Способ и устройство для диагностики мастита с использованием видимых световых лучей и/или длинноволновых инфракрасных лучей

Изобретение относится к области ветеринарии. Способ включает облучение мочи, молока или вымени коровы видимыми световыми лучами и/или длинноволновыми инфракрасными лучами в диапазоне от 400 до 2500 нм, измерение интенсивности прошедших, отраженных или прошедших/отраженных световых лучей, осуществление многоэлементного, регрессионного анализа. Наличие или отсутствие мастита определяют на основании спектров указанных световых лучей. Устройство включает источник света, спектроскоп, оптический модулятор, интегрирующую сферу и держатель образцов. Предложенные способ и устройство позволяют быстро и точно диагностировать мастит у коров. 2 н. и 9 з.п. ф-лы, 10 ил.

 

Область техники

Настоящее изобретение относится к способу и устройству для диагностики мастита, основанному на использовании видимых световых лучей и/или длинноволновых инфракрасных лучей, пришедших через или отраженных от мочи, сырого молока или вымени коров.

Уровень техники

Количество соматических клеток в секретированном (сыром) молоке является важным фактором для диагностики мастита. До сих пор для определения количества соматических клеток использовали способ прямого микроскопирования, модифицированный способ СМТ и флуорометрию.

В настоящее время для определения количества соматических клеток в сыром молоке используют счетчик соматических клеток флуорометрического типа (Fossomatic). Это устройство может подсчитать и вывести на дисплей количество соматических клеток в 1 мл сырого молока. Известный способ предусматривает смешивание буферного раствора и красящей жидкости (раствора этидийбромида) с сырым молоком, флуоресцентного окрашивания ядер соматических клеток, нанесения (путем рассеивания) полученной смеси на периферийную часть непрерывно вращающегося диска с помощью микрошприца и автоматического определения количества соматических клеток с помощью флуоресцентного микроскопа.

Согласно принятым в Японии правилам корову считают больной маститом и запрещают ее доить в случае, если количество соматических клеток составляет 300000 штук и более на 1 мл сырого молока при измерении, выполненном с помощью счетчика соматических клеток флуорометрического типа (Fossomatic).

Известный способ диагностики мастита, основанный на определении количества соматических клеток с помощью счетчика соматических клеток флуорометрического типа, имеет ряд ограничений, заключающихся в том, что (1) используемое секретируемое (сырое) молоко необходимо подвергать предварительной химической обработке путем добавления химикатов, таких как буферный раствор и красящая жидкость; (2) измерения в образце сырого молока нельзя осуществить недеструктивным способом; (3) сырой материал может подвергаться влиянию другого вещества; (4) стоимость используемых химикатов высока, что приводит к значительньм затратам на анализ; и (5) способ требует умения обращаться с прибором и образцом, т.е. для его осуществления необходим высококвалифицированный персонал.

В основу настоящего изобретения положена задача создать способ диагностики мастита с высокой точностью за короткое время с использованием оптического измерения видимых световых лучей и/или лучей ближней (длинноволновой) инфракрасной области спектра, пришедших через или отраженных от мочи, сырого молока или молочной железы коровы, а также устройство для его осуществления.

Поставленная задача решается тем, что способ диагностики мастита у коров включает стадии облучения видимыми световыми лучами и/или длинноволновыми инфракрасными лучами в диапазоне длин волн от 400 до 2500 нм исследуемых образцов мочи, сырого молока или вымени коровы, определения интенсивности прошедших через них световых лучей, отраженных от них световых лучей или прошедших через них и отраженных от них световых лучей, осуществления многоэлементного регрессионного анализа и диагностики наличия мастита у коровы. Указанный диапазон длин волн видимого света и/или длинноволновых инфракрасных лучей, используемых в способе согласно изобретению, признан наиболее эффективным для диагностики мастита.

В соответствии с настоящим изобретением, оптическую плотность исследуемых образцов мочи, сырого молока или вымени, которая измеряется в зависимости от количества содержащихся в них соматических клеток, можно определить посредством измерения интенсивности прошедших через исследуемые мочу, сырое молоко или вымя коровы световых лучей, отраженных от них световых лучей или прошедших и отраженных световых лучей. Таким образом, мастит у коровы можно диагностировать посредством осуществления многоэлементного регрессионного анализа полученных результатов измерения. При применении изобретения нет необходимости в осуществляемой в известных способах предварительной обработке исследуемых материалов, в использовании дорогостоящих химикатов и др., а также в услугах высококвалифицированного персонала. Интенсивность световых лучей, отраженных от молочной железы, представляет собой интенсивность световых лучей, отраженных от тканей живого тела, включая клетки молочной железы. Клетки молочной железы (включая секретированное молоко) и живые ткани представляют собой молокопродуцирующие (клетки) и накопительные ткани. Что касается измерения прошедших световых лучей, то его можно осуществить, например, так: световые лучи направляют на правую сторону молочной железы через оптическое волокно (световод), а прошедшие световые лучи улавливают с помощью другого световода, приложенного к левой стороне молочной железы, и измеряют детектором. Световые лучи длинноволновой инфракрасной области спектра способны проходить через вымя большой толщины, в зависимости от диапазона длин волн.

