用于使用成像确定容器中的液面的方法和装置的制作方法

专利名称：用于使用成像确定容器中的液面的方法和装置的制作方法
技术领域：
本发明涉及液体体积测量，更具体地，涉及用于使用成像来检测和测量容器中的液面的方法和装置。
背景技术：
为了诊断目的、日常护理、研究等，可以对样本执行各种测试。在医疗领域中，样本可以包括例如，血液、尿、DNA、粪、组织等。在诸如生物恐怖主义的其他领域中，样本可以包括例如，空气、水、土壤等。频繁地，作为测试的一部分，样本可能与试剂混合以产生结果。 在体外设置中，混合可以例如在患者身体外部发生。此外，不同的测试可能需要不同的样本量，其可能被收集在各种容器中。在一些情况中，容器可以具有大于特定测试所需的样本容量。可能期望的是了解容器中的样本量，例如，以确定将添加的试剂的适当的量，进行适当的计算，用作液面的自动化确认，或者满足管理需要。本发明的发明人已确定，关于用于体外诊断的常规的自动化和非自动化液面感测的现有问题在于，常规方法可能是复杂的，并且因此是昂贵的。此外，常规的液面感测方法在检测日益较小的体积时，特别是在不破坏样本或者没有与样本的物理接触的情况下，可能是不可靠的。例如，其中观察者观看样本并且记录样本的液面的常规的视觉方法可能是不准确且耗时的。电容(electro-capacitive)方法可以是用于感测样本液面的另一常规方法。通过电容方法，探针可以被插入到样本中，由此接触样本，这可能在某种程度上破坏样本。此外，与样本的接触可能增加被测试的不同样本之间的转移(carryover)的可能性。换言之， 例如，一些被测试的第一样本可能保留在以电容方法使用的探针上，并且被转移到由相同探针测试的第二样本。电容方法通过测量探针在与样本接触(这继而产生探针的电容改变) 时的位置来检测样本的液面。然而，电容方法可能受限于难以检测电容的非常小的改变，以及当检测样本液面时的环境中的不可避免的大量寄生改变和干扰(即样本表面上的泡沫或灰尘；或者样本中的湍流)。压力传感器可以是用于感测样本液面的另一常规方法。压力传感器测量压力计所处位置的样本的压力。与在电容方法中使用的探针类似，压力传感器的部件可能接触样本并且由此损坏样本或者导致交叉污染。此外，压力传感器可能因样本中的诸如外来物体或固体(其可能干扰传感器)的干扰而难以检测液面。用于感测样本液面的另一常规方法是使用超声，由此将声脉冲发送到样本中并且传感器检查回声返回的时间。不同于电容方法和压力传感器，利用超声不需要与样本的接触。然而，由于超声液面感测取决于可能随温度和湿度改变的空气性质，因此其可能是难于实现的。此外，与超声液面感测关联的分辨率可能是相当低的。因此，需要一种用于确定容器中的样本量的改进的方法和装置。

发明内容
在本发明的一个方面，提供了一种用于确定样本液面的方法。该方法包括捕获容纳在容器中的样本的图像，其中图像被表示为光强度的二维阵列；从图像中提取关注区域； 对关注区域应用滤波器；使经滤波的区域塌缩(collapse)为一维阵列；掩蔽一维阵列；以及基于经掩蔽的(masked)—维阵列确定容器中的样本液面。在本发明的另一方面，提供了一种用于确定样本液面的系统。该系统包括图像捕获装置，其适于捕获容器中的样本的图像，其中图像被表示为光强度的二维阵列；以及控制器，其耦合到图像捕获装置，其中控制器适于从图像中提取关注区域，对关注区域应用滤波器，使经滤波的关注区域塌缩为一维阵列，对一维阵列应用掩模(mask)，以及基于经掩蔽的一维阵列确定容器中的样本液面。在本发明的另一方面，提供了一种用于确定样本液面的方法。该方法包括捕获容纳在容器中的样本的图像，其中图像被表示为光强度的二维阵列；从图像中提取关注区域； 对关注区域应用滤波器；将图像划分为不止一个较窄的垂直阵列；针对峰值分析每个垂直阵列；按垂直单元(per vertical unit)对从分析得到峰值进行计数和组合；根据组合峰值形成直方图；针对峰值集中(peak concentration)分析直方图；以及基于分析确定容器中的样本液面。