普通技术人员将容易设想到用于执行功能和/或获得结果和/或本文描述的一个或多个优点的各种其他手段和/或结构，并且每个这样的变型和/或修改被认为在本文描述的发明实施例的范围内。更一般地，本领域技术人员将容易领会，本文描述的所有参数、尺寸、材料和配置都意在是示例性的，并且实际的参数、尺寸、材料和/或配置将取决于本发明教导所用于的一个或多个特定应用。本领域技术人员将认识到或者能够仅仅使用常规实验来断定本文描述的特定发明实施例的许多等同物。因此，要理解的是，前述实施例仅通过示例的方式呈现，并且在所附权利要求及其等同物的范围内，发明实施例可以以除具体描述和要求保护之外的方式实践。本公开的发明实施例涉及本文描述的每个个体特征、系统、物品、材料、套件、和/或方法。此外，如果两个或更多个这样的特征、系统、物品、材料、套件、和/或方法不相互矛盾，则两个或更多个这样的特征、系统、物品、材料、套件、和/或方法的任何组合都被包括在本公开的发明范围内。

Claims (15)

1.一种检测环境(E)中的状况(126)的方法(200)，所述方法包括：

经由感测机构(102)获得取自所述环境的至少一个样本(108)；

经由处理器(112)呈现与所述至少一个样本相关联的至少一个图像(110)；

经由所述处理器将所述至少一个样本的至少一个图像与和所述环境内的所述状况相关的多个参考图像(124)进行比较；

当所述至少一个样本的至少一个图像和所述多个参考图像中的至少一个参考图像在阈值(130)内匹配时，检测所述环境内的所述状况的发作。

2.根据权利要求1所述的方法，进一步包括：

当来自所述环境内的至少一个实体正在经历所述状况时，获得取自所述环境的多个样本(108)；

呈现来自取自所述环境的所述多个样本中的每个样本的所述多个参考图像中的至少一个参考图像；

将所述至少一个参考图像中的每一个与所述状况相关联；和

生成将每个参考图像与所述状况相关联的参考图像(124)的历史数据库。

3.根据权利要求1所述的方法，其中将所述至少一个图像与所述多个参考图像进行比较包括将在第一时间段(T1，T2，T3)内获取的至少一个样本的多个图像与所述多个参考图像中的每一个进行比较。

4.根据权利要求1所述的方法，其中所述至少一个图像包括至少一个特性或特征，并且其中所述多个参考图像中的每个参考图像包括至少一个特性或特征(122)，其中所述至少一个特性或特征选自以下中的至少一个：在至少一个图像或参考图像中提供的曲线上方的区域、曲线下方的区域、至少一个局部最大值或峰值、至少一个局部最小值或谷值、曲线的整体形状、曲线的至少一部分的斜率、局部最大值或峰值的总数、局部最小值或谷值的总数、最大强度值、或一个或多个峰值或谷值的相对位置。

5.根据权利要求4所述的方法，其中将所述至少一个图像与所述多个参考图像进行比较包括将所述多个参考图像中的每一个的至少一个特性或特征与所述至少一个图像的至少一个特性或特征进行比较。

6.根据权利要求1所述的方法，其中所述环境选自以下中的至少一种：温室、池塘、海笼、办公场所、监狱、辅助生活设施、临终关怀设施、谷仓、鸡舍或牲畜厩。

7.根据权利要求1所述的方法，其中所述感测机构选自以下中的至少一种：生物传感器、生物标记传感器、化学传感器、红外(IR)传感器、相机、麦克风、空气成分传感器、气相色谱仪、液相色谱仪、质谱仪、或微型气相色谱系统。

8.根据权利要求1所述的方法，其中所述状况(126)选自应激状况或疾病爆发。

9.根据权利要求1所述的方法，进一步包括：

基于对所述状况的发作的肯定检测来发送警报(132)。

10.一种用于检测环境(E)中的状况(126)的系统(100)，包括：

感测机构(102)，其被配置成获得取自所述环境的至少一个样本(108)；

处理器(112)，其被配置为：

呈现与所述至少一个样本相关联的至少一个图像(110)，

将所述至少一个样本的至少一个图像与和所述状况相关的多个参考图像(124)进行比较，和

当所述至少一个图像和所述多个参考图像中的至少一个参考图像在阈值(130)内匹配时，检测所述环境内的所述状况的发作。

11.根据权利要求10所述的系统，其中所述处理器被配置为将在第一时间段(T1，T2，T3)内获取的多个图像与和所述状况相关联的所述多个参考图像进行比较。

12.根据权利要求10所述的系统，其中所述至少一个图像包括至少一个特性或特征(122)，并且其中所述多个参考图像中的每个参考图像包括至少一个特性或特征。

13.根据权利要求12所述的系统，其中所述至少一个特性或特征选自以下中的至少一个：在至少一个图像或参考图像中提供的曲线上方的区域、曲线下方的区域、至少一个局部最大值或峰值、至少一个局部最小值或谷值、曲线的整体形状、曲线的至少一部分的斜率、局部最大值或峰值的总数、局部最小值或谷值的总数、最大强度值、或一个或多个峰值或谷值的相对位置。

14.根据权利要求11所述的系统，其中所述处理器还被配置为基于对所述状况的发作的肯定检测来发送警报(132)。

15.根据权利要求14所述的系统，其中所述处理器还被配置为部署至少一个应对措施(134)来缓解所述状况。

Images