Длина волны видимых световых лучей и длинноволновых инфракрасных лучей, используемых для диагностики мастита по настоящему изобретению, лежит в диапазоне от 400 нм до 2500 нм. Если используют видимые световые лучи и инфракрасные лучи с длиной волн в диапазоне от 400 нм до 1100 нм, то применяют кремниевый детектор света (фотоприемник). Если используют длинноволновые инфракрасные лучи с длиной волн в диапазоне от 700 нм до 2500 нм, то применяют фотоприемник, выполненный на основе PbSe, InGaAs или GaAa.

Поскольку использование видимых световых лучей и длинноволновых инфракрасных лучей с длиной волн в диапазоне от 400 нм до 700 нм затрудняют помехи, то предпочтительно использовать длинноволновые инфракрасные лучи с длиной волн в диапазоне от 700 до 2500 нм из указанного выше диапазона длин волн видимых световых лучей и длинноволновых инфракрасных лучей. Кроме того, поскольку сырое молоко содержит различные компоненты, такие как вода, белки, жир, углеводы, минералы и т.п., и основным компонентом является вода, то световые лучи поглощаются главным образом ею в областях различных длин волн. Этот процесс может привести к искажению таких измерений при использовании лучей длинноволновых инфракрасных спектров. Оказываемое водой влияние меньше в области длин волн от 700 до 2500 нм, по сравнению с областями других длин волн. При использовании лучей с длиной волны от 1100 до 2500 нм изменения в оптической плотности исследуемых мочи, сырого молока или вымени в зависимости от количества в них соматических клеток отражаются на первом гармоническом тональном сигнале или комбинационном тональном сигнале молекулярных вибраций. Поэтому измерения предпочтительно выполнять с помощью длинноволновых инфракрасных лучей с длинами волн в диапазоне от 1000 до 2500 нм, что позволяет определить количество соматических клеток в моче, сыром молоке или в молочной железе за короткое время.

Поскольку интенсивность поглощения лучей в моче, сыром молоке или в вымени относительно мала в области инфракрасных длин волн, то при измерении проходящих лучей или проходящих и отраженных лучей толщина образца может составлять несколько миллиметров. Благодаря этому с контейнером для образца просто обращаться, например устанавливать его.

Мастит у коров можно диагностировать с высокой точностью посредством измерения оптической плотности исследуемой мочи, сырого молока или молочной железы и обработки полученных данных измерения, основанной на многоэлементном регрессионном анализе. Ниже описан способ диагностики мастита у коров, включающий этапы измерения оптической плотности исследуемых мочи, сырого молока или молочной железы и обработку данных, основанную на многоэлементном регрессионном анализе.

Настоящее изобретение характеризуется тем, что падающие световые лучи, прошедшие световые лучи, отраженные световые лучи или прошедшие и отраженные световые лучи от исследуемых мочи, сырого молока или вымени при оптическом измерении сканируют (разлагают) по длинам волн с помощью спектроскопа и на базе полученных спектров проводят многоэлементный регрессионный анализ.

Поскольку путем сканирования по длинам волн с помощью спектроскопа можно получить с высокой разрешающей способностью по длине волны, по существу, непрерывные спектры, то, согласно настоящему изобретению, можно получить достаточно большое количество данных, что необходимо для проведения эффективного анализа данных. Например, если сканирование осуществляют в диапазоне длин волн от 1100 до 2500 нм с разрешающей способностью по длине волны в 2 нм, то за одно сканирование можно получить 701 данных, что обеспечивает повышенную точность анализа данных.

Поставленная задача решается также и тем, что устройство для диагностики мастита у коров включает: генератор длинноволновых инфракрасных лучей для генерирования видимых световых лучей и/или длинноволновых инфракрасных лучей в диапазоне длин волн от 400 нм до 2500 нм; оптическую систему для подачи видимых световых лучей и/или длинноволновых инфракрасных лучей на исследуемые образцы мочи, сырого молока или вымя коровы; детектор для определения интенсивности прошедших, отраженных или прошедших и отраженных световых лучей от исследуемых образцов мочи, сырого молока или молочной железы и процессор для обработки данных, полученных от детектора, с обеспечением осуществления многоэлементного регрессионного анализа для диагностики мастита у коровы.

Устройство для диагностики мастита у коров по настоящему изобретению предпочтительно включает также оптическое волокно (световод) для передачи видимых световых лучей и/или длинноволновых инфракрасных лучей от исследуемых мочи, сырого молока или вымени коровы к детектору света (фотоприемнику). Интенсивность переданных через световод прошедших световых лучей, отраженных световых лучей или прошедших и отраженных световых лучей от образцов мочи, сырого молока или молочной железы измеряют с помощью указанного детектора.

