Titel

Verfahren zum Identifizieren einer Substanz an einer Oberfläche

Stand der Technik

Die Erfindung betrifft ein Verfahren zum Identifizieren einer Substanz an einer Oberfläche mittels einer lichtbasierten Detektionsvorrichtung sowie ein Computer-Programm-Produkt, ein Datenverarbeitungssystem und eine Auswerteeinheit zum Identifizieren einer Substanz an einer Oberfläche mit einem solchen Verfahren und ein Datenverarbeitungssystem für ein solches Verfahren.

Die automatische Identifizierung von Substanzen auf Oberflächen anhand der Klassifizierung ihrer spektralen Signatur kann mit lichtbasierten Methoden zur Detektion und Identifikation bzw. Klassifizierung von Stoffen, Stoffgemischen und Mikroorganismen auf Oberflächen in Echtzeit vorgenommen werden. Diese Methoden sind aktiv, das Signal wird durch eine Lichtquelle, meist einen Laserpuls induziert, und direkt, also ohne Probennahme und Aufbereitung durchführbar. Die Signalantwort einer Substanz ist im besten Fall spektral, temporal oder anderweitig charakteristisch, so dass eine Identifizierung oder zumindest eine Klassierung der Substanz anhand dieser Spektren möglich ist.

Unter Klassifizierung versteht man eine Zusammenfassung von Objekten zu Klassen (oder Gruppen). Diese Einteilung ist Teil der Eingabe während des Trainings des Vorhersagemodells. Die Identifikation ist hier ein Sonderfall: In der Klassifizierung wird jeder Substanz eine eigene Klasse zugeordnet. Das Vorhersagemodell ist das, was üblicherweise als „Classifier“ bezeichnet wird. Das Modell sagt für eine Eingabe eine Klasse entsprechend der Klassifikation voraus. Diesen Vorgang der Einordnung von Objekten in bestehende (trainierte) Klassensysteme wird Klassierung genannt

Ein Klassifizierer ist schließlich eine Instanz, die die Klassifizierung, aber auch eine Klassierung vornimmt. In beiden Fällen ist in der Regel eine Vorverarbeitung der Daten nötig.

Bei optischer Detektion auf Oberflächen ist der Signalbeitrag der Oberfläche ggf. durch Wechselwirkung mit der Substanz verändert und ergibt zusammen mit dem Signal der Substanz ein Mischsignal in unterschiedlichen Zusammensetzungen.

Bei der so genannten LIF (laserinduzierte Fluoreszenz)-Spektroskopie liegen die breiten Fluoreszenzsignale von Substanz und Oberfläche, ggf. modifiziert durch Absorptionsbanden, oft in ähnlichen Spektralbereichen und sind häufig nicht voneinander zu trennen. So kann das gemessene LIF-Signal der gleichen Substanz auf verschiedenen Oberflächen vollkommen unterschiedlich aussehen.

Die automatische Identifizierung bzw. Unterscheidung von Substanzen anhand ihrer Fluoreszenzspektren lässt sich mit Klassifizierungsalgorithmen, wie z.B. Decision Trees, Support Vector Machines oder Neuronale Netze, umsetzen. Unabhängig vom verwendeten Algorithmus folgt das Training eines Vorhersagemodells eines Klassifizierers dem gleichen Muster. Messdaten werden mit der gewünschten Ausgabe des Modells verknüpft. Eine Menge von solchen Daten verschiedener Substanzen auf verschiedenen Oberflächen bildet einen Trainingsdatensatz. Das Vorhersagemodell wird damit generiert und kann im Anschluss genutzt werden, um aus einem im Einsatz gemessenen Mischspektrum eine Vorhersage über die dem Spektrum zugrundeliegende Substanz zu machen.

Ein Modell kann anhand der gemischten Antwortsignale aus Substanz / Oberfläche plausible Aussagen nur für Substanzen auf Oberflächen treffen kann, die ihm aus dem Training bekannt sind. Unbekannte

Substanzen werden, je nach Aufbau der Modellstruktur, als unbekannt eingestuft oder einer bekannten Klasse falsch zugeordnet, die im besten Fall der vorliegenden Substanz ähnlich ist. Bei der Zuordnung einer bekannten Substanz auf einer unbekannten Oberfläche hängt die Vorhersagegüte von Stärke und Signatur des Signalbeitrages sowie dem

Aufbau des Trainingsdatensatzes und der Datenvorverarbeitung ab.

Offenbarung der Erfindung Die Aufgabe der Erfindung ist es, ein verbessertes Verfahren zum

Identifizieren einer Substanz an einer Oberfläche mittels einer lichtbasierten Detektionsvorrichtung anzugeben.

Eine weitere Aufgabe ist es, eine verbesserte Detektionsvorrichtung zum Identifizieren einer Substanz an einer Oberfläche mit einem solchen

Verfahren anzugeben.

Eine weitere Aufgabe ist es, ein Computer-Programm-Produkt zum Ausführen eines solchen verbesserten Verfahrens anzugeben.

Eine weitere Aufgabe ist es, ein Datenverarbeitungssystem für ein solches verbessertes Verfahren anzugeben. Eine weitere Aufgabe ist es, eine Auswerteeinheit für eine solche Detektionsvorrichtung anzugeben. Die Aufgaben werden durch die Merkmale der unabhängigen Ansprüche gelöst. Günstige Ausgestaltungen und Vorteile der Erfindung ergeben sich aus den weiteren Ansprüchen, der Beschreibung und der Zeichnung.

