RU2019115141A - Cистема и способ выполнения автоматизированного анализа проб воздуха - Google Patents
Cистема и способ выполнения автоматизированного анализа проб воздуха Download PDFInfo
- Publication number
- RU2019115141A RU2019115141A RU2019115141A RU2019115141A RU2019115141A RU 2019115141 A RU2019115141 A RU 2019115141A RU 2019115141 A RU2019115141 A RU 2019115141A RU 2019115141 A RU2019115141 A RU 2019115141A RU 2019115141 A RU2019115141 A RU 2019115141A
- Authority
- RU
- Russia
- Prior art keywords
- membrane filter
- image
- transparent substrate
- optically transparent
- counting
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims 33
- 238000004458 analytical method Methods 0.000 title claims 17
- 239000012528 membrane Substances 0.000 claims 38
- 239000000758 substrate Substances 0.000 claims 26
- 239000000835 fiber Substances 0.000 claims 25
- 239000010425 asbestos Substances 0.000 claims 5
- 238000003384 imaging method Methods 0.000 claims 5
- 229910052895 riebeckite Inorganic materials 0.000 claims 5
- 239000011521 glass Substances 0.000 claims 4
- 239000002245 particle Substances 0.000 claims 3
- 238000001303 quality assessment method Methods 0.000 claims 3
- 238000009825 accumulation Methods 0.000 claims 2
- 230000035508 accumulation Effects 0.000 claims 2
- 238000001514 detection method Methods 0.000 claims 2
- 238000002845 discoloration Methods 0.000 claims 2
- 238000003908 quality control method Methods 0.000 claims 2
- 238000005070 sampling Methods 0.000 claims 2
- 239000007787 solid Substances 0.000 claims 2
- 239000012491 analyte Substances 0.000 claims 1
- 239000000428 dust Substances 0.000 claims 1
- 238000001914 filtration Methods 0.000 claims 1
- 238000010191 image analysis Methods 0.000 claims 1
- 238000010801 machine learning Methods 0.000 claims 1
- 238000001000 micrograph Methods 0.000 claims 1
- 239000002557 mineral fiber Substances 0.000 claims 1
- 239000013618 particulate matter Substances 0.000 claims 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/06—Investigating concentration of particle suspensions
- G01N15/0606—Investigating concentration of particle suspensions by collecting particles on a support
- G01N15/0618—Investigating concentration of particle suspensions by collecting particles on a support of the filter type
- G01N15/0625—Optical scan of the deposits
-
- 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
-
- 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
- G02B21/361—Optical details, e.g. image relay to the camera or image sensor
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N2015/0042—Investigating dispersion of solids
- G01N2015/0046—Investigating dispersion of solids in gas, e.g. smoke
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Optics & Photonics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Pathology (AREA)
- Immunology (AREA)
- Biochemistry (AREA)
- Dispersion Chemistry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Sampling And Sample Adjustment (AREA)
- Microscoopes, Condenser (AREA)
Claims (65)
1. Способ автоматизированного анализа мембранного фильтра, извлеченного из аппаратуры контроля качества воздуха, использованной для сбора взвешенных в воздухе респирабельных волокон, включающий:
захват по меньшей мере одного макроскопического изображения по меньшей мере анализируемой части мембранного фильтра, размещенного и закрепленного на оптически прозрачной подложке;
анализ упомянутого по меньшей мере одного макроскопического изображения с использованием методов машинного зрения, в результате чего определяют область подсчета на мембранном фильтре и одну или более исключенных областей внутри области подсчета на мембранном фильтре, при этом исключенные области содержат одно или более из следующего: линии сетки мембранного фильтра, пузырьки воздуха и крупные твердые частицы;
вставка оптически прозрачной подложки, на которой установлена анализируемая часть мембранного фильтра, в предметный столик с роботизированным перемещением по осям XY цифрового фазово-контрастного микроскопа, также включающего датчик изображений, сконфигурированный для захвата изображения в плоскости съемки цифрового фазово-контрастного микроскопа;
захват по меньшей мере одного увеличенного фазово-контрастного изображения в каждой из N пробных точек, распределенных по области подсчета на мембранном фильтре, с использованием датчика изображений цифрового фазово-контрастного микроскопа, где N равно по меньшей мере 20, при этом N пробных точек выбирают таким образом, чтобы поле зрения в каждой пробной точке не содержало исключенной области;
анализ упомянутого по меньшей мере одного увеличенного фазово-контрастного изображения для каждой из N пробных точек с помощью методов машинного зрения, в результате чего определяют и подсчитывают количество подлежащих учету респирабельных волокон в зоне подсчета внутри поля зрения каждой из пробных точек; и
подсчет и передачу общего количества подлежащих учету волокон, подсчитанных в области подсчета на мембранном фильтре.
