ES2822915T3 - Detección de objetos microscópicos en fluidos - Google Patents
Detección de objetos microscópicos en fluidos Download PDFInfo
- Publication number
- ES2822915T3 ES2822915T3 ES17206391T ES17206391T ES2822915T3 ES 2822915 T3 ES2822915 T3 ES 2822915T3 ES 17206391 T ES17206391 T ES 17206391T ES 17206391 T ES17206391 T ES 17206391T ES 2822915 T3 ES2822915 T3 ES 2822915T3
- Authority
- ES
- Spain
- Prior art keywords
- image data
- differential
- pattern
- microscopic
- objects
- 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.)
- Active
Links
- 239000012530 fluid Substances 0.000 title claims abstract description 55
- 238000001514 detection method Methods 0.000 title description 26
- 238000000034 method Methods 0.000 claims abstract description 80
- 230000001427 coherent effect Effects 0.000 claims abstract description 26
- 230000000644 propagated effect Effects 0.000 claims abstract description 7
- 230000002452 interceptive effect Effects 0.000 claims abstract 4
- 238000012545 processing Methods 0.000 claims description 33
- 238000012937 correction Methods 0.000 claims description 9
- 238000005259 measurement Methods 0.000 claims description 8
- 230000033001 locomotion Effects 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 23
- 238000005286 illumination Methods 0.000 description 21
- 239000002245 particle Substances 0.000 description 9
- 238000000386 microscopy Methods 0.000 description 8
- 241000894006 Bacteria Species 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 6
- 238000012544 monitoring process Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000001914 filtration Methods 0.000 description 5
- 238000009499 grossing Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 238000013459 approach Methods 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 239000000428 dust Substances 0.000 description 3
- 238000001093 holography Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 229910044991 metal oxide Inorganic materials 0.000 description 2
- 150000004706 metal oxides Chemical class 0.000 description 2
- 244000045947 parasite Species 0.000 description 2
- 238000003909 pattern recognition Methods 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 101000822695 Clostridium perfringens (strain 13 / Type A) Small, acid-soluble spore protein C1 Proteins 0.000 description 1
- 101000655262 Clostridium perfringens (strain 13 / Type A) Small, acid-soluble spore protein C2 Proteins 0.000 description 1
- 241000195493 Cryptophyta Species 0.000 description 1
- 241000224467 Giardia intestinalis Species 0.000 description 1
- 241000589248 Legionella Species 0.000 description 1
- 208000007764 Legionnaires' Disease Diseases 0.000 description 1
- 101000655256 Paraclostridium bifermentans Small, acid-soluble spore protein alpha Proteins 0.000 description 1
- 101000655264 Paraclostridium bifermentans Small, acid-soluble spore protein beta Proteins 0.000 description 1
- 238000000149 argon plasma sintering Methods 0.000 description 1
- 230000001580 bacterial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000000356 contaminant Substances 0.000 description 1
- 238000013481 data capture Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000001627 detrimental effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 229940085435 giardia lamblia Drugs 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000007654 immersion Methods 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000002032 lab-on-a-chip Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 230000004899 motility Effects 0.000 description 1
- 230000000474 nursing effect Effects 0.000 description 1
- 230000001717 pathogenic effect Effects 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000013535 sea water Substances 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000012358 sourcing Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- 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
- G01N15/1434—Electro-optical investigation, e.g. flow cytometers using an analyser being characterised by its optical arrangement
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/18—Water
-
- G—PHYSICS
- G02—OPTICS
- G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
- G02B21/00—Microscopes
- G02B21/06—Means for illuminating specimens
-
- G—PHYSICS
- G02—OPTICS
- G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
- G02B21/00—Microscopes
- G02B21/36—Microscopes arranged for photographic purposes or projection purposes or digital imaging or video purposes including associated control and data processing arrangements
- G02B21/365—Control or image processing arrangements for digital or video microscopes
- G02B21/367—Control or image processing arrangements for digital or video microscopes providing an output produced by processing a plurality of individual source images, e.g. image tiling, montage, composite images, depth sectioning, image comparison
-
- G—PHYSICS
- G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
- G03H—HOLOGRAPHIC PROCESSES OR APPARATUS
- G03H1/00—Holographic processes or apparatus using light, infrared or ultraviolet waves for obtaining holograms or for obtaining an image from them; Details peculiar thereto
- G03H1/0005—Adaptation of holography to specific applications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration by the use of more than one image, e.g. averaging, subtraction
-
- G06T5/94—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/56—Cameras or camera modules comprising electronic image sensors; Control thereof provided with illuminating means
-
- G01N2015/103—
-
- 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
- G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
- G03H—HOLOGRAPHIC PROCESSES OR APPARATUS
- G03H1/00—Holographic processes or apparatus using light, infrared or ultraviolet waves for obtaining holograms or for obtaining an image from them; Details peculiar thereto
- G03H1/0005—Adaptation of holography to specific applications
- G03H2001/005—Adaptation of holography to specific applications in microscopy, e.g. digital holographic microscope [DHM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10056—Microscopic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20224—Image subtraction
Abstract
Un método (10) para detectar objetos microscópicos de origen extraño presentes en un fluido utilizando un primer, segundo y tercer datos de imagen que se originan de un primer, segundo y tercer fotogramas de imagen digital, respectivamente, capturados secuencialmente en el tiempo mediante un detector de imagen que recibe la luz propagada a través de un volumen de muestra que contiene un fluido que posiblemente comprende objetos microscópicos en movimiento de origen extraño mientras se ilumina el volumen de muestra mediante luz coherente, con lo cual los posibles objetos microscópicos dispersan parte de la luz, interfiriendo la luz dispersada y no dispersada de modo que se forman franjas de interferencia detrás de los objetos microscópicos, comprendiendo cada dato de imagen, para un objeto microscópico en movimiento de origen extraño presente en el volumen de muestra en el momento de la captura del fotograma de imagen digital asociado, un patrón de holograma con una intensidad espacialmente alterna formada por las franjas de interferencia (11), comprendiendo el método: obtener primeros datos de imagen diferenciales que comprende la diferencia del primer y segundo datos de imagen, comprendiendo los primeros datos de imagen diferenciales, para cada patrón de holograma presente en el primer o segundo datos de imagen, un patrón diferencial (13a); obtener segundos datos de imagen diferenciales que comprenden la diferencia del segundo y el tercer datos de imagen, comprendiendo los segundos datos de imagen diferenciales, para cada patrón de holograma presente en el segundo o tercer datos de imagen, un patrón diferencial (13b); generar automáticamente datos de imagen del producto de la diferencia (POD) que comprenden el producto del primer y el segundo datos de imagen diferenciales, comprendiendo los datos de imagen POD, para cada patrón de holograma presente en los segundos datos de imagen, un patrón de producto (14); y detectar automáticamente la presencia de un objeto u objetos microscópicos en movimiento de origen extraño en el volumen de muestra en base al patrón o patrones de producto presentes en los datos (17) de imagen POD.
Description
DESCRIPCIÓN
Detección de objetos microscópicos en fluidos
Campo de la invención
La presente invención se refiere, en general, a la supervisión de la calidad de fluidos, tales como agua. En particular, la presente invención se refiere a métodos y aparatos para supervisar el contenido de partículas o microbios microscópicos de fluidos mediante detección óptica.
Antecedentes de la invención
La calidad del agua es un parámetro importante para diversas aplicaciones donde se produce, se suministra o se usa agua limpia. La calidad del agua puede ser crítica también para la seguridad y salud de las personas como usuarios finales de agua municipal, así como para diversos procesos industriales donde se usa agua que tiene requisitos de calidad específicos.
Convencionalmente, se ha llevado a cabo un análisis minucioso de la calidad del agua como un proceso de laboratorio que consume tiempo, donde una muestra de agua se investiga mediante instrumentos de análisis. Sin embargo, en muchas aplicaciones, se requiere un tiempo de respuesta mucho más rápido. Los ejemplos de estos incluyen, por ejemplo, supervisar la calidad del agua en plantas de tratamiento de agua, en redes de suministro de agua municipal o en el suministro de agua interna en algunos tipos críticos de sistemas de suministro de agua residencial tales como aquellos de hospitales, residencias de ancianos o guarderías, así como en ciertos procesos industriales.
Se ha propuesto la holografía o microscopía holográfica en línea como una tecnología potencial para una rápida supervisión de la calidad del agua. En el documento US 2004/0169903 A1, se describe un método de holografía en línea para seguir partículas y formas de vida en agua marina. En otro ejemplo, se describe un microscopio holográfico en línea compacto para la detección de parásitos en agua patógenos en Mudanyali O, Oztoprak C, Tseng D, Erlinger A, Ozcan A. Detection of waterborne parasites using field-portable and cost-effective lensfree microscopy. Lab on a chip. 2010; 10 (18): 2419-2423. Publicación electrónica en www.rsc.org.
En los métodos de microscopía holográfica de la técnica anterior, la fase de reconstrucción en la cual se reconstruye la imagen holográfica, usando algoritmos matemáticos complejos, en una o más imágenes bidimensionales de la muestra, requiere cálculos engorrosos y un equipo informático potente y caro. Esto puede obstaculizar la implementación de detectores de pequeño tamaño y bajo coste a nivel de implementación de los sistemas de microscopía holográfica en línea.
Análogamente a la supervisión de la calidad del agua, existen también otras diversas aplicaciones donde es necesario detectar y/o analizar objetos microscópicos extraños en un fluido.
El documento GB 2432 660 describe un método para detectar bacterias suspendidas en un fluido contenido en una cubeta basándose en características dinámicas de las bacterias suspendidas y empleando mediciones de dispersión de luz. La luz coherente entra en la cubeta, se dispersa tras chocar sobre las bacterias y genera patrones de interferencia en un detector de luz. Las imágenes generadas son variables en el tiempo debido al movimiento browniano y/o la motilidad bacteriana. Las imágenes adquiridas se restan de modo que solo permanecen los componentes dependientes del tiempo. La publicación "4-D imaging of fluid flow with digital in-line holographic microscopy" de Garcia Sucerquia J. et al. describe un sistema para microscopía holográfica en línea digital DIHM para estudiar el movimiento de objetos de tamaño micrométrico en fluidos; los efectos de fondo no deseados se eliminan restando los pares de hologramas consecutivos a modo de píxel.
Compendio de la invención
Este compendio se proporciona para introducir una selección de conceptos de una forma simplificada que se describen adicionalmente más adelante en la Descripción Detallada. Este compendio no pretende identificar características clave o características esenciales de la materia objeto reivindicada, ni pretende ser usado para limitar el alcance de la materia objeto reivindicada.
