[go: up one dir, main page]

CN118111980A - 一种基于智能手机和机器学习的快速定量检测方法 - Google Patents

一种基于智能手机和机器学习的快速定量检测方法 Download PDF

Info

Publication number
CN118111980A
CN118111980A CN202410146352.1A CN202410146352A CN118111980A CN 118111980 A CN118111980 A CN 118111980A CN 202410146352 A CN202410146352 A CN 202410146352A CN 118111980 A CN118111980 A CN 118111980A
Authority
CN
China
Prior art keywords
sample
quantitative detection
color
machine learning
detection method
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202410146352.1A
Other languages
English (en)
Inventor
冯建烊
常丹
石利红
双少敏
董川
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanxi University
Original Assignee
Shanxi University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanxi University filed Critical Shanxi University
Priority to CN202410146352.1A priority Critical patent/CN118111980A/zh
Publication of CN118111980A publication Critical patent/CN118111980A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/75—Systems in which material is subjected to a chemical reaction, the progress or the result of the reaction being investigated
    • G01N21/77—Systems in which material is subjected to a chemical reaction, the progress or the result of the reaction being investigated by observing the effect on a chemical indicator
    • G01N21/78—Systems in which material is subjected to a chemical reaction, the progress or the result of the reaction being investigated by observing the effect on a chemical indicator producing a change of colour
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/01—Arrangements or apparatus for facilitating the optical investigation
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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
    • G06V10/56—Extraction of image or video features relating to colour
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/68—Food, e.g. fruit or vegetables
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/01—Arrangements or apparatus for facilitating the optical investigation
    • G01N2021/0106—General arrangement of respective parts
    • G01N2021/0112—Apparatus in one mechanical, optical or electronic block

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Immunology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Pathology (AREA)
  • Evolutionary Computation (AREA)
  • Biochemistry (AREA)
  • Analytical Chemistry (AREA)
  • Medical Informatics (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Databases & Information Systems (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Plasma & Fusion (AREA)
  • Investigating Or Analysing Materials By The Use Of Chemical Reactions (AREA)
  • Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)

Abstract

本发明提供一种基于智能手机和机器学习的快速定量检测方法，步骤包括：准备样品、变色传感器检测、智能手机拍摄、YOLOv3算法分析、构建标准曲线、未知样品检测。该方法结合了可视化变色传感器检测系统和智能手机微信小程序，利用智能手机的图像采集功能和机器学习算法进行数据分析和目标识别，实现现场快速、准确的定量检测。本发明检测方法可用于食品安全、医疗诊断和环境监测等多个领域，具有重要的应用前景和实用价值。

