CN111344555B - 评估泌乳哺乳动物的健康状态的方法和系统 - Google Patents

Abstract

提供了用于检测奶中违规现象的存在和用于评估泌乳哺乳动物的健康状态的方法和系统。用光束照射奶样品。收集由光束和奶样品之间的相互作用而产生的散射数据。处理散射数据以检测相对于法线方向以预定角度散射的光的存在或不存在，例如以确定奶样品的至少一个特性。基于光的存在或不存在，可确定奶样品中是否存在违规现象，例如，以基于奶样品的至少一个特性来评估泌乳哺乳动物的健康状态。

Description

评估泌乳哺乳动物的健康状态的方法和系统

相关申请的交叉引用

本申请根据35USC§119(e)要求于2017年8月18日提交的题为“用于评估泌乳哺乳动物的健康状态的方法和系统”的美国临时申请62/547393的优先权，其内容通过引用并入本文。

技术领域

本公开总体上涉及奶的生产，并且更具体地涉及基于光散射的奶的分析。

背景技术

泌乳哺乳动物生产的奶的质量取决于许多因素，例如动物的健康、营养、免疫状况，有助于良好的物理因素，例如住所、获得优质食物和水、情感安全等等。在商业环境中，因为由于奶质量的提高和运营成本的降低，动物健康的改善使得利润率提高，所以衡量和优化这些因素的能力很重要。

奶生产者已经面临着奶价下降、人工成本增加以及苛刻的监管制度等重大挑战，尤其是在奶中抗生素的存在等方面。跟踪泌乳哺乳动物健康的传统方法是侵入性的、费时的，并且通常不是自动化的，需要更多具有一定程度专业知识的人员。另外，关于泌乳哺乳动物健康的有价值的信息可能包含在它生产的奶中，但通常需要进行化学测试才能获得。这种化学测试可能不容易在现场进行，这可能导致长时间的延迟，然后才可采取措施。此外，某些严格的监管制度甚至要求因存在很少量抗生素或血液成分而毁坏整批奶。

这样，存在用于测试奶和评估泌乳哺乳动物健康状态的改进技术的空间。

发明内容

根据广义的方面，提供了一种评估泌乳哺乳动物健康状态的方法。用光束照射从泌乳哺乳动物获得的奶样品。收集光束和奶样品之间相互作用产生的散射数据。处理散射数据以确定奶样品的至少一个特性。基于奶样品的至少一个特性，评估泌乳哺乳动物的健康状态。

在一些实施方式中，散射数据指示来自光束的光沿着大于0.5°的至少第一散射角被散射。

在一些实施方式中，光束包括至少第一波长和第二波长的光。

在一些实施方式中，散射数据指示来自光束的光沿着与第一波长相关联的至少第一散射角散射，以及来自光束的光沿着与第二波长相关联的第二散射角散射，其中，散射数据包括分别与相应的散射角相关联的多个数据集。

在一些实施方式中，处理散射数据包括将散射数据与具有已知特性的参考奶样品的角度分布进行比较。

在一些实施方式中，处理散射数据包括将一组散射分布的像素强度的标准偏差与先前一组散射分布的像素强度的标准偏差进行比较。

在一些实施方式中，处理散射数据包括使用神经网络处理散射数据。

在一些实施方式中，该方法还包括使用具有已知特性的参考奶样品来训练神经网络。

在一些实施方式中，奶样品的至少一个特性包括脂肪含量、脂肪蛋白质比率、抗生素含量、血液含量和体细胞含量中的至少一项。

在一些实施方案中，评估泌乳哺乳动物的健康状态包括确定泌乳哺乳动物是否可能处于酮症中。

在一些实施方式中，评估泌乳哺乳动物的健康状态包括估计泌乳哺乳动物的孕酮水平。

根据另一个广泛的方面，提供了一种用于评估泌乳哺乳动物健康状态的系统。该系统包括：光源，被配置为将光束引向从泌乳哺乳动物获得的奶样品；成像装置，被配置为收集由光束和奶样品之间的相互作用产生的散射数据；和处理系统。该处理系统通信地耦接至成像装置，用于：处理散射数据以确定奶样品的至少一个特性；以及基于奶样品的至少一个特性，评估泌乳哺乳动物的健康状态。

在一些实施方式中，散射数据指示来自光束的光沿着大于0.5°的至少第一散射角被散射。

在一些实施方式中，光束包括至少第一波长和第二波长的光。

在一些实施方式中，散射数据指示来自光束的光沿着与第一波长相关联的至少第一散射角散射，以及来自光束的光沿着与第二波长相关联的第二散射角散射，其中散射数据包括分别与相应的散射角相关联的多个数据集。

在一些实施方式中，处理散射数据包括将散射数据与具有已知特性的参考奶样品的角度分布进行比较。

在一些实施方式中，处理散射数据包括将一组散射分布的像素强度的标准偏差与先前一组散射分布的像素强度的标准偏差进行比较。

在一些实施方式中，处理系统实现神经网络，其中处理散射数据包括使用神经网络处理散射数据。

在一些实施方式中，处理系统还耦接至成像装置，以使用具有已知特性的参考奶样品来训练神经网络。

在一些实施方式中，奶样品的至少一个特性包括脂肪含量、脂肪蛋白质比率、抗生素含量、血液含量和体细胞含量中的至少一项。

在一些实施方案中，评估泌乳哺乳动物的健康状态包括确定该泌乳哺乳动物是否可能处于酮症中。

在一些实施方案中，评估泌乳哺乳动物的健康状态包括估计泌乳哺乳动物的孕酮水平。

根据另一个广泛的方面，提供了一种用于检测奶中违规现象的存在的方法。用光束照射奶样品。收集由于光束和奶样品之间的相互作用而产生的散射数据。处理散射数据以检测相对于法线方向以预定角度散射的光的存在或不存在。基于光的存在或不存在，确定奶样品中是否存在违规现象。