Использование световода (оптического волокна) обеспечивает возможность создать компактное переносное устройство для диагностики мастита.

Устройство для диагностики мастита у коров предпочтительно включает также питатель для подачи исследуемого сырого молока в контейнер для образцов сырого молока в непрерывном или периодическом режиме.

Наличие питателя для подачи сырого молока в контейнер для образцов в непрерывном или периодическом режиме обеспечивает непрерывное измерение видимых световых лучей и/или длинноволновых инфракрасных лучей.

Устройство для диагностики мастита у коров по настоящему изобретению включает также контейнер для образцов, в который помещают исследуемое сырое молоко, и регулятор температуры для поддержания заданной температуры молока внутри контейнера для образцов.

Поддержание заданной температуры сырого молока внутри контейнера для образцов позволяет предотвратить возникновение в результате колебаний температуры различий в оптической плотности сырого молока, что повышает точность диагностики мастита. Если исследованию подлежит молочная железа, то ее фиксируют с помощью доильного аппарата, а температуру, если это необходимо, поддерживают так же, как описано выше.

Краткое описание чертежей

Фиг.1 изображает схематически устройство для измерения спектра при исследовании сырого молока в соответствии с одним из вариантов осуществления настоящего изобретения;

фиг.2 - блок-схему устройства для измерения спектра при исследовании сырого молока в соответствии с настоящим изобретением;

фиг.3 - схематически в разрезе держатель образцов;

фиг.4 - пример графиков спектров длинноволновых инфракрасных лучей, полученных при исследовании ряда образцов сырого молока в диапазоне длин волн от 400 нм до 1100 нм;

фиг.5 - пример графиков спектров длинноволновых инфракрасных лучей, полученных при исследовании ряда образцов сырого молока в диапазоне длин волн от 1100 нм до 2500 нм;

фиг.6 - блок-схему метода PLS как одного из видов многоэлементного регрессионного анализа в соответствии с настоящим изобретением;

фиг.7а и 7в - графики, показывающие количество факторов PLS, использованных в соответствующих расчетах, и ошибки определения;

фиг.8 - график, показывающий корреляцию между предполагаемым количеством соматических клеток, рассчитанным методом PLS, и фактическим количеством соматических клеток в исследуемых образцах сырого молока;

фиг.9 - график, показывающий корреляцию между предполагаемым количеством соматических клеток, рассчитанным методом PLS, и фактическим количеством соматических клеток в исследуемых образцах мочи.

Варианты осуществления настоящего изобретения

Устройство для диагностики мастита в соответствии с настоящим изобретением описывается ниже со ссылками на фиг.1.

Фиг.1 изображает схематически устройство для измерения спектра при исследовании сырого молока в соответствии с одним из вариантов осуществления настоящего изобретения. Устройство включает в направлении распространения света источник 1 света для генерирования измерительных световых лучей, линзу 2 для направления световых лучей от источника 1 света параллельно друг другу, спектроскоп 9 для выделения желательных световых лучей требуемых длин волн путем разделения световых лучей от источника 1 света, фильтр 10 для отсечения части исходящих от спектроскопа световых лучей с высокой частотой, линзу 11 для сбора выделенных световых лучей, отражательное зеркало 12 для отражения световых лучей от линзы 11, оптический модулятор 14, расположенный между линзой 11 и отражательным зеркалом 12, интегрирующую сферу 13, изготовленную из рассеивающего свет материала, держатель 40 для размещения образца.

Источник 1 света представляет собой вольфрамовую галогенную лампу или подобное устройство, генерирующее световые лучи с широким диапазоном длин волн, включая длинноволновые инфракрасные лучи. Спектроскоп 9 включает линзу 3, собирающую падающие световые лучи, прорезь 4 для регулировки размера пучка и величины потока световых лучей, отражательное зеркало 5 для отражения световых лучей, прошедших через прорезь 4, дифракционную решетку 6, имеющую искривленную поверхность, двигатель 6а для регулировки угла дифракции дифракционной решетки 6, прорезь 7, обеспечивающую прохождение только желаемой части света из световых лучей, преломленных на дифракционной решетке 6, светоиспускающую линзу 8, которая испускает преломленные световые лучи параллельно друг другу, и др. Путем регулировки угла дифракции с помощью двигателя 6а можно селективно выделять световые лучи желаемого диапазона длин волн.