En un aspecto, puede implementarse un método que puede usarse para detectar objetos microscópicos de origen extraño presentes en un fluido. El método puede usarse, por ejemplo, para supervisar la calidad del agua en sistemas y redes de suministro, distribución o uso de agua. Los objetos microscópicos pueden ser, por ejemplo, partículas de impureza y/o microbios. En otras realizaciones, en lugar de agua el fluido puede ser algún otro líquido o gas.
En el método se utilizan el primer, segundo y tercer datos de imagen, aquellos de datos de imagen que se originan del primer, segundo y tercer fotogramas de imagen digital, respectivamente, capturados secuencialmente en el tiempo mediante un detector de imagen que recibe la luz propagada a través de un volumen de muestra que contiene un fluido que posiblemente comprende objetos microscópicos de origen extraño en movimiento mientras se ilumina el volumen de muestra con luz coherente, con lo cual los posibles objetos microscópicos dispersan parte de la luz, la luz dispersada y no dispersada interfiere de modo que forma franjas de interferencia detrás de los objetos microscópicos,
comprendiendo cada dato de imagen, para un objeto microscópico en movimiento de origen extraño presente en el volumen de muestra en el momento de la captura del fotograma de imagen digital asociado, un patrón de holograma con una intensidad que se alterna espacialmente formada mediante las franjas de interferencia.
Además, el método comprende obtener, posiblemente mediante generación automática, primeros datos de imagen diferenciales que comprenden la diferencia del primer y el segundo datos de imagen, comprendiendo el primer dato de imagen diferencial, para cada patrón de holograma presente en el primer o segundo datos de imagen, un patrón diferencial; obtener, posiblemente mediante generación automática, un segundo dato de imagen diferencial que comprende la diferencia del segundo y el tercer datos de imagen, comprendiendo el segundo dato de imagen diferencial, para cada patrón de holograma presente en el segundo o tercer datos de imagen, un patrón diferencial; y generar automáticamente datos de imagen del producto de la diferencia (POD) que comprenden el producto del primer y el segundo datos de imagen diferenciales, comprendiendo los datos de imagen POD, para cada patrón de holograma presente en los segundos datos de imagen, un patrón de producto.
Finalmente, el método comprende detectar automáticamente la presencia de un objeto u objetos microscópicos en movimiento de origen extraño en el volumen de muestra en base al patrón o patrones de producto presentes en los datos de imagen POD.
En el método, pueden usarse algunos principios conocidos de la microscopía holográfica en línea.
En otro aspecto, puede implementarse un aparato que puede usarse para detectar objetos microscópicos de origen extraño presentes en un fluido, comprendiendo el aparato una disposición de cálculo configurada para realizar las operaciones del método como se ha definido anteriormente.
En otro aspecto más, puede implementarse un producto de programa informático, que comprende instrucciones de código de programa que, cuando son ejecutadas por un procesador, provocan que el procesador realiza el método como se ha definido.
Muchas de las características relacionadas se apreciarán más fácilmente puesto que las mismas se entenderán mejor por referencia a la siguiente descripción detallada considerada en conexión con los dibujos adjuntos.
Breve descripción de los dibujos
La presente descripción se entenderá mejor a partir de la siguiente descripción leída a la luz de los dibujos adjuntos, en donde:
las figuras 1,5 y 7 ilustran, como diagramas de flujo esquemáticos, métodos para detectar objetos microscópicos de origen extraño presentes en un fluido;
las figuras 2 y 6 ilustran esquemáticamente fotogramas de imagen digital y sus datos de imagen utilizables en métodos para detectar objetos microscópicos;
la figura 3 ilustra esquemáticamente la intensidad de los datos de imagen;
la figura 4 ilustra esquemáticamente objetos microscópicos y patrones de holograma producidos mediante los mismos; y
las figuras 8 y 9 ilustran aparatos para detectar objetos microscópicos de origen extraño presentes en un fluido.
Descripción detallada
El método 10 de la figura 1 comprende la obtención, en la operación 11, de un primer, segundo y tercer datos de imagen que se originan de un primer, segundo y tercer fotogramas de imagen digital, respectivamente. El primer, segundo y tercer fotogramas de imagen digital son tales que se han capturado secuencialmente en el tiempo mediante un detector de imagen que recibe la luz propagada a través de un volumen de muestra que contiene un fluido que posiblemente comprende objetos microscópicos en movimiento de origen extraño mientras se ilumina el volumen de muestra mediante luz coherente.
Dicha obtención del primer, segundo y tercer datos de imagen es un ejemplo de "utilización" de esos datos de imagen en el método. Asimismo, las operaciones analizadas a continuación con respecto a la generación de datos de imagen diferenciales son ejemplos de tal utilización. En otras realizaciones, los métodos pueden implementarse donde no se obtienen como tal un primer, segundo y tercer datos de imagen, sino que se utilizan indirectamente a través de la obtención y procesamiento de datos de imagen adicionales generados en base al primer, segundo y tercer datos de imagen. Tales datos de imagen adicionales pueden ser, por ejemplo, el primer y el segundo datos de imagen diferenciales analizados a continuación.
El volumen de muestra puede estar situado dentro de, o definirse mediante, una cubeta. Estar definido por una cubeta se refiere a la extensión, es decir, la forma y las dimensiones, del volumen de muestra que está limitado físicamente o restringido por la cubeta. Tal cubeta puede tener cualquier forma y estructura apropiadas con una o más paredes
rectas o curvas que pueden determinar un límite del volumen de muestra. De manera alternativa, el volumen de muestra puede comprender únicamente una parte del volumen interno definido por la cubeta.
Un "fotograma de imagen digital" o abreviadamente "fotograma", se refiere al contenido de datos capturados inicialmente por exposición de píxeles o algún otro elemento detector de luz de un detector de imagen. Después de la captura, puede procesarse un fotograma de imagen digital, o sus datos de imagen, y pueden formarse o generarse nuevos fotogramas de imagen digital en base a los datos de imagen de uno o más fotogramas de imagen digital capturados inicialmente. Un fotograma generalmente comprende, por lo tanto, datos de imagen que posibilitan la composición de una imagen digital visualizable en base a esos datos de imagen. Los datos de imagen de un fotograma de imagen digital pueden comprender, por ejemplo, información sobre la energía o intensidad luminosa recibida por los píxeles de un detector de imagen.
"Un detector de imagen" se refiere a un componente o elemento detector de luz capaz de capturar fotogramas de imagen digital. Un detector de imagen puede comprender, por ejemplo, un CMOS (Semiconductor de Óxido Metálico Complementario) o cualquier otro tipo apropiado de elemento detector como un elemento activo de formación de imágenes de detección de luz.
El primer, segundo y tercer fotogramas de imagen digital pueden ser capturados con intervalos de tiempo constante entre dos fotogramas consecuentes. En otras realizaciones, puede haber diferentes intervalos de tiempo entre la captura de diferentes pares de fotogramas de imagen digital.
Una pluralidad de fotogramas de imagen digital puede ser capturada en una base continua de modo que pueden usarse diferentes conjuntos de tres fotogramas de imagen digital de la pluralidad de fotogramas como primer, segundo y tercer fotogramas de imagen digital. Puede usarse un fotograma de imagen digital específico, por lo tanto, por ejemplo como el primer fotograma de imagen digital en un momento dado, y como el segundo o el tercer fotograma de imagen digital en otro momento.
La expresión "de origen extraño" se refiere a que los objetos microscópicos no están formados por el fluido que se va a investigar. Tales objetos están formados, por lo tanto, de materiales diferentes a los materiales del propio fluido, de modo que los objetos son transportados dentro de o mediante el fluido. Estos pueden originarse, por ejemplo, de los materiales de las tuberías o recipientes en los que se transporta o almacena el fluido en cuestión. Las partículas microscópicas de los materiales de tales sistemas pueden liberarse al fluido, por ejemplo, como resultado de la rotura de una tubería o fallo de un equipo. De manera alternativa, los objetos microscópicos de origen extraño pueden originarse de cuerpos extraños o contaminantes que han terminado dentro de tales tuberías o recipientes. En el caso de sistemas de suministro de agua, por ejemplo, tal cuerpo extraño que produce microbios en el fluido puede ser un animal muerto.
En el caso de sistemas y redes de suministro, distribución o uso de agua, los microbios que normalmente estarán presentes son, por ejemplo, diversas bacterias tales como bacterias que pertenecen a los grupos coliforme o Legionella, protozoos tales como Giardia lamblia o diversos tipos de algas.
Por otro lado, desde el punto de vista de las propiedades físicas, los objetos microscópicos de origen extraño típicamente tienen, por ejemplo, un índice de refracción diferente del fluido. Esto posibilita la detección de tales objetos mediante detección óptica. En el método de la figura 1, esto se utiliza en tanto que la detección de los objetos microscópicos está basada en la dispersión de luz mediante los objetos microscópicos debido a la diferencia entre los índices de refracción de los objetos microscópicos y el fluido.
La naturaleza "móvil" de un objeto microscópico se refiere a un objeto no estacionario, por lo tanto, un objeto que cambia su posición entre la captura de dos fotogramas de imagen digital consecutivos.
Cuando se ilumina el volumen de muestra mediante luz coherente, los posibles objetos microscópicos en su interior dispersan parte de la luz, y las partes dispersadas y no dispersadas de la luz de iluminación pueden interferir de modo que forman franjas de interferencia detrás de los objetos microscópicos.
La iluminación mediante luz coherente se refiere a que al menos una parte de la luz mediante la cual se ilumina el volumen de muestra es espacial y temporalmente suficientemente coherente, de modo que dicha interferencia sea posible. Por tanto, "iluminar mediante luz coherente" no excluye la posibilidad de iluminar el volumen de muestra al mismo tiempo también mediante luz no coherente. Por tanto, la luz mediante la cual se ilumina el volumen de muestra puede comprender luz coherente y no coherente.
"Detrás de" se refiere a las localizaciones de las franjas de interferencia según se observan desde la dirección de incidencia de luz de iluminación, es decir, la luz coherente mediante la cual se ilumina el volumen de muestra. En otras palabras, cuando se observan desde la localización de una fuente de luz que produce la luz de iluminación coherente, las franjas de interferencia se forman principalmente detrás de los objetos microscópicos, es decir, en el lateral de los objetos microscópicos opuesto al lado desde el cual la luz coherente incide sobre los objetos microscópicos.
En consecuencia, cada uno del primer, segundo y tercer datos de imagen comprende, para un objeto microscópico en movimiento presente en el volumen de muestra en el momento de la captura del fotograma de imagen digital asociado, un patrón de holograma con una intensidad alternada espacialmente formada por las franjas de interferencia.