在一些实施方式中，散射数据指示来自光束的光沿着大于0.5°的至少第一散射角被散射。

在一些实施方式中，处理散射数据包括将随后一组散射帧的像素强度的标准偏差与先前一组散射帧的像素强度的标准偏差进行比较。

在一些实施方式中，该方法还包括顺序地捕获多个散射帧，其中，先前的一组散射帧包括多个散射帧。

在一些实施方式中，该方法还包括：捕获随后的散射帧；从先前的一组散射帧中移除最早的一个散射帧；将随后的散射帧添加到先前的一组散射帧中，以形成随后的一组散射帧。

在一些实施方式中，处理散射数据包括使用神经网络处理散射数据。

在一些实施方式中，该方法进一步包括使用具有已知特性的参考奶样品来训练神经网络。

在一些实施方式中，确定奶样品中是否存在违规现象包括确定奶中是否存在白细胞。

在一些实施方式中，确定奶样品中是否存在违规现象包括确定奶中是否存在抗生素。

在一些实施方式中，确定奶样品中是否存在违规现象包括确定奶中存在的孕酮水平。

根据另一个广泛的方面，提供了一种用于检测奶中违规现象的存在的系统，该系统包括：光源，被配置为将光束引向奶样品；成像装置，被配置为收集由光束和奶样品之间的相互作用产生的散射数据；以及处理系统，通信地耦接至成像装置，用于：处理散射数据，以检测相对于法线方向以预定角度散射的光的存在或不存在；并且基于光的存在或不存在，确定奶样品中是否存在违规现象。

在一些实施方式中，散射数据指示来自光束的光沿着大于0.5°的至少第一散射角被散射。

在一些实施方式中，处理散射数据包括将随后一组散射帧的像素强度的标准偏差与先前一组散射帧的像素强度的标准偏差进行比较。

在一些实施方式中，成像装置还被配置为顺序地捕获多个散射帧，其中，先前的一组散射帧包括多个散射帧。

在一些实施方式中，其中，成像装置还被配置为：捕获随后的散射帧；并且其中，处理系统还被配置为：从先前一组散射帧中移除最早的一个散射帧；将随后的散射帧添加到先前一组散射帧中，以形成随后一组散射帧。

在一些实施方式中，处理散射数据包括使用神经网络处理散射数据。

在一些实施方式中，处理系统还被配置为使用具有已知特性的参考奶样品来训练神经网络。

在一些实施方式中，确定奶样品中是否存在违规现象包括确定奶中是否存在白细胞。

在一些实施方式中，确定奶样品中是否存在违规现象包括确定奶中是否存在抗生素。

在一些实施方式中，确定奶样品中是否存在违规现象包括确定奶中存在的孕酮水平。

根据另一个广泛的方面，提供了一种用于分析流体的组成的方法，该方法包括：用光束照射流体样品；收集由光束和流体样品之间的相互作用产生的散射数据；处理散射数据以识别由相互作用产生的光散射图案，该光散射图案指示相对于法线方向散射的光；并基于散射图案分析流体的组成。

在一些实施方式中，散射数据指示来自光束的光沿着大于0.5°的至少第一散射角被散射。

在一些实施方式中，处理散射数据包括将随后一组散射帧的像素强度的标准偏差与先前一组散射帧的像素强度的标准偏差进行比较。

在一些实施方式中，该方法还包括顺序地捕获多个散射帧，其中，先前一组散射帧包括多个散射帧。

在一些实施方式中，该方法还包括：捕获随后的散射帧；从先前一组散射帧中移除最早的一个散射帧；将随后的散射帧添加到先前一组散射帧中，以形成随后一组散射帧。

在一些实施方式中，处理散射数据包括使用神经网络处理散射数据。

在一些实施方式中，该方法还包括使用具有已知特性的参考奶样品来训练神经网络。

在一些实施方式中，分析流体的组成包括确定流体中是否存在预定物质。

在一些实施方式中，确定流体中是否存在预定物质包括确定预定物质是否溶解在流体中。

在一些实施方式中，预定物质是抗生素、激素、蛋白质和脂肪中的一种。

根据另一个广泛的方面，提供了一种用于分析流体的组成的系统，该系统包括：光源，被配置为将光束引向流体样品；成像装置，被配置为收集由于光束和流体样品之间的相互作用而产生的散射数据；以及处理系统，通信地耦接到成像装置，用于：处理散射数据，以识别由相互作用产生的光散射图案，该光散射图案指示相对于法线方向散射的光；并基于散射图案分析流体的组成。

在一些实施方式中，散射数据指示来自光束的光沿着大于0.5°的至少第一散射角被散射。

在一些实施方式中，处理散射数据包括将随后一组散射帧的像素强度的标准偏差与先前一组散射帧的像素强度的标准偏差进行比较。

在一些实施方式中，成像装置还被配置为顺序地捕获多个散射帧，其中，先前一组散射帧包括多个散射帧。

在一些实施方式中，成像装置还被配置为：捕获随后的散射帧；并且其中，处理系统还被配置为：从先前一组散射帧中移除最早的一个散射帧；将随后的散射帧添加到先前一组散射帧中，以形成随后一组散射帧。

在一些实施方式中，处理散射数据包括使用神经网络处理散射数据。

在一些实施方式中，处理系统还被配置为使用具有已知特性的参考奶样品来训练神经网络。

在一些实施方式中，分析流体的组成包括确定流体中是否存在预定物质。

在一些实施方式中，确定流体中是否存在预定物质包括确定预定物质是否溶解在流体中。

在一些实施方式中，预定物质是抗生素、激素、蛋白质和脂肪中的一种。

根据另一个广泛的方面，提供了一种用于确定与预定流体中存在预定物质相关联的光散射图案的方法，包括：获得包含预定量预定物质的预定流体的样品；用第一光束照射第一流体样品；收集由第一光束和流体样品之间的第一相互作用产生的散射数据；处理散射数据以识别由第一相互作用产生的光散射图案，该光散射图案指示相对于法线方向散射的光；将光散射图案与参考光散射图案进行比较以确定它们之间的差异，其中参考光散射图案是由第二光束与已知不包含预定物质的参考流体样品之间的第二相互作用产生的；将光散射图案和参考光散射图案之间的至少一些差异与预定物质相关联。