Description

一种基于智能手机和机器学习的快速定量检测方法
技术领域
本发明涉及变色定量检测方法，具体属于一种基于智能手机和机器学习双重辅助功能的快速定量检测方法。
背景技术
在食品安全、医疗诊断和环境监测领域，快速、高效的现场检测方法具有重要意义。传统的检测方法往往需要昂贵的设备和专业的实验人员，限制了其在资源匮乏区域和便捷个人应用中的推广。同时，一些非定量检测方法的准确性也存在一定的局限性。因此，开发一种基于智能手机和机器学习的快速定量检测方法具有重要的应用价值。在传统的光谱变化检测方法中，常常需要使用昂贵的荧光分光光度计来对待测物进行分析。这种方法的准确性较高，但检测流程复杂，需要专业的实验人员和昂贵的实验设备。而非定量检测方法，如pH试纸和定性检测试纸条，虽然简单易用，但只能提供模糊的检测结果，无法进行准确的定量分析。
现有专利中，专利号为CN202210581500.3的专利，提出了一种集成智能手机平台的双酚A的双信号免疫分析方法，这种装置虽然一定程度将定量检测与智能手机结合起来，但是由于数据前处理需要人工进行，检测准确度受到了很大的限制，而且检测流程相对较长。专利号为CN202210364606.8的专利提出了一种基于智能手机的比率荧光传感器及其制备方法和应用，但是该方法只能使用市面上已有的颜色识别软件而非定制的，因此在对检测数据进行后处理和分析时需要人工处理，这大大限制了检测的便捷性和快速性。
发明内容
本发明的目的在于针对现有技术存在的问题，提供一种基于智能手机和机器学习的快速定量检测方法。
本发明提供的一种基于智能手机和机器学习的快速定量检测方法，其中主要包括变色传感检测、智能手机微信小程序应用和机器学习算法。该方法结合了光谱变化检测和非定量检测的优点，利用智能手机的便携性和易用性，实现了现场快速定量检测的目标。具体检测方法，包括如下步骤：
准备样品：将相应的可视化变色传感系统加载在样品区域，随后将待检测的样品加入样品区域；
变色传感器检测：将紫外光源或日光光源照射到样品上，观察样品的颜色变化；
智能手机拍摄：使用智能手机的摄像头拍摄样品的颜色变化情况，并将照片上传到手机的微信小程序中(小程序名称为：F智能荧光分析)；
YOLOv3算法分析：在微信小程序中使用机器学习算法YOLOv3对照片进行分析，识别出样品中的目标区域；
构建标准曲线：将目标区域的颜色参数与已知浓度的样品进行比对，建立颜色与浓度之间的标准函数关系，即标准曲线；
未知样品检测：对未知样品进行拍摄并上传到微信小程序中，通过标准曲线进行定量检测，即可得到待测物质的浓度。
所述的可视化变色传感系统可以是日光比色探针、荧光比色探针(含碳点)、磷光比色探针等；
所述的样品的形式可以是试管样品、比色皿样品、试纸样品或微流控芯片样品。
本发明方法具有以下优点：
高效快速：通过智能手机和机器学习算法，实现了现场快速定量检测，大大缩短了检测时间，提高了工作效率。
准确可靠：通过构建标准曲线，我们可以对未知样品进行准确的定量检测，提高了检测的准确性和可靠性。
便携易用：该方法利用智能手机作为分析设备，具有便携性和易用性的特点，可以方便地在各种场景中进行应用。
应用广泛：该方法可在食品安全、医疗诊断和环境监测等领域应用，具有广泛的应用价值，可以满足不同领域的快速定量检测需求。
附图说明
图1为本检测方法示意图；
图2为YOLOv3机器学习算法的原理图；
图3为本检测方法中智能手机自主设计的微信小程序首页示意图；
图中：(1)拍照、(2)选取照片、(3)开始分析、(4)历史记录查询、(5)用户。
图4为微信小程序主功能页面示意图；
图中：(6)拟合标准曲线、(7)自定义标准曲线、(8)计算预测未知样品。
图5为微信小程序使用逻辑图；
图中：(9)首页、(10)主功能页面、(11)YOLOv3定义界面、(12)参数选择界面、(13)标准曲线定义界面、(14)自定义标准曲线界面、(15)预测计算输入界面、(16)标准曲线选择界面、(17)预测结果界面。
图6为实施例1的汞离子标准样品；
图7为实施例1的汞离子测试样品；
图8为实施例2的谷胱甘肽标准样品；
图9为实施例2的谷胱甘肽测试样品。
具体实施方式
以下结合说明书附图对本发明具体实施方式做出进一步详细说明。
一种基于智能手机和机器学习的快速定量检测方法，检测过程如图1所示，具体步骤包括：
准备样品：由于本方法依靠颜色参数与浓度的对应关系实现定量检测，因而需要选用具有变色行为的传感探针，即要求传感探针在加入响应物时样品颜色种类发生改变，以具有明显颜色改变的传感探针为宜。随后将传感探针负载在样品区域完成样品准备，所述样品的形式可以是试管、比色皿、试纸或微流控芯片等。
变色传感器检测：将紫外光源或日光光源照射到样品上，观察样品的颜色变化；