La luz coherente, es decir la luz de iluminación, puede ser emitida o guiada dentro de un cono o un haz en expansión o dentro de un haz colimado. En el último caso, las franjas de interferencia se expanden en función de la distancia desde los objetos microscópicos que producen la dispersión. Adicional e independientemente de si la luz de iluminación es emitida o guiada dentro de un haz de luz en expansión o colimado, las franjas de interferencia se expanden debido a la dispersión de la luz en diversas direcciones, dependiendo de los tipos de objetos microscópicos y la longitud de onda de la luz de iluminación. En consecuencia, cuanto más larga sea la distancia entre un objeto microscópico y el detector de imagen, mayor será el patrón de holograma formado sobre el detector de imagen.
Desde el punto de vista dimensional, los objetos "microscópicos" se refieren a objetos que tienen sus dimensiones características, tales como un diámetro máximo, longitud o anchura en el intervalo de 0,1,0,5 o de 1,0 a 50 o 100 pm. Los objetos con dimensiones características tan pequeñas no son visibles para el ojo humano, por lo que no pueden ser detectados visualmente. Por otro lado, los hologramas formados por los objetos de este tamaño son detectables mediante un detector de imagen que tiene un tamaño razonablemente pequeño. Además, con tal escala micrométrica de dimensiones características, los objetos dispersan la luz principalmente hacia delante, posibilitando de esta manera una detección eficiente mediante holografía en línea.
El primer, segundo y tercer datos de imagen pueden comprender datos de imagen iniciales directamente definidos por el fotograma de imagen digital capturado. En otras realizaciones, estos datos de imagen pueden generarse preparando o procesando en primer lugar tales datos de imagen inicial de alguna manera apropiada. Tal preparación o procesamiento puede llevarse a cabo de antemano o como parte del método.
Como un ejemplo de tal preparación o procesamiento, el método de la figura 1 comprende una operación 12 opcional donde el primer, segundo y tercer datos de imagen se procesan automáticamente, de modo que se proporciona corrección de matiz de los mismos.
La corrección de matiz se refiere a ecualizar el brillo o intensidad de fondo global sobre el área de imagen. Un brillo o intensidad de fondo global no uniforme puede obtenerse como resultado, por ejemplo, de una intensidad de iluminación no uniforme, una sensibilidad no uniforme del detector de imagen o alguna suciedad de las superficies ópticas sobre la trayectoria óptica entre la fuente de luz de iluminación y el detector de imagen.
La corrección de matiz da como resultado que el brillo o iluminación de fondo global sea uniforme y normalizado a través del área de imagen, de modo que la intensidad media del fotograma de imagen sea 1. Siendo este el caso para cada uno del primer, segundo y tercer fotogramas de imagen digital significa que también es posible la fluctuación de fotograma a fotograma o que se elimine variación del brillo o intensidad de fondo global o la variación de intensidad de fondo. Por otro lado, la corrección de matiz preserva las variaciones de intensidad local en el fotograma de imagen digital.
Se conocen básicamente muchos enfoques en la técnica para llevar a cabo la corrección de matiz para un fotograma de imagen digital. Por ejemplo, pueden utilizarse datos de imagen de referencia que se generan como la media de varias imágenes de ensayo capturadas sin ninguna muestra en el volumen de muestra.
La opcionalidad de la operación 12 de corrección de matiz se refiere a que otras realizaciones pueden implementarse sin procesamiento de los datos de imagen para proporcionar la corrección del matiz. Este puede ser el caso, por ejemplo, si el brillo o las intensidades de fondo globales ya son sustancialmente uniformes y las intensidades medias de los datos de imagen obtenidos ya están normalizadas para que sean 1.
La "obtención" de datos de imagen originados de un fotograma de imagen digital se refiere a cualquier modo apropiado de hacer disponible, para fines de procesamiento y/o almacenamiento de datos automáticos, tal contenido de datos. El primer, segundo y tercer datos de imagen listos para ser generados se pueden almacenar en cualquier memoria apropiada en un aparato o dispositivo que lleve a cabo el método o en cualquier otro aparato o dispositivo o, por ejemplo, en un servidor en la nube. Tal contenido de datos ya generado puede obtenerse en el método usando cualquier trayectoria de transmisión de datos o señal alámbrica o inalámbrica apropiada. En algunas realizaciones, dicha "obtención" puede comprender también la generación de datos de imagen o procesamiento de datos de imagen inicial tal como para producir los datos de imagen preparados. Se ilustra un ejemplo de esto en la figura 7.
Con el primer, segundo y tercer datos de imagen obtenidos, el método 10 de la figura 1 comprende, en la operación 13a, la generación automática del primer dato de imagen diferencial que comprende la diferencia del primer y segundo datos de imagen. Un dato de imagen diferencial puede considerarse como dato de imagen de un fotograma de imagen digital. En el ejemplo de la figura 1, dicha generación del primer dato de imagen diferencial es un ejemplo de "obtención" de tal dato de imagen. En otras realizaciones, pueden implementarse métodos donde se obtienen los primeros datos de imagen diferenciales listos para ser generados.
La diferencia del primer y segundo datos de imagen se refiere a datos de imagen diferenciales generados mediante la sustracción de los valores de intensidad del segundo dato de imagen de los valores de intensidad del primer dato de imagen o viceversa.
Como resultado de tal sustracción, el primer dato de imagen diferencial comprende, para cada uno de tales patrones de holograma que está presente en el primer o en el segundo dato de imagen, únicamente en uno de ellos, un patrón diferencial. Dependiendo de si está presente o no un patrón de holograma en el primer o en el segundo datos de imagen, el patrón diferencial asociado corresponde al patrón de holograma original o la inmersión del mismo, respectivamente.
Si el primer y segundo datos de imagen se han matizado correctamente siendo 1 las intensidades medias de los mismos, la primera imagen diferencial tiene una intensidad media de cero. Entonces, el primer dato de imagen diferencial puede comprender los patrones de holograma originales invertidos del primer y el segundo datos de imagen y una intensidad sustancialmente cero (posiblemente con algo de ruido) en cualquier parte.
En la operación 13b correspondiente a la operación 13a anterior, el método comprende generar automáticamente el segundo dato de imagen diferencial que comprende la diferencia del segundo y el tercer datos de imagen. En el ejemplo de la figura 1, dicha generación del segundo dato de imagen diferencial es un ejemplo de "obtención" de tal dato de imagen. En otras realizaciones, pueden implementarse métodos donde se obtiene el segundo dato de imagen diferencial ya generado.
Lo que se ha analizado anteriormente con respecto al primer dato de imagen diferencial y la generación del mismo se aplica, cambiando lo que haya que cambiar, también al segundo dato de imagen diferencial y la generación del mismo.
Como resultado de tal sustracción, el segundo dato de imagen diferencial comprende, para cada patrón de holograma que esté presente en el segundo o el tercer dato de imagen, únicamente en uno de ellos, un patrón diferencial. Dependiendo de si un patrón de holograma está presente o no en el segundo o en el tercer dato de imagen, el patrón diferencial asociado corresponde al patrón de holograma original o la inversión del mismo, respectivamente.
En esta memoria descriptiva, la expresión "patrón de holograma" se usa básicamente para hacer referencia a patrones formados por franjas de interferencia provocadas por el movimiento de objetos presentes únicamente en la muestra. También un objeto microscópico estacionario, presente en el volumen de muestra o generalmente situado entre la fuente de luz de iluminación y el detector de imagen digital, provoca un patrón de holograma en los datos de imagen del fotograma de imagen digital capturado. Sin embargo, tal patrón de holograma provocado por un objeto estacionario aparece similarmente en cada uno del primer, segundo y tercer datos de imagen y, por lo tanto, está ausente del primer y el segundo datos de imagen diferenciales resultantes de la sustracción. De esta manera, los patrones de holograma provocados, por ejemplo, por una partícula de suciedad o polvo adherida a las superficies del aparato del dispositivo se limpian automáticamente de las imágenes diferenciales y no alteran la detección de partículas microscópicas en movimiento.
Cada patrón de holograma presente en el primer o en el tercer datos de imagen aparece, en su forma original o como un patrón invertido, en uno del primer y el segundo datos de imagen diferenciales únicamente. En lugar de ello, aquellos patrones de holograma presentes en el segundo dato de imagen tienen sus homólogos tanto en el primero como en el segundo datos de imagen diferenciales. En uno de ellos tal homólogo en forma de patrón diferencial corresponde al patrón de holograma original. En el otro, hay un patrón diferencial correspondiente a una inversión del patrón de holograma original.
La intensidad alternada espacialmente de los patrones del holograma original básicamente se preserva, aunque puede invertirse como se ha analizado anteriormente, en patrones diferenciales dando como resultado datos de imagen diferenciales.
En la operación 14, los datos de imagen del producto de la diferencia (POD) se generan automáticamente, comprendiendo los datos de imagen POD el producto del primer y el segundo datos de imagen diferenciales. Los datos de imagen POD pueden considerarse como datos de imagen de un fotograma de imagen digital POD artificial.
El producto del primer y el segundo datos de imagen diferenciales se refieren a los datos de imagen de producto generados mediante la multiplicación de los valores de intensidad del primer dato de imagen diferencial y el segundo dato de imagen diferencial entre sí.
Como resultado de tal multiplicación, los datos de imagen POD comprenden un patrón de producto para cada uno de tales patrones de holograma que está presente en el segundo dato de imagen y, por lo tanto, tiene un homólogo en ambos del primer y el segundo datos de imagen diferenciales.
Debido a la multiplicación del primer y el segundo datos de imagen diferenciales, los patrones de producto tienen valores de intensidad absoluta que pueden ser sustancialmente iguales a la segunda potencia de los valores de intensidad del patrón del holograma original. Tales valores de intensidad proporcionan una buena base para la operación 17 donde se detecta la presencia de uno o más objetos microscópicos en movimiento de origen extraño en el volumen de muestra en base a uno o más de los patrones de producto presentes en los datos de imagen POD.
La detección de la presencia de un objeto microscópico "en base a" un patrón de producto presente en los datos de imagen POD se refiere a interpretar la presencia de un patrón de producto en los datos de imagen POD como una indicación de un objeto microscópico en movimiento de origen extraño presente en el volumen de muestra. Entonces, la detección puede llevarse a cabo directamente en base al patrón de producto. En otras palabras, la presencia de tal objeto puede detectarse a partir de los datos de imagen POD.
Detectar la presencia de objetos microscópicos se refiere, en primer lugar, a determinar si hay o no cualquier objeto microscópico en el fluido. En este sentido, detectar la presencia de tales objetos puede comprender también determinar y concluir que no hay tal objeto presente en el volumen de fluido a través del cual la luz de iluminación se propaga al detector de imagen. Por otro lado, cuando hay una pluralidad de patrones de producto en los datos de imagen POD, el método puede comprender, naturalmente, además de determinar la presencia general de los objetos microscópicos, también el número de ellos en el volumen de fluido analizado.