在一些实施方式中，散射数据指示来自第一光束的光沿着大于0.5°的至少第一散射角被散射。

在一些实施方式中，处理散射数据包括建立一组散射帧的像素强度的标准偏差。

在一些实施方式中，该方法还包括顺序地捕获多个散射帧，其中，该组散射帧包括多个散射帧。

在一些实施方式中，差异包括在该组散射帧的像素强度的标准偏差与和参考光散射图案相关联的参考标准偏差之间的差异。

在一些实施方式中，处理散射数据包括使用神经网络处理散射数据。

在一些实施方式中，将光散射图案与参考光散射图案进行比较以确定它们之间的差异包括：使用神经网络将光散射图案与参考光散射图案进行比较。

在一些实施方式中，该方法还包括使用参考光散射图案来训练神经网络。

在一些实施方式中，预定物质溶解在预定流体中。

在一些实施方式中，预定物质是抗生素、激素、蛋白质和脂肪中的一种。

根据另一广泛的方面，提供了一种用于确定与预定流体中存在预定物质相关联的光散射图案的系统，该系统包括：光源，被配置为将第一光束引向流体样品；成像装置，被配置为收集由第一光束和流体样品之间的第一相互作用产生的散射数据；以及处理系统，通信地耦接到成像装置，用于：处理散射数据，以识别由相互作用产生的光散射图案，该光散射图案指示相对于法线方向散射的光；将光散射图案与参考光散射图案进行比较以确定它们之间的差异，其中参考光散射图案是由第二光束与已知不包含预定物质的参考流体样品之间的第二相互作用产生的；以及将光散射图案和参考光散射图案之间的至少一些差异与预定物质相关联。

在一些实施方式中，散射数据指示来自第一光束的光沿着大于0.5°的至少第一散射角被散射。

在一些实施方式中，处理散射数据包括建立一组散射帧的像素强度的标准偏差。

在一些实施方式中，成像装置还被配置为顺序地捕获多个散射帧，其中，该组散射帧包括多个散射帧。

在一些实施方式中，差异包括在该组散射帧的像素强度的标准偏差与和参考光散射图案相关联的参考标准偏差之间的差异。

在一些实施方式中，处理散射数据包括使用神经网络处理散射数据。

在一些实施方式中，将光散射图案与参考光散射图案进行比较以确定它们之间的差异包括：使用神经网络将光散射图案与参考光散射图案进行比较。

在一些实施方式中，处理系统还被配置为使用参考光散射图案来训练神经网络。

在一些实施方式中，预定物质溶解在预定流体中。

在一些实施方式中，预定物质是抗生素、激素、蛋白质和脂肪中的一种。

附图说明

将参考附图更详细地描述本发明，其中：

图1是光散射奶分析系统的示意图；

图2A是示出用于评估泌乳哺乳动物的健康属性的过程的实施方式的流程图；

图2B至图2C是示出图2A的流程图中用于确定奶中是否存在违规现象的步骤的实例实施方式的流程图；

图3A至图3B是实例散射帧的示意图；

图4是散射数据的图形表示；

图5是根据本文描述的实施方式的用于实现图2的方法的计算系统的实施方式的示意图；

图6是用于评估泌乳哺乳动物的健康属性的实例系统的框图；

图7是示出用于分析流体的组成的过程的实施方式的流程图；以及

图8是示出用于确定与预定流体中存在预定物质相关联的光散射图案的过程的实施方式的流程图。

具体实施方式

鉴于奶具有良好的营养特性，从泌乳哺乳动物收集奶的历史悠久。现在，从泌乳哺乳动物收集奶的现代技术已实现高度机械化和自动化。可以是母牛、山羊、绵羊或任何其他合适的哺乳动物的泌乳哺乳动物进入指定的挤奶站，并且将机械设备连接到哺乳动物的乳房和/或奶头以提取奶。然后将收集的奶送到奶加工设施，在这里可对奶进行测试、过滤、纯化或进行其他处理，以备食用或用于生产其他产品。

参考图1，示出了用于测试从泌乳哺乳动物获得的奶的光散射检测系统100。光散射检测系统100可用于评估从泌乳哺乳动物获得的奶的各种特征，评估奶的质量和/或评估产生奶的泌乳哺乳动物的健康状态。光散射检测系统100包括光源110、样品容器120、成像装置130以及可选地计算装置140。应当注意，与光散射检测系统100结合使用的奶，如下文详细所述，可从单个泌乳哺乳动物收集或例如，当汇集来自多个泌乳哺乳动物的奶进行加工时从一群泌乳哺乳动物收集。光散射检测系统可在线连接到挤奶场或发生挤奶的设施中的常规挤奶系统。

光源110被配置为用光束112照射保持在样品容器120中的奶样品。在一些实施方式中，用光束112照射奶样品包括例如，通过使用准直透镜，引导由光源110产生的光作为奶样品的中心光线。光源110可适当地是激光源或散射光源，并且可适当地使用准直透镜来产生中心光线。由光源110产生的光束112可基本上是单个波长，或者可包括多个波长的光。在一些实施方式中，光源110产生光束112，该光束112包括具有大约780nm的波长的光，但是也可使用其他波长。在一些实施方式中，使用多个光源110，例如，每个光源110产生具有不同波长的相应光束112。在一些实施方式中，光源110还包括用于支撑光源110的支架或其他支撑结构。

样品容器120用于接收并且在一些实施方式中保持由泌乳哺乳动物产生的奶样品，该样品用于执行基于散射光的测量。在一些实施方式中，样品容器120连接到较大的奶收集系统，并通过奶收集系统经由一个或多个管或其他导管被提供有来自一个或多个泌乳哺乳动物的奶样品。样品容器120可以是圆柱形的、椭圆形的或呈任何其他合适的形状。在一些实施方式中，样品容器120还连接到奶收集系统，用于在已经对奶样品进行测试之后返回奶样品，例如返回到储液器或其他储罐。在一些其他实施方式中，样品容器120被配置为允许奶以基本上连续的方式流过，并且用于测试的奶样品是在执行测试时样品容器120中存在的任何奶。可结合分流器以基于期望的例如脂肪含量的物理参数、和诸如低体细胞的特征、或其他期望的特征，来分离奶。例如，在样品容器120中执行分析之后，分流器可被定位在样品容器120的输出端以分离奶。在一些实施方式中，样品容器是处理系统中的挤奶线的组件。在其他组件中，样品容器120包含在便携式装置中，与光源110、成像装置130和可选的计算装置140一起以在远端地点使用，在将奶从生产者运到奶加工者的奶运输系统上使用，或与奶收集系统分开使用。在另外的实施方式中，光散射检测系统100可在实验室环境中或甚至在奶加工设施中实施，以在来自生产者的奶被加工之前进行质量保证或其他目的。