在本发明的另一方面中，提供了一种用于确定样本表面上的泡沫的存在和量的方法。该方法包括捕获容纳在容器中的样本的图像，其中图像被表示为光强度的二维阵列； 从图像中提取关注区域；对关注区域应用滤波器；使经滤波的关注区域塌缩为一维阵列； 掩蔽一维阵列；基于经掩蔽的一维阵列确定样本和周围空气的界面；以及在移动离开界面的至少一个方向上检测一维阵列中的峰值连续集中的范围，并且其中连续集中是泡沫。本发明的其他特征和方面将根据下面的详细描述、所附权利要求以及附图而变得更全面地明显。


图IA是图示根据本发明的一些实施例的用于确定样本液面的系统的框图。图IB是图IA中描述的系统的示意图。图2A是示出根据本发明的一些实施例的实例方法的流程图。图2B至2F是根据本发明的一些实施例的图2A中描述的方法的透视图。图3是示出根据本发明的一些实施例的实例方法的流程图。图4是示出根据本发明的一些实施例的实例方法的流程图。
具体实施例方式本发明提供了用于感测容器中的样本液面的系统、装置和方法。特别地，本发明提供了一种方法，由此盛放在容器中的样本的图像被捕获。图像可以通过任何常规的手段捕获(例如，摄像机、数字照相机、线扫描仪等)。容器可以由透明材料制成以允许光穿过样本。 通过捕获样本的图像，可以在不与样本物理接触的情况下观察/测量样本。在一些实施例中，图像可以被转换为光强度的二维阵列。随后可以从二维阵列提取或剪切关注区域，并且如果必要，可以调整关注区域的
5几何形状(geometry)。关注区域可以包括容器中的样本，包括容器的底部以及样本和周围空气之间的界面二者。可能需要调整二维阵列的几何形状，使得可以忽视水平阵列信息并且可以仅分析垂直阵列信息，这是因为垂直轴包含关于容器中的液面的信息。为了强调或检测垂直域中的特征(例如，强度改变，诸如空气-样本界面或者容器的底部)，随后可以在垂直域中通过例如高通或差分(differential)滤波器处理二维阵列。尽管在本申请中将通篇使用术语“差分滤波器”，但是可以使用用于检测特征的其他方法，例如，人工智能算法。 注意，术语“差分滤波器”的使用仅是示例性的，绝非使本发明仅限于使用或者需要使用差分滤波器。根据本发明，处理二维阵列的其他已知手段可以用于强调或检测垂直域中的特征。经差分滤波的二维阵列随后可以进行水平塌缩以形成垂直一维阵列。一维阵列的每个元素可以是二维阵列的所有线元素的归一化和(或平均值)。注意，在可替选的实施例中，例如，二维阵列可以首先塌缩为一维阵列，并且随后可以通过差分滤波器等对该一维阵列进行处理。在其他实施例中，例如，当通过单线光学传感器(线扫描阵列)捕获图像时，可以通过圆柱透镜对图像进行水平内插。在该情况中，数据将仅存在于一个维度中，这在常规的视觉系统的情况中是不可能的。可以将掩模应用到一维差分阵列或信号以考虑样本中可能存在的任何噪声(例如，灰尘、外来物质、气泡)。可以就峰值检查得到的信号。基于峰值的高度，某些峰值可以被选择用于进一步的处理，以确定容器的底部以及液体和周围空气的界面/液面。在一些情况中，物体(例如，灰尘、泡沫气泡等)可能是足够大的以致覆盖容器的整个宽度，和/或物体与周围空气的对比度与主液体-周围空气界面的对比度相当。如下文将描述的，在一些实施例中，当物体覆盖容器的整个宽度时，物体可以被标注为泡沫。在一些实施例中，可能期望的是在计算容器中的样本量方面泡沫包含足够明显的样本时确定泡沫量。在其中空气-液体界面未被较好限定的情况中，本发明的另一实施例可以用于确定样本液面。在该实施例中，不同于基于特定峰值高度来选择峰值，如下文将进一步解释的， 可以基于每个垂直单元的峰值出现频率来选择峰值。在该实施例中，在可通过垂直维度中的差分滤波器对二维阵列进行处理的步骤(并且包括该步骤)之前，步骤与上文参照第一实施例描述的相同。二维阵列随后可以被划分为“η”个较窄的垂直阵列，使得“η”个垂直阵列中的每一个可以被分别地分析以寻找峰值。