Оптический модулятор 14 сконструирован в виде вращающегося диска, в котором чередуются отражающие и пропускающие свет секции. Световые лучи, поступающие через линзу 11, периодически отражаются или проходят через оптический модулятор 14 при его вращении, осуществляемом с помощью двигателя 14а. Датчик 14b модулятора выполнен с обеспечением определения фазы вращения оптического модулятора 14, а синхронизирующий контур 14с - с возможностью вывода синхронизирующих сигналов Sa и Sb, указывающих, соответственно, на положение отражения или пропускания световых лучей от линзы 11 на основании сигналов, поступающих от датчика 14b модулятора.

Интегрирующая сфера 13 включает окно 13а для падающего света, открытое вверх, светоиспускающее окно 13b, открытое вниз, и многочисленные фотоприемники 20, преобразующие поступающие световые лучи в электрические сигналы. Функция интегрирующей сферы 13 заключается в рассеивании световых лучей, входящих в нее для уменьшения ошибки измерения. Фотоприемник 20 выполнен из PbS и т.п. элементов, которые обладают чувствительностью в области длинноволновых инфракрасных лучей. Держатель 40 образцов расположен около светоиспускающего окна 13b.

Если световые лучи, разделенные спектроскопом 9, отражаются оптическим модулятором 14, то эти световые лучи попадают на держатель 40 образцов через окно 13а для падающего света интегрирующей сферы 13. В результате этого возвращающиеся световые лучи рассеиваются в интегрирующей сфере 13, так что часть световых лучей принимается фотоприемниками 20. В другом случае, если световые лучи, разделенные спектроскопом 9, проходят через оптический модулятор 14, то эти световые лучи отражаются отражательным зеркалом 12, так что световые лучи наклонно поступают в интегрирующую сферу через окно 13а для падающего света. В результате этого световые лучи рассеиваются, не достигнув образца, и часть этих лучей принимается фотоприемником 20. В результате вышеописанной работы оптический модулятор 14 разделяет лучи, на которые воздействовал образец, и сигналы, на которые образец не воздействовал.

Фиг.2 представляет пример блок-схемы устройства для обработки данных, применяемого в устройстве для измерения спектров сырого молока. Полученные фотоприемниками 20 сигналы усиливаются усилителем 21 и вводятся в контур 22 фиксации образцов для замеров с помощью синхронизирующих сигналов Sa и в контур 23 фиксации образцов для замеров с помощью синхронизирующих сигналов Sb. Контур 22 фиксации образцов фиксирует напряжение сигнала только в течение периода времени проведения замеров, когда световые лучи попадают на образец из спектроскопа 9, а контур 23 фиксации образцов фиксирует напряжение электрических сигналов только в течение того периода времени проведения замеров, когда световые лучи не попадают на образец из спектроскопа 9. Затем сигналы, выходящие из контуров 22 и 23 фиксации образцов, логарифмически преобразуются с помощью контуров соответственно 24 и 25 логарифмического преобразования, подвергаются взаимному вычитанию в контуре 26 вычитания. Помехи можно удалить за счет обнаружения их при синхронизации с помощью оптического модулятора 14.

Сигналы с выхода контура вычитания подвергают квантованию с помощью аналого-цифрового преобразователя 27, соединенного с персональным компьютером 30, в который загружены различные программы обработки данных в соответствии с многовариантным регрессионным методом. К компьютеру 30 подсоединена клавиатура 28 для ввода данных, дисплей 29 для отображения данных.

Фиг.3 изображает в разрезе держатель 40 образцов, установленный возле светоиспускающего окна 13b интегрирующей сферы 13. Держатель 40 образцов, изготовленный из теплопроводящего материала, такого как алюминий, включает контейнер 41 для образцов, предназначенный для размещения в нем жидкого образца SP, такого как сырое молоко, а также включает прозрачную стеклянную покрывающую пластину 42, закрывающую отверстие в контейнере 41 для образцов, элемент Пелтье для нагревания или охлаждения контейнера 41 для образцов, датчик 45 температуры для регулирования температуры контейнера 41 для образцов, контур 44 регулировки температуры для стабилизации температуры образца SP путем приведения в действие элемента Пелтье на основании температурных сигналов, поступающих от датчика 45 температуры.

Световые лучи, отраженные от оптического модулятора 14, входят в образец SP через покровную стеклянную пластину 42, а затем снова возвращаются в интегрирующую сферу 13, после того как они были ослаблены и рассеяны, в зависимости от спектров поглощения образца SP. Часть отраженных световых лучей принимается фотоприемником 20, с преобразованием их в электрические сигналы.

Поскольку оптическая плотность сырого молока чувствительна к изменениям температуры, а также поскольку необходимо добиваться уменьшения искажений измерений из-за содержащегося в сыром молоке жира, то точность измерений может быть существенно потеряна, если температура окружающей среды меняется при каждом измерении. Поэтому в соответствии с этим вариантом осуществления изобретения температуру образца SP стабилизируют с помощью системы обратной связи, состоящей из датчика 45 температуры, контура 44 регулировки температуры и элемента 43 Пелтье, что повышает точность измерений.