El resultado de la operación de detección, es decir la información sobre la presencia de al menos un objeto microscópico en el volumen de fluido analizado, puede disponerse en cualquier dato eléctrico apropiado o forma de señal adecuada para almacenamiento o transmisión adicional.
Realizar "automáticamente" una o más operaciones del método se refiere a realizar la operación u operaciones en cuestión, por ejemplo, dicha detección de la presencia del objeto u objetos microscópicos en el fluido, parcial o completamente de forma automática mediante una o más unidades o módulos de procesamiento de datos apropiados. La realización de una operación completamente de forma automática se refiere a llevar a cabo la operación según unas reglas y procedimientos predeterminados, sin necesidad de ninguna contribución proporcionada o determinación realizada mediante un usuario de un aparato o dispositivo que incorpora tal unidad o módulo. En la realización de una operación parcialmente automática, puede proporcionarse alguna contribución o puede realizarse alguna determinación por el usuario de un aparato o dispositivo que incorpora tal unidad o módulo. Además de aquellas operaciones establecidas específicamente para ser realizadas automáticamente, también otras operaciones pueden llevarse a cabo completa o parcialmente de forma automática.
Pueden conseguirse muchos efectos ventajosos mediante el método anterior. En primer lugar, determinar la presencia de objetos microscópicos en el fluido directamente en base a los datos de imagen POD requiere una potencia de cálculo o de procesamiento de datos relativamente baja, especialmente en comparación con la microscopía holográfica convencional donde se calcula una verdadera reconstrucción, en uno o más planos bidimensionales del volumen de muestra tridimensional, y la detección de los objetos de dispersión se lleva a cabo en base a la imagen o imágenes reconstruidas. Por otro lado, la detección de objetos microscópicos puede llevarse a cabo sustancialmente más rápido que en el enfoque que utiliza reconstrucción completa del volumen de muestra o secciones bidimensionales del mismo.
Los ahorros en la potencia y/o tiempo de procesamiento computacional requeridos pueden posibilitar la implementación de aparatos de detección de pequeño tamaño y bajo coste para funcionamiento en línea, por ejemplo para supervisión de la calidad del agua.
Además, en el método descrito anteriormente, los posibles patrones de holograma resultantes de objetos estacionarios tales como suciedad o partículas de polvo posiblemente adheridos a las superficies de los diversos dispositivos se limpian automáticamente de los datos en base a lo cual se lleva a cabo la detección de objetos microscópicos en movimiento.
El proceso ilustrado en la figura 2 mediante fotogramas de imagen digital puede estar básicamente de acuerdo con el método descrito anteriormente con referencia a la figura 1.
En el proceso de la figura 2, se ilustran el primer, segundo y tercer fotogramas 210, 220, 230 de imagen digital capturados secuencialmente. En el ejemplo de la figura 2, como se ilustra en los fotogramas de imagen digital, cada dato de imagen comprende un patrón de holograma 211, 221, 231 que se origina de un objeto microscópico en movimiento presente en el volumen de muestra en el momento de la captura del fotograma de imagen digital en cuestión. Los patrones de holograma de estos fotogramas de imagen diferentes pueden originarse de un único objeto microscópico en movimiento que se propaga en el volumen de muestra y que, por lo tanto, aparece en diferentes localizaciones en los momentos de captura de los diferentes fotogramas de imagen digital. De forma alternativa, pueden originarse a partir de diferentes objetos microscópicos.
Además, cada dato de imagen comprende también un patrón de holograma 212, 222, 232 que se origina de un objeto microscópico estacionario que puede ser, por ejemplo polvo o suciedad. Estos patrones de holograma aparecen en los fotogramas de imagen digital y los datos de imagen del mismo sustancialmente de forma similar, y en la misma localización en el área de imagen. En consecuencia, como se ilustra en el primer y segundo fotogramas 240, 250 de imagen digital diferencial, estos se eliminan sustancialmente del primer y segundo datos de imagen diferenciales.
En el primer dato 240 de imagen diferencial, hay dos patrones diferenciales. Un primer patrón diferencial 243 del primer dato de imagen diferencial se origina del patrón de holograma 211 presente en el primer dato 210 de imagen. Un segundo patrón diferencial 244 del primer dato de imagen diferencial se origina del patrón de holograma 221 presente en el segundo dato 220 de imagen. El primer patrón diferencial 243 parece sustancialmente similar al patrón de holograma 211 del primer dato de imagen 210. En lugar de ello, el segundo patrón diferencial 244 parece
sustancialmente como un patrón invertido del patrón de holograma 221 del segundo dato 220 de imagen. Esto se debe a la formación del primer dato 240 de imagen diferencial en base a la sustracción del segundo dato 220 de imagen del primer dato de imagen 210.
También en el segundo dato 250 de imagen diferencial, hay dos patrones diferenciales. Un primer patrón diferencial 253 del segundo dato de imagen diferencial se origina del patrón de holograma 221 presente en el segundo dato 220 de imagen. Un segundo patrón diferencial 254 del segundo dato de imagen diferencial se origina del patrón de holograma 231 presente en el tercer dato de imagen 230. El primer patrón diferencial 253 parece sustancialmente similar al patrón de holograma 221 del segundo dato 220 de imagen. En lugar de ello, el segundo patrón diferencial 254 parece sustancialmente como un patrón invertido del patrón de holograma 231 del tercer dato de imagen 230. Esto se debe a la formación del segundo dato 250 de imagen diferencial en base a la sustracción del tercer dato de imagen 230 del segundo dato 220 de imagen.
En otras realizaciones, la sustracción del dato de imagen de la generación del dato de imagen diferencial puede llevarse a cabo justo al revés. Un primer dato de imagen diferencial puede estar basado en la sustracción del primer dato de imagen del segundo dato de imagen, y un segundo dato de imagen diferencial puede estar basado en la sustracción del segundo dato de imagen del tercer dato de imagen.
El fotograma 260 de imagen digital POD artificial y los datos de imagen del mismo se generan en base a multiplicar el primer y segundo datos de imagen diferenciales entre sí.
En los datos de imagen POD, hay un patrón 261 de producto que se origina de la multiplicación del segundo patrón diferencial 244 del primer dato 240 de imagen diferencial y el primer patrón diferencial 253 del segundo dato 250 de imagen diferencial entre sí. Debido a la naturaleza invertida del segundo patrón diferencial 244 del primer dato 240 de imagen diferencial, la multiplicación da como resultado una naturaleza o forma invertida del patrón 261 de producto. En el caso de un primer, segundo y tercer datos 210, 220, 230 de imagen con matiz corregido, las intensidades medias del primer y segundo datos 240, 250 de imagen diferenciales son cero. Entonces, dicha naturaleza o forma invertida significa que aquellos valores de intensidad que se originan a partir de valores de intensidad distintos de cero de las franjas de intensidad asociadas con el patrón de holograma 221 presente en el segundo dato 220 de imagen son negativos.
La presencia del patrón 261 de producto en los datos de imagen POD indica la presencia del objeto microscópico en movimiento en el volumen de muestra en el momento de la captura del segundo dato de imagen. De esta manera, la detección del objeto microscópico puede estar basada en la detección de este patrón de producto en los datos de imagen POD.
Los datos POD generados inicialmente en base al producto del primer y el segundo datos de imagen diferenciales puede procesarse adicionalmente o prepararse de modo que se facilite la detección de posibles patrones de producto. Por ejemplo, como los valores de intensidad de un patrón de producto pueden ser negativos, los datos de imagen POD pueden invertirse automáticamente, de modo que los valores de intensidad negativos del mismo sean positivos y viceversa. Posteriormente, los valores negativos resultantes posibles, que pueden estar causados, por ejemplo, por valores positivos de señal de ruido en los datos de imagen POD original, pueden convertirse automáticamente a cero. En otra realización, todos los valores de intensidad negativos de la señal POD original pueden convertirse automáticamente en sus valores absolutos. En ambos casos, los datos de imagen POD resultantes procesados o "invertidos" pueden ser tales que los patrones de producto de los mismos comprendan únicamente valores de intensidad positivos (o cero).
Además, tales datos POD invertidos pueden procesarse adicionalmente, por ejemplo suavizando la intensidad espacialmente alternante típica del patrón o patrones de producto.
"Suavizar" se refiere en la presente memoria a disminuir la variación de la intensidad espacialmente alterna de los datos de imagen al menos en el área de un patrón de producto. Puede utilizarse cualquier filtro y algoritmo apropiado para conseguir este fin. Como resultado, los datos de imagen POD filtrados pueden comprender, en el área del patrón de producto, una intensidad que se alterna espacialmente solo ligeramente.
Tales datos de imagen POD posiblemente filtrados pueden procesarse adicionalmente alcanzando el umbral de intensidad localmente incrementada mediante valores de ajuste automáticos de la misma que superan un nivel de umbral predeterminado a un nivel de intensidad constante específico, mientras se convierten los valores restantes por debajo de dicho valor umbral a cero, o posiblemente un nivel base distinto de cero. Por tanto, los datos de imagen filtrados pueden comprender el patrón de holograma filtrado como una imagen binaria. De forma alternativa, los valores que superan el nivel umbral pueden permanecer sin cambios.
Desde un punto de vista de la imagen, convertir los valores inicialmente negativos de intensidad espacialmente alterna en sus homólogos positivos, posiblemente seguido de suavizado y/o alcance del umbral, puede dar como resultado datos de imagen filtrados donde los datos de imagen POD procesados comprenden "manchas" en las localizaciones de los patrones de producto iniciales. Una "mancha" se refiere a un área con una intensidad localmente aumentada sustancialmente constante o solo ligeramente espacialmente alterna.
En la figura 3 se ilustran las operaciones opcionales de convertir los valores del componente de intensidad negativo en positivo, suavizando de esta manera la curva del componente de intensidad conseguida y adicionalmente alcanzar el umbral la curva suavizada.
En el gráfico 3 A) se cita la intensidad 317 espacialmente alterna de un patrón de producto presente en los datos de imagen POD a un nivel de intensidad 318 medio que puede ser cero. La intensidad alterna, resultante de la multiplicación de un patrón diferencial y una inversión del mismo, tiene picos de intensidad meramente negativos.
En el gráfico 3 B), se ilustra la intensidad 317 espacialmente alterna después de convertir los valores inicialmente negativos del componente filtrado de intensidad espacialmente alterna en sus homólogos positivos.
En la siguiente fase, ilustrada en el gráfico 3 C), la curva de intensidad 317 se ha suavizado, dando como resultado valores de intensidad en el área del patrón de producto ligeramente alternos como una curva de envoltura de los picos de intensidad invertida original.
En el gráfico 3 D), se ilustra un nivel 319 de umbral de intensidad predeterminado como marcado sobre la curva de intensidad 317.