为了照射样品容器120中的奶样品，光源110和样品容器120被定位成将光束112从光源110引向样品容器120，例如朝向样品容器120的输入察看端口122。输入察看端口122可以是在样品容器120中设置并用透明或其他透光材料(例如玻璃，塑料等)密封的开口或其他孔径。

样品容器120还具有输出察看端口124，前向散射光126通过该察看端口传播并可被检测。输出察看端口124可实质上类似于输入察看端口122。在一些实施方式中，输出察看端口124的视场宽于输入察看端口122的视场。前向散射光126从经由输入察看端口122进入样品容器120的光束112与样品容器120中的奶之间的相互作用而产生。当光束112与样品容器120中的奶接触时，一些或所有的光被奶散射了。取决于光束112中的光的波长，散射光的量以及光被散射的角度可指示奶中是否存在特定分子和/或细胞。在一些实施方式中，使用光纤和一个以上微机电系统(MEMS)来实现光源110以及察看端口122和124，该微机电系统可位于样品容器120内。

在这种情况下，光散射是由光源的振荡偶极子与构成物质的粒子内的偶极子的相互作用引起的。这种相互作用导致偶极子的二次激发，从而引起散射现象。由于粒子内偶极子的差异，大多数粒子检测依赖于具有一定大小和不同偏振性的粒子。可在狭窄的前向散射角处检测较大尺寸的粒子，例如奶中的体细胞(如专利号为#US 9389175的专利所述，其全部内容通过引用结合于此)。然而，如下文中更详细讨论的，对诸如抗生素、激素等的溶解粒子的检测可能需要使用各种数学技术来进一步处理散射数据。例如，可采用涉及图像或图像序列、与图像处理相关联的边缘检测方法、图像序列内的部分的标准偏差或用于查找特定特征的其他数字滤波器的数学技术。在一些实施方式中，本公开尤其可与先前的方法不同，因为本公开使用了不同的数学技术来表征散射测量。

前向散射光126由成像装置130接收，成像装置130以合适的方式定位，以接收从输出察看端口124发射的前向散射光126。在一些实施方式中，光源110、样品容器120和成像装置130被定位成使得样品容器120基本上位于光源110和成像装置130之间。在一些实施方式中，成像装置130被配置为接收前向散射角大于0.5°的光。例如，成像装置130接收前向散射光126，该前向散射光126具有在1°至45°之间，在0.5°至50°之间或任何其他合适范围内的前向散射角。将理解的是，包括成像装置130上的透镜的焦距的光学组件的特征，可导致所公开的角度的数值变化。

在一些实施方式中，成像装置130是使用任何合适的图像捕获技术的数码相机。例如，成像装置130是网络相机或其他现有的数码相机。在一个具体实施方式中，可使用具有1280×720像素的图像分辨率和3.6mm焦距镜头的网络相机。在另一个实例中，成像装置130是广角相机。成像装置130被配置用于收集与前向散射光126有关的散射数据。散射数据提供了奶的“散射分布”，其指示光束112被奶散射以产生前向散射光126的方式，例如基于前向散射光126的强度。散射数据基于前向散射光126的所谓的“前向散射角范围”。也就是说，散射是与光束112相同的透射方向，并且基于光束112在样品容器120中的奶上的入射角产生的。

在一些实施方式中，散射数据是由数值数据组成的数据阵列。例如，数值数据指示成像装置130接收的前向散射光126的灰度表示、指示前向散射光126的彩色编码表示，和/或指示识别前向散射光126的强度、频率、相位或任何其他合适的参数的任何其他合适的方案。

通过例如使用计算装置140或另一处理系统来分析散射数据，计算装置可被结合为成像装置130的一部分或者可以是单独的实体，可以确定关于样品容器120中的奶的各种特征。例如，对前向散射光126的频移、角度分布、偏振和强度的测量指示散射材料中的尺寸、形状和分子相互作用。

传统上，散射数据的分析依赖于作为前向散射角的函数的散射强度的确定。包括时间相关的统计力学、电动力学计算、曲线拟合的数学手段和诸如浓度相关变化的统计措施可用于确定散射介质的某些特征，例如结构特征或分子动力学。相反，本文提出的一种方法评估由成像装置130捕获的图像中的像素强度的标准偏差。如下文更详细地描述，散射光的强度的标准偏差在特定角度或目标区域内的变化，可指示违规物质以粒子形式存在或溶解在奶中和通常地流体中。

对于奶，应该注意的是，在挤奶期间，所生产的奶的物理特征发生变化：脂肪、游离脂肪酸、乳糖、总固体、水含量和密度的浓度在挤奶期间都可变化。奶的这些成分中的每一个都与动物健康的某些方面有关，并影响奶的前向光散射特性。

前向散射光126的产生是由于光束112和奶样品之间的相互作用。光束112在奶中充当次级光源的各种分子中引起电子的振荡偏振(或其他激发状态)，产生前向散射光126。散射光可由细胞、细胞的一部分等产生。例如，可通过散射数据指示诸如化学物质(激素、抗生素)或生物制剂(细菌、外来细胞)的物质的存在。在一些实施方式中，可基于散射数据的分析确定脂肪含量、蛋白质含量、脂肪蛋白质比率、体细胞分布、酮症的估计、诸如孕酮的激素水平或抗生素和/或血液的存在的一种或多种。

应当注意，获取的数据的处理可在现场进行，即在获取奶样品的地方，或者使用能够获取数据、存储数据用于数学处理和解释以及存储数据以便可获取历史信息的处理器远程进行。

另外，应该注意的是，从散射数据确定奶的各种特征不需要使用添加剂，例如染料、乳化剂、化学或生物试剂、抗体、热调节、稀释等。不需要改变被测奶的化学或营养特性，从而使奶样品适合任何后续的预期用途。

参考图2A，示出了用于评估泌乳哺乳动物的健康状态的方法200。方法200可通过光散射检测系统100来实现。在步骤202，用光束，例如用由光源110产生的光束112照射从泌乳哺乳动物获得的奶样品，例如保持在样品容器120中的奶样品。