Фиг.4 изображает пример графиков спектров длинноволновых инфракрасных лучей, полученных при исследовании ряда образцов сырого молока, в котором на оси ординат показана оптическая плотность (в единицах), получаемая путем логарифмического преобразования обратных величин коэффициентов отражения света, а на оси абсцисс показана длина волны (нм). Кривые соответствуют спектрам поглощения, полученным путем сканирования в диапазоне длин волны от 400 нм до 1100 нм, с использованием спектроскопа 9, показанного на фиг.1. На фиг.4 результаты, полученные путем измерения множества образцов сырого молока, показаны в состоянии наложения их друг на друга. Фиг.5 также представляет собой пример графиков спектров длинноволновых инфракрасных лучей, полученных при исследовании ряда образцов сырого молока, в котором на оси ординат показана оптическая плотность (в единицах), получаемая путем логарифмического преобразования обратных величин коэффициентов отражения света, а на оси абсцисс показана длина волны (нм). Кривая соответствует спектрам поглощения, полученным путем сканирования в диапазоне длин волн от 1100 нм до 2500 нм, с использованием спектроскопа 9. На фиг.5 результаты, полученные путем измерения множества образцов сырого молока, показаны в состоянии наложения их друг на друга.

Все кривые относятся к спектрам поглощения воды, а большие пики, в частности около области от 1400 нм до 1500 нм и от 1850 нм до 2050 нм, относятся к молекулярным вибрациям воды.

Вышеприведенное описание предназначено для конструкции пропускающе-отражающего типа, в которой световые лучи, подлежащие измерению, проходят через образец SP, отражаются во внутреннем пространстве контейнера 41 для образцов и снова проходят через образец SP. Кроме того, измерения также можно производить с помощью устройства пропускающего типа, в котором контейнер 41 для образцов выполнен из прозрачного материала, и измеряют проходящие через образец SP световые лучи, или с помощью устройства отражательного типа, в котором измеряют световые лучи, отраженные от поверхности образца SP.

Вышеприведенное описание выполнено для варианта конструкции, в котором спектроскоп 9 расположен между источником света 1 и образцом SP, а световые лучи, которые должны входить в образец SP, разделены. Кроме того, можно использовать вариант конструкции, в котором спектроскоп 9 расположен между образцом SP и фотоприемником 20, а проходящие световые лучи от образца SP или проходящие и отраженные световые лучи разделены.

Далее описывается метод многоэлементного регрессионного анализа согласно настоящему изобретению.

В соответствии с методом многоэлементного регрессионного анализа устанавливают связь между определенным количественным признаком образцов (в данном случае - количеством соматических клеток) и одной или более переменных. В данном применении переменная представляет собой измеренный спектр длинноволнового инфракрасного излучения. Однако спектр длинноволнового инфракрасного излучения фактически состоит не из одного показателя оптической плотности, а из показателей оптической плотности при многочисленных длинах волн. Поэтому способ по настоящему изобретению, в котором значение количественного признака (количество соматических клеток) образцов, полученное из совершенно разных измерений, выражают с использованием спектров длинноволнового инфракрасного излучения в виде многоэлементных данных и обрабатывают их с помощью так называемого метода многоэлементного регрессионного анализа. В данном применении многоэлементный регрессионный анализ для определения количества соматических клеток, как подлежащего определению признака, применяют для анализа спектров длинноволновых инфракрасных лучей как многоэлементных данных.

Ниже описывается метод PLS (метод частной наименьшей квадратичной регрессии), как один из методов многоэлементного регрессионного анализа (ссылки: Tetsuro Aijima, "Chemometrics", 1991, издательство Maruzen, и И.Martens & Т.Nacs, "Multivariate Calibration", 1991, издательство John Wiley, New York). Как показано на фиг.4, если сканирование выполняют при разрешающей способности в 2 нм в диапазоне длин волн от 700 до 1100 нм, то на одно сканирование получают 201 набор данных.

В качестве предварительной обработки спектров можно использовать преобразование Кубелька-Мунка, при котором коэффициент кажущегося отражения преобразуют в отношение между коэффициентом поглощения К(λ) и индексом рассеяния S(λ), а также сглаживающую обработку, такую как метод скользящего среднего, одно- или двухмерную дифференциальную обработку, базисную корректировку или т.п.

Фиг.6 поясняет процесс осуществления метода PLS в соответствии с настоящим изобретением. Показатель оптической плотности для одной длины волны представляет собой одномерные данные, являющиеся результатом воздействия множества компонентов (соматических клеток, белков, липидов и др), а один спектр включает многомерные данные для М наборов длин волн, полученные при одном сканировании по длинам волн. Поэтому при многоэлементном анализе количества соматических клеток данные одного спектра представляют собой 1-мерные данные х М ортогональных координатных пространств.