Finalmente, el gráfico 3 E) ilustra la señal de intensidad 317 en los datos de imagen POD procesados en la localización del patrón del producto original después de la operación de alcanzar el umbral. En la operación de alcanzar el umbral, los valores del componente de intensidad que superan el nivel umbral se han convertido en un nivel superior 320 constante, mientras que aquellos valores que permanecen por debajo del nivel umbral 319 se han ajustado a cero.
La figura 4 ilustra la relación entre objetos extraños microscópicos en movimiento reales presentes en un volumen de muestra en el momento de la captura de un segundo fotograma de imagen digital, y patrones de productos resultantes del mismo en los datos de imagen POD.
En el dibujo 4 A), se muestran dos objetos microscópicos 416', 416" sustancialmente puntiagudos o redondos, con diferentes tamaños, y un objeto microscópico 416" alargado. El dibujo 4 B) ilustra esquemáticamente dos patrones de producto 413', 413", 413"' iniciales ligeramente alargados, respectivamente, que se originan de los patrones diferenciales en el primer y segundo datos de imagen diferenciales. Los patrones de producto se forman mediante franjas de interferencia concéntricas. Aunque no es visible en los dibujos, cuanto mayor es el objeto microscópico más brillante son las franjas de interferencia en el patrón de holograma preparado asociado.
El dibujo 4 C) ilustra patrones 415', 415", 415"' de producto procesado resultantes de los patrones de producto inicial después del procesamiento de los datos de imagen POD mediante operaciones similares a aquellas ilustradas en la figura 3. Como resultado de convertir los valores negativos del componente filtrado de intensidad espacialmente alterna en sus homólogos positivos, seguido de operaciones de suavizado y alcance del umbral, los patrones de producto procesado de los datos de imagen filtrados son manchas planas. Las formas de las manchas indican la forma del objeto microscópico, y el tamaño de las mismas depende del brillo de los patrones de holograma preparados y, por lo tanto, de los tamaños de los objetos microscópicos.
Para detectar patrones de producto en los datos de imagen POD, puede utilizarse cualquier filtro o algoritmo de reconocimiento de patrón apropiado. Por ejemplo, en el caso de datos de holograma filtrados con patrones de holograma filtrados que comprenden "manchas" como se ha analizado anteriormente, se conocen y pueden utilizarse diversos filtros de detección de manchas y algoritmos.
Con uno o más patrones de productos detectados en unos datos de imagen POD, un posible análisis adicional de los datos de imagen puede centrarse en o limitarse a las localizaciones reales de los patrones de productos en el área de imagen. Pueden lograrse entonces grandes ahorros en la potencia computacional requerida porque no es necesario analizar el resto de datos de imagen.
Además, los tamaños de los patrones de holograma pueden permanecer sustancialmente sin cambios durante el proceso de generación de datos de imagen diferenciales y POD, así como durante un posible procesamiento adicional de los datos de imagen POD. Los patrones de holograma típicamente son sustancialmente mayores que los objetos reales por lo que, en el método anterior, el ruido posiblemente presente en los datos de imagen puede que no sea tan perjudicial como en el caso de detectar objetos de tamaño más pequeño en una imagen reconstruida.
Haciendo referencia de nuevo a la figura 1, el método 10 comprende una operación 18a opcional adicional, donde al menos un parámetro de forma de un objeto microscópico detectado de origen extraño se determina automáticamente en base a la forma del patrón de producto asociado presente en los datos de imagen POD o la forma del patrón diferencial asociado presente en el primer o segundo datos de imagen diferenciales. La "forma" de un patrón de producto o patrón diferencial puede referirse a la forma del contorno del patrón, pero también, o de forma alternativa, a la distribución de intensidad global dentro del patrón.
"Un parámetro de forma" se refiere a cualquier indicador apropiado dependiente de o que indique una o más características de la forma del objeto microscópico.
La determinación de un parámetro de forma puede estar basada en la relación predeterminada entre las formas probables de los objetos microscópicos y las formas asociadas de los patrones diferenciales y/o los patrones de producto. Por ejemplo, un objeto alargado, tal como algunos tipos particulares de bacteria, típicamente producen un patrón de holograma ligeramente alargado, es decir, un patrón de holograma con las franjas de interferencia más pronunciadas en una dirección que en la dirección ortogonal a esa dirección. Esta forma puede permanecer principalmente durante la generación de los datos de imagen diferenciales y POD y, posiblemente de forma adicional, durante el procesamiento de los datos de imagen POD, permitiendo una determinación sencilla de un parámetro de forma del objeto microscópico original en base a los patrones diferenciales y/o de producto.
En la determinación del parámetro de forma de un objeto microscópico, puede usarse cualquier algoritmo de reconocimiento de patrones apropiado.
Puede llevarse a cabo otra operación 18b opcional independientemente de cualquiera de las operaciones opcionales previas analizadas anteriormente que se haya llevado a cabo. En esta operación, el método puede comprender, además, determinar automáticamente al menos un parámetro de posición de un objeto microscópico detectado en base a la posición del patrón de producto asociado en los datos de imagen POD o la posición del patrón diferencial asociado presente en el primer o segundo datos de imagen diferenciales, respectivamente.
"Un parámetro de posición" se refiere a cualquier indicador apropiado que dependa de, o que indique, uno o más elementos característicos de la posición del objeto microscópico en los datos de imagen diferenciales y/o POD. Conociendo la geometría del volumen de muestra, la iluminación y el detector de imagen, el parámetro o parámetros de posición pueden usarse para determinar adicionalmente un parámetro de posición del objeto microscópico detectado en el volumen de muestra en el momento de la captura del segundo fotograma de imagen digital.
Como otra operación 18c opcional, el método puede comprender adicionalmente identificar automáticamente, para un patrón de producto presente en los datos de imagen POD asociado, un patrón diferencial asociado presente en el primer o segundo datos de imagen diferenciales, y determinar automáticamente al menos un parámetro de tamaño del objeto microscópico asociado en base a la amplitud de la intensidad espacialmente alterna del patrón diferencial asociado. De esta manera, después de la detección de un patrón de producto, por ejemplo mediante la detección de una "mancha" en los datos de imagen POD procesados y, de esta manera, un objeto microscópico de origen extraño, pueden evaluarse, es decir, identificarse, qué patrones diferenciales presentes en los datos de imagen diferenciales produjeron es patrón de holograma de producto particular. Los parámetros de tamaño que indican el tamaño del objeto microscópico asociado que produjo los patrones diferenciales pueden determinarse entonces en base a la amplitud del patrón de holograma preparado en cuestión.
"Un parámetro de tamaño" se refiere a cualquier indicador apropiado que dependa de, o que indique, uno o más elementos características, tales como el diámetro o la longitud del objeto microscópico asociado.
De forma alternativa, puede ser posible determinar uno o más parámetros de tamaño del objeto microscópico detectado directamente en base al patrón de producto presente en los datos de imagen POD, que pueden procesarse adicionalmente en primer lugar mediante operaciones apropiadas, suponiendo que en el patrón de producto queda suficiente información sobre la amplitud de intensidad del patrón de holograma original. En otro enfoque adicional, uno o más parámetros de tamaño pueden determinarse en base al patrón de holograma original presente en el segundo dato de imagen.
La "amplitud" usada para determinar el parámetro o parámetros de tamaño puede referirse a la amplitud de un componente de intensidad espacialmente alterna hacia arriba y hacia abajo, posiblemente citada a un nivel base espacial y sustancialmente constante o ligeramente cambiante. La amplitud de tal componente de intensidad, usada en la determinación del parámetro o parámetros de tamaño puede ser, por ejemplo, una amplitud máxima o de pico promedio o de pico a pico, el segundo pico más grande o amplitud de pico a pico, o cualquier otra amplitud apropiada relacionada con la propiedad de intensidad en el área del patrón de holograma, el patrón diferencial o el patrón de producto.
En aquellas realizaciones que comprenden determinar uno o parámetros de tamaño del objeto microscópico, se utiliza la correlación entre el brillo de las franjas de interferencia y el tamaño del objeto. Cuanto más grande es el objeto, mayor es la intensidad en los máximos de interferencia de las franjas de interferencia.
Las operaciones opcionales del método ilustrado en la figura 1 pueden llevarse a cabo independientemente unas de otras. De esta manera, el método puede implementarse con cualquier combinación de una o más operaciones opcionales. Aparte de la corrección del matiz que debe llevarse a cabo antes de generar los datos de imagen diferenciales, la operación u operaciones opcionales pueden llevarse a cabo en cualquier orden apropiado o al menos parcialmente de forma simultánea.
Cualquiera de los parámetros de forma, posición y tamaño puede proporcionarse para un uso adicional o para almacenamiento como cualquier dato o forma de señal eléctrica apropiados.
Adicionalmente, además de la amplitud o el brillo, pueden utilizarse también otros parámetros tales como frecuencia espacial de las franjas de interferencia en la determinación de un parámetro de tamaño del objeto microscópico.
La identificación del patrón diferencial asociado con un patrón de producto específico puede estar basada en la comparación de las posiciones del patrón del producto y el patrón diferencial en los datos de imagen POD y los datos de imagen diferenciales, respectivamente.
Puede que quede alguna intensidad de señal similar a un ruido o con un ruido distinto de cero en una imagen diferencial en áreas fuera del patrón o patrones diferenciales. Cuando se multiplica el primer y segundo datos de imagen diferenciales entre sí, tales valores de amplitud distintos de cero pueden dar como resultado un patrón o patrones de intensidad espacialmente alterna distintos de cero en los datos de imagen POD en la localización o localizaciones de los posibles patrones diferenciales que se originan a partir de los patrones de holograma presentes en el primer o tercer datos de imagen únicamente. En el ejemplo ilustrado en la figura 5 puede facilitar la limpieza de tales posibles intensidades espacialmente alternas, no relacionadas con un patrón de producto verdadero, fuera de los datos de imagen de POD.
Hasta la generación del primer y segundo datos de imagen diferenciales en la operación 53a, 53b, el método 50 de la figura 5 puede llevarse a cabo según cualquiera de los métodos analizados anteriormente con referencia a las figuras 1 a 4.
El método 50 de la figura 5 se distingue de aquellos analizados anteriormente con referencia a las figuras 1 a 4 en tanto que este comprende, antes de detectar la presencia de un objeto u objetos microscópicos en movimiento de origen extraño, en la operación 55, generar automáticamente datos de imagen de la suma de la diferencia (SOD) que comprenden la suma del primer y segundo datos de imagen diferenciales. La operación 55 de generación de datos imagen SOD puede llevarse a cabo antes, después o simultáneamente con la generación de datos de imagen POD.