在步骤204中，例如经由成像装置130收集由光束112和样品容器120中的奶样品之间的相互作用产生的散射数据。散射数据可包括有关光束112和奶产生的前向散射光126的任何适当信息。散射数据所基于的前向散射光126可包括前向散射角在0.5°和50°之间的前向散射光。应当注意，在一些实施方式中，光散射的角度至少部分地由光学几何形状和成像装置130与样品容器120之间的距离确定，并且光散射检测系统100的光学几何形状可被优化用于检测。成像装置130收集的散射数据中的像素的位置可与散射角度相关联。

在一些实施方式中，使用神经网络或其他机器学习工具来处理散射数据，以执行关于样品容器120中的奶的特征和/或关于泌乳哺乳动物的健康状态的确定。可适当地由成像装置130和/或计算装置140实现神经网络。为了使神经网络处理散射数据，可能需要首先训练神经网络。

因此，可选地，在步骤206，使用具有已知特性的参考奶样品来训练神经网络。在一些实施方式中，具有已知特性的奶样品的许多散射分布被用作神经网络的训练集。已知特性可包括脂肪含量、脂肪蛋白质比率、蛋白质含量、体细胞计数、水含量、抗生素和/或血液的存在，水的存在等。散射分布的数量可以是十二个、几十个、一百个、几百个、一千个、几千个、几万个或任何其他合适的数量。例如，具有已知脂肪含量的奶样品的数百个散射分布被用于训练神经网络。在另一个实例中，具有已知红细胞和/或白细胞计数的奶样品的数千个散射分布被用来训练神经网络。

在一些实施方式中，具有多种原因、多指标模型的半监督机器学习方法中使用了具有已知特性的奶样品的散射分布。在一些实施方式中，神经网络由启发式模型辅助。在其他实施方式中，使用无监督学习模型。另外，可经由离散的应用程序包来实现神经网络，该离散的应用程序包经由应用程序编程接口(API)来接口。

在步骤208，处理散射数据以确定样品容器120中的奶样品的至少一种特征。可在适当时由成像装置130本身或由计算装置140处理散射数据。该处理可涉及图像的各种类型的数学变换，包括评估像素的标准偏差以评估发生散射强度的最大改变的角度范围。散射数据可用于确定脂肪含量、蛋白质含量、脂肪蛋白质比率、体细胞分布、孕酮水平、是否存在抗生素、是否存在血液等中的一个或多个。在一些实施方式中，通过将样品容器120中的奶的散射分布与来自具有已知特性的奶样品的散射分布库进行比较，来处理散射数据。可使用包括合适的统计方法和最佳拟合技术的标准计算技术，或者使用上文描述的神经网络来执行比较。

在步骤210，基于奶样品的至少一个特性来评估泌乳哺乳动物的健康状态。例如，奶样品的特征可用于确定泌乳哺乳动物是否处于酮症状态。在另一个实例中，如在步骤208确定的，抗生素的存在可用于确定泌乳哺乳动物的其他健康特征。

可通过成像装置130和/或计算装置140适当地评估泌乳哺乳动物的健康状态。在一些实施方式中，在步骤208处使用的神经网络或另一神经网络，被用于执行对泌乳哺乳动物的健康状态的评估。例如，具有已知健康状态的泌乳哺乳动物的健康特征库被用于训练神经网络，以识别产生具有如在步骤208所确定的特定特征的奶的泌乳哺乳动物的未知健康状态。在其他实施方式中，其他计算技术被用于评估泌乳哺乳动物的健康状态。

另外参考图2B，方法200可替代地或另外地用于确定奶中是否存在违规现象。在本文中，术语“违规现象”可指包括白细胞和红细胞的血细胞、激素、不良化学物质、抗生素等中的任何一种或多种，和/或生物制剂，包括细菌、外来细胞等。在某些情况下，当用于评估泌乳哺乳动物的健康状态时，图2A中所示的步骤208的实施方式是作为方法200的一部分的步骤208的实施方式。在其他情况下，当用于评估泌乳哺乳动物的健康状态时，步骤208的其他实施方式可作为方法200的一部分。

在步骤222，处理散射数据以检测相对于法线方向以预定角度散射的光的存在或不存在。法线方向可以是任何合适的方向，例如与光束的入射角、成像装置130的检测角度平行的任何合适的方向或任何其他方向。随着光束与奶相互作用，奶中的各种物质会导致光以相应的角度散射。可建立一个或多个预定角度来指示相关物质：例如，青霉素可能引起2°和8°之间的一个或多个角度的散射；在另一种情况下，孕酮可能引起1.5°和9°之间一个或多个角度的散射；在另一情况下，某些抗生素可能引起5.5°和16°之间的一个或多个角度的散射。在一些实施方式中，当被检测到时，散射光呈现为环形或盘状，基本上位于平面内并且以法线方向为中心。在其他实施方式中，基于在成像装置130的特定像素处接收到的光子的计数来检测散射光。也考虑其他实施方式。因此，可处理在步骤204获得的散射数据，以检测是否存在以与奶样品中可能存在的物质相关的一个或多个预定角度散射的光。

在步骤224，可基于以预定角度散射的光的存在或不存在来确定奶样品中的违规现象的存在。例如，如果在步骤222处检测到以与孕酮相关的角度散射的光的存在，则可确定奶样品中孕酮的存在。类似地，如果在步骤222检测到以与白细胞相关的角度散射的光的存在，则可确定奶样品中白细胞的存在。

尽管前面关于步骤222和224的讨论是关于单个预定角度的，但是为了确定违规现象的存在，应当注意，可通过处理散射数据来执行步骤222以检测以多个预定角度散射的光的存在或不存在，每个预定角度均与相应的违规现象相关联，以便确定是否存在多个不同的违规现象。另外，可使用其他数值技术，例如主成分分析、曲线拟合技术和积分。

另外参考图2C，示出了作为方法200的一部分的步骤208的另一实施方式。作为步骤208的该实施方式的一部分，使用一组散射帧：散射帧可以是由光散射检测系统100的操作产生的散射图案的快照，例如由成像装置130捕获的。该组散射帧可包括任何数量的散射帧；在一些实施方式中，使用50、100或200个散射帧来形成一组，但是也可使用任何其他合适的数量。每个散射帧具有基本相同的尺寸，使得一个散射帧上的像素对应于其他每个散射帧中的相同像素(即，帧中的相同位置)。

在步骤230，确定散射帧的每个对应像素的标准偏差。该标准偏差可以是例如相对于该组散射帧的散射帧上的每个相应像素的强度。例如，评估每个散射帧中位于点(10,10)的像素的强度值，以确定像素在(10,10)的标准偏差；对于散射帧中的其余像素也做出类似的确定。