Вариации в спектральных данных Х и в количестве соматических клеток представлены значениями взаимно ортогональных факторов t1, t2, t3, ---, ta, ---, th при использовании метода PLS ортогонального типа. Фиг.6 показывает процесс получения параметров для а-того фактора. Е представляет собой остаточную матрицу спектров (матрица, которая состоит из данных для каждой из длин волн, для Х проанализированных образцов), t представляет собой значение фактора, w представляет собой массу нагрузки, р и q представляют собой Х- и Y-нагрузки, соответственно.

Остаточная матрица Еа-1 спектров для (а-1)-того фактора представлена в виде суммы произведения значения фактора ta и массой нагрузки wa для а-того фактора, произведения значения фактора ta и Х-нагрузкой и остаточной матрицы Еа спектров для а-того фактора. Матрица fa-1 ошибки определения соматических клеток для (а-1)-того фактора представлена суммой произведения значения фактора ta и Y-нагрузкой qa и матрицы fa ошибки определения количества соматических клеток а-того фактора.

Поэтому в процессе анализа значение фактора ta, массу нагрузки wa, Х-нагрузку ра и Y-нагрузку qa для (а-1)-того фактора рассчитывают на основе остаточной матрицы Еа-1 спектров и матрицы fa-1 ошибок определения количества соматических клеток для (а-1)-того фактора, а затем рассчитывают остаточную матрицу Еа спектров и матрицу fa ошибок определения количества соматических клеток.

Рассчитывают первую остаточную матрицу Е0=Х-Хm (индекс т здесь обозначает “среднее значение”) данных спектров и первую матрицу f0=Y-Ym ошибок определения количества соматических клеток, а также рассчитывают параметры t1, w1, р1 и q1 первого фактора. Затем формируют остаточную матрицу Е1 спектров и матрицу f1 ошибок определения количества соматических клеток путем устранения влияния первого фактора. Далее рассчитывают параметры t2, w2, p2 и q2 второго фактора, используя остаточную матрицу Е1 спектров и матрицу f1 ошибок определения количества соматических клеток. После этого вновь формируют остаточную матрицу Е2 спектров и матрицу f2 ошибок определения количества соматических клеток путем устранения влияния второго фактора. Далее рассчитывают параметры t3, w3, р3 и q3 третьего фактора, используя остаточную матрицу Е2 спектров и матрицу f2 ошибок определения количества соматических клеток. Затем вновь формируют остаточную матрицу Е3 спектров и матрицу В ошибок определения количества соматических клеток путем устранения влияния третьего фактора. Таким же образом последовательно повторяют расчеты параметров каждого фактора и формирование каждой остаточной матрицы и матрицы ошибок до тех пор, пока не будут исчерпаны все факторы.

На фиг.7 представлены графики, показывающие количество факторов PLS и ошибки определения, причем эти графики относятся к количеству соматических клеток. На оси ординат представлено значение логарифма от числа соматических клеток. На фиг.7(а) представлены данные SEC - стандартная ошибка градуировки, полученные при определении количества соматических клеток для образца с заранее известным количеством соматических клеток, а на фиг.7(b) представлены данные SEP-стандартная ошибка прогнозирования, полученные при определении количества соматических клеток для образца с неизвестным количеством соматических клеток.

Из этих графиков видно, что когда фактор PLS равен 5, то есть когда расчеты ошибок повторяют до 5-го фактора, то значения как SEC, так и SEP сходятся в диапазоне ошибок около 0,25.

Когда используют факторы PLS вплоть до 5-го, как показано на фиг.7, то можно сконструировать модель, позволяющую инверсно рассчитать количество соматических клеток на основании данных спектров длинноволновых инфракрасных лучей. Исходя из этого, можно рассчитать количество соматических клеток в образце, подставляя полученные данные спектров длинноволновых инфракрасных лучей образца с неизвестным количеством соматических клеток в эту модель.

Фиг.8 представляет собой график, показывающий корреляцию между предполагаемым количеством соматических клеток, рассчитанным методом PLS, и фактическим количеством соматических клеток. На оси абсцисс показано фактическое количество соматических клеток, а на оси ординат - предполагаемое количество соматических клеток. Из этой фигуры видно, что существует значительная корреляция между этими данными, а распределение данных почти линейное. Это показывает, что многоэлементный анализ в соответствии с методом PLS чрезвычайно эффективен.

Далее описываются методы MLR (многолинейной регрессии) и PCR (регрессии основных компонентов). В соответствии с методом MLR формулу линейной регрессии строят на основании количества соматических клеток, полученных при измерении для известного образца, с использованием величин оптической плотности как многоэлементных вариаций при многих вновь полученных спектрах инфракрасных лучей при разных длинах волн. Количество соматических клеток для исследуемого образца может быть предсказано путем подстановки данных спектра длинноволновых инфракрасных лучей образца с неизвестным количеством соматических клеток, которое предстоит определить, в построенную таким образом формулу линейной регрессии. Что касается метода PCR, то в нем используют по существу такие же расчеты, как и в методе PLS (ссылка: Yoshikatu Miyashita & Sinichi Sasaku, "Kemometrics - Recognition and Multivariate analysis of chemical patterns", 1995, издательство Kyoritsu Publisher).