Como se ha analizado anteriormente, en los datos de imagen POD, existen patrones de productos reales para los primeros patrones diferenciales únicamente que aparecen en las mismas localizaciones en el primer y segundo datos de imagen diferenciales. A diferencia de esto, al sumar el primer y el segundo datos de imagen diferenciales para los datos de imagen SOD, tales primeros patrones diferenciales que son inversiones entre sí se desvanecen sustancialmente. En lugar de ello, cada uno de los posibles segundos patrones que aparece en uno del primer y tercer datos de imagen solo permanecen durante la operación de suma. Por tanto, los datos de imagen SOD comprenden un patrón de suma para cada uno de tales patrones de holograma que está presente en el primer o en el tercer datos de imagen únicamente.
Además, a diferencia de los métodos analizados anteriormente con referencia a la figura 1, el método 50 de la figura 5 comprende, durante la operación 56, filtrar automáticamente los datos de imagen POD en base a los datos de imagen SOD tal como para ajustar los valores absolutos de la intensidad espacialmente alterna de los datos de imagen POD en la localización de un posible patrón de suma presente en los datos de imagen SOD por debajo de o en un valor límite. Tal valor límite puede ser, por ejemplo, cero.
"Filtrar" se refiere a cualquier procedimiento apropiado que posibilite dicho ajuste de los datos de imagen POD en las localizaciones de los posibles patrones de suma presentes en los datos de imagen SOD. En tal filtración, por ejemplo, los datos de imagen SOD pueden usarse como una "máscara" de modo que en la localización o localizaciones de los patrones de suma de los mismos, se elimina la alternancia espacial en la intensidad de los datos de imagen POD.
En la figura 6 se ilustra tal generación de datos de imagen SOD y su utilización en la "limpieza" de la imagen POD.
El primer y segundo datos 640, 650 de imagen diferencial de la figura 6 pueden estar de acuerdo con el primer y segundo datos de imagen diferenciales analizados anteriormente con referencia a la figura 2. Los datos 660 de imagen POD inicial generados en base al primer y segundo datos de imagen diferenciales difieren de los datos de imagen POD de la figura 2 en tanto que estos comprende primer y segundos patrones de intensidad 666, 667 espacialmente alternos en las localizaciones del primer patrón diferencial 643 de los primeros datos 640 de imagen diferencial y el segundo patrón diferencial 654 de los segundos datos 650 de imagen diferencial, respectivamente.
En los datos 670 de imagen SOD, hay un primer patrón de suma 676 que se origina del primer patrón diferencial 643 del primer dato 640 de imagen diferencial, y un segundo patrón de suma 677 que se origina del segundo patrón diferencial 654 del segundo dato 650 de imagen diferencial.
La filtración de los datos de imagen POD mediante los datos de imagen SOD como se ha descrito anteriormente da como resultado datos 680 de imagen POD filtrados. En los datos 680 de imagen POD filtrados, el patrón de producto 681 aún está presente, pero los patrones de intensidad 666, 667 espacialmente alternos de los datos 660 de imagen POD iniciales se han "eliminado".
Haciendo referencia de nuevo a la figura 5, en la operación 57, la presencia de uno o más objetos microscópicos en movimiento de origen extraño en el volumen de muestra se detecta automáticamente en base a uno o más patrones de producto presentes en los datos de imagen POD filtrados.
Los métodos analizados anteriormente y las realizaciones de los mismos pueden implementarse como procesos de muestreo en donde un volumen de muestra estacionario de un fluido está contenido en una cubeta cerrada, definiendo posiblemente la estructura de la cubeta el volumen de la muestra.
De forma alternativa, en algunas aplicaciones, los objetos microscópicos presentes o llevados en el fluido que fluye pueden ser detectados y posiblemente pueden determinarse las propiedades de los mismos.
En lo anterior, se analiza el método centrado sobre las operaciones de procesamiento de datos reales únicamente. Esto indica que la fase precedente de captura de datos de imagen no es necesariamente parte del método. Esto permite, por ejemplo, la implementación de dispositivos o aparatos de análisis que llevan a cabo la detección y determinación de los objetos microscópicos por separado de las operaciones de iluminación y captura de imagen reales.
También es posible implementar un método de detección completo que comprenda esas operaciones también. El método 70 ilustrado parcialmente en la figura 7, que puede estar básicamente de acuerdo con cualquiera de las realizaciones anteriores, representa un ejemplo de esto.
En el método 70 de la figura 7, la obtención del primer, segundo y tercer datos de imagen en la operación 71 comprende proporcionar, en la suboperación 711, luz coherente; e iluminar, en la suboperación 712, un volumen de muestra que puede estar dentro de, o estar definido por una cubeta, y que contiene un fluido que posiblemente comprende objetos microscópicos en movimiento de origen extraño mediante la luz coherente. Tras la iluminación, los objetos microscópicos dispersan parte de la luz y la luz dispersada y no dispersada interfiere de modo que forma franjas de interferencia detrás de los objetos microscópicos. En la suboperación 713, el primer, segundo y tercer fotogramas de imagen digital son capturados por un detector de imagen que recibe la luz propagada a través del volumen de muestra.
En esta realización, el método comprende, por lo tanto, también las operaciones reales de iluminación y captura de imagen requeridas para generar los datos de imagen preparados.
El primer, segundo y tercer datos de imagen del primer, segundo y tercer fotogramas de imagen capturados, respectivamente, pueden formar, como tales, el primer, segundo y tercer datos de imagen. De forma alternativa, aquellos datos de imagen pueden generarse o producirse procesando dichos datos de imagen mediante una operación u operaciones apropiadas.
Como se ha analizado anteriormente, los métodos anteriores y las diversas realizaciones de los mismos pueden usarse, por ejemplo, para supervisar la calidad de un fluido tal como agua o fluidos de proceso industriales donde el contenido de partículas microscópicas o microbios del fluido es un parámetro importante que indica la calidad del fluido. Entonces, además de detectar objetos microscópicos, los métodos y sus realizaciones analizadas anteriormente pueden comprender adicionalmente iniciar acciones predeterminadas si el contenido del objeto microscópico, es decir, si la cantidad y/o tipo de objetos microscópicos detectados, satisfacen criterios predeterminados.
Tales acciones pueden comprender, por ejemplo, recoger una muestra del fluido supervisado para análisis adicional, controlar un proceso o sistema en el cual el fluido supervisado está contenido o desde el cual este se suministra y/o generar una señal de alarma.
Las operaciones de los métodos y las diversas realizaciones de los mismos explicadas anteriormente, llevadas a cabo al menos parcialmente de forma automática, pueden llevarse a cabo mediante cualquier medio de computación y/o procesamiento de datos adecuado. Tales medios pueden comprender, por ejemplo, al menos un procesador y al menos una memoria acoplada al procesador. La al menos una memoria puede almacenar instrucciones de código de programa que, cuando se ejecutan al menos en un procesador, provocan que el procesador realice operaciones según las diversas operaciones del método. De forma alternativa, o además, al menos algunas de estas operaciones pueden llevarse a cabo, al menos parcialmente, mediante elementos lógicos de hardware o componentes tales como Series de Puerta Programable de Campo (FPGA), Circuitos Integrados Específicos para Aplicación (ASIC), Productos Normalizados Específicos para Aplicación (ASSP), Sistemas de tipo Sistema en un Chip (SOC), Dispositivos Lógicos Programables Complejos (CPLD), etc., sin estar limitados a estos ejemplos.
Lo que se ha indicado anteriormente sobre los detalles, modos de implementación, características preferidas y ventajas con respecto al aspecto del método se aplican, con los cambios que haya que realizar, también al aspecto del aparato analizado posteriormente en la presente memoria. Esto se aplica también en el sentido contrario.
El aparato 800 de la figura 8 puede usarse para detectar objetos microscópicos de origen extraño presentes en un fluido. El aparato comprende una disposición de computación 885 configurada para realizar las operaciones de cualquiera de los métodos analizados anteriormente con referencia a las figuras 1 a 6.
La disposición de computación puede comprender cualquier equipo, unidad o unidades, elemento o elementos y componentes o componentes de procesamiento y comunicación de datos apropiados capaces de llevar a cabo las operaciones del método analizado anteriormente.
En el ejemplo de la figura 8, la disposición de computación 885 comprende una unidad de procesamiento 886 configurada para llevar a cabo las operaciones de obtención del primer, segundo y tercer datos 810, 820, 830 de imagen; y generar automáticamente el primer y segundo datos 840, 850 de imagen diferenciales y los datos 860 de imagen POD. En otras realizaciones, una unidad de procesamiento puede configurarse para obtener un primer y segundo datos de imagen diferenciales listos para ser generados en lugar de la generación de los mismos. Entonces,
no hay necesidad de obtener el primer, segundo y tercer datos de imagen como tales. La unidad de procesamiento 886 puede estar configurada adicionalmente para generar automáticamente posibles datos SOD (no ilustrados en la figura 8) y llevar a cabo la posible filtración de los datos de imagen POD. Opcionalmente, la unidad de procesamiento 886 está configurada para llevar a cabo automáticamente la detección de la presencia de objetos 816 microscópicos en movimiento de origen extraño en el volumen de muestra a partir de los datos de imagen POD (posiblemente filtrados).
La unidad de procesamiento puede estar configurada adicionalmente para llevar a cabo cualquiera de las operaciones opcionales analizadas anteriormente.
Una disposición de computación o unidad de procesamiento de la misma "configurada para" realizar una operación específica del método significa que la disposición de computación o unidad de procesamiento comprende, o sirve como, "medio para" realizar esa operación.
La disposición de computación puede comprender medios distintos para las diferentes operaciones. De forma alternativa, cualquiera de tales medios para realizar estas diversas operaciones especificadas anteriormente puede combinarse de modo que más de una operación es llevada a cabo por el mismo medio. Es incluso posible que todas esas operaciones se lleven a cabo por el mismo medio, por ejemplo mediante un único módulo o unidad de procesamiento de datos. En el ejemplo de la figura 8, esto se ilustran mediante la unidad de procesamiento 886.
Cualquier medio para realizar cualquiera de las operaciones anteriores puede comprender uno o más ordenadores u otros componentes informáticos y/o unidades, dispositivos o aparatos de procesamiento de datos. Además del medio de computación y/o procesamiento de datos actual, los medios para realizar dichas operaciones pueden comprender también naturalmente cualquier medio de comunicación y conexión de datos o señales apropiado, así como una memoria o medio de almacenamiento para almacenar los datos generados y/o recibidos.
Los medios de computación y/o procesamiento de datos, tales como la unidad de procesamiento 886 del ejemplo de la figura 8 que sirven como medios para realizar una o más de las operaciones anteriores pueden comprender, por ejemplo al menos una memoria y al menos un procesador acoplado con la al menos una memoria. Entonces, la al menos una memoria puede comprender instrucciones de código de programa legibles por ordenador que, cuando son ejecutadas por el al menos un procesador, provocan que el aparato realice las operaciones en cuestión.