在步骤232，例如通过成像装置130的操作来获取新的散射帧。新的散射帧可例如每隔几毫秒或每几秒周期性地获取，或者可合适地响应于触发或事件获取。在步骤234，移除组中最早的散射帧，并将新的散射帧添加到组中。可例如基于与散射帧相关联的时间戳来确定最早的散射帧。通过移除最早的散射帧并添加最新的散射帧，该组中的散射帧总数保持恒定。

在步骤236，为包括新散射帧的一组散射帧计算新的标准偏差。可执行基本上相似的操作。在步骤238，基于新的标准偏差，确定奶样品中是否存在违规现象。例如，特定像素的标准偏差的特定变化可指示奶样品中存在一种或多种违规现象。

在一些实施方式中，在逐像素的基础上将先前的标准偏差与新的标准偏差进行比较，并且超过特定阈值的标准偏差的变化可用于指示在奶样品中特定违规现象存在。在其他实施方式中，步骤230至238被迭代地重复，并且多次迭代中标准偏差的变化被用作奶样品中特定违规现象的指示。还考虑其他实施方式。

参考图3A至图3B，在一些实施方式中，通过从散射数据的整体中选择目标区域来处理散射数据。图3A示出了用于生奶的散射帧310，并且图3B示出了用于包含违规物质的奶的散射帧320。为了分析散射帧320，可选择目标区域322。目标区域可基本上从散射数据的基本上与法线方向相对应的中心点延伸到散射数据的外边缘。

参考图4，可评估在目标区域中(例如在整组散射帧上)发现的散射数据，以识别相对于前向散射角的散射光强度的标准密度，例如如曲线图400所示，其中虚线402示出了生奶的强度的标准偏差，并且线404示出了具有违规物质的奶的强度的标准偏差。曲线图400可用于确定违规物质的存在：例如，当存在违规物质(生奶中不存在)时散射光的存在角度可用作特定物质的标记。例如，任何一个或多个峰406可用作违规物质的标记。如下文更详细描述的，可开发用于确定各种物质的适当标记的程序。

尽管前面的讨论主要集中在泌乳哺乳动物上，泌乳哺乳动物是家养动物，包括牛、山羊和绵羊，但是应当注意，与本文描述的那些类似的技术可应用于人奶。可用一个或多个光束照射从泌乳的人收集的奶，并且可收集和分析由光束和人奶之间的相互作用产生的前向散射光，以评估泌乳的人的一种或多种健康属性。

参考图5，方法200可由计算装置510实现，该计算装置510包括处理单元512和其中存储有计算机可执行指令516的存储器514。

处理单元512可包括被配置为实现方法200的任何合适的装置，以使得指令516在由计算装置510或其他可编程设备执行时，可使本文描述的方法200的功能/动作/步骤被执行。处理单元512可包括例如任何类型的通用微处理器或微控制器、数字信号处理(DSP)处理器、中央处理单元(CPU)、集成电路、现场可编程门阵列(FPGA)、可重配置处理器、其他适当编程或可编程的逻辑电路或其任何组合。

存储器514可包括任何合适的已知或其他机器可读存储介质。存储器514可包括非暂时性计算机可读存储介质，例如但不限于，电、磁、光、电磁、红外或半导体系统、设备或装置，或前述的任何合适的组合。存储器514可包括位于装置内部或外部的任何类型的计算机存储器的适当组合，例如随机存取存储器(RAM)、只读存储器(ROM)、光盘只读存储器(CDROM)、电光存储器、磁光存储器、可擦除可编程只读存储器(EPROM)和电可擦除可编程只读存储器(EEPROM)、铁电RAM(FRAM)等。存储器514可包括适合于可检索地存储可由处理单元512执行的机器可读指令516的任何存储装置(例如，设备)。在一些实施方式中，存储器514还可用于存储各种信息，包括参考信息等，如下文中更详细讨论的，信息可在方法200或本文公开的其他方法的实现期间使用。

参考图6，计算装置510被配置用于实现健康状态评估(HSA)系统600。HSA系统600被配置用于接收由于光束(例如由光源110产生的光束112)与奶样品(例如，保存在样品容器120中的奶样品)之间的相互作用产生的前向散射光，例如前向散射光126。光源110用光束112照射样品容器120中的奶样品，如步骤202。HSA系统600包括光收集器610、散射分析模块620、奶特征模块630和健康状态模块640。

光收集器610被配置为接收由于光束112和奶样品之间的相互作用而产生的前向散射光126。光收集器可包括一个或多个数码相机，例如网络相机或其他现有的相机。光收集器610通信地耦接到散射分析模块620，以向散射分析模块620提供关于前向散射光126的信息。应当注意，在一些实施方式中，光收集器610是散射分析模块620的组件。

散射分析模块620被配置为基于由光束112和奶样品之间的相互作用产生的前向散射光126收集光散射数据，如步骤204。散射分析模块620被配置为收集任何合适的光散射数据，包括光强度、光频率、光相位等。在一些实施方式中，散射分析模块620以一个或多个数据阵列的形式收集光散射数据。散射分析模块620被配置为将光散射数据提供给奶特征模块630。

奶特征模块630被配置为用于处理从散射分析模块620获得的光散射数据，以确定奶样品的至少一个特性，如步骤208。例如，奶特征模块630确定脂肪含量、蛋白质含量、脂肪蛋白质比率、体细胞分布、孕酮水平、抗生素和/或血液的存在等中的一种或多种。在一些实施方式中，奶特征模块630可访问数据库632，该数据库存储来自具有已知特性的奶样品的散射分布库，将样品容器120中的奶的散射分布与该散射分布库进行比较。在一些其他实施方式中，奶特征模块630实现神经网络，用于将样品容器中奶的散射分布与来自具有已知特性的奶样品的散射分布库进行比较。在一些实施方式中，由奶特征模块630实现的神经网络使用来自数据库632中具有已知特性的奶样品的散射分布库作为训练集，如步骤206中所述。在一些实施方式中，关于奶样品确定的每个特征都与相应的散射分布库相关联。奶特征模块630被配置为将奶样品的特征提供给健康状态模块640。