经差分滤波的“η”个二维阵列随后可以进行水平塌缩以形成“η”个垂直一维差分阵列。如上文所述，“η”个二维阵列可以在通过差分滤波器处理之前塌缩为“η”个一维阵列，导致了“η”个一维差分阵列。如上所述，可以将掩模应用到“η”个一维差分阵列以考虑噪声。例如，得到的“η”个信号中的峰值可以被组合并且计入直方图(按照垂直单元)。得到的直方图随后可以进行进一步处理以确定容器的底部以及液体和周围空气的界面/液面、泡沫和/或其他物体的存在。此外，上文描述的峰值频率方法可以用于检测样本表面上的物体(仅出于示例的目的，在下文中被称为“泡沫”)的存在和尺寸。通过首先检查直方图以检测液体/周围空气界面，该界面可以被识别为排除容器底部时的直方图上的第一主峰值，可以确定泡沫的存在和尺寸。随后可以在两个方向上(朝向容器的顶部和底部)根据液体/周围空气界面来检查直方图以检测峰值连续集中，由此连续集中是至少两个峰值，并且其中峰值之间的距离不大于由气泡的最大尺寸限定的预设数(例如，至少两个像素)。如果发现这样的范围，则可以将其报告为泡沫。峰值连续集中的范围中的峰值数目可以是预期的泡沫尺寸、垂直阵列的数目和低通滤波器到直方图的应用的函数。转到图IA和1B，提供了框图和示意图，它们分别图示了根据本发明的一些实施例的用于确定样本液面的系统100。系统100可以包括图像捕获装置102，以捕获盛放在容器 106中的并且可选地由光源108照射的样本104的图像。为了识别容器106中的样本104 和周围空气之间的界面110，图像捕获装置102可以可选地耦合到控制器112并且由其操作。如上文所述，图像捕获装置102可以包括任何常规的图像捕获器件。例如，图像捕获装置102可以是摄像机、数字照相机、线扫描仪、CCD阵列等。如图IB中所示，系统100可以包括一个或多个图像捕获装置102。常规的视觉系统可以将图像捕获为二维阵列。在其他实施例中，例如当通过单线光学传感器(例如，线扫描阵列)捕获图像时，可以通过圆柱透镜对图像进行水平内插。在该情况中，来自图像的数据将仅存在于一个维度中。捕获的图像可以示出盛放在容器106中的样本104。如图IB中所示，系统100可以包括在其中盛放样本104的一个或多个容器106。如上文所述，样本可以包括例如，血液、 尿、DNA、粪、组织、空气、水、土壤等。可以使用任何其他适当的样本。容器106可以是适于在其中盛放样本的任何容器，并且允许光穿过样本。换言之，例如，容器106可以由透明材料制成以允许光穿过其，使得可以确定容器106中的样本104的量，如下文将更详细描述的那样。如图IB中所示，样本104可以保持在安装在传送器或输送器上的容器106中，其中图像捕获装置102被安置为在容器106经过时扫描它们，以帮助自动化样本的处理和测量。如上文指示的，在一些实施例中，系统100可以进一步包括光源108。光源108可以照射样本104以进一步为图像捕获装置102突出显示样本104和周围空气之间的界面 110。尽管光源108被示意性地示出在与容器106相同的水平平面中，但是可以使用其他取向。例如，光源108可以被安置在容器106下方，这可以更好地突出显示界面110。如下文将进一步描述的，空气/样本界面110可以用于确定容器106中的样本104的量。如上文指示的，在一些实施例中，系统100还可以包括控制器112。在一些实施例中，系统100可以由控制器112操作，其可以耦合到和/或以其他方式与系统100的各种部件中的任何部件或所有部件通信和/或对其进行控制。控制器112还可以适于从图像捕获装置102接收图像数据并且分析该数据以确定容器106中的液体/样本液面并且将样本 104的高度转换为样本104的体积，如下文进一步描述的那样。控制器112可以包括微计算机、微处理器、逻辑电路、计算机、硬件和软件的任何组合等。控制器112可以包括各种通信机构，包括输入/输出端口、键盘、鼠标、显示器、网络适配器等。在一些实施例中，控制器 112可以操作用于执行程序指令以执行这里描述的本发明的方法。