Además de, o en lugar de, una combinación de un procesador, una memoria y unas instrucciones de código de programa ejecutables por el procesador, los medios para realizar una o más operaciones pueden comprender algunos complementos, elementos o unidades lógicas de hardware tales como aquellos ejemplos mencionados anteriormente en el contexto del aspecto del método.
Además de la detección real de objetos microscópicos en el fluido que se va a analizar, la disposición de computación 885 en la práctica de la unidad de procesamiento 886 de la misma, está configurada para generar una señal de alarma 887 que indica que se satisface un criterio predeterminado para la cantidad, tipo o por ejemplo tamaño promedio de las partículas microscópicas. El aparato comprende una disposición de transmisión 888 para transmitir tal señal de alarma desde el aparato, por ejemplo a algún sistema de control centralizado. La disposición de transmisión puede comprender, por ejemplo un medio de comunicación de datos inalámbrico que incluye, por ejemplo, una antena. La disposición de transmisión y la operación de generación de una señal de alarma son elementos opcionales y son posibles las realizaciones sin estos elementos también. En otras realizaciones, pueden implementarse disposiciones de computación que no están configuradas para generar ninguna señal de alarma. Entonces, el aparato puede implementarse sin ninguna disposición de transmisión.
En lo anterior, el aparato se define como que comprende únicamente el medio de computación o de procesamiento de datos. En una realización ilustrada en la figura 9, que puede estar de acuerdo con cualquiera de las realizaciones previas analizadas anteriormente con referencia a la figura 8, se implementa un aparato 900 de detección completa. El aparato 900 de detección difiere de aquel de la figura 8 en tanto que este comprende, además de la disposición de computación 985, también una disposición de medición 990 configurada para llevar a cabo la captura del primer, segundo y tercer datos 910, 920, 930 de imagen que va a procesar la disposición de computación. De esta manera, en este enfoque, el aparato comprende también medios para realizar las mediciones de la cantidad física.
Con más detalle, la disposición de medición comprende una cubeta 991 que define un volumen de muestra para recibir un fluido 992 que posiblemente contiene objetos microscópicos 916 de origen extraño; una disposición de iluminación 993 configurada para emitir luz coherente 994 e iluminar el fluido recibido en el volumen de muestra por la luz coherente, con lo cual los posibles objetos microscópicos dispersan parte de la luz, la luz dispersa y no dispersada interfiere de modo que forma franjas de interferencia detrás de los objetos microscópicos; y un detector de imagen 995 situado y configurado para capturar fotogramas de imagen digital al recibir la luz propagada a través de la cubeta y el volumen de muestra en su interior.
En esta realización, la disposición de computación 985 está conectada a la disposición de medición 990 para recibir datos imagen del fotograma o fotogramas de imagen digital capturados que forman la base para el primer, segundo y tercer datos 910, 920, 930 de imagen analizados anteriormente. La disposición de computación puede estar
configurada también para controlar la disposición de medición, y la disposición de iluminación y el detector de imagen de la misma.
Una "cubeta" se refiere a cualquier celda o recipiente de muestra apropiado capaz de recibir el fluido que se va a analizar. Una cubeta puede comprender una o más paredes que definen un volumen interno de la misma para recibir dicho fluido. Definir el volumen interno significa que la una o más paredes limitan o bordean una sección transversal del volumen interno a través de un perímetro de la misma. En otras palabras, la una o más paredes y/o algunas otras estructuras apropiadas de la cubeta rodean completamente todo el volumen interno al menos en una sección transversal de la misma, evitando de esta manera el escape del fluido que se va a medir del volumen interno en las direcciones en el plano de tal sección transversal.
Una cubeta y una disposición de medición en su conjunto, que incorpora la cubeta, puede tener cualquier dimensión apropiada, teniendo en cuenta la aplicación en cuestión. Por ejemplo, el espesor del volumen interno en la dirección de incidencia de la luz de iluminación puede estar por ejemplo en el intervalo de 0,5 a 1 mm, la anchura de la cubeta puede ajustarse, por ejemplo en base al tamaño de la celda sensible a la luz del detector de imagen que puede estar situado, por ejemplo a una distancia de aproximadamente 1 a 3 mm del volumen interno de la cubeta. Por ejemplo, la cubeta puede tener, en una o más direcciones, una anchura de 4 a 8 mm. Un píxel de la celda sensible a la luz puede tener una anchura por ejemplo, en el intervalo de 1,5 a 5 pm. Por ejemplo, la anchura de un píxel rectangular puede ser de aproximadamente 2 pm. La ubicación de la fuente de luz de la disposición de iluminación puede variar dependiendo de, por ejemplo, la fuente de luz y el tamaño de la superficie emisora de luz de la misma. En un ejemplo, un diodo láser como un elemento emisor de luz de una fuente de luz, puede estar situado a algunas decenas de milímetros, por ejemplo a aproximadamente 40 mm, del volumen interno de la cubeta.
En general, una cubeta puede ser de tipo muestreo, en donde un volumen discreto puede almacenarse en la cubeta. En el ejemplo de la figura 9 es de tipo de flujo a través, en donde un flujo continuo del fluido 992 que se va a analizar puede conducirse a través de la cubeta durante el análisis. En otras realizaciones, pueden usarse otros tipos de cubetas. Por ejemplo, en algunas realizaciones, una cubeta puede configurarse para servir de manera alternativa como una cubeta de tipo muestreo o como una cubeta de flujo a través.
La cubeta 991 comprende ventanas 996, 997 que permiten que la luz de iluminación emitida por la disposición de iluminación entre y salga de la cubeta. En el ejemplo de la figura 9, la disposición de iluminación y el detector de imagen están situados en lados opuestos de la cubeta para formar la trayectoria de propagación directa de la luz desde la disposición de iluminación hasta el detector de imagen a través de la cubeta.
La disposición de iluminación 993 puede comprender cualquier fuente de luz apropiada, tal como un diodo láser, capaz de producir luz coherente. La luz puede tener una longitud o longitudes de onda, por ejemplo en el intervalo de 350 a 500 nm, sin estar limitada a este intervalo. La disposición de iluminación puede comprender adicionalmente cualquier elemento óptico apropiado configurado para guiar la luz coherente emitida hacia la cubeta y el volumen de muestra a iluminar el fluido recibido en su interior.
El detector de imagen 995 puede ser de cualquier tipo apropiado. Por ejemplo, este puede comprender una celda de CMOS (Semiconductor de Óxido Metálico Complementario) o CCD (Dispositivo Acoplado por Carga). El detector de imagen puede ser un detector de tipo blanco y negro. El tamaño adecuado del área activa y la resolución del detector de imagen dependen de la configuración global de la disposición de medición. En algunas aplicaciones, este puede tener, por ejemplo un tamaño de 5 x 5 mm2. En algunas aplicaciones, el área activa del detector de imagen puede tener, por ejemplo 5 millones de píxeles.
Los aparatos de las figuras 8 y 9 pueden implementarse como aparatos o detectores autónomos. De forma alternativa, pueden formar una parte de un sistema de control o supervisión más grande.
En los ejemplos de las figuras 8 y 9, los aparatos se ilustran como dispositivos de una sola pieza. En otras realizaciones, pueden implementarse aparatos o sistemas que comprenden múltiples partes o módulos conectados apropiadamente, por ejemplo a través de conexiones de transferencia de datos alámbricas o inalámbricas, entre sí. Entonces, el aparato o parte del sistema o módulo puede configurarse para llevar a cabo parte del método únicamente. Por ejemplo, puede ser posible que las operaciones de obtención de datos de imagen diferenciales se lleven a cabo en una parte o módulo diferente que las operaciones de generación de datos de imagen POD (y posiblemente SOD) y detección de la presencia de un objeto u objetos microscópicos.
En otro aspecto más no ilustrado en los dibujos, puede implementarse un producto de programa informático que comprende instrucciones de código de programa que, cuando son ejecutadas por un procesador, provocan que el procesador realice las operaciones analizadas anteriormente con referencia al aspecto del método o cualquier realización del mismo.
Tal producto de programa informático puede almacenarse en cualquier medio legible por ordenador apropiado; el ordenador al que se hace referencia aquí es cualquier tipo de medio de computación automático.
Debe observarse que la presente invención no está limitada a las realizaciones y ejemplos anteriores. En lugar de ello, las realizaciones de la presente invención pueden variar libremente dentro del alcance de las reivindicaciones.
Se entenderá que los beneficios y ventajas descritos anteriormente pueden estar relaciones con una realización o ejemplo o pueden estar relacionados con varias realizaciones o ejemplos. Las realizaciones y ejemplos no están limitados a aquellos que resuelven cualquiera o todos los problemas indicados o aquellos que tienen cualquiera o todos los beneficios y ventajas indicados. Se entenderá adicionalmente que la referencia a "un" artículo se refiere a uno o más de esos artículos.
El término "que comprende" se usa en esta memoria descriptiva para significar que incluye el elemento o elementos o el acto o actos que siguen al mismo, sin excluir la presencia de uno o más elementos o actos adicionales.
Claims (12)
1. Un método (10) para detectar objetos microscópicos de origen extraño presentes en un fluido utilizando un primer, segundo y tercer datos de imagen que se originan de un primer, segundo y tercer fotogramas de imagen digital, respectivamente, capturados secuencialmente en el tiempo mediante un detector de imagen que recibe la luz propagada a través de un volumen de muestra que contiene un fluido que posiblemente comprende objetos microscópicos en movimiento de origen extraño mientras se ilumina el volumen de muestra mediante luz coherente, con lo cual los posibles objetos microscópicos dispersan parte de la luz, interfiriendo la luz dispersada y no dispersada de modo que se forman franjas de interferencia detrás de los objetos microscópicos, comprendiendo cada dato de imagen, para un objeto microscópico en movimiento de origen extraño presente en el volumen de muestra en el momento de la captura del fotograma de imagen digital asociado, un patrón de holograma con una intensidad espacialmente alterna formada por las franjas de interferencia (11), comprendiendo el método:
obtener primeros datos de imagen diferenciales que comprende la diferencia del primer y segundo datos de imagen, comprendiendo los primeros datos de imagen diferenciales, para cada patrón de holograma presente en el primer o segundo datos de imagen, un patrón diferencial (13a);
obtener segundos datos de imagen diferenciales que comprenden la diferencia del segundo y el tercer datos de imagen, comprendiendo los segundos datos de imagen diferenciales, para cada patrón de holograma presente en el segundo o tercer datos de imagen, un patrón diferencial (13b);
generar automáticamente datos de imagen del producto de la diferencia (POD) que comprenden el producto del primer y el segundo datos de imagen diferenciales, comprendiendo los datos de imagen POD, para cada patrón de holograma presente en los segundos datos de imagen, un patrón de producto (14); y
detectar automáticamente la presencia de un objeto u objetos microscópicos en movimiento de origen extraño en el volumen de muestra en base al patrón o patrones de producto presentes en los datos (17) de imagen POD.