健康状态模块640被配置为基于从奶特征模块630获得的奶特征来评估泌乳哺乳动物的健康状态，该泌乳哺乳动物产生了保存在样品容器120中的奶样品。在一些实施方式中，由奶特征模块630实现的神经网络或另一神经网络被用于评估泌乳哺乳动物的健康状态。可基于在数据库632中找到的数据集来训练用于评估泌乳哺乳动物的健康状态的神经网络。在其他实施方式中，其他计算技术被用于评估泌乳哺乳动物的健康状态。

在一些实施方式中，健康状态模块640使用各种预测分类模型(PCM)来评估泌乳哺乳动物的健康状态。例如，健康状态模块640使用孕酮PCM来评估泌乳哺乳动物中孕酮的高、低和中等水平。在另一个实例中，健康状态模块640使用脂肪PCM来评估由泌乳哺乳动物产生的奶的脂肪含量，然后可将脂肪PCM用于将哺乳动物分类为一个或多个健康状态。在另一个实例中，健康状态模块640使用抗生素PCM来评估由泌乳哺乳动物生产的奶中抗生素的存在或不存在，然后可将抗生素PCM用于评估泌乳哺乳动物的健康状态。在又一个实例中，健康状态模块640使用营养健康PCM来评估泌乳哺乳动物的营养健康，然后可将营养健康PCM用于评估泌乳哺乳动物是否处于酮症中。

例如，奶中孕酮(有时称为P4)的存在可指示泌乳哺乳动物的生殖状态。在某些情况下，产犊后90天以上未怀孕的母牛会产生较少量的奶，这可能导致经济损失。因此，健康状态模块640可使用孕酮PCM来警告奶生产者与特定母牛的孕酮水平有关的潜在问题。另外，健康状态模块640可使用孕酮PCM来通知奶生产者先前受精的母牛是否怀孕。

应注意，本文描述的原理也可用于检测奶收集系统的异常。例如，特定的散射分布可指示在样品容器120中保存的奶中存在清洁产品或其他不期望的元素。因此，可使用与方法200中公开的方法类似的方法来评估奶加工厂的健康状态，例如，找出清洁系统或不期望物质渗入的问题，评估是否已成功执行某些监管性清洁步骤，和/或评估是否已按适当顺序成功完成酸洗和洗涤剂洗涤循环并进行适当的清洁持续时间。

另外，在一些实施方式中，可适当地组合或进一步细分光收集器610、散射分析模块620、奶特征模块630和健康状态模块640中的一个或多个。例如，散射分析模块620、奶特征模块630和健康状态模块640都可被实现为单个模块。

在一些实施方式中，HSA系统600可被配置为仅评估在某些预定散射角(例如与奶中违规现象和/或特定物质的存在相关联的光散射角)的散射光。该方法可例如使得使用能力较低的处理系统和/或减少硬件需求。

参考图7，根据方法700，本文公开的技术可用于分析流体的组成，该流体可以是上文公开的奶，或者是另一种适当的半透明流体。在步骤702，用光束照射流体样品。在步骤704，收集由光束和流体样品之间的相互作用产生的光散射数据。可使用基本上类似于图1所示的光散射检测系统100的设置。

在步骤706，处理光散射数据以识别由相互作用产生的光散射图案。在步骤708，基于光散射图案分析流体的组成。处理和分析步骤可基本上反映方法200中显示的那些步骤。例如，根据流体样品和光束之间的相互作用所产生的特定散射角，可对流体中一种或多种物质的存在进行各种确定。

参照图8，示出了一种用于确定与预定流体中存在预定物质相关的光散射图案的方法800。方法800可用于识别预定物质的“标记”，该标记指示当物质存在于流体中时产生的散射图案。

在步骤802，获得包含预定量的预定物质的预定流体的样品。例如，可获得包含预定量的特定激素(例如孕酮)的奶样品。在步骤804，用光束照射流体样品。在步骤806，收集由光束和流体样品之间的相互作用产生的光散射数据。可使用基本上类似于图1所示的光散射检测系统100的设置。

在步骤808，处理光散射数据以识别由相互作用产生的光散射图案。在步骤810，将产生的光散射图案与参考光散射图案进行比较以确定两者之间的差异。可通过第二光束与已知不包含预定物质的参考流体样品之间的第二相互作用来产生参考光散射图案。例如，已知不含孕酮的参考奶样品可用于获得参考光散射图案。样品的光散射图案和参考光散射图案之间的差异可用于评估样品中存在的预定物质导致的附加光散射。

在步骤812中，将样品的光散射图案与参考光散射图案之间的至少一些差异与预定物质相关联。例如，如果样品的光散射图案以特定角度X显示附加的散射光，而参考光散射图案以特定角度X没有显示附加的散射光，则角度X的散射光可与预定物质相关联。以这种方式，当在随后样品中检测到角度X的散射光时，可理解，随后样品也包含预定物质。在一些实施方式中，可存在多个差异，也就是说，存在多个角度，处于这些角度的光散射存在于样品的光散射图案中而在参考光散射图案中不存在。在一些这样的实施方式中，仅单个角度与物质相关联；在一些其他此类实施方式中，一个以上的角度与物质相关联。这些角度可被称为预定物质的“标记”或“响应”。方法800中使用的处理和分析硬件和软件可大致反映方法200中使用的那些。

本文描述的方法和系统可以以高级过程或面向对象的编程或脚本语言或其组合来实现，以与例如计算装置510的计算机系统通信或协助其运行。可替代地，本文描述的方法和系统可以以汇编或机器语言来实现。该语言可以是编译型或解释型语言。用于实现本文描述的方法和系统的程序代码可存储在存储介质或装置上，例如ROM、磁盘、光盘、闪存驱动器或任何其他合适的存储介质或装置。当计算机读取存储介质或装置由执行本文描述的过程的计算机读取时，该程序代码可由通用或专用可编程计算机读取，以配置和操作该计算机。本文描述的方法和系统的实施方式也可被认为是通过其上存储有计算机程序的非暂时性计算机可读存储介质来实现的。该计算机程序可包括计算机可读指令，该计算机可读指令使计算机或更具体地计算装置510的处理单元512以特定和预定义的方式操作以执行本文描述的功能，例如方法200、700和/或800中描述的功能。

计算机可执行指令可以是许多形式(包括程序模块)，由一个或多个计算机或其它装置执行。通常，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等。通常，在各种实施方式中，程序模块的功能可根据需要进行组合或分布。