转到图2A，提供了示出本发明的示例方法200的流程图。如上文所述，样本104 可以包含在容器106中。在步骤S102中，图像捕获装置102捕获样本104的图像(图2B)。 图像捕获装置102捕获的图像可以被表示为指示不同光强度的二维阵列(图2C)。在步骤 S104中，图像可以被剪切并且几何形状可以被调整以从图像提取关注区域(图2D)。如上文指示的，由于经剪切的图像可能是足够的，因此几何形状的调整可以是可选的。在其中经剪切的图像可能不足的情况中，可以调整几何形状，使得图像中的水平信息可以被忽视，并且可以在单个维度中分析图像。所关注的单个维度可以是垂直维度或轴，其包含关于容器106 中的样本104的高度或液面的信息。垂直或水平维度中的来自图像的信息可以被称为“信号”。在一些实施例中，可以分析水平轴。如果被表示为强度的二维阵列的图像(图2C)以某种其他方式相对实际的物理水平/垂直对准偏斜或偏离，则垂直维度中的关注信号可能衰减和/或与来自水平轴的信号混合。在该情况中，可能需要对阵列应用偏斜和/或偏离校正以补偿任何可观测到的或者已知的失真。例如，可以跨越大的水平长度并且可以在图像中呈现偏斜的具有高对比度的两个主要的视觉特征可以是容器106的底部和空气/样本界面110。在步骤S106中，可以在垂直维度中使用例如差分滤波器对关注区域进行滤波， 以强调或检测空气-样本界面和容器的底部(图2E)。可以使用任何适当的差分或高通滤波器等。例如，可以使用有限脉冲响应(FIR)滤波器、Butterworth滤波器、Chebyshev 滤波器、Bessel滤波器和/或椭圆滤波器。如本领域中公知的，数字滤波器(例如，FIR、 Butterworth, Chebyshev, Bessel和椭圆)可以实现许多滤波效果，其可以被表述为数学函数或算法。在步骤S108中，经滤波的关注区域可以水平塌缩为垂直一维差分阵列，诸如，例如图2F中示出的图中的线1(L1)。应当注意，应用差分滤波器导致了具有正的和负的峰值二者的阵列。在这里示出的图中(图2F)，使用差分一维阵列的绝对值，使得所有峰值是正的。然而，在其他实施例中，可以通过负的峰值来分析差分一维阵列。如上文指示的，在一些实施例中，二维阵列可以在应用差分滤波器之前塌缩为一维阵列。差分一维阵列的每个元素可以是源(二维)阵列的所有线元素的归一化和(或平均值)。该图可以指示各种光强度的垂直差分值，其中“顶部”和“底部”指示容器104的顶部和底部。然而，Ll (源一维差分阵列，其还被称为信号)可能包括不可避免的噪声/干扰/ 微特征，其可能存在于任何系统中，并且可能使界面的检测更加困难。因此，为了校正噪声， 在步骤SllO中，可以例如，通过使Ll乘以阈值的结果(例如，比较函数)来掩蔽Li。阈值可以是源一维差分阵列的移动平均值(running average) (L2)(虚线)与常数(L3)(浅点/ 虚线)的和。当Ll乘以阈值的结果时，得到的信号是掩蔽的或者是清洁的信号(L4)(深色点/虚线)。在步骤S112中，基于得到的信号确定容器中的样本液面。例如，可以基于峰值高度搜索得到的信号或(L4)以寻找局部峰值。控制器112可以包括例如，用于处理这些峰值的算法。该算法可以具有用于确定局部峰值的简单的规则或逻辑。例如，对于图2F中示出的图，最接近底部的峰值可以是容器的底部，并且从底部起的第二峰值可以是第一空气/ 样本界面110。另外的峰值可以表示样本表面上的物体(例如，气泡或灰尘)。例如，在图2F 中示出的图中，距底部峰值最远的峰值可以是泡沫或者样本中可能存在的其他外来物体的顶部。空气/样本界面110指示容器106中的样本104的高度或液面。通过确定空气/样本界面110，假设容器106具有已知的尺寸，算法可以根据样本104在容器106中的高度来计算容器106中的样本104的体积。当样本和周围空气是均勻的并且空气/样本界面被良好限定时，该方法200可以是优选的。转到图3，提供了流程图，其示出了用于使用峰值频率确定容器中的样本液面的示例方法300。当样本包含可能呈现为假的空气/样本界面的物体时，该方法300可以是优选的。该假的空气/样本界面可能是例如泡沫、外来物质和/或气泡(失真特征)或者任何其他物质的结果。例如，如果失真特征的尺寸接近容器104的整个宽度，并且失真特征的对