Nach einem Aspekt der Erfindung wird ein Verfahren zum Identifizieren einer Substanz an einer Oberfläche mittels einer lichtbasierten

Detektionsvorrichtung vorgeschlagen, wobei die Detektionsvorrichtung einen Lichtstrahl auf die an der Oberfläche befindliche Substanz wenigstens bereichsweise überdeckend einstrahlt und ein von der Substanz und/oder der Oberfläche ausgehendes Antwortsignal in einer Empfangseinheit aufnimmt und das empfangene Antwortsignal in einem

Klassifizierer verarbeitet. Dabei umfasst das Verfahren wenigstens die Schritte Trainieren des Klassifizierers mit Trainingsdatensätzen wenigstens einer, an unterschiedlichen Oberflächen befindlichen Substanz, wobei die Trainingsdatensätze empfangene Antwortsignale der Substanz an den Oberflächen, und empfangene Antwortsignale der reinen

Oberflächen umfassen, welche mit der gewünschten Vorhersage der jeweiligen Substanz verknüpft sind; Eingeben wenigstens eines Messdatensatzes mit wenigstens einem empfangenen Antwortsignal der zu identifizierenden, an einer Oberfläche befindlichen Substanz und wenigstens einem empfangenen Antwortsignal der reinen Oberfläche in den Klassifizierer; und Klassieren des Messdatensatzes in dem Klassifizierer und Vorhersagen der Substanz. Die Substanz kann direkt auf der Oberfläche vorliegen. Sie kann jedoch auch in die Oberfläche eingerieben oder eingezogen sein. Die Substanz kann eine Komponente umfassen, sie kann jedoch auch ein Gemisch von zwei oder mehr verschiedener Komponenten aufweisen. Dabei werden nach dem erfindungsgemäßen Verfahren nicht die einzelnen

Komponenten identifiziert, sondern die Substanz als Gemisch.

Die Lichtquelle kann beispielsweise als Laser ausgebildet sein, sodass der einfallende Lichtstrahl ein Laserstrahl ist. Als Antwortsignal kann beispielsweise ein Fluoreszenzsignal empfangen werden. Das Verfahren kann so vorteilhaft auf laserinduzierter Fluoreszenzspektroskopie basieren. In diesem Fall kann das Antwortsignal spektral aufgelöst empfangen und mit dem Klassifizierer verarbeitet werden. Vorteilhaft können auch andere Messverfahren bei dem erfindungsgemäßen Verfahren günstig eingesetzt werden.

Ergänzend zu sogenannten gemischten Antwortsignalen, also Antwortsignalen jeweils von der Substanz und der Oberfläche, für verschiedene Substanzen an verschiedenen Oberflächen werden

Antwortsignale der nicht kontaminierten Oberflächen aufgenommen. Bei der Aufnahme von gemischten Antwortsignalen zum Trainieren des Klassifizierers wird ein Lichtstrahl auf die an der Oberfläche befindliche Substanz so bereichsweise überdeckend eingestrahlt, dass der Lichtstrahl wenigstens bereichsweise sowohl die Substanz als auch die Oberfläche erfasst. Zusätzlich werden Antwortsignale der reinen Oberfläche aufgenommen. Zum Trainieren des Klassifizierers stellt dies ein günstiges Vorgehen dar. Bei der Messung der zu identifizierenden Substanz ist es vorteilhaft, nur zumindest teilweise die Substanz zu bestrahlen. Dabei kann, muss aber nicht auch die Oberfläche bestrahlt werden. Gemischte ausgehende Antwortsignale, welche von der Empfangseinheit aufgenommen werden, stellen die Objekte dar, welche bei der Klassifizierung zu Klassen zusammengefasst werden. Das Vorhersagemodell des Klassifizierers kann so für eine Eingabe eines gemischten Antwortsignals eine Klasse entsprechend der Klassifizierung Voraussagen.

Die Identifizierung bzw. Klassifizierung von Substanzen an Oberflächen kann beispielsweise durch ein künstliches Neuronales Netz erfolgen.

Zum Training des Neuronalen Netzes werden die gemischten Antwortsignale mit den Antwortsignalen der reinen Oberflächen zu einer Eingabe des Klassifizierers verbunden und jeweils mit dem gewünschten Klassifizierungsergebnis verknüpft.

Dieses Verknüpfen von gemischten Antwortsignalen wird sowohl für die Trainingsphase des Klassifizierers als auch bei der Klassifizierung des Messdatensatzes der zu identifizierenden Substanz angewendet. Dies führt zu einer deutlichen Verbesserung der Güte der Substanzerkennung sowohl auf bekannten als auch auf unbekannten Oberflächen. Auch bei ausgeprägtem Filtereffekt, wie teilweiser Absorption des Oberflächensignals durch die Substanz, kann eine deutliche Verbesserung erzielt werden.

Das Verfahren zur Verbesserung der Substanzerkennung auf Oberflächen kann vorteilhaft überall dort angewendet werden, wo erwünschte oder unerwünschte Substanzen an bekannten oder unbekannten Oberflächen erkannt werden müssen und es auch reine Oberflächenbereiche gibt. Analog zur Substanzerkennung einer reinen Substanz an einer Oberfläche können beispielsweise auch zwei reine Substanzen detektiert werden, wobei die zweite Substanz dann in dem erfindungsgemäßen Verfahren anstelle der Oberfläche behandelt wird. Dabei müssen zur Identifizierung getrennte Aufnahmesignale der reinen Substanzen getrennt vorliegen, im

Gegensatz zur Bestimmung eines Gemisches mehrerer Komponenten einer Substanz.

Das Verfahren kann vorteilhaft für unterschiedliche Arten von Detektionsmethoden genutzt werden, bei denen Messdaten von Substanz und Hintergrund sich überlagern.

Eine Anwendung mit der Methode der laserinduzierten

Fluoreszenzspektroskopie, bei welcher beispielsweise gepulste Laser mit einer Wellenlänge von 266 nm und Detektion mittels eines Spektrometers und einem Photomultiplierarray eingesetzt werden, stellt dabei eine vorteilhafte Ausgestaltung des Verfahrens dar.

Einige mögliche Anwendungsbeispiele sind beispielsweise Gefahrstoffdetektion durch Einsatzkräfte (Polizei, Feuerwehr, Militär),

Detektion von Schimmel auf Wänden, Detektion von Krankheitserregern auf Pflanzen oder Futtermitteln und Nahrungsmitteln, beispielsweise in der Landwirtschaft oder Lebensmittelproduktion. Nach einer günstigen Ausgestaltung des Verfahrens kann als Algorithmus des Klassifizierers eine Methode des maschinellen Lernens eingesetzt werden. Verschiedene Klassifizierungsalgorithmen, wie z.B. Decision Trees, Support Vector Machines oder Neuronale Netze können vorteilhaft eingesetzt werden, um kombinierte Trainingsdatensätze aus gemischten Antwortsignalen und Antwortsignalen der reinen Oberflächen wie auch kombinierte Messdatensätze der zu identifizierenden Substanz aus gemischten Antwortsignalen und Antwortsignalen der reinen Oberflächen zu verarbeiten und die Substanz entsprechend mit großer Güte vorherzusagen oder zumindest andere Substanzen auszuschließen.