上面的描述仅是示例性的，并且本领域的技术人员将认识到，可在不脱离所公开的本发明的范围的情况下对所描述的实施方式进行改变。根据对本公开的回顾，落入本发明范围内的其他修改对于本领域技术人员将是显而易见的。

本文描述的方法和系统的各个方面可单独使用、组合使用或以在前面描述的实施方式中未具体讨论的各种布置使用，因此，其应用不限于在前面的描述中阐述或在附图中示出的组件的细节和布置。例如，一个实施方式中描述的方面可以以任何方式与其他实施方式中描述的方面组合。尽管已经示出和描述了具体的实施方式，但是对于本领域技术人员显而易见的是，在不脱离本发明的更广泛方面的情况下，可进行改变和修改。所附权利要求的范围不应该由实例中阐述的实施方式来限制，而是应当给予与整个说明书一致的最广泛的合理解释。

Claims (18)

1.一种评估泌乳哺乳动物的健康状态的方法，所述方法包括：

用光束照射从所述泌乳哺乳动物获得的奶样品，其中所述光束包括至少第一波长的光；

从被配置为接收大于0.5°前向散射强度的成像装置中接收一组图像，收集所述光束和所述奶样品之间相互作用产生的散射数据；

通过针对所述一组图像中的每个像素，比较所述一组图像中的每个图像的对应像素，以确定每个所述像素的前向散射强度的标准偏差，以获得所述奶样品的散射强度分布，所述散射强度分布包括根据前向散射角的前向散射强度确定的标准偏差；

处理所述散射数据；

通过计算装置比较所述散射强度分布与具有已知特性的奶样品的至少一个散射强度分布，评估所述泌乳哺乳动物的健康状态；

其中，处理所述散射数据包括：将一组散射强度分布的像素强度的标准偏差与先前一组散射强度分布的像素强度的标准偏差进行比较，所述先前一组散射强度分布与指示抗生素、孕酮、酮症和血液中任一项的已知特性相关联。

2.根据权利要求1所述的方法，其中，所述散射数据指示来自所述光束的光沿着大于0.5°的至少第一前向散射角散射。

3.根据权利要求1所述的方法，其中，所述光束包括至少第一波长和第二波长的光，并且其中，所述散射数据指示来自所述光束的光沿着与所述第一波长相关联的第一散射角散射，并且指示来自所述光束的光沿着与所述第二波长相关联的第二散射角散射，其中，所述散射数据包括分别与相应的散射角相关联的多个数据集。

4.根据权利要求1所述的方法，其中，处理所述散射数据包括：使用神经网络并使用具有已知特性的参考奶样品来训练所述神经网络，来处理所述散射数据。

5.根据权利要求1所述的方法，其中，所述泌乳哺乳动物的健康状态基于奶样品的至少一个特性的存在，所述奶样品的至少一个特性包括：脂肪蛋白质比率、抗生素含量、血液含量和孕酮含量中的至少一项。

6.根据权利要求1所述的方法，其中，评估所述泌乳哺乳动物的健康状态包括：确定所述泌乳哺乳动物是否处于酮症中。

7.根据权利要求1所述的方法，其中，评估所述泌乳哺乳动物的健康状态包括：估计所述泌乳哺乳动物的孕酮水平。

8.根据权利要求1所述的方法，其中，所述奶样品被在线照射，并且所述泌乳哺乳动物是产奶的。

9.根据权利要求1所述的方法，其中，所述光束与所述奶样品中的溶解的物质相互作用。

10.一种用于评估泌乳哺乳动物的健康状态的系统，所述系统包括：

光源，被配置为将光束导向从所述泌乳哺乳动物获得的奶样品；

成像装置，被配置为接收大于0.5°前向散射强度的一组图像，并且收集由所述光束和所述奶样品之间相互作用产生的散射数据；以及

处理系统，通信地耦接到所述成像装置中，所述处理系统包括：

处理器；以及

存储器，存储有指令，所述指令在被所述处理器处理时使所述处理器：

通过针对所述一组图像中的每个像素，比较所述一组图像中的每个图像的对应像素，以确定每个所述像素的前向散射强度的标准偏差，以获得所述奶样品的散射强度分布，所述散射强度分布包括根据前向散射角的前向散射强度确定的标准偏差；

处理所述散射数据；

通过比较所述散射强度分布与具有已知特性的奶样品的至少一个散射强度分布，评估所述泌乳哺乳动物的健康状态；

其中，处理所述散射数据包括：将一组散射强度分布的像素强度的标准偏差与先前一组散射强度分布的像素强度的标准偏差进行比较，所述先前一组散射强度分布与指示抗生素、孕酮、酮症和血液中任一项的已知特性相关联。

11.根据权利要求10所述的系统，其中，所述散射数据指示来自所述光束的光沿着大于0.5°的至少第一前向散射角被散射。

12.根据权利要求10所述的系统，其中，所述光束包括至少第一波长和第二波长的光并且其中，所述散射数据指示来自所述光束的光沿着与所述第一波长相关联的第一散射角散射，并且来自所述光束的光沿着与所述第二波长相关联的第二散射角散射，其中，所述散射数据包括分别与相应的散射角相关联的多个数据集。

13.根据权利要求10所述的系统，其中，所述处理系统实施神经网络，并且其中，所述处理器被配置为使用所述神经网络并使用具有已知特性的参考奶样品来训练所述神经网络，来处理所述散射数据。

14.根据权利要求10所述的系统，其中，所述泌乳哺乳动物的健康状态基于所述奶样品的至少一个特性的存在，所述奶样品的至少一个特性包括脂肪蛋白质比率、抗生素含量、血液含量和孕酮含量中的至少一项。

15.根据权利要求10所述的系统，其中，为了评估所述泌乳哺乳动物的健康状态，所述处理器被配置为确定所述泌乳哺乳动物是否处于酮症中。

16.根据权利要求10所述的系统，其中，为了评估所述泌乳哺乳动物的健康状态，所述处理器被配置为估计所述泌乳哺乳动物的孕酮水平。

17.根据权利要求10所述的系统，其中，所述奶样品被在线照射，并且所述泌乳哺乳动物是产奶的。

18.根据权利要求10所述的系统，其中，所述光束与所述奶样品中的溶解的物质相互作用。