8比度与主空气/样本界面110的对比度相当，则样本液面的可靠检测可能是成问题的。因此，为了考虑这些失真特征，上文参照图2A描述的方法200可以在这里参照图3描述的方法300中延伸到另外的统计域。在图3的方法300中描述的另外的统计域中，对比于如上文在方法200和图2A中描述的基于峰值高度的峰值选择，峰值选择基于每个垂直单元峰值出现的频率(如下文所述)。因此，步骤S202至S206与上文参照图2A中的步骤S102至S106描述的步骤相同。换言之，在步骤S202中，图像捕获装置102捕获样本104的图像。随后在步骤S204中，图像可以被剪切并且几何形状可以被调整(必要时)以从图像提取关注区域。在步骤S206中，可以将差分滤波器应用于关注区域。随后在步骤S208中，差分二维阵列可以被划分或分割为“η”个较窄的垂直阵列。如上文参照图2Α描述的方法200中的那样，在步骤S210中，“η”个差分二维阵列中的每一个可以水平塌缩为“η”个一维差分阵列。亦如上文所述，在一些实施例中，“η”个二维阵列可以在应用差分滤波器之前塌缩为 “η”个一维阵列。差分一维阵列的每个元素可以是经分割的源(二维)阵列的所有线元素的归一化和(或平均值)。如上文所述，差分一维阵列可能包括噪声。如方法200中的那样，在步骤S212中可以通过使差分一维阵列乘以阈值的结果，经由掩模来校正噪声。在步骤S214 中，控制器112可以使用算法分别地分析得到的“η”个掩蔽差分一维阵列中的每一个以确定峰值的存在。在步骤S216中，得到的峰值可以被组合并且计数(按照垂直单元)以形成直方图。 随后在步骤S218中，可以将低通滤波器和另外的掩模应用到直方图以校正任何噪声。在步骤S220中可以分析得到的直方图以确定空气/样本界面110。例如，在排除容器104的底部之后，相同垂直位置中的两个或更多个峰值(部分取决于数目“η”)可以指示主界面，其可能是空气/样本界面110、泡沫/样本界面或者泡沫/空气界面。空气/样本界面110指示容器106中的样本104的高度或液面。如上文参照方法200和图2Α描述的，通过确定空气 /样本界面110，假设容器106具有已知的尺寸，算法可以根据样本104在容器106中的高度来计算容器106中的样本104的体积。转到图4，提供了流程图，其图示了用于确定样本104的表面上的泡沫的存在和量的示例性方法400。用于检测泡沫的存在和量的方法400利用上文参照图3描述的峰值频率方法300。换言之，这里包括步骤S102 (捕获图像)至S106以及步骤S208至S218 (形成直方图)作为方法400的第一部分。随后，在步骤S302中，控制器112可以使用算法检查从空气/样本界面110朝向容器的顶部和底部二者的点得到的直方图以检测大于特定值的尖峰/峰值的连续集中的范围/跨度。该特定值可以基于例如，预期泡沫尺寸、数目“η”以及低通滤波器到直方图的应用。如果发现该范围，则在步骤S304中可以将其报告为泡沫。峰值连续集中的范围/ 跨度可以指示泡沫的宽度。在一些情况中，泡沫可以跨越容器的水平宽度。由于在这些情况中泡沫的高度可能变化，因此泡沫的体积也可能变化。在一些实施例中，当其可能包含很大的样本量时，可以计算泡沫的体积。在一些情况中，诸如外来物体和气泡之类的较小的物体可以例如，沿容器的水平宽度的小部分跨越，并且因此可能未被分类为泡沫。前面的描述仅公开了本发明的示例性实施例。落于本发明的范围内的以上公开的装置和方法的修改对于本领域的普通技术人员将是容易地明显的。
因此，尽管结合本发明的示例性实施例公开了本发明，但是应当理解，其他实施例可以落在如所附权利要求限定的本发明的精神和范围内。
权利要求