Nach einer günstigen Ausgestaltung des Verfahrens kann als Algorithmus des Klassifizierers ein Neuronales Netz eingesetzt werden. Besonders vorteilhaft können Neuronale Netze eingesetzt werden, um kombinierte Trainingsdatensätze aus gemischten Antwortsignalen und Antwortsignalen der reinen Oberflächen wie auch kombinierte Messdatensätze der zu identifizierenden Substanz aus gemischten Antwortsignalen und Antwortsignalen der reinen Oberflächen zu verarbeiten und die Substanz entsprechend mit großer Güte vorherzusagen.

Nach einer günstigen Ausgestaltung des Verfahrens kann als ausgehendes Antwortsignal ein Fluoreszenzsignal der Substanz und der Oberfläche aufgenommen werden. Unter den lichtbasierten Methoden zur Detektion und Identifikation bzw. Klassifizierung von Stoffen, Stoffgemischen und Mikroorganismen auf Oberflächen in Echtzeit eignet sich Fluoreszenzspektroskopie (LIF) vorteilhaft als aktives und direktes Verfahren ohne Probennahme und Probenpräparation.

Nach einer günstigen Ausgestaltung des Verfahrens kann die

Empfangseinheit spektral aufgelöste empfangene Antwortsignale ausgeben. Insbesondere kann die Empfangseinheit als Spektrometer ausgebildet sein. Ein optisches Spektrometer oder eine spektrale Analyse der ausgehenden Antwortsignale sind nicht unbedingt nötig. Das Verfahren kann vorteilhaft die Verwendung wellenlängenselektiver Inputkanäle vorsehen. Ein Spektrometer mit Detektor liefert solche spektral aufgelösten Antwortsignale. Ebenso können spektral aufgelöste Antwortsignale jedoch auch mit Photodioden mit Filtern realisiert werden.

Nach einer günstigen Ausgestaltung des Verfahrens kann als die wenigstens eine Lichtquelle ein Laser, insbesondere ein gepulster Laser verwendet werden.

Für LIF-Spektroskopie ist eine schmalbandige Lichtquelle, wie z.B. eine LED, ausreichend. Ein Laser hat gegenüber einer LED den Vorteil, dass die Verluste durch Divergenz auf dem Weg zur Probe gering sind. Sowohl Laser als auch LEDs können gepulst betrieben werden. Das ist für LIF nicht unbedingt notwendig, kann aber mit einer geeigneten Detektion das Signal- zu Rauschverhältnis verbessern.

Für zeitlich aufgelöste Signale ist eine gepulste Lichtquelle notwendig, da das Abklingen des Antwortsignals nach einer zeitlich definierten Anregung aufgenommen wird.

Nach einer günstigen Ausgestaltung des Verfahrens kann der Lichtstrahl mit wenigstens zwei Wellenlängen, insbesondere im Ultravioletten, verwendet werden. Auf diese Weise kann vorteilhaft Information von verschiedenen Fluorophoren in die Klassifizierung der gemessenen Antwortsignale mit einbezogen werden. Vorteilhaft können beispielsweise Wellenlängen im UV-C-Bereich und im UV-A-Bereich, beispielsweise Wellenlängen von 266 nm und 355 nm, eingesetzt werden. UV-Strahlung im UV-A-Bereich weist eine Wellenlänge im Bereich von 315 nm bis 380 nm auf. UV-Strahlung im UV-B-Bereich weist eine Wellenlänge im Bereich von 280 nm bis 315 nm auf. Strahlung im UV-C- Bereich weist eine Wellenlänge von 100 nm bis 280 nm auf.

Die für das erfindungsgemäße Verfahren benötigte Anregungswellenlänge ist substanzabhängig. Viele Substanzen haben im UV-Bereich Absorptionsbanden, auch solche, die zusätzlich im sichtbaren Bereich absorbieren. Bei Systemen, welche in der biologischen Detektion eingesetzt werden, können vorteilhaft die in der Biologie häufig verwendeten und gleichzeitig gut verfügbaren Wellenlängen 266 nm (UV- C) und 355 nm (UV-A) eingesetzt werden. Alternativ kann auch 280 nm (UV-B / UV-C) und 355 nm genutzt werden. Nach einer günstigen Ausgestaltung des Verfahrens kann wenigstens ein

Teil des ausgehenden Antwortsignals als Zeitsignal aufgenommen werden. Auf diese Weise kann über das Zeitsignal eine temporale Signatur des ausgehenden Antwortsignals aufgenommen werden. Auf diese Weise kann vorteilhaft zusätzliche Information in die Klassifizierung der gemessenen Antwortsignale mit einbezogen werden.

Nach einem weiteren Aspekt der Erfindung wird eine Detektionsvorrichtung zum Identifizieren einer Substanz an einer Oberfläche vorgeschlagen, umfassend wenigstens eine Lichtquelle, welche zum wenigstens bereichsweise die Substanz überdeckenden

Einstrahlen eines Lichtstrahls auf die an der Oberfläche befindliche Substanz ausgebildet ist, eine optische Empfangseinheit, welche zum Empfang eines von der Substanz und/oder der Oberfläche ausgehenden Antwortsignals ausgebildet ist, und einen Klassifizieren welcher ausgebildet ist, ein empfangenes Antwortsignal des ausgehenden Antwortsignals zu verarbeiten, und welcher zum Training mit Trainingsdatensätzen und zum Identifizieren einer Substanz aus Messdatensätzen ausgebildet ist.