2. Un método (10) como se define en la reivindicación 1, que comprende procesar automáticamente el primer, segundo y tercer fotogramas de imagen digital de modo que se proporciona una corrección de matiz (12) a los mismos.
3. Un método como se define en la reivindicación 1 o 2, que comprende además determinar automáticamente al menos un parámetro de forma de un objeto microscópico detectado de origen extraño en base a la forma del patrón de producto asociado presente en los datos de imagen POD o la forma del patrón diferencial (18a) asociado presente en el primer o segundo datos de imagen diferenciales, respectivamente.
4. Un método como se define en cualquiera de las reivindicaciones 1 a 3, que comprende además determinar automáticamente al menos un parámetro de posición de un objeto microscópico detectado en base a la posición del patrón de producto asociado en los datos de imagen POD o la posición del patrón diferencial (18b) asociado presente en el primer o segundo datos de imagen diferenciales, respectivamente.
5. Un método como se define en cualquiera de las reivindicaciones 1 a 4, que comprende además identificar automáticamente, para un patrón de producto presente en los datos de imagen POD, un patrón diferencial asociado presente en el primer o el segundo datos de imagen diferenciales, y determinar automáticamente al menos un parámetro de tamaño del objeto microscópico asociado de origen extraño en base a la amplitud de la intensidad espacialmente alterna del patrón diferencial (18c) asociado.
6. Un método (50) como se define en cualquiera de las reivindicaciones 1 a 5, que comprende además, antes de detectar la presencia de un objeto u objetos microscópicos en movimiento de origen extraño:
generar automáticamente datos de imagen de la suma de la diferencia (SOD) que comprenden la suma del primer y el segundo datos de imagen diferenciales, comprendiendo los datos de imagen SOD, para cada patrón de holograma presente en el primer o el tercer datos de imagen, un patrón de suma (55); y
filtrar automáticamente los datos de imagen POD en base a los datos de imagen SOD para establecer el valor absoluto de la intensidad espacialmente alterna de los datos de imagen POD en la localización de un posible patrón de suma presente en los datos de imagen SOD por debajo de o a un valor límite (56).
7. Un método (70) como se define en cualquiera de las reivindicaciones 1 a 6, en donde el método comprende obtener el primer, segundo y tercer datos (71) de imagen, comprendiendo dicha obtención:
proporcionar luz coherente (711);
iluminar un volumen de muestra que contiene un fluido que posiblemente comprende objetos microscópicos en movimiento de origen extraño mediante la luz coherente, con lo cual los posibles objetos microscópicos dispersan parte de la luz, interfiriendo la luz dispersada y no dispersada de modo que se forman franjas de interferencia detrás de los objetos microscópicos (712); y
capturar el primer, segundo y tercer fotogramas de imagen digital mediante un detector de imagen que recibe la luz propagada a través del volumen de muestra (713).
8. Un aparato (800) para detectar objetos microscópicos (816) de origen extraño presentes en un fluido, comprendiendo el aparato una disposición de computación (885) configurada para realizar las operaciones del método como se define en cualquiera de las reivindicaciones 1 a 6.
9. Un aparato (900) como se define en la reivindicación 8, que comprende además una disposición de medición (990) que comprende:
una cubeta (991) que define un volumen de muestra para recibir un fluido (992) que posiblemente comprende objetos microscópicos (916) en movimiento de origen extraño;
una disposición de iluminación (993) configurada para emitir luz coherente (994) e iluminar el fluido recibido en el volumen de muestra mediante la luz coherente, con lo cual los posibles objetos (916) microscópicos dispersan parte de la luz, interfiriendo la luz dispersada y no dispersada de modo que se forman franjas de interferencia detrás de los objetos microscópicos; y
un detector de imagen (995) situado y configurado para capturar fotogramas de imagen digital mediante la recepción de la luz propagada a través del volumen de muestra;
estando conectada la disposición de computación (985) a la disposición de medición para recibir los datos (910, 920, 930) de imagen de los fotogramas de imagen digital.
10. Un aparato (900) como se define en la reivindicación 9, en donde la cubeta (991) es de tipo flujo a través.
11. Un producto de programa informático que comprende instrucciones de código de programa que, cuando son ejecutadas por un procesador, provocan que el procesador realice el método como se define en cualquiera de las reivindicaciones 1-6.
12. Un producto de programa informático como se define en la reivindicación 11, almacenado en un medio legible por ordenador.
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| EP17206391.9A EP3496031B1 (en) | 2017-12-11 | 2017-12-11 | Detecting microscopic objects in fluids |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| ES2822915T3 true ES2822915T3 (es) | 2021-05-05 |
Family
ID=60673136
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| ES17206391T Active ES2822915T3 (es) | 2017-12-11 | 2017-12-11 | Detección de objetos microscópicos en fluidos |
Country Status (11)
| Country | Link |
|---|---|
| US (1) | US11132784B2 (es) |
| EP (1) | EP3496031B1 (es) |
| KR (1) | KR20200096564A (es) |
| CN (1) | CN111566697A (es) |
| AU (1) | AU2018382628A1 (es) |
| CA (1) | CA3081819A1 (es) |
| EA (1) | EA039195B1 (es) |
| ES (1) | ES2822915T3 (es) |
| SG (1) | SG11202005358SA (es) |
| WO (1) | WO2019115872A1 (es) |
| ZA (1) | ZA202004257B (es) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113542717A (zh) * | 2021-06-18 | 2021-10-22 | 黄初镇 | 一种具有雷达功能的摄像装置 |
Family Cites Families (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6876474B2 (en) | 2002-11-27 | 2005-04-05 | Dalhousie University | Method for tracking particles and life forms in three dimensions and in time |
| GB2432660A (en) * | 2005-11-29 | 2007-05-30 | Bacterioscan Ltd | System for counting bacteria and determining their susceptibility to antibiotics |
| US8068148B2 (en) * | 2006-01-05 | 2011-11-29 | Qualcomm Incorporated | Automatic flicker correction in an image capture device |
| US7998708B2 (en) * | 2006-03-24 | 2011-08-16 | Handylab, Inc. | Microfluidic system for amplifying and detecting polynucleotides in parallel |
| US20090207691A1 (en) * | 2008-02-14 | 2009-08-20 | Varian, Inc. | Dissolution test vessel with rotational agitation |
| EP2458367B1 (de) * | 2010-11-25 | 2015-08-05 | Mettler-Toledo AG | Vorrichtung und Verfahren zur Erkennung fester Substanzen in einer flüssigen Phase |
| EP2626686A1 (en) * | 2012-02-13 | 2013-08-14 | Ovizio Imaging Systems NV/SA | Flow cytometer with digital holographic microscope |
| FI127992B (fi) * | 2014-08-29 | 2019-07-15 | Svanbaeck Sami | Menetelmä ja järjestelmä aineen liukenemisominaisuuksien määrittämiseksi |
| US10345572B2 (en) * | 2014-11-11 | 2019-07-09 | California Institute Of Technology | Compact digital holographic microscope for planetary imaging or endoscopy |
| CN107066680A (zh) * | 2017-02-04 | 2017-08-18 | 中国石油大学(北京) | 一种微观窜流分析方法及装置 |
-
2017
- 2017-12-11 EP EP17206391.9A patent/EP3496031B1/en active Active
- 2017-12-11 ES ES17206391T patent/ES2822915T3/es active Active
-
2018
- 2018-12-10 CA CA3081819A patent/CA3081819A1/en active Pending
- 2018-12-10 KR KR1020207018787A patent/KR20200096564A/ko active Search and Examination
- 2018-12-10 SG SG11202005358SA patent/SG11202005358SA/en unknown
- 2018-12-10 WO PCT/FI2018/050896 patent/WO2019115872A1/en active Application Filing
- 2018-12-10 US US16/770,356 patent/US11132784B2/en active Active
- 2018-12-10 AU AU2018382628A patent/AU2018382628A1/en active Pending
- 2018-12-10 EA EA202091179A patent/EA039195B1/ru unknown
- 2018-12-10 CN CN201880080150.4A patent/CN111566697A/zh active Pending
-
2020
- 2020-07-10 ZA ZA2020/04257A patent/ZA202004257B/en unknown
Also Published As
| Publication number | Publication date |
|---|---|
| US20200342584A1 (en) | 2020-10-29 |
| EA202091179A1 (ru) | 2020-09-23 |
| CN111566697A (zh) | 2020-08-21 |
| KR20200096564A (ko) | 2020-08-12 |
| WO2019115872A1 (en) | 2019-06-20 |
| EP3496031B1 (en) | 2020-07-08 |
| EP3496031A1 (en) | 2019-06-12 |
| US11132784B2 (en) | 2021-09-28 |
| AU2018382628A1 (en) | 2020-05-21 |
| CA3081819A1 (en) | 2019-06-20 |
| ZA202004257B (en) | 2021-10-27 |
| EA039195B1 (ru) | 2021-12-16 |
| SG11202005358SA (en) | 2020-07-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102402198B1 (ko) | 유체 내의 미세 물체의 검출 기술 | |
| AU2017281681B2 (en) | Arrangement for in-line holography microscopy | |
| JP7001712B2 (ja) | ファインバブル除去方法及びファインバブル除去装置、並びに、気泡径分布測定方法及び気泡径分布測定装置 | |
| Berrocal et al. | Single scattering detection in turbid media using single-phase structured illumination filtering | |
| ES2822915T3 (es) | Detección de objetos microscópicos en fluidos | |
| OA19599A (en) | Detecting microscopic objects in fluids. | |
| OA18929A (en) | Detecting microscopic objects in fluids. | |
| Singh et al. | Spatial analysis of polarimetric images to enhance near-surface sampling sensitivity: feasibility in demineralized teeth and other tissue-like media | |
| US20220317104A1 (en) | Device for water examination | |
| Nadhira et al. | Study of continuous-wave domain fluorescence diffuse optical tomography for quality control on agricultural produce | |
| OA18930A (en) | Arrangement for in-line holography microscopy | |
| Cohen et al. | Can we see epithelium tissue structure below the surface using an optical probe? | |
| Meglinski et al. | Polarized light biosensing | |
| Magnes et al. | Multi-channel measurements of C. elegans’ largest Lyapunov exponents using optical diffraction | |
| Ng | Two dimensional angular domain optical imaging in biological tissues | |
| Bentley et al. | Compressive Sensing Based Hyperspectral Bioluminescent Imaging | |
| Jumaaha et al. | Study of the Effect of Brightness After Penetration of Light from a Lens | |
| Bénière et al. | Estimation and detection in degree of polarization images perturbed by detector noise and non uniform illumination | |
| Baleine | On the use oF variable coherence in inverse scattering problems |