Фиг.9 представляет собой график, показывающий корреляцию между предполагаемым количеством соматических клеток, рассчитанным методом PLS, и фактическим количеством соматических клеток при исследовании образцов мочи, отобранных от коров. Спектры, полученные при исследовании мочи, получали с помощью аналогичного измерительного устройства и такого же метода измерения, как и для случаев исследования сырого молока. Из фиг.9 видно, что существует значительная корреляция между фактическими значениями количеств соматических клеток на оси абсцисс и предсказанными значениями количеств соматических клеток на оси ординат, и распределение данных практически линейное. Это показывает, что многоэлементный анализ в соответствии с методом PLS чрезвычайно эффективен.

Промышленная применимость

Как подробно описано выше, в соответствии с настоящим изобретением можно определить количество соматических клеток путем измерения интенсивности проходящих световых лучей, отраженных световых лучей или проходящих и отраженных световых лучей от образцов мочи, сырого молока или молочной железы и последующего осуществления многоэлементного регрессионного анализа полученных данных.

Количество соматических клеток можно легко и с высокой точностью определить посредством оптического измерения и обработки данных, полученных для образцов мочи, сырого молока или молочной железы.

1. Способ диагностики мастита у коровы, подозреваемой на наличие мастита, включающий следующие стадии:

облучение видимыми световыми лучами и/или длинноволновыми инфракрасными лучами в диапазоне длин волн от 400 до 2500 нм образцов мочи, сырого молока или вымени коров, о которых известно, что у них отсутствует заболевание маститом, и коров, о которых известно, что у них имеется заболевание маститом, измерение интенсивности прошедших световых лучей, отраженных световых лучей или прошедших и отраженных световых лучей от образцов мочи, сырого молока или молочной железы коров, о которых известно, что у них отсутствует заболевание маститом, и коров, о которых известно, что у них имеется заболевание маститом, осуществление многоэлементного регрессионного анализа полученного таким образом спектра, состоящего из длин волн и определенных интенсивностей световых лучей, и построение математических моделей, приспособленных для инверсного вычисления, для группы коров, о которых известно, что у них отсутствует заболевание маститом и коров, о которых известно, что у них имеется заболевание маститом,

облучение видимыми световыми лучами и/или длинноволновыми инфракрасными лучами в диапазоне длин волн от 400 до 2500 нм образцов мочи, сырого молока или вымени коровы, подозреваемой на наличие мастита, измерение интенсивности прошедших световых лучей, отраженных световых лучей или прошедших и отраженных световых лучей от образцов мочи, сырого молока или молочной железы коровы, подозреваемой на наличие мастита, и получение соответствующего спектра,

определение по полученным данным для коровы, подозреваемой на наличие мастита, какая из построенных математических моделей, приспособленных для инверсного вычисления, для коров, о которых известно, что у них отсутствует заболевание маститом, или для коров, о которых известно, что у них имеется заболевание маститом, является наиболее близкой для данной коровы и на основании этого определение наличия или отсутствия у данной коровы мастита.

2. Способ диагностики мастита у коров по п.1, отличающийся тем, что включает стадию облучения длинноволновыми инфракрасными лучами в диапазоне длин волн от 700 до 2500 нм образцов мочи, сырого молока или вымени коровы.

3. Способ диагностики мастита у коров по п.1, включающий стадии облучения длинноволновыми инфракрасными лучами в диапазоне длин волн от 700 до 1100 нм или от 1100 до 2500 нм образцов мочи, сырого молока или вымени коровы.

4. Способ диагностики мастита у коров по любому из пп.1-3, отличающийся тем, что включает стадии сканирования по длинам волн падающих лучей, прошедших световых лучей, отраженных световых лучей или прошедших и отраженных световых лучей от образцов мочи, сырого молока или вымени и применения многоэлементного регрессионного анализа к полученному таким образом спектру видимых световых лучей и/или длинноволновых инфракрасных лучей.

5. Способ диагностики мастита у коров по п.1, отличающийся тем, что многоэлементный регрессионный анализ осуществляют методом многолинейной регрессии (MLR), регрессии основных компонентов (PCR) или частной наименьшей квадратичной регрессии (PLS).