Ergänzend zu gemischten Antwortsignalen von verschiedenen Substanzen an verschiedenen Oberflächen werden Antwortsignale der nicht kontaminierten Oberflächen aufgenommen. Bei der Aufnahme von gemischten Antwortsignalen wird ein Lichtstrahl auf die an der Oberfläche befindliche Substanz so bereichsweise überdeckend eingestrahlt, dass der Lichtstrahl wenigstens bereichsweise sowohl die Substanz als auch die Oberfläche erfasst. Zusätzlich werden Antwortsignale der reinen Oberfläche aufgenommen. Zum Training des Klassifizierers werden die gemischten Antwortsignale mit den Antwortsignalen der reinen Oberflächen zu einer Eingabe des Klassifizierers verbunden und jeweils mit dem gewünschten Klassifizierungsergebnis verknüpft. Der Klassifizierer wird sowohl für die Trainingsphase als auch bei der

Klassifizierung des Messdatensatzes der zu identifizierenden Substanz eingesetzt. Die Kombination von gemischten Antwortsignalen mit Antwortsignalen der reinen Oberfläche führt zu einer deutlichen Verbesserung der Güte der Substanzerkennung sowohl auf bekannten als auch auf unbekannten Oberflächen.

Nach einer günstigen Ausgestaltung der Detektionsvorrichtung kann der Algorithmus des Klassifizierers auf einer Methode des maschinellen Lernens basieren. Verschiedene Klassifizierungsalgorithmen, wie z.B. so genannte Entscheidungsbäume, üblicherweise als Decision Trees bezeichnet, so genannte Stützvektormaschinen, üblicherweise als Support Vector Machines bezeichnet, oder Neuronale Netze können vorteilhaft eingesetzt werden, um kombinierte Trainingsdatensätze aus gemischten Antwortsignalen und Antwortsignalen der reinen Oberflächen wie auch kombinierte Messdatensätze der zu identifizierenden Substanz aus gemischten Antwortsignalen und Antwortsignalen der reinen Oberflächen zu verarbeiten und die Substanz entsprechend mit großer Güte vorherzusagen oder zumindest andere Substanzen auszuschließen.

Nach einer günstigen Ausgestaltung der Detektionsvorrichtung kann ein Algorithmus des Klassifizierers als Neuronales Netz ausgebildet sein. Besonders vorteilhaft können Neuronale Netze eingesetzt werden, um kombinierte Trainingsdatensätze aus gemischten Antwortsignalen und Antwortsignalen der reinen Oberflächen wie auch kombinierte Messdatensätze der zu identifizierenden Substanz aus gemischten Antwortsignalen und Antwortsignalen der reinen Oberflächen zu verarbeiten und die Substanz entsprechend mit großer Güte vorherzusagen.

Nach einer günstigen Ausgestaltung der Detektionsvorrichtung kann die Empfangseinheit zum Empfang von Fluroreszenzsignalen ausgebildet sein. Unter den lichtbasierten Methoden zur Detektion und Identifikation bzw. Klassifizierung von Stoffen, Stoffgemischen und Mikroorganismen auf Oberflächen in Echtzeit eignet sich LIF vorteilhaft als aktives und direktes Verfahren. Als Empfangseinheit kann beispielsweise ein Spektrometer mit einem PMT (Photo multiplier tube) - Array eingesetzt werden. Je nach gewünschter Anzahl an Kanälen kann aber auch ein System aus Bandpassfiltern, ein Monochromator, ein durchstimmbarer optischer Filter o.ä. verwendet werden.

Nach einer günstigen Ausgestaltung kann die Detektionsvorrichtung wenigstens zwei Lichtquellen unterschiedlicher Wellenlängen umfassen, welche zum Einstrahlen eines Lichtstrahls auf die an der Oberfläche befindliche Substanz ausgebildet sind. Insbesondere können dabei die

Lichtquellen Wellenlängen im Ultravioletten, insbesondere Wellenlängen von 266 nm und 355 nm, aufweisen. Auf diese Weise kann vorteilhaft Information von verschiedenen Fluorophoren in die Klassifizierung der gemessenen Antwortsignale mit einbezogen werden.

Alternativ kann auch eine Lichtquelle, beispielsweise ein Laser, eingesetzt werden, der wenigstens zwei verschiedene Wellenlängen emittiert.

Nach einer günstigen Ausgestaltung der Detektionsvorrichtung kann ein Teil ausgehenden Antwortsignals, insbesondere über einen

Auskoppelspiegel als Strahlteiler als Zeitsignal aufnehmbar sein. Auf diese Weise kann über das Zeitsignal eine temporale Signatur des ausgehenden Antwortsignals aufgenommen werden. Auf diese Weise kann vorteilhaft zusätzliche Information in die

Klassifizierung der gemessenen Antwortsignale mit einbezogen werden.

Nach einer günstigen Ausgestaltung der Detektionsvorrichtung kann die wenigstens eine Lichtquelle als Laser, insbesondere als gepulster Laser, ausgebildet sein. Für LIF-Spektroskopie ist eine schmalbandige Lichtquelle, wie z.B. eine LED, ausreichend. Ein Laser hat gegenüber einer LED den Vorteil, dass die Verluste durch Divergenz auf dem Weg zur Probe gering sind. Sowohl Laser als auch LEDs können gepulst betrieben werden. Das ist für LIF nicht unbedingt notwendig, kann aber mit einer geeigneten Detektion das Signal- zu Rauschverhältnis verbessern. Für zeitlich aufgelöste Signale ist eine gepulste Lichtquelle notwendig, da das Abklingen des Antwortsignals nach einer zeitlich definierten Anregung aufgenommen wird

Gepulste Lichtquellen erhöhen bei geeigneter Detektion die Signal- zu Umgebungslichtqualität, sind aber zur spektralen Detektion nicht unbedingt nötig. Zur Auswertung von Zeitsignalen sind gepulste Lichtstrahlen erforderlich.

Nach einem weiteren Aspekt der Erfindung wird ein Computer-Programm- Produkt zum Identifizieren einer Substanz an einer Oberfläche mittels einer lichtbasierten Detektionsvorrichtung vorgeschlagen, wobei das Computer-Programm-Produkt wenigstens ein computerlesbares Speichermedium umfasst, welches Programmbefehle umfasst, die auf einem Computersystem ausführbar sind und das Computersystem dazu veranlassen, ein Verfahren wie oben beschrieben auszuführen.