智能手机拍摄分析：使用智能手机的摄像头拍摄样品的颜色变化情况，分析时首先在微信小程序页面搜索“F智能荧光分析”，打开后在首页，如图3所示，将拍摄的样品照片输入。要求图片中至少有两个样品，输入的图片可以是实时拍摄的(图3中1)，也可以是文件储存的(图3中2)。输入图片后点击“analysis”(图3中3)进入下个页面，如图4所示，随后点击“fitting”(图4中6)进入拟合流程，在拟合页面(图5中11)依次输入已知浓度的样品对应的浓度，用逗号隔开，单位为μM。再对本次拟合方案命名，要求不能和已储存命名重复，点击此页面的“confirm”确定进入下一个页面。
YOLOv3算法分析：微信小程序搭载了YOLOv3机器学习算法以准确识别和截取不同观察视野的反应区域照片，原理如图2所示，具体算法代码见：https://github.com/ultralytics/yolov3。首页输入的图片经代码运算后即可准确识别分离目标比色区域并给出该区域的R、G、B、H、S、V共6个色度值，三个值均处于0-255之间，经此步骤图片变色区域的颜色被准确量化。
构建标准曲线：微信小程序量化颜色后，结合用户输入的每个样品的浓度即可构建标准曲线。由于不同变色传感器变色的种类不同，小程序搭载了多种颜色参数表示方式以对函数进行拟合。拟合曲线中，参数为纵坐标，浓度为横坐标，具体参数包括：R、G、B、R/G、R/B、G/B、(R+G)/B、(R+B)/G、(B+G)R、H、S、V、H/S、H/V、S/V、(H+S)/V、(H+V)/S、(S+V)H。考虑到对不同拟合算法的需求，小程序也搭载了多种算法以优选合适的拟合算法，具体包括：Least Squares、Ridge、Lasso、Lasso Lars、Bayesian Ridge、SVM。以上这些参数均可在参数选择页面(图5中12)由用户自主选择。选择完毕后，点击此页面的“confirm”即可根据参数得到拟合曲线图像及函数方程(图5中13)，同时将拟合数据实时存储在本地，该拟合数据以本次用户输入的拟合方案命名。此外，微信小程序还提供自定义拟合，当用户无标准样品的图片时，可使用自定义功能手动输入浓度与颜色参数的函数对应关系。具体方式为点击“self-defined”(图4中7)进入自定义界面(图5中14)，输入函数关系及选择的参数并对函数方案命名，点击此页面的“confirm”存储。
未知样品的检测：将未知浓度的样品拍摄照片并输入小程序，点击“calculate”(图4中8)进入浓度预测计算流程(图5中15)，输入样品数量，单击此页面的“confirm”进入函数选择页面(图5中16)，选择通过拟合页面或自定义页面储存的函数和参数，随后点击此页面的“confirm”即可在结果页面(图5中17)中读出样品浓度，结果中多个数字依次代表输入图片中每一个样品的浓度，单位为μM。
实施例1
在食品安全领域，利用智能手机和机器学习辅助的定量检测方法进行快速检测。以农产品中汞离子残留检测为例，构建了一种基于碳点的变色传感器检测系统，通过智能手机的摄像头捕捉农产品表面的颜色变化，并利用机器学习算法进行分析和定量检测。
具体步骤如下：
准备样品：将待检测的农产品样品放置于装载有碳点基汞离子荧光比色探针的比色皿中。
变色传感器检测：将紫外光源照射到样品上，观察样品的颜色变化。分析物的存在会导致颜色发生变化。
智能手机拍摄：使用智能手机的摄像头拍摄样品的颜色变化情况(图6)，并将照片上传到微信小程序中。
YOLOv3算法分析：在微信小程序中使用机器学习算法(如YOLOv3)对照片进行分析，识别出样品中的目标区域。
构建标准曲线：将识别区域的颜色参数与已知浓度的样品进行比对，建立颜色与浓度之间的标准函数关系，即标准曲线。
未知样品检测：对有两个未知样品的比色皿进行拍摄并上传到微信小程序中(图7)，通过标准曲线进行定量检测，分别得到样品中汞离子的浓度。
通过这种方法，我们可以在现场快速、准确地检测农产品中的汞离子残留情况，避免了传统方法中复杂的实验流程和昂贵的实验设备的需求，提高了检测的便捷性和可行性。
实施例2
在医疗诊断领域，我们可以利用智能手机和机器学习辅助的定量检测方法进行快速检测。以谷胱甘肽分析为例，我们可以设计一种基于智能手机的谷胱甘肽碳点可视化检测系统，通过变色传感器和机器学习算法进行样品中谷胱甘肽的定量测定。
具体步骤如下：
准备样品：收集患者的可能含有谷胱甘肽的体液样品，并将其放置在装载有碳点基谷胱甘肽荧光比色探针的比色皿中。
变色传感器检测：将样品与碳点荧光传感器进行反应，在紫外灯下观察颜色变化。不同成分的存在会导致颜色发生变化。
智能手机拍摄：使用智能手机的摄像头拍摄尿液样品的颜色变化情况(图8)，并将照片上传到微信小程序中。
YOLOv3算法分析：在微信小程序中使用机器学习算法(如YOLOv3)对照片进行分析，识别出样品中的目标区域，即颜色变化的区域。
构建标准曲线：将识别区域的颜色参数与已知浓度的样品进行比对，建立颜色与浓度之间的标准函数关系，即标准曲线。
未知样品检测：对有两个未知样品的比色皿进行拍摄并上传到微信小程序中(图9)，通过标准曲线进行定量检测，分别得到样品中谷胱甘肽成分的浓度。
通过这种方法，我们可以在医疗诊断现场快速、准确地测定样品中各种成分的浓度，为医生提供及时的诊断依据，同时避免了传统方法中复杂的实验流程和昂贵的实验设备的需求，提高了检测的便捷性和可行性。