2. Способ по п. 1, в котором анализ по меньшей мере одного макроскопического изображения с помощью методов машинного зрения включает также оценку качества анализируемой части мембранного фильтра путем сравнения с заранее заданным набором критериев качества, включающих: определение одного или более надрывов в мембранном фильтре, определение части мембранного фильтра, находящейся вне покровного стекла, определение обесцвечивания мембранного фильтра, а также обнаружение того, что превышено заранее заданное пороговое значение для процентной доли покрытия мембранного фильтра воздушными пузырьками, и завершение способа, если образец не проходит оценку качества.
3. Способ по п. 1 или 2, в котором захват по меньшей мере одного увеличенного фазово-контрастного изображения в каждой из N пробных точек включает:
a) выбор точки внутри области подсчета;
b) определение, включает ли поле зрения исключенную область;
c) если поле зрения включает исключенную область, возвращение к шагу а);
d) если поле зрения не содержит исключенной области, инструктирование предметного столика с роботизированным перемещением по осям XY о переходе в выбранную точку и захват по меньшей мере одного увеличенного фазово-контрастного изображения, и увеличение счетчика;
e) возврат к шагу а), если счетчик меньше N, в противном случае завершение шага захвата.
4. Способ по п. 3, в котором шаг выбора точки выполняют случайным образом.
5. Способ по п. 3, в котором анализ упомянутого по меньшей мере одного макроскопического изображения включает также формирование двумерной координатной сетки над областью подсчета, при этом шаг выбора точки выполняют, последовательно выбирая точки сетки в двумерной координатной сетке.
6. Способ по любому из предшествующих пунктов, также включающий:
помещение фильтра на предметное стекло с помощью шаблона для помещения образца, расположенного под оптически прозрачной подложкой, который указывает на предпочтительное расположение фильтра;
обработку фильтра, в результате чего получают мембранный фильтр; и
закрепление мембранного фильтра на предметном стекле с использованием покровного стекла.
7. Способ по любому из предшествующих пунктов, в котором анализ упомянутого по меньшей мере одного макроскопического изображения включает определение границы предметного стекла и формирование двумерной координатной сетки над предметным стеклом с использованием заранее заданных известных размеров предметного стекла, определение и сохранение координат на сетке для покровного стекла, линий сетки на мембранном фильтре, пузырьков на мембранном фильтре или любых других крупных твердых частиц, включая пыль.
8. Способ по п. 7, в котором захват по меньшей мере одного макроскопического изображения включает захват изображения предметного стекла на сером фоне;
при этом анализ упомянутого по меньшей мере одного макроскопического изображения с помощью методов машинного зрения дополнительно включает:
анализ изображения с определением множества опорных точек на предметном стекле, границ мембранного фильтра и множества линий сетки, расположенных на мембранном фильтре внутри области подсчета, с помощью двумерной координатной сетки; и
анализ изображения с определением местоположения воздушных пузырьков внутри области подсчета с помощью двумерной координатной сетки.
9. Способ по п. 7, в котором захват по меньшей мере одного макроскопического изображения включает захват по меньшей мере одного темного изображения предметного стекла на темном фоне и по меньшей мере одного светлого изображения предметного стекла на светлом фоне;
при этом анализ упомянутого по меньшей мере одного макроскопического изображения с помощью методов машинного зрения дополнительно включает:
анализ упомянутого по меньшей мере одного светлого изображения, в результате чего определяют множество опорных точек на предметном стекле, границы мембранного фильтра и множество линий сетки, расположенных на мембранном фильтре внутри области подсчета с помощью двумерной координатной сетки, путем применения выявления признаков к упомянутому по меньшей мере одному светлому изображению для выявления признаков предметного стекла, покровного стекла, мембранного фильтра и пересечений линий сетки, при этом выявленные признаки используют для привязки геометрических форм для определения границ покровного стекла, мембранного фильтра и пересечений линий сетки с использованием четырехугольной формы для покровного стекла, дуги окружности для мембранного фильтра и пересекающихся прямых линий для линий сетки;
анализ упомянутого по меньшей мере одного темного изображения для определения местоположения воздушных пузырьков внутри области подсчета с помощью двумерной координатной сетки путем обрезки темного изображения вокруг местоположения мембранного фильтра, регулировки контраста и определения одного или более контуров в контрастно-отрегулированном изображении для идентификации разомкнутых и замкнутых воздушных пузырьков на основе изменений контраста.
10. Способ по любому из предшествующих пунктов, в котором шаг захвата по меньшей мере одного увеличенного фазово-контрастного изображения для каждой из N пробных точек включает захват, в каждой пробной точке, набора из Z увеличенных фазово-контрастных изображений, каждое из которых захватывают в различной фокусной плоскости, при этом анализ упомянутого по меньшей мере одного увеличенного фазово-контрастного изображения в каждой из N пробных точек включает совмещение Z изображений в наборе из Z увеличенных фазово-контрастных изображений, в результате чего получают единое совмещенное изображение, и при помощи методов машинного зрения выполняют анализ единого совмещенного изображения, чтобы определить и подсчитать количество подлежащих учету волокон в зоне подсчета для поля зрения единого совмещенного изображения.
11. Способ по любому из предшествующих пунктов, в котором метод машинного зрения для определения и подсчета количества подлежащих учету волокон в зоне подсчета внутри поля зрения каждой из пробных точек включает:
определение одной или более областей интереса, при этом каждая из областей интереса включает объект;
применение одного или более классификаторов на основе машинного обучения, обученных на опорном наборе изображений респирабельных волокон, к каждой области интереса, в результате чего определяют одну или более кандидатных областей интереса, которые соответствуют опорным изображениям;
применение геометрического фильтра к каждой кандидатной области интереса для выявления объекта, геометрия которого соответствует респирабельному волокну; и
подсчет количества подлежащих учету респирабельных волокон.
12. Способ по п. 11, в котором респирабельными волокнами и подлежащими учету респирабельными волокнами являются волокна асбеста, при этом применение геометрического фильтра включает применение геометрического фильтра для стандартного волокна асбеста к каждой кандидатной области интереса с использованием критерия фильтрации, который требует, чтобы объект в кандидатной области интереса имел максимальную ширину, меньшую 3 мкм, длину, большую 5 мкм, и отношение длины к ширине, большее 3:1, и который не касается никаких других объектов в кандидатной области интереса, при этом каждый объект, удовлетворяющий критериям фильтрации, подсчитывают как отдельное учитываемое волокно.
13. Способ по п. 12, в котором применение геометрического фильтра включает применение геометрического фильтра для скоплений волокон асбеста к каждой кандидатной области интереса с использованием критерия фильтрации, который требует, чтобы объект в кандидатной области интереса имел максимальную ширину, меньшую 3 мкм, длину, большую 5 мкм, и отношение длины к ширине, большее 3:1, и не касался никаких других объектов с максимальной шириной, определенной как наименьший из двух размеров другого объекта, превышающий 3 мкм, при этом подсчет количества подлежащих учету респирабельных волокон включает подсчет всех индивидуально различимых волокон, или, если индивидуальные волокна неразличимы, учет скопления волокон как одного волокна.
14. Способ по любому из предшествующих пунктов, в котором метод машинного зрения для определения и подсчета количества подлежащих учету волокон в зоне подсчета внутри поля зрения дополнительно включает выполнение оценки качества для поля зрения по меньшей мере одного увеличенного фазово-контрастного изображения с использованием набора заранее заданных критериев качества, включающих определение обесцвечивания мембранного фильтра, а также обнаружение того, что превышено заранее заданное пороговое значение для процентной доли покрытия мембранного фильтра скоплениями волокон и/или частиц, и прекращение дальнейшего анализа в текущей пробной точке, если данное поле зрения для по меньшей мере одного увеличенного фазово-контрастного изображения не проходит оценку качества.
15. Способ по любому из предшествующих пунктов, в котором N - это количество пробных точек, требуемое официальным стандартом по взятию проб на асбест или официальной рекомендательной запиской от 21 октября 2016 года.
16. Способ по любому из предшествующих пунктов, в котором N имеет значение от 20 до 100, при этом шаг захвата завершают, когда общее количество подлежащих учету волокон подсчитано по меньшей мере в 20 пробных точках.
17. Способ по любому из предшествующих пунктов, в котором каждое из упомянутых одного или более увеличенных фазово-контрастных изображений имеет суммарное увеличение между 40-кратным и 2000-кратным.
18. Способ по любому из предшествующих пунктов, в котором подлежащие учету респирабельные волокна являются волокнами асбеста или синтетическими минеральными волокнами.
19. Способ по любому из предшествующих пунктов, в котором оптически прозрачной подложкой является предметное стекло микроскопа, при этом способ дополнительно включает загрузку множества предметных стекол микроскопа, на каждом из которых закреплена анализируемая часть мембранного фильтра, в автозагрузчик с компьютерным управлением, который сконфигурирован для загрузки и выгрузки предметных стекол микроскопа в предметный столик с роботизированным перемещением по осям XY, при этом вставку предметного стекла микроскопа, на котором закреплена анализируемая часть мембранного фильтра, выполняют с помощью автозагрузчика, и каждое предметное стекло микроскопа включает уникальный идентификатор, при этом способ дополнительно включает захват образа идентификатора, а также выполнение шагов анализа и передачи отчета для каждого загруженного предметного стекла микроскопа, причем в отчете передают также информацию об уникальном идентификаторе предметного стекла микроскопа.
20. Система для автоматизированного анализа мембранного фильтра, извлеченного из аппаратуры контроля качества воздуха, использованной для сбора взвешенных в воздухе респирабельных волокон, включающая:
устройство для формирования изображения образца, включающее:
по меньшей мере один держатель оптически прозрачной подложки для приема оптически прозрачной подложки, которая при использовании содержит анализируемую часть мембранного фильтра;
измерительную цифровую камеру с полем зрения, включающим по меньшей мере анализируемую часть по меньшей мере одного предметного стекла, находящегося в держателе оптически прозрачной подложки;
роботизированную платформу микроскопа, включающую:
фазово-контрастный микроскоп;
предметный столик с моторизованным перемещением по оси XY для приема оптически прозрачной подложки;
привод фокуса с моторизованным перемещением по оси Z;
датчик изображений, расположенный в плоскость съемки и сконфигурированный для захвата по меньшей мере одного увеличенного фазово-контрастного изображения; и
по меньшей одно вычислительное устройство, функционально связанное с устройством формирования изображений образца и роботизированной платформой микроскопа, при этом по меньшей мере одно вычислительное устройство включает по меньшей мере один процессор и память, функционально связанную с процессором, и сконфигурировано для выполнения способа по любому из пп. 1-19.
21. Система по п. 20, в которой по меньшей мере одно вычислительное устройство включает локальное вычислительное устройство и по меньшей мере одно удаленное вычислительное устройство, при этом локальное вычислительное устройство либо непосредственно подключено к устройству формирования изображений образца и роботизированной платформе микроскопа, либо подключено к локальной сети, и локальное вычислительное устройство сконфигурировано для выполнения упомянутых шагов захвата и для предоставления захваченного по меньшей мере одного макроскопического изображения, а также по меньшей мере одного увеличенного фазово-контрастного изображения в каждой из N пробных точек, в упомянутое по меньшей мере одно вычислительное устройство по сетевому соединению, при этом удаленное вычислительное устройство сконфигурировано для выполнения упомянутых шагов анализа и формирования отчета.
22. Система по п. 20 или 21, в которой держатель оптически прозрачной подложке в устройстве формирования изображений образца дополнительно включает панель изменения цвета, расположенную в основании держателя оптически прозрачной подложки, используемого для удержания оптически прозрачной подложки, при этом панель изменения цвета имеет темную поверхность для обеспечения темного фона для установленной оптически прозрачной подложки, а также имеет включаемый источник света для обеспечения светлого фона для установленной оптически прозрачной подложки.
23. Система по п. 22, в которой держатель оптически прозрачной подложке в устройстве формирования изображений образца дополнительно включает шаблон размещения образца, расположенный и закрепленный на панели изменения цвета, при помощи которого в держателе оптически прозрачной подложки указывается предпочтительное местоположение мембранного фильтра.
24. Система по любому из пп. 20-23, дополнительно включающая автозагрузчик микроскопа для хранения множества предметных стекол микроскопа, сконфигурированный для загрузки и выгрузки одного или более предметных стекол микроскопа в предметный столик с моторизованным перемещением по осям XY.
25. Устройство для формирования изображения образца, включающее:
по меньшей мере один держатель оптически прозрачной подложки для приема оптически прозрачной подложки, которая при использовании содержит анализируемую часть мембранного фильтра;
измерительную цифровую камеру с полем зрения, включающим по меньшей мере анализируемую часть по меньшей мере одного предметного стекла, находящегося в держателе оптически прозрачной подложки;
по меньшей одно вычислительное устройство, функционально связанное с устройством формирования изображений образца и включающее по меньшей мере один процессор и память, функционально связанную с процессором, при этом вычислительное устройство сконфигурировано:
для захвата по меньшей мере одного макроскопического изображения по меньшей мере анализируемой части мембранного фильтра, размещенного и закрепленного на оптически прозрачной подложке;
для анализа упомянутого по меньшей мере одного макроскопического изображения с использованием методов машинного зрения, в результате чего определяют область подсчета на мембранном фильтре и одну или более исключенных областей внутри области подсчета на мембранном фильтре, при этом исключенные области содержат одно или более из следующего: линии сетки мембранного фильтра, пузырьки воздуха и крупные твердые частицы.
26. Устройство по п. 25, в котором держатель оптически прозрачной подложки дополнительно включает панель изменения цвета, расположенную в основании держателя оптически прозрачной подложки, используемого для удержания оптически прозрачной подложки, при этом панель изменения цвета имеет темную поверхность для обеспечения темного фона для установленной оптически прозрачной подложки, а также имеет включаемый источник света для обеспечения светлого фона для установленной оптически прозрачной подложки.
27. Устройство по п. 25 или 26, в котором держатель оптически прозрачной подложки дополнительно включает шаблон размещения образца, расположенный и закрепленный на панели изменения цвета, при помощи которого в держателе оптически прозрачной подложки указывается предпочтительное местоположение мембранного фильтра.
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
AU2016904291 | 2016-10-21 | ||
AU2016904291A AU2016904291A0 (en) | 2016-10-21 | System and method for performing automated analysis of air samples | |
PCT/AU2017/000227 WO2018071958A1 (en) | 2016-10-21 | 2017-10-20 | System and method for performing automated analysis of air samples |
Publications (1)
Publication Number | Publication Date |
---|---|
RU2019115141A true RU2019115141A (ru) | 2020-11-23 |
Family
ID=62018637
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
RU2019115141A RU2019115141A (ru) | 2016-10-21 | 2017-10-20 | Cистема и способ выполнения автоматизированного анализа проб воздуха |
Country Status (9)
Country | Link |
---|---|
US (1) | US11079585B2 (ru) |
EP (1) | EP3529586B1 (ru) |
JP (1) | JP6975474B2 (ru) |
CN (1) | CN110383038B (ru) |
AU (1) | AU2017344741B2 (ru) |
CA (1) | CA3041103A1 (ru) |
RU (1) | RU2019115141A (ru) |
WO (1) | WO2018071958A1 (ru) |
ZA (1) | ZA201903150B (ru) |