Dabei werden wenigstens die Schritte ausgeführt Trainieren des Klassifizierers mit Trainingsdatensätzen wenigstens einer, an unterschiedlichen Oberflächen befindlichen Substanz, wobei die Trainingsdatensätze empfangene Antwortsignale der Substanz auf den Oberflächen, und empfangene Antwortsignale der reinen Oberflächen umfassen, welche mit der gewünschten Vorhersage der jeweiligen Substanz verknüpft sind; Eingeben wenigstens eines Messdatensatzes mit wenigstens einem empfangenen Antwortsignal der zu identifizierenden, an einer Oberfläche befindlichen Substanz und wenigstens einem empfangenen Antwortsignal der reinen Oberfläche in den Klassifizierer; und Klassieren des Messdatensatzes in dem Klassifizierer und Vorhersagen der Substanz.

Das Computer-Programm-Produkt dient vorteilhaft zur Implementierung des erfindungsgemäßen Verfahrens. Zur Vermeidung von unnötigen Wiederholungen wird auf die Beschreibung des Verfahrens verwiesen.

Nach einem weiteren Aspekt der Erfindung wird ein Datenverarbeitungssystem vorgeschlagen zur Ausführung eines Datenverarbeitungsprogramms, welches computerlesbare

Programmbefehle umfasst, um ein Verfahren zum Identifizieren einer Substanz auf einer Oberfläche mittels einer laserbasierten

Detektionsvorrichtung, wie oben beschrieben, auszuführen.

Das Datenverarbeitungssystem dient vorteilhaft zum Ausführen des erfindungsgemäßen Verfahrens. Zur Vermeidung von unnötigen Wiederholungen wird auf die Beschreibung des Verfahrens verwiesen.

Nach einem weiteren Aspekt der Erfindung wird eine Auswerteeinheit mit wenigstens einem Klassifizierer zum Identifizieren einer Substanz an einer Oberfläche mittels einer lichtbasierten Detektionsvorrichtung vorgeschlagen.

Die Auswerteeinheit mit dem Klassifizierer kann Hardwarebausteine wie beispielsweise FPGAs (field programmable gate arrays) oder auch durch 3D-Druck hergestellte Komponenten aufweisen, auf denen das Verfahren zum Identifizieren einer Substanz an einer Oberfläche mittels einer lichtbasierten Detektionsvorrichtung vorteilhaft implementiert ist. Es ist möglich, das Vorhersagemodell anstatt als Teil einer Softwarelösung auch als Hardware zu erstellen. Ein einfaches und realistisches Beispiel ist ein FPGA, wo die Logik in physikalischen Elementen umgesetzt wird. Eine solche Hardwareumsetzung verknüpft direkt ein empfangenes Antwortsignal als Input mit einer Vorhersage als Output.

Mit einer solchen Hardwareimplementierung lässt sich das erfindungsgemäße Verfahren mit hoher Verarbeitungsgeschwindigkeit der empfangenen Antwortsignale umsetzen.

Zeichnung Weitere Vorteile ergeben sich aus der folgenden

Zeichnungsbeschreibung. In den Figuren sind Ausführungsbeispiele der Erfindung dargestellt. Die Figuren, die Beschreibung und die Ansprüche enthalten zahlreiche Merkmale in Kombination. Der Fachmann wird die Merkmale zweckmäßigerweise auch einzeln betrachten und zu sinnvollen weiteren Kombinationen zusammenfassen.

Es zeigen beispielhaft:

Fig. 1, 2 eine schematische Darstellung des Messprinzips des erfindungsgemäßen Verfahrens, bei dem ein Lichtstrahl auf eine an einer Oberfläche befindliche Substanz wenigstens bereichsweise überdeckend eingestrahlt wird und das ausgehende Antwortsignal aufgenommen wird; Fig. 3 einen schematischen Aufbau einer lichtbasierten

Detektionsvorrichtung für das erfindungsgemäße Verfahren; Fig. 4 ein Vorgehensmodell des erfindungsgemäßen Verfahrens zum Identifizieren einer Substanz an einer Oberfläche; und Fig. 5 Klassifikationsergebnisse für die Identifikation verschiedener Substanzen an unterschiedlichen Oberflächen.

Ausführungsformen der Erfindung

In den Figuren sind gleichartige oder gleichwirkende Komponenten mit gleichen Bezugszeichen beziffert. Die Figuren zeigen lediglich Beispiele und sind nicht beschränkend zu verstehen. Im Folgenden verwendete Richtungsterminologie mit Begriffen wie „links“,

„rechts“, „oben“, „unten“, „davor“ „dahinter“, „danach“ und dergleichen dient lediglich dem besseren Verständnis der Figuren und soll in keinem Fall eine Beschränkung der Allgemeinheit darstellen. Die dargestellten Komponenten und Elemente, deren Auslegung und Verwendung können im Sinne der Überlegungen eines Fachmanns variieren und an die jeweiligen Anwendungen angepasst werden.

In den Figuren 1 und 2 ist eine schematische Darstellung des Messprinzips des erfindungsgemäßen Verfahrens gezeigt, bei dem ein Lichtstrahl 30 auf eine an einer Oberfläche 52 befindliche Substanz 50 wenigstens bereichsweise überdeckend eingestrahlt wird und das ausgehenden Antwortsignal 40, 42, 44 aufgenommen wird. Dabei ist in Figur 1 eine Draufsicht auf eine Oberfläche 52 mit einer darauf befindlichen Substanz 50 dargestellt, während in Figur 2 ein Längsschnitt durch die Anordnung gezeigt ist, bei dem das das ausgehende

Antwortsignal 40, 42, 44 symbolisch in Pfeilform dargestellt ist. In Figur 1 sind drei von Lichtstrahlen 30 ausgeleuchtete Flächen zu erkennen, von denen ein Lichtstrahl 30 direkt auf die Substanz 50 einfällt, während die beiden anderen Lichtstrahlen 30 jeweils den Rand der Substanz 50 und mit einem Teil des Lichtstrahls 30 die Oberfläche 52 treffen. Der Lichtstrahl 30 regt die bestrahlten Bereiche beispielsweise zur

Abgabe von Fluoreszenzstrahlung an, die als ausgehendes Antwortsignal 40, 42, 44 in Figur 2 zu erkennen ist.

Wenn ein Lichtstrahl 30 die Substanz 50 auf der Oberfläche 52 bestrahlt, setzt sich die Signalantwort des ausgehenden Antwortsignals 30 aus der

Antwort der Oberfläche 52 und der Antwort der Substanz 50 in Form von Fluoreszenzstrahlung zusammen, wobei je nach Art und Verteilung der Substanz 50 an der Oberfläche 52 die Signalantworten mit der Substanz 50 und/oder der Oberfläche 52 interagieren können, was zu einer veränderten Signalantwort führen kann. Das gemessene Signal setzt sich schließlich aus unterschiedlichen Anteilen zusammen, wobei die Verhältnisse je nach Oberfläche, Substanz und Art der Verteilung stark variieren können. Figur 2 zeigt das ausgehende Antwortsignal 40, 42, 44, wobei ein Signal

40 direkt von der Substanz 50 ausgeht, während ein zweites Signal 42 als Mischsignal von der Substanz 50 und der Oberfläche 52 ausgeht und ein drittes Signal 44 nur von der Oberfläche 52 ausgeht. Die Signale 40, 42, 44 des ausgehenden Antwortsignals können beispielsweise vorteilhaft mittels laserinduzierter

Fluoreszenzspektroskopie (LIF) aufgenommen werden. Jedoch können auch andere lichtbasierte Methoden eingesetzt werden. Der eingestrahlte Lichtstrahl 30 kann beispielsweise wenigstens zwei

Wellenlängen, insbesondere im Ultravioletten im Bereich UV-C und UV-A aufweisen, um möglichst günstig Wechselwirkungen zwischen Substanz 50 und Oberfläche 52 zu erfassen. Dabei kann beispielsweise Laserlicht mit Wellenlängen von 266 nm und 355 nm verwendet werden. Alternativ kann beispielsweise auch Licht der Wellenlängen 280 nm und 355 nm verwendet werden.

Die verschiedenen aufgenommenen Signale des ausgehenden Antwortsignals 40, 42, 44 können nach dem erfindungsgemäßen Verfahren in geeigneter Kombination in einen Klassifizierer 70 eingegeben werden, wie später in Figur 5 dargestellt ist.

Figur 3 zeigt einen schematischen Aufbau einer lichtbasierten Detektionsvorrichtung 100 für das erfindungsgemäße Verfahren zum Identifizieren einer Substanz 50 auf einer Oberfläche 52. Die Detektionsvorrichtung 100 umfasst wenigstens eine Lichtquelle 10, 12, welche zum wenigstens bereichsweise die Substanz 50 überdeckenden Einstrahlen eines Lichtstrahls 30, 32 auf die auf der Oberfläche 52 befindliche Substanz 50 ausgebildet ist. Die Detektionsvorrichtung 100 umfasst weiter eine optische Empfangseinheit 20, welche zum Empfang des von der Substanz 50 und/oder der Oberfläche 52 ausgehenden

Antwortsignals 34 ausgebildet ist, und einen Klassifizierer 70, welcher ausgebildet ist, ein empfangenes Antwortsignal 64, 66, 74, 76 (in Figur 3 erkennbar) des ausgehenden Antwortsignals 34 zu verarbeiten, und dessen Vorhersagemodell ein Produkt des Trainings mit Trainingsdatensätzen 60 ist und zum Identifizieren einer Substanz 50 aus

Messdatensätzen 78 ausgebildet ist.

Der Lichtstrahl 30, 32 der wenigstens einen Lichtquelle 10, 12 wird über Umlenkspiegel 14, 16 auf die Substanz 50 gelenkt.

Die Empfangseinheit 20 kann beispielsweise zur Analyse von Signalen laserinduzierter Fluoreszenzspektroskopie ausgebildet sein. Das ausgehende Antwortsignal 34 kann über einen Sammelspiegel 18 beispielsweise in optische Fasern gekoppelt und in der Empfangseinheit 20 spektral aufgelöst empfangen werden. Ein Algorithmus 90 des Klassifizierers 70 (Figur 4) kann vorteilhaft auf einer Methode des maschinellen Lernens basieren. Insbesondere kann dafür ein Neuronales Netz eingesetzt werden.

Die bei dem Ausführungsbeispiel in der Figur dargestellte zweite Lichtquelle 10, 12 kann optional zur Erhöhung der Genauigkeit bei der

Vorhersage der zu identifizierenden Substanz eingesetzt werden. Der Lichtstrahl 32 der zweiten Lichtquelle 12 wird dabei über einen Umlenkspiegel 22 und einen dichroiden Spiegel 24 in den Strahlengang 30 der ersten Lichtquelle 10 eingekoppelt.

Die beiden Lichtquellen 10, 12 können vorteilhaft Wellenlängen im Ultravioletten aufweisen, insbesondere Wellenlängen von 266 nm und 355 nm, d.h. im UV-C-Bereich und im UV-A-Bereich, aufweisen. Ein Teil 36 des ausgehenden Antwortsignals 34 kann optional, insbesondere über einen Auskoppelspiegel 26 als Strahlteiler, als Zeitsignal aufgenommen werden. Darüber kann eine temporale Signatur des ausgehenden Antwortsignals zur optionalen Verbesserung der Vorhersage bei der Klassifikation der Messdatensätze bestimmt werden.

Der Klassifizierer 70, dessen Funktionsweise in Figur 4 im Detail beschrieben ist, kann in einer Auswerteeinheit 38 der Detektionsvorrichtung 100 angeordnet sein, welche auch die Daten der Empfangseinheit 20 aufzeichnet, und optional Daten eines Zeitsignals, welches in der Zeitsignal-Auswerteeinheit 28 bestimmt wird. Die

Auswerteeinheit 38 kann beispielsweise auch die Ansteuerung der wenigstens einen Lichtquelle 10, 12 bei der Messung übernehmen. Die Auswerteeinheit 38 kann weiter vorteilhaft als Datenverarbeitungssystem zur Ausführung eines

Datenverarbeitungsprogramms ausgebildet sein, welches computerlesbare Programmbefehle umfasst, um das Verfahren zum

Identifizieren einer Substanz 50 an einer Oberfläche 52 mittels der lichtbasierten Detektionsvorrichtung 100 auszuführen.

Auf dem Datenverarbeitungssystem kann vorteilhaft ein Computer- Programm-Produkt zum Identifizieren einer Substanz 50 an einer

Oberfläche 52 mittels einer laserbasierten Detektionsvorrichtung 100 implementiert sein, wobei das Computer-Programm-Produkt wenigstens ein computerlesbares Speichermedium umfasst, welches Programmbefehle umfasst, die auf dem Computersystem ausführbar sind und das Computersystem dazu veranlassen, das erfindungsgemäße

Verfahren auszuführen.

Die Auswerteeinheit 38 mit dem Klassifizierer 70 kann jedoch auch Hardwarebausteine wie beispielsweise FPGAs (field programmable gate arrays) oder auch durch 3D-Druck hergestellte Komponenten aufweisen, auf denen das erfindungsgemäße Verfahren vorteilhaft implementiert ist. Mit einer solchen Hardwareimplementierung lässt sich das Verfahren mit hoher Verarbeitungsgeschwindigkeit der empfangenen Antwortsignale umsetzen.

In Figur 4 ist eine mögliche Ausführung des erfindungsgemäßen Verfahrens zum Identifizieren einer Substanz 50 auf einer Oberfläche 52 mittels einer lichtbasierten Detektionsvorrichtung 100 dargestellt. Eine Detektionsvorrichtung 100 (Figur 3) strahlt einen Lichtstrahl 30, 32 auf die an der Oberfläche 52 befindliche Substanz 50 wenigstens bereichsweise überdeckend ein. Ein von der Substanz 50 und/oder der Oberfläche 52 ausgehendes Antwortsignal 34 wird in einer Empfangseinheit 20 aufgenommen und das empfangene Antwortsignal 64, 66, 74, 76 in einem Klassifizierer 70 verarbeitet.

Nach dem Verfahren wird der Klassifizierer 70 zuerst mit Trainingsdatensätzen 60 einer Vielzahl verschiedener, an unterschiedlichen Oberflächen 52 befindlichen Substanzen 50 (Figur 3) trainiert.

Ergänzend zu gemischten Antwortsignalen von verschiedenen Substanzen 50 auf verschiedenen Oberflächen 52 (Figur 3) werden Antwortsignale der nicht kontaminierten Oberflächen 52 aufgenommen. Bei der Aufnahme von Trainingssignalen wird der Lichtstrahl 30 auf die an der Oberfläche 52 befindliche Substanz 50 so bereichsweise überdeckend eingestrahlt, dass der Lichtstrahl 30 wenigstens bereichsweise sowohl die Substanz 50 als auch die Oberfläche 52 erfasst (Figur 3). Zusätzlich werden ausgehende Antwortsignale der reinen Oberfläche 52 aufgenommen.

Eine Einsatzmessung zur Bestimmung einer zu identifizierenden Substanz muss nur die Substanz abdecken, ob und wieviel Oberfläche dabei bestrahlt wird, spielt praktisch keine Rolle.

Die Trainingsdatensätze 60 umfassen Antwortsignale 64 der Substanzen 50 auf den Oberflächen 52, und Antwortsignale 66 der reinen Oberflächen 52, welche zu einer Eingabe 62 in den Klassifizierer 70 verbunden werden.

Zum Training des Neuronalen Netzes wird die Eingabe 62 jeweils mit dem gewünschten Klassifizierungsergebnis 72 als Ausgabe 68 zu einem Trainingsdatensatz 60 verknüpft. Die Trainingsdatensätze 60 sind so mit der gewünschten Vorhersage der jeweiligen Substanz 50 (Figur 3) fest verknüpft. Damit durchläuft der Klassifizierer 70 eine Reihe von Trainingsläufen, bis eine gewünschte Vorhersagegüte der jeweiligen Substanz 50 erreicht ist.

Nach einem Messvorgang an einer zu bestimmenden Substanz 50 auf einer bekannten oder unbekannten Oberfläche 52 wird der Messdatensatz 78, welcher wenigstens ein Antwortsignal 74 der zu identifizierenden, an einer Oberfläche 52 befindlichen Substanz 50 und wenigstens ein Antwortsignal 76 der reinen Oberfläche 52 umfasst, als Eingabe 62 in den Klassifizierer 70 eingegeben.

Anschließend wird der Messdatensatz 78 in dem Klassifizierer 70 klassifiziert und eine Vorhersage 72 der Substanz 50 als Ausgabe 68 ausgegeben.

Als Algorithmus 90 des Klassifizierers 70 kann vorteilhaft eine Methode des maschinellen Lernens eingesetzt werden. Verschiedene Klassifizierungsalgorithmen, wie z.B. Decision Trees, Support Vector Machines oder Neuronale Netze können vorteilhaft eingesetzt werden, um kombinierte Trainingsdatensätze 60 aus gemischten ausgehenden Antwortsignalen und ausgehenden Antwortsignalen der reinen Oberflächen 52 wie auch kombinierte Messdatensätze 78 der zu identifizierenden Substanz 50 aus gemischten Antwortsignalen und Antwortsignalen der reinen Oberflächen 52 zu verarbeiten und die Substanz 50 entsprechend mit großer Güte vorherzusagen. Insbesondere kann dafür ein Neuronales Netz verwendet werden.

Das Verbinden von gemischten Antwortsignalen mit Antwortsignalen der reinen Oberfläche 52 wird sowohl für die Trainingsphase des Klassifizierers 70 als auch bei der Klassierung des Messdatensatzes 78 der zu identifizierenden Substanz 50 angewendet. Dies führt zu einer deutlichen Verbesserung der Güte der Substanzerkennung sowohl auf bekannten als auch auf unbekannten Oberflächen 52. Auch bei ausgeprägtem Filtereffekt, wie teilweiser Absorption des Oberflächensignals mit der Substanz 50, kann eine deutliche Verbesserung erzielt werden.

Figur 5 zeigt Klassifikationsergebnisse für die Identifikation verschiedener Substanzen auf unterschiedlichen Oberflächen. Das Verfahren wurde mit Messdaten an 13 verschiedenen Substanzen auf je 13 verschiedenen Oberflächen angewendet.

Die Substanzen umfassten: Albumin, Backhefe, Backpulver, Curcumin, Espenpollen, Mehl, NADFI, Pyridoxin, Riboflavin, Sojaferment, Tryptophan, B. subtilis (Suspension), E. coli (Suspension).