Claims (4)

1.一种基于智能手机和机器学习的快速定量检测方法，其特征在于，包括如下步骤：
(1)准备样品：将可视化变色传感系统加载在样品区域，随后将待检测的样品加入样品区域；
(2)变色传感器检测：将紫外光源或日光光源照射到样品上，观察样品的颜色变化；
(3)智能手机拍摄分析：使用智能手机的摄像头拍摄样品的颜色变化情况，并将照片上传到手机的微信小程序中；
(4)YOLOv3算法分析：在微信小程序中使用机器学习算法YOLOv3对照片进行分析，识别出样品中的目标区域；
(5)构建标准曲线：将目标区域的颜色参数与已知浓度的样品进行比对，建立颜色与浓度之间的标准函数关系，即标准曲线；
(6)未知样品检测：对未知样品进行拍摄并上传到微信小程序中，通过标准曲线进行定量检测，即可得到待测物质的浓度。
2.如权利要求1所述的定量检测方法，其特征在于，所述的样品的形式是试管样品、比色皿样品、试纸样品或微流控芯片样品。
3.如权利要求1所述的定量检测方法，其特征在于，所述的微信小程序是F智能荧光分析小程序。
4.如权利要求1所述的定量检测方法，其特征在于，所述的可视化变色传感系统是日光比色探针、荧光比色探针或磷光比色探针。
CN202410146352.1A 2024-02-02 2024-02-02 一种基于智能手机和机器学习的快速定量检测方法 Pending CN118111980A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410146352.1A CN118111980A (zh) 2024-02-02 2024-02-02 一种基于智能手机和机器学习的快速定量检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410146352.1A CN118111980A (zh) 2024-02-02 2024-02-02 一种基于智能手机和机器学习的快速定量检测方法

Publications (1)

Publication Number Publication Date
CN118111980A true CN118111980A (zh) 2024-05-31

Family

ID=91213364

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410146352.1A Pending CN118111980A (zh) 2024-02-02 2024-02-02 一种基于智能手机和机器学习的快速定量检测方法

Country Status (1)

Country Link
CN (1) CN118111980A (zh)

Similar Documents

Publication Publication Date Title
US20250102363A1 (en) Precision luxmeter methods for digital cameras to quantify colors in uncontrolled lighting environments
US20250283876A1 (en) System for analyzing quantitative lateral flow chromatography
AU2018356358B2 (en) Methods and devices for performing an analytical measurement based on a color formation reaction
US11333658B2 (en) Urine test strip comprising timer, and method for detecting and analyzing urine test strip
US8655009B2 (en) Method and apparatus for performing color-based reaction testing of biological materials
EP3612963B1 (en) Biochemical analyser based on a machine learning algorithm using test strips and a smartdevice
CN104284626B (zh) 鱼眼透镜分析器
CN105572110A (zh) 用于测量生物特征信息的方法和设备
EP3189331B1 (en) Apparatus and process for immunoassay tests
CN115836210A (zh) 使用光学反应表征来自感兴趣区域的化验的系统和方法
US20220283148A1 (en) Method of determining a concentration of an analyte in a bodily fluid
CN107315003A (zh) 一种尿检试纸反应色分析方法
CN105319210A (zh) 尿液分析方法
JP2022509842A (ja) 体液中の分析物の濃度を決定する方法
Dell et al. Towards a point-of-care diagnostic system: automated analysis of immunoassay test data on a cell phone
CN118111980A (zh) 一种基于智能手机和机器学习的快速定量检测方法
Velikova et al. Fully-automated interpretation of biochemical tests for decision support by smartphones
CN105606600A (zh) 家庭用尿液分析方法
JP2025507363A (ja) 体液中の少なくとも１つの被検物質の濃度を決定するための方法および装置
Syah et al. The utilization OpenCV to measure the water pollutants concentration
CN118962125B (zh) 一种荧光免疫层析测试数据的处理方法
TWI812118B (zh) 微型多重檢測晶片、多重檢測設備及其檢測方法
RU2823570C1 (ru) Способ проведения аналитического измерения
WO2025036802A1 (en) Calibration method and analytical method of detecting an analyte in a bodily fluid
Yudhana et al. Optimizing urine protein detection accuracy using the K-nearest neighbors algorithm and advanced image segmentation techniques

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination