一种分析物的浓度检测方法与流程

本发明涉及一种分析物的浓度检测方法。

背景技术：

在人们的工作和生活中，经常需要对一些混合物质进行定量检测，获得混合物质中某种特定物质的含量浓度。比如人体的体外诊断，通过检测血液或其它组织液中血糖、血脂或血红蛋白等分析物的浓度，以此为依据对疾病进行预防、诊断或治疗；又或者在农业应用中，需要对农产品进行农药残留进行检测，以确定农药的含量；还有，在环保领域对水质进行监测，来确定水质污染状态。目前，在进行这些检测时，一般是获取到检测样本，通过电化学或光化学手段，对检测样本的电学特征或光学特性进行检测，比如获得检测样本的电流值、吸光度、反射率或透射率等特征参数，再依据这些特征参数计算出对应特定物质的浓度含量。由于不同的物质具有不同的化学或物理特性，在检测过程中其产生特征参数各不相同，必须使用专门的检测设备才能获得准确的结果。特别地，对于产生光学特征的检测对象，不同的检测对象产生的光波长各不相同，要获取到这些不同波长的光信号，需要采用到由不同检测精度级别的分光光度计或者反射率检测仪器制作的检测设备，这些设备不仅成本高昂，而且互相不能通用，只能专用于某一种分析物的检测，适用性较差。此外，这种定量检测过程，在使用到特定的专业分析仪器时，由于仪器的操作同样具备较强的专业性，需要通过专业的分析技术人员来完成检测操作，检测过程复杂且费时，检测成本居高不下。

技术实现要素：

本发明的目的是提出一种分析物的浓度检测方法，可以定量检测分析物浓度，可应用于多种项目的检测，同时还具有检测过程简单方便，不需要专业设备和专业人员，检测成本低，检测结果准确性高的优点。

为了达到上述目的，本发明采用的技术方案如下：一种分析物的浓度检测方法，其特征在于，包括以下步骤：

提供包含分析物样本的检测对象；

获取所述检测对象的图像；

计算所述检测对象的图像的颜色特征值；

根据所述颜色特征值计算所述检测对象的光学特征值；

根据所述光学特征值计算出所述检测对象中所述分析物的浓度。

根据以上方案，所述根据所述颜色特征值计算所述检测对象的光学特征值，具体地包括：

光学特征值采用如下公式计算：

i＝kx+b，其中，i为所述检测对象的光学特征值，k和b为任意预定的数值，并且x的取值如下：

若检测对象为液相，则x取值按下述公式计算：

x＝loga(rh)，其中，h为所述检测对象的图像的颜色特征值，r为校正参数，a为大于0且不等于1的任意预定的数值；

若检测对象为固相，则x取值采用如下公式计算：

其中，h为所述检测对象的图像的颜色特征值，r为校正参数。

根据以上方案，所述校正参数r等于1。

根据以上方案，所述校正参数r通过以下方式获得：

获取对照物的图像；

计算所述对照物的图像的颜色特征值；

根据所述对照物的图像颜色特征值h，通过预定函数式计算出校正参数r。

根据以上方案，若所述检测对象的图像为多原色图像时，所述颜色特征值为所述检测对象的图像灰度值；

若所述检测对象的图像为单原色图像时，所述颜色特征值为所述检测对象的图像灰度值或色值。

根据以上方案，若所述对照物的图像为多原色图像时，所述颜色特征值为所述对照物的图像灰度值；

若所述对照物的图像为单原色图像时，所述颜色特征值为所述对照物的图像灰度值或色值。

根据以上方案，所述对照物为不包含分析物的样本、所述检测对象的图像背景或所述检测对象的图像上预定颜色区域中的一种。

根据以上方案，所述检测对象为免疫层析类试条的测试线，所述对照物为免疫层析类试条的质控线的图像。

根据以上方案，所述根据光学特征值计算出所述检测对象中所述分析物的浓度，具体地包括：

将所述光学特征值代入光学特征值与分析物的浓度之间的函数关系式，计算出所述分析物的浓度。

根据以上方案，所述光学特征值与分析物的浓度之间的函数关系式，其确定方法包括：

制备多个已知分析物浓度但分析物浓度均不同的样本；

分别获取每个不同分析物浓度的样本的图像；

计算每个不同分析物浓度的样本的图像的颜色特征值；

根据每个不同分析物浓度的样本的图像的颜色特征值计算每个不同分析物浓度的样本的光学特征值；

将多组分析物浓度和对应的光学特征值进行曲线拟合；

通过拟合的曲线确定所述光学特征值与分析物的浓度之间的函数关系式。

本发明通过采集包含分析物样本的检测对象的图像，通过图像的颜色特征值来计算该样本的光学特征值，再通过光学特征值来计算分析物浓度，整个检测过程，只需要一个图像采集设备和一个计算软件，便可以完成整套检测过程。本发明可以应用于多种体外诊断参数的检测、农药残留检测或水质检测等众多领域的分析物浓度检测，不需要专业的检测设备，也不需要专业的技术人员来操作，用户自己通过检测终端便可以进行，而且检测过程的操作与普通的相机拍摄图片相比并无区别非常简单，检测成本较低，适合用户自行检测，也适用于医生对患者进行检测，适用场合较广泛。

附图说明

图1是本发明的方法步骤示意图；

图2是本发明第一实施例的函数关系式坐标图；

图3是本发明第一实施例的检测对象的图像；

图4是本发明第二实施例的函数关系式坐标图；

图5是本发明第二实施例的检测对象的图像。

具体实施方式

下面结合附图与实施例对本发明的技术方案进行说明。

如图1所示，本发明所述的一种分析物的浓度检测方法，包括以下步骤：

提供包含分析物样本的检测对象；获取所述检测对象的图像；计算所述检测对象的图像的颜色特征值；根据所述颜色特征值计算所述检测对象的光学特征值；根据所述光学特征值计算出所述检测对象中所述分析物的浓度。

具体地，检测对象在本发明中是指直接用于图像采集的对象，在不同的检测项目中，检测对象的概念有所不同。比如，在检测土壤或水质污染时，直接取用部分土壤或水作为样本，便是本发明所称的检测对象；如果是需要进行一些化学反应的检测项目，比如检测人体血糖、血酯或尿酸水平，或者农药残留时，检测对象即是包括该分析物的样本和反应试剂的混合物。

在确定检测对象后，便可以通过图像采集装置比如相机对检测对象进行拍照，然后上传到检测终端上，检测终端便可以自动对图像进行分析同时计算出分析物浓度。或者，在检测终端上直接集成一个图像采集装置，便可以完成检测过程；或者在智能拍照手机上安装一个应用程序，通过智能拍照手机采集到样本检测对象的图像，再由手机内该应用程序便对图像进行分析然后也可以计算出分析物浓度。本发明通过采集包含分析物样本的检测对象的图像，通过图像的颜色特征值来计算该样本的光学特征值，再通过光学特征值来计算分析物浓度，整个检测过程，只需要一个图像采集设备和一个计算软件，便可以完成整套检测过程。本发明可以应用于多种体外诊断参数的检测，不需要专业的检测设备，也不需要专业的技术人员来操作，用户自己通过检测终端便可以进行，而且检测过程的操作与普通的相机拍摄图片相比并无区别非常简单，检测成本较低，适合用户自行检测，也适用于医生对患者进行检测，适用场合较广泛。通过检测对象的图像的颜色特征值计算该检测对象的光学特征值，具体的光学特征值采用如下公式计算：

i＝kx+b，其中，i为所述检测对象的光学特征值，k和b为任意预定的数值，并且x的取值如下：

若检测对象为液相，则x取值按下述公式计算：

x＝loga(rh)，其中，h为所述检测对象的图像的颜色特征值，r为校正参数，a为大于0且不等于1的任意预定的数值；该公式是以a为底数，以颜色特征值和校正参数r的乘积为真数，再求对数x的计算公式。

若检测对象为固相，则x取值采用如下公式计算：

其中，h为所述检测对象的图像的颜色特征值，r为校正参数，该公式则是计算(1-rh)的平方值与2rh的比值x的计算过程。

光学特征值，一般是指检测对象在光源照射时对光源的吸光度、反射率或透射率等光学特性，在本发明中所称的吸光度、反射率或透射率，均是采用一定的技术手段获取到的一种与检测对象的吸光度、反射率或透射率相关的光学特征，是一个相对的特征值，而非实际的绝对值，比如本发明中通过计算公式计算得到的光学特征值。对于液相样本，一般是指采用试剂盒类的检测方法，分析物被混合在液体的试剂中进行反应，其光学特征值一般采用吸光度作为光学特征值，另外对于某些液相的样本，也可以采用透射率作为光学特征值；而固相样本，一般是指采用试条类的检测方法，比如电化学血糖试条，免疫层析试条等，其光学特征值一般采用反射率作为光学特征值。

对于校正参数r，在不需要进行校正直接使用颜色特征值进行光学特征值的计算时，r取值为1，此时虽然可以获得最终的分析物浓度，但准确率相对较低。

因此，在使用颜色特征值进行光学特征值的计算时的获得方式，优选的方案是加入校正参数r参与到计算过程。此时，r的取值并不一定为1，校正参数r的获得过程可以采用如下方式：

获取对照物的图像；计算所述对照物的图像的颜色特征值；根据所述对照物的图像颜色特征值h，通过预定函数式计算出校正参数r。

对于上述提到的颜色特征值，不论是检测对象的图像颜色特征值，还是对照物的图像颜色特征值，若获取到的图像为多原色图像时，所述颜色特征值为所述检测对象的图像灰度值；若获取到的图像为单原色图像时，所述颜色特征值为所述检测对象的图像灰度值或色值。图像的颜色构成，一般由多个原色按不同的比例混合便可以形成多种颜色，最常见的原色包括rgb(红绿蓝)三原色。本发明中，单原色图像便是指由一种原色构成的图像，而多原色图像便是指由二种或二种以上的多个原色按不同比例混合形成的图像。

具体来说，检测对象和对照物的颜色特征值，按获取到的图像情况来确定，既可以是灰度值也可以是色值，二者的颜色特征值可以按图像情况从灰度值和色值这二种参数中任意组合使用，比如检测对象采用灰度值作为颜色特征值，对照物采用色值作为颜色特征值；检测对象采用灰度值作为颜色特征值，对照物同样采用灰度值作为颜色特征值；检测对象采用色值作为颜色特征值，对照物采用灰度值作为颜色特征值；检测对象采用色值作为颜色特征值，对照物同样采用色值作为颜色特征值。存在上述这四种组合应用的情况。对于图像的灰度值或色值计算方法，在计算机领域是常用技术，是非常容易解决的问题，不论是多原色图像还是单原色图像，均可以非常简单地获取到图像的灰度值或色值。

通过对照物的图像颜色特征值h来确定校正参数r时，可以任选一个确定的一元函数关系式，以h为变量计算得到r，即r＝f(h)，选取的一元函数，可以是一元一次线性函数，一元二次函数，倒数函数等等。在本发明中，校正参数r的计算优选倒数函数r＝1/h，校正参数r为对照物的图像颜色特征值h的倒数。

对于对照物的选取，可以是不包含分析物的样本，即事先制备的样本中，与所述的检测对象基本相同，区别点在于该样本包含的分析物的浓度为0而包含的其他物质相同，采用这种方式获得的对照物的颜色特征值h，可以事先预存在检测终端内，对于各种不同的检测项目中对照物的颜色特征值均可以预存在检测终端中，预存的数量越多本发明能检测的项目种类便越多，在进行检测计算过程中，直接由应用程序调取与检测对象相对应的对照物颜色特征值便可完成最后的计算过程。当然，如果在进行检测时可以同时采集到分析物浓度为0的样本(即对照物)的图像，同步计算出对照物的颜色特征值与光学特征值的计算，会使最终的检测结果更准确。

或者，对照物可以采用所述检测对象的图像的背景，该背景可以是取自所述检测对象的图像的背景图像，也可以是取自所述检测对象的图像中某一固定颜色区域的图像。通过对样本的检测对象的背景图像进行灰度值计算，其灰度值计算过程如上所述的计算过程相同，以此作为对照灰度值参与分析物浓度的计算过程，也可以准确地获得最终的分析物浓度。

又或者，当采用免疫层析试条进行检测时，所述检测对象的图像为免疫层析类试条的测试线(t线)的图像，所述对照物的图像为免疫层析类试条的质控线(c线)的图像。测试线(t线)的图像和质控线(c线)的图像，均需要计算出对应的颜色特征值，应用程序才可以根据上述计算公式进行计算，而这个对照物的图像颜色特征值的计算过程，与上述样本检测对象的图像颜色特征值计算过程相同。

在获得了样本的检测对象的光学特征值后，便可以计算出所述检测对象中所述分析物的浓度，将所述光学特征值代入光学特征值与分析物的浓度之间的函数关系式，计算出所述分析物的浓度。特别地，为了提高最终分析物浓度计算的准确性，可以通过如下方式确定函数关系式：

制备多个已知分析物浓度但分析物浓度均不同的样本；分别获取每个不同分析物浓度的样本的图像；计算每个不同分析物浓度的样本的图像的颜色特征值；根据每个不同分析物浓度的样本的图像的颜色特征值计算每个不同分析物浓度的样本的光学特征值；将多组分析物浓度和对应的光学特征值进行曲线拟合；通过拟合的曲线确定所述光学特征值与分析物的浓度之间的函数关系式。

具体地，可以制作多个样本，每个样本与所述的检测对象一样均包含有分析物及其他物质，样本分别标记为s1，s2，s3，s4……sn，每个样本中分析物的浓度均为已知并且浓度数值不同，浓度分别为c1，c2，c3，c4……cn。采集每个样本的图像，然后通过计算每个样本的图像的颜色特征值，通过上述的光学特征值计算公式，计算出每个样本的光学特征值，每个样本的光学特征值分别标记为i1，i2，i3，i4……in。建立一个直角坐标系，以光学特征值i和浓度值c为横坐标和纵坐标，在坐标系中描点，每一组对应的c值和i值均确定一个点，多个点进行曲线拟合，便可以确定出来二者之间的函数关系式。将确定的这个函数关系式预存到检测终端内，便可以在计算出检测对象的光学特征值后，直接计算得到最终的分析物浓度。在上述曲线拟合的过程中，进行光学特征值的计算时，同样可以增加校正参数r参与到计算过程中，校正参数r的选取在前面有所描述，此处的校正参数r选取方式与之相同。

需要指出的是，不论是在哪个过程中只要涉及到光学特征值的计算，均需要采用到如上所述的光学特征值计算公式进行计算对应的光学特征值。在计算过程中，使用到计算公式中的预定的数值虽然可以在合理的范围内任意取值，但必须采用一致的取值。具体地来说，在确定光学特征值和浓度值之间的函数关系式的过程中，确定了预定计算参数k、b和a的取值后，在实际的检测过程中对检测对象的光学特征值进行计算时，计算参数k、b和a的取值要与上述确定光学特征值和浓度值之间的函数关系式的过程中的取值相同。同样地，在确定光学特征值和浓度值之间的函数关系式的过程中，选取了某一个校正参数与对照物的图像颜色特征值之间的计算函数关系式时，在实际的检测过程中对检测对象的光学特征值进行计算时，同样也要使用这个选取的函数关系式来计算校正参数r。在光学特征值和浓度值之间的函数关系式曲线拟合过程中与实际检测过程中，所有的计算参数k、b和a，以及校正参数r与对照物图像颜色特征值h的计算函数，均要保持一致，才可以使最终的分析物浓度计算结果保持更高的准确性。

以下以某一特定分析物的检测过程来对本发明进行说明。

当检测对象为固相时，一般采用反射率作为光学特征值。如图2所示的曲线，便是通过上述方法获得的反射率与浓度之间的函数关系式。如图3所示，便是7个样本的检测对象的灰度图像，其计算数据如下表1所示：(此处计算参数的取值为：k＝1，b＝0，r＝1/h)

表1

针对图3中所示的7个样本检测对象，采用图像的灰度值作为颜色特征值，分别计算每个样本的图像灰度值，具体数据如上表1中的灰度值h一列，校正参数采用倒数函数计算，同样地对照物的颜色特征值也采用对照灰度值h，其可以通过本发明中描述的方法获取到，具体数据如上表1中的对照灰度值h一列，通过将灰度值h和校正参数r代入本发明提供的固相光学特征值计算公式中，可以计算出对应的反射率，然后通过图2中体现的反射率与浓度之间的函数关系式，计算出最终的浓度值。经过与样本检测对象中分析物的真实的实际浓度相比，本发明的检测结果的绝对偏差在0.3个单位以内。通过上述数据可以表明，本发明在进行分析物浓度检测时准确率较高。

当检测对象为液相时，一般采用吸光度作为光学特征值。如图4所示的曲线，便是通过上述方法获得的吸光度与浓度之间的函数关系式。如图5所示，便是7个样本检测对象的灰度图像，其计算数据如下表2所示：(此处计算参数的取值为：k＝-1，b＝0，a＝10，r＝1/h)

表2

针对图5中所示的7个样本检测对象，采用图像的灰度值作为颜色特征值，分别计算每个样本的图像灰度值，具体数据如上表2中的灰度值h一列，校正参数采用倒数函数计算，同样地对照物的颜色特征值也采用对照灰度值h，其可以通过本发明中描述的方法获取到，具体数据如上表2中的对照灰度值h一列，通过将灰度值h与校正参数r代入本发明提供的液相光学特征值计算公式中，可以计算出对应的吸光度，然后通过图4中体现的吸光度与浓度之间的函数关系式，计算出最终的浓度值。经过与样本检测对象中分析物的真实的实际浓度相比，本发明的检测结果的绝对偏差在1个单位以内。通过上述数据可以表明，本发明在进行分析物浓度检测时准确率较高。

本发明采用比较常规且成本较低的检测设备，比如一台类似手机的检测终端设备，或者直接就是一台智能拍照手机安装一款本发明匹配的应用程序，便可以完成检测，操作过程非常简单方便，而且检测结果的准确性也比较高。通过较低的成本、简单的操作，获得较为准确的检测结果，是本发明最大的优点。

以上所述仅是本发明的较佳实施方式，故凡依本发明专利申请范围所述的构造、特征及原理所做的等效变化或修饰，均包括于本发明专利申请范围内。