Die Oberflächen umfassten: Arbeitsplatte (lackiert) 200, Flartholz (unlackiert) 202, Pappe 204, Verbundholz I 206, Pressspan (lackiert) 208, Kunstleder 210, Hartholz (lackiert) 212, Handtuch (Stoff) 214, PVC (schwarz) 216, Verbundholz II 218, Plastik (weiß) 220, Papier (gebleicht)

222, Pressspan (weiß lackiert) 224.

Es wurden je 100 Messungen an 3 verschiedenen Positionen mit unterschiedlicher Substanzbelegung durchgeführt. Dabei wurden LIF- Spektren nach Anregung bei einer Laserwellenlänge von 266 nm verwendet.

Aus 80 % der Messdaten wurden zwei Arten von Trainingsdatensätzen erzeugt. Die eine Art von Trainingsdatensätzen enthielt die Kanäle des gemischten Antwortsignals und angehängt die Kanäle einer zugehörigen Oberflächenmessung. Die andere Art von Trainingsdatensätzen enthielt nur die Kanäle des gemischten Antwortsignals. Zur Bestimmung der Güte der Erkennung von Substanzen auf unbekannten Oberflächen wurde für jede Oberfläche ein Trainingsdatensatz erstellt, in dem die jeweilige Oberfläche nicht enthalten war. Die übrigen 20 % der Messdaten wurden zur Evaluierung des Verfahrens verwendet und waren nicht Teil des Trainings.

Der Anteil der Messungen mit korrekt zugeordneten Substanzen an der Gesamtmenge der Messungen (Gesamtgenauigkeit 80) für die Substanzerkennung auf den verschiedenen Oberflächen ist in der Figur dargestellt.

Die jeweiligen Säulen 82 zeigen Ergebnisse von Klassifikationen auf bekannter Oberfläche mit einem gemischten Antwortsignal und einem Antwortsignale der Oberfläche als Eingabe in den Klassifizieren Die jeweiligen Säulen 84 zeigen Ergebnisse von Klassifikationen auf bekannter Oberfläche mit nur einem gemischten Antwortsignal als

Eingabe in den Klassifizieren Die jeweiligen Säulen 86 zeigen Ergebnisse von Klassifikationen auf unbekannter Oberfläche mit einem gemischten Antwortsignal und einem Antwortsignal der Oberfläche als Eingabe in den Klassifizieren Die jeweiligen Säulen 84 zeigen Ergebnisse von Klassifikationen auf bekannter Oberfläche mit nur einem gemischten Antwortsignal als Eingabe in den Klassifizieren

Es sind jeweils Gesamtgenauigkeiten bei der Klassifizierung der Messdaten für Messungen auf den verschiedenen Oberflächen 200 bis 224 dargestellt. Mittelwerte der Genauigkeit 80 über alle Oberflächen sind als strichpunktierte Linien für die verschiedenen Kategorien 82, 84, 86, 88 dargestellt. Durch die Ergänzung der Mischspektren mit den reinen Oberflächenspektren als Eingabe für den Klassifizierer konnte für die Vorhersage von bekannten Substanzen auf bekannten, im Training enthaltenen, Oberflächen eine Verbesserung der Güte bezüglich der mittleren Gesamtgenauigkeit 80 um 15,2 Prozentpunkte erreicht werden, mit einem Mittelwert 82 von 70,5 % im Vergleich zum Mittelwert 84 von 55,3 %. Für bekannte Substanzen auf unbekannten Oberflächen wurde eine mittlere Verbesserung um 11,2 Prozentpunkte erreicht mit einem Mittelwert 86 von 55,5 % im Vergleich zum Mittelwert 88 von 44,3 %.

Die Verbesserung der Güte der Vorhersage auf bekannten Oberflächen liegt für diesen Datensatz etwa in der Größenordnung, die auch durch apparative Ergänzungen erreicht wird, die mit z.T. erheblichen Mehrkosten verbunden sind, wie z.B. der Verwendung einer zweiten Anregungswellenlänge oder Messung der temporalen Signatur der

Fluoreszenzsignale.

Alternativ oder zusätzlich kann durch die Verwendung einer zweiten Anregungswellenlänge oder Messung der temporalen Signatur der Fluoreszenzsignale jedoch bei dem erfindungsgemäßen Verfahren die

Gesamtgenauigkeit der Vorhersagen weiter gesteigert werden.

Die Steigerung der Performance bei nicht-linearem Verhalten, z.B. Wechselwirkungen des Flintergrundsignals mit der Substanz, wurde separat an modellierten Datensätzen mit ausgeprägten Wechselwirkungen gezeigt. Bezugszeichen 10 Lichtquelle

12 Lichtquelle

14 Umlenkspiegel 16 Umlenkspiegel

18 Sammelspiegel

20 Empfangseinheit

22 Umlenkspiegel

24 Einkoppelspiegel 26 Auskoppelspiegel

28 Zeitsignal-Messeinheit

30 Lichtstrahl

32 Lichtstrahl

34 ausgehendes Antwortsignal 36 ausgekoppeltes Antwortsignal

38 Auswerteeinheit

40 Antwortsignal Substanz

42 gemischtes Antwortsignal

44 Antwortsignal Oberfläche 50 Substanz

52 Oberfläche

60 Trainingsdatensatz

62 Eingabe

64 empfangenes Antwortsignal 66 empfangenes Antwortsignal

68 Ausgabe

70 Klassifizierer

72 Vorhersage Substanz

74 empfangenes Antwortsignal 76 empfangenes Antwortsignal

78 Messdatensatz

80 Genauigkeit 82 Mischspektrum+Oberflächenspektrum, bekannte Oberfläche

84 Mischspektrum, bekannte Oberfläche

86 Mischspektrum+Oberflächenspektrum, unbekannte Oberfläche

88 Mischspektrum, unbekannte Oberfläche

90 Algorithmus

100 Detektionsvorrichtung

200 Arbeitsplatte (lackiert)

202 Hartholz (unlackiert)

204 Pappe

206 Verbundholz I

208 Pressspan (lackiert)

210 Kunstleder

212 Hartholz (lackiert)

214 Handtuch (Stoff)

216 PVC (schwarz)

218 Verbundholz II2

220 Plastik (weiß)

222 Papier (gebleicht)

224 Pressspan (weiß)