1.一种用于确定样本液面的方法，包括捕获容纳在容器中的样本的图像，其中所述图像被表示为光强度的二维阵列； 从所述图像中提取关注区域； 对所述关注区域应用滤波器； 使经滤波的区域塌缩为一维阵列； 掩蔽所述一维阵列；以及基于经掩蔽的一维阵列确定所述容器中的样本液面。
2.根据权利要求1所述的方法，其中对所述关注区域进行滤波强调样本中的空气-样本界面。
3.根据权利要求1所述的方法，其中所述滤波器是差分滤波器。
4.根据权利要求1所述的方法，其中掩蔽所述一维阵列考虑样本中的噪声，并且其中噪声可以包括样本表面上的泡沫或灰尘和样本中的湍流中的至少一个。
5.根据权利要求1所述的方法，其中从所述图像提取所述关注区域进一步包括 剪切所述图像。
6.根据权利要求1所述的方法，其中从所述图像提取所述关注区域进一步包括 调整所述图像的几何形状。
7.根据权利要求1所述的方法，其中掩蔽所述一维阵列进一步包括应用阈值作为掩模，其中所述阈值包括所述一维阵列加上针对所述一维阵列的常数。
8.根据权利要求7所述的方法，其中确定所述容器中的样本液面进一步包括 搜索经掩蔽的信号以寻找局部峰值。
9.根据权利要求1所述的方法，其中确定所述容器中的样本液面进一步包括 确定所述容器的底部和样本-空气界面。
10.一种用于确定样本液面的系统，包括图像捕获装置，适于捕获容器中的样本的图像，其中所述图像被表示为光强度的二维阵列；以及控制器，耦合到所述图像捕获装置，其中所述控制器适于从所述图像中提取关注区域， 对所述关注区域应用滤波器，使经滤波的关注区域塌缩为一维阵列，对所述一维阵列应用掩模，以及基于经掩蔽的一维阵列确定所述容器中的样本液面。
11.根据权利要求10所述的系统，其中所述滤波器是差分滤波器。
12.根据权利要求10所述的系统，其中所述系统包括一个或多个图像捕获装置，其适于捕获一个或多个容器中的样本图像。
13.一种用于确定样本液面的方法，包括捕获容纳在容器中的样本的图像，其中所述图像被表示为光强度的二维阵列；从所述图像中提取关注区域；对所述关注区域应用滤波器；将所述图像划分为不止一个较窄的垂直阵列；针对峰值分析每个垂直阵列；按照垂直单元对从分析得到的峰值进行计数和组合；根据组合峰值形成直方图；针对峰值集中分析所述直方图；以及基于分析确定所述容器中的样本液面。
14.根据权利要求13所述的方法，其中确定所述容器中的样本液面进一步包括 确定所述容器的底部和样本-空气界面。
15.根据权利要求13所述的方法，其中从所述图像提取所述关注区域进一步包括 调整所述图像的几何形状。
16.一种用于确定样本表面上的泡沫的存在和量的方法，包括捕获容纳在容器中的样本的图像，其中所述图像被表示为光强度的二维阵列； 从所述图像中提取关注区域； 对所述关注区域应用滤波器； 使经滤波的关注区域塌缩为一维阵列； 掩蔽所述一维阵列；基于经掩蔽的一维阵列确定样本和周围空气的界面；以及在移动离开所述界面的至少一个方向上检测所述一维阵列中的峰值连续集中的范围， 并且其中所述连续集中是泡沫。
17.根据权利要求16所述的方法，其中所述峰值连续集中大于或等于特定值。
18.根据权利要求17所述的方法，进一步包括基于峰值连续集中的范围的宽度和泡沫的高度确定泡沫的量。
19.根据权利要求16所述的方法，其中所述峰值连续集中被间隔开了距离，并且所述距离小于或等于预设数。
20.根据权利要求19所述的方法，其中所述预设数由气泡的最大尺寸限定。
全文摘要
提供了用于确定样本液面的方法、系统和装置。捕获容纳在容器中的样本的图像，其中图像被表示为光强度的二维阵列。从图像中提取关注区域。对关注区域应用滤波器。使经滤波的区域塌缩为一维阵列。掩蔽一维阵列。基于经掩蔽的一维阵列确定容器中的样本液面。提供了许多其他方面。
文档编号G01F17/00GK102171541SQ200980138895
公开日2011年8月31日 申请日期2009年12月11日 优先权日2009年1月6日
发明者V·普龙金 申请人:西门子医疗保健诊断公司