Families Citing this family (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR3067112B1 (fr) * | 2017-06-02 | 2019-07-26 | Xrapid France | Procede et systeme de comptage automatise de fibres microscopiques dans un echantillon |
CN109253954B (zh) * | 2017-07-14 | 2022-12-23 | 株式会社堀场制作所 | 分析装置、系统、分析方法及存储介质 |
WO2019204854A1 (en) | 2018-04-24 | 2019-10-31 | First Frontier Pty Ltd | System and method for performing automated analysis of air samples |
DE102018217901A1 (de) * | 2018-10-18 | 2020-04-23 | Leica Microsystems Cms Gmbh | Optimierung von Arbeitsabläufen von Mikroskopen |
US10928297B2 (en) | 2019-01-09 | 2021-02-23 | University Of Washington | Method for determining detection angle of optical particle sizer |
WO2020210871A1 (en) * | 2019-04-17 | 2020-10-22 | Swinburne University Of Technology | Chemical identification system |
US11328485B2 (en) * | 2019-08-23 | 2022-05-10 | Tencent America LLC | Method and apparatus for displaying an augmented-reality image corresponding to a microscope view |
WO2021041082A1 (en) * | 2019-08-23 | 2021-03-04 | Nantcell, Inc. | Performing segmentation based on tensor inputs |
JP6995093B2 (ja) * | 2019-09-05 | 2022-01-14 | 日本電子株式会社 | 試料プレートホルダ |
CN111024696B (zh) | 2019-12-11 | 2022-01-11 | 上海睿钰生物科技有限公司 | 藻类分析方法 |
CN110866918B (zh) * | 2019-12-11 | 2022-04-05 | 上海睿钰生物科技有限公司 | 酵母分析方法 |
CN113570650B (zh) * | 2020-04-28 | 2024-02-02 | 合肥美亚光电技术股份有限公司 | 景深的判断方法、装置、电子设备和存储介质 |
CN111781113B (zh) * | 2020-07-08 | 2021-03-09 | 湖南九九智能环保股份有限公司 | 一种粉尘网格化定位方法及粉尘网格化监测方法 |
CN111766694A (zh) * | 2020-07-20 | 2020-10-13 | 深圳市创能亿科科技开发有限公司 | 显微镜切片位置的采集方法和系统 |
JP7454706B2 (ja) * | 2020-12-24 | 2024-03-22 | シンテゴンテクノロジー株式会社 | 気泡識別装置、気泡識別方法及び異物検出システム |
JPWO2023022117A1 (ru) * | 2021-08-18 | 2023-02-23 | ||
CN113820184B (zh) * | 2021-08-25 | 2022-06-14 | 中国科学院大气物理研究所 | 一种新型大气颗粒物采样器 |
GB2612829A (en) * | 2021-11-12 | 2023-05-17 | Ethos Enviromental Ltd | A system for taking and analysing air samples |
Family Cites Families (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB1316752A (en) * | 1970-02-12 | 1973-05-16 | Atomic Energy Authority Uk | Apparatus for analysing suspended particles |
US4618938A (en) * | 1984-02-22 | 1986-10-21 | Kla Instruments Corporation | Method and apparatus for automatic wafer inspection |
US4940327A (en) * | 1988-10-25 | 1990-07-10 | Trc Companies Inc. | Method and apparatus for real time asbestos aerosol monitoring |
US5205155A (en) | 1991-03-28 | 1993-04-27 | Envirometrics, Inc. | Air monitoring cassette |
US5566249A (en) | 1994-09-20 | 1996-10-15 | Neopath, Inc. | Apparatus for detecting bubbles in coverslip adhesive |
EP1184659A1 (en) | 2000-09-01 | 2002-03-06 | ZAMBON GROUP S.p.A. | Method and apparatus for the automatic detection and recognition of pollens |
US7418118B2 (en) | 2000-11-10 | 2008-08-26 | Furnas Steven J | Method and apparatus for diagnosing pathogenic or allergenic microorganisms or microparticles at a remote location |
DE10355529A1 (de) | 2003-11-21 | 2005-07-07 | Carl Zeiss Jena Gmbh | Stereomikroskop |
US20050251347A1 (en) | 2004-05-05 | 2005-11-10 | Pietro Perona | Automatic visual recognition of biological particles |
JP2007218641A (ja) * | 2006-02-14 | 2007-08-30 | Horiba Ltd | アスベスト検出装置 |
US8254696B2 (en) | 2007-03-07 | 2012-08-28 | Drs Sustainment Systems, Inc. | Systems and methods for detection of an airborne contaminant |
JP5223069B2 (ja) * | 2007-04-25 | 2013-06-26 | 独立行政法人理化学研究所 | 標本の分析方法およびそれを利用した針状領域の分析装置 |
CN104732199B (zh) | 2008-07-17 | 2018-06-05 | 卢米耐克斯公司 | 用于配置分类矩阵中的分类区域的方法和存储介质 |
JP2011033472A (ja) * | 2009-07-31 | 2011-02-17 | Yukio Yanagisawa | アスベスト繊維種同定装置、アスベスト繊維種同定方法、およびアスベスト繊維種同定プログラム |
US8331620B2 (en) | 2009-11-11 | 2012-12-11 | Liberty Standard, Llc | Apparatus, system, and method for automatic airborne contaminant analysis |
JP5703609B2 (ja) * | 2010-07-02 | 2015-04-22 | ソニー株式会社 | 顕微鏡及び領域判定方法 |
US8558960B2 (en) | 2010-09-13 | 2013-10-15 | Semiconductor Energy Laboratory Co., Ltd. | Liquid crystal display device and method for manufacturing the same |
KR20120075836A (ko) * | 2010-12-29 | 2012-07-09 | 국민대학교산학협력단 | 석면섬유 자동계수를 위한 고효율 현미경법 및 이에 사용되는 장치 |
KR20120129383A (ko) * | 2011-05-20 | 2012-11-28 | 국민대학교산학협력단 | 석면섬유 자동계수 장치, 방법 및 그에 사용되는 슬라이드 |
EP2885670B1 (en) * | 2012-08-15 | 2021-01-27 | Lucid, Inc. | Systems and methods for imaging tissue |
WO2016023009A1 (en) | 2014-08-07 | 2016-02-11 | Wake Forest University Health Sciences | Compositions and methods for clearing a biological sample |
US9851299B2 (en) * | 2014-10-25 | 2017-12-26 | Isle Management Co. | Method of analyzing air quality |
-
2017
- 2017-10-20 JP JP2019521832A patent/JP6975474B2/ja active Active
- 2017-10-20 WO PCT/AU2017/000227 patent/WO2018071958A1/en unknown
- 2017-10-20 CN CN201780078170.3A patent/CN110383038B/zh active Active
- 2017-10-20 CA CA3041103A patent/CA3041103A1/en active Pending
- 2017-10-20 EP EP17861599.3A patent/EP3529586B1/en active Active
- 2017-10-20 RU RU2019115141A patent/RU2019115141A/ru not_active Application Discontinuation
- 2017-10-20 AU AU2017344741A patent/AU2017344741B2/en active Active
- 2017-10-20 US US16/343,291 patent/US11079585B2/en active Active
-
2019
- 2019-05-20 ZA ZA2019/03150A patent/ZA201903150B/en unknown
Also Published As
Publication number | Publication date |
---|---|
WO2018071958A1 (en) | 2018-04-26 |
US20190258046A1 (en) | 2019-08-22 |
US11079585B2 (en) | 2021-08-03 |
EP3529586A1 (en) | 2019-08-28 |
CA3041103A1 (en) | 2018-04-26 |
JP6975474B2 (ja) | 2021-12-01 |
AU2017344741B2 (en) | 2019-06-20 |
CN110383038B (zh) | 2022-09-23 |
CN110383038A (zh) | 2019-10-25 |
JP2020502490A (ja) | 2020-01-23 |
EP3529586B1 (en) | 2024-03-20 |
AU2017344741A1 (en) | 2019-05-23 |
EP3529586A4 (en) | 2020-06-10 |
ZA201903150B (en) | 2023-11-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
RU2019115141A (ru) | Cистема и способ выполнения автоматизированного анализа проб воздуха | |
US11774735B2 (en) | System and method for performing automated analysis of air samples | |
JP3822242B2 (ja) | スライド及び試料の調製品質を評価するための方法及び装置 | |
US9766445B2 (en) | Cell suction support system | |
JP5324590B2 (ja) | 粒子を同定及び操作するための方法及び装置 | |
WO2016030897A1 (en) | System and method for calculating focus variation for a digital microscope | |
WO2006023675A2 (en) | Microscopy system having automatic and interactive modes for forming a magnified mosaic image and associated method | |
KR20000064473A (ko) | 경계선매핑시스템및방법 | |
JP2016514868A (ja) | 顕微鏡画像の画像品質評価 | |
CN110889823A (zh) | 一种SiC缺陷的检测方法和系统 | |
JP2014203038A (ja) | 分析装置、分析プログラム及び分析システム | |
CN105241811B (zh) | 多层次聚焦自动采图方法与系统 | |
AU2018101327A4 (en) | System and method for performing automated analysis of air samples | |
WO2021148465A1 (en) | Method for outputting a focused image through a microscope | |
JP2010151523A (ja) | 粒子画像解析方法および装置 | |
JP6571210B2 (ja) | 観察装置 | |
JP4344862B2 (ja) | 観察対象の自動検出方法及び装置 | |
CN114442296A (zh) | 一种用于显微镜的采图方法及医学检测装置、存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
FA93 | Acknowledgement of application withdrawn (no request for examination) |
Effective date: 20201021 |