6. Устройство для осуществления способа диагностики мастита у коров по п.1, включающее электромагнитный генератор для генерирования видимых световых лучей и/или длинноволновых инфракрасных лучей в диапазоне длин волн от 400 до 2500 нм, оптическую систему для подачи видимых световых лучей и/или длинноволновых инфракрасных лучей на образцы мочи, сырого молока или на вымя коровы, детектор для определения интенсивности прошедших световых лучей, отраженных световых лучей или прошедших и отраженных световых лучей от образцов мочи, сырого молока или вымени и процессор, приспособленный для получения данных от детектора, осуществления многоэлементного регрессионного анализа полученного таким образом спектра, состоящего из длин волн и определенных интенсивностей световых лучей, и построения математических моделей, приспособленных для инверсного вычисления, для диагностики мастита и определения по полученным данным для коровы, подозреваемой на наличие мастита, какая из построенных математических моделей, приспособленных для инверсного вычисления, для коров, о которых известно, что у них отсутствует заболевание маститом, или для коров, о которых известно, что у них имеется заболевание маститом, является наиболее близкой для данной коровы и на основании этого определение наличия или отсутствия у данной коровы мастита.

7. Устройство по п.6, отличающееся тем, что электромагнитный генератор представляет собой генератор инфракрасных лучей для генерирования длинноволновых инфракрасных лучей в диапазоне длин волн от 700 до 2500 нм, или генератор инфракрасных лучей для генерирования длинноволновых инфракрасных лучей в диапазоне длин волн от 700 до 1100 нм, или генератор инфракрасных лучей для генерирования длинноволновых инфракрасных лучей в диапазоне длин волн от 1100 до 2500 нм.

8. Устройство по п.6 или 7, отличающееся тем, что дополнительно включает световод, соединенный с генератором длинноволновых инфракрасных лучей для подачи видимых световых лучей и/или длинноволновых инфракрасных лучей на образцы мочи, сырого молока или на вымя коровы и прошедших световых лучей, отраженных световых лучей или прошедших и отраженных световых лучей от образцов мочи, сырого молока или от вымени к детектору.

9. Устройство по любому из пп.6-8, отличающееся тем, что включает питатель для введения сырого молока в контейнер для образцов в непрерывном или периодическом режиме.

10. Устройство по любому из пп.6-9, отличающееся тем, что включает контейнер для образцов, предназначенный для содержания в нем сырого молока, и регулятор температуры для поддержания заданной температуры молока внутри указанного контейнера для образцов.

11. Устройство по любому из пп.6-10, отличающееся тем, что оно выполнено с возможностью осуществлять многоэлементный регрессионный анализ методом многолинейной регрессии (MLR), регрессии основных компонентов (PCR) или частной наименьшей квадратичной регрессии (PLS).



 

Похожие патенты:

Изобретение относится к медицине, а именно к хирургии и гастроэнтерологии, и может быть использовано для прогноза риска рецидива кровотечения из хронических гастродуоденальных язв.
Изобретение относится к медицине, а именно к лабораторной диагностике. .

Изобретение относится к медицине, а именно к онкогинекологии, и может быть использовано для диагностики до клинической манифестации рецидивов и/или метастазов для шейки матки после сочетанной лучевой терапии.

Изобретение относится к медицине и предназначено для экспресс-диагностики структурных изменений в щитовидной железе человека. .

Изобретение относится к медицине и предназначено для экспресс-диагностики гиперфункции щитовидной железы человека. .

Изобретение относится к области медицины, а именно к лепрологии, и может быть использовано для прогнозирования эффективности терапии у больных лепрой. .
Изобретение относится к медицине, а именно - к лабораторной диагностике, и может использоваться для экспресс-диагностики и дифференциальной диагностики хламидиоза, микоплазмоза и уреаплазмоза.

Изобретение относится к области химических методов обнаружения следов крови и может быть использовано в медицине, в том числе для контроля качества предстерилизационной очистки инструментов.
Изобретение относится к области медицины, а именно к андрологии. .
Изобретение относится к области медицины и касается способа прогнозирования исхода бактериальной инфекции у новорожденных детей. .

Изобретение относится к области ветеринарии. .

Изобретение относится к ветеринарному акушерству. .

Изобретение относится к области биохимии, в частности к биохимии молока, и касается оценки способности биологически активных веществ молока сдерживать рост микрофлоры, в частности кишечной палочки.

Изобретение относится к маслодельной отрасли молочной промышленности и предназначено для оценки цветовой характеристики сливочного и топленого масла. .

Изобретение относится к способам контроля качественных и количественных характеристик сливочного масла по кривым дифференциального термического анализа (ДТА). .
Изобретение относится к молочной промышленности, в частности к технологии производства сыра с низкой температурой второго нагревания. .

Изобретение относится к пищевой промышленности. .

Изобретение относится к молочной промышленности. .

Изобретение относится к измерительной технике, в частности к устройствам оптического анализа многокомпонентных мелкодисперсных сред. .

Изобретение относится к технической физике и может использоваться, например, для контроля концентрации воды в пищевой промышленности и чистоты питьевой воды. .
Наверх