最重要的是其检测结果完全不亚于实验室专用仪器，且半分钟就能出结果。
相关研究成果发表在 IEEE Sensors Journal。
基于树莓派的血液检测机器
现在很多实验室都在利用光学检测方法来验血。
具体来说就是当光穿过血液时，它的强度会随着物质的浓度而变化，从而通过对比光吸收率就可以量化目标分析物的浓度。
这个基于树莓派的集成检测系统用的也是这种方法。
它涉及一个自动流体分配器，可将控制好量的试剂添加到血样中，然后放入反应杯。
还包括可以调节波长的单色光发射组件、用于捕获透射光的光电探测器、用于维持分析所需温度的热管理单元等。
图中的处理单元（Processing Unit）和显示 (Display) 部分即为树莓派发挥作用的模块。
具体检测方法就是先让通过血液的透射光落在光电二极管上，使其产生相应的电流。
然后将电流转换为电压，并使用放大器放大。
再使用 ADS1115 模数转换器将放大后的模拟电压转换为数字值，通过 I2C 协议将其提供给树莓派 4 进行进一步处理。
分析浓度时会用到关联光的衰减与光传播所通过材料性质的比尔-朗伯定律。
-
A：吸光度；
-
K：系数，可以是吸收系数或摩尔吸收系数；
-
l：吸收介质的厚度，一般以 cm 为单位；
-
c：吸光物质的浓度，单位可以是 g/L 或 mol/L。
为了验证效果，研究人员分别用专业实验设备和该系统来分析血液中的葡萄糖浓度。
结果发现，使用该系统获得的数据与标准实验室的结果几乎完全匹配。
▲ 第一行为标准实验室结果
更重要的是，得益于 Raspberry pi 4 优秀的处理能力，该设备可以在短短半分钟内给出结果。
如果想分析其他物质浓度，只需简单地更换所使用的试剂和修改光谱波长。
▲ 葡萄糖浓度检测采用的是 510nm 波长的单色光，此时其吸收率最好
由于该系统具有便携、仪器简单、用户界面简单、输出稳定等优点，研究人员表示很有可能在低资源地区成功落地。
他们研究的下一个重点是用更进一步的软件解决方案来简化硬件，比如部署可用于预测目标分析物浓度的机器学习算法。
而纳入物联网设计也可将它用于远程和个性化的健康监测。
一位曾在检测室工作过的网友对这项研究给予了充分肯定：
市面上这样一套系统可能需要花 5-50 万美元（约合人民币 32-320 万），而他们用低成本的现成组件获得了同样准确的结果。且尺寸较小，很方便移动和运输。
ps.我们根据它的设备组成，简单粗略算了一下成本：
树莓派 4 589 元 + ADC 35 元 + 光电二极管几毛一个用来凑个整 + 比色皿（cuvette）150 + 滤光片轮（filter wheel）14000 + 蠕动泵 1000 + 电源 200 ≈ 1 万 6。
这至少是连 1/10 都不到。
另外，这位网友也提出了一些更实际的问题：
比如其中要用的试剂虽然可以买现成的，但在偏远的地区存在冷藏问题。另外还需要支付得起的控制和校准材料，确保系统保持准确性。
总之，“期待更多”。
One More Thing
简单搜索了一下发现，由于树莓派体积小、成本低，用它来做检测工具的作品还真不少。
比如树莓派加个摄像头做口罩检测：
加灰尘传感器做空气检测：
除了个人 DIY，也不乏专业机构。
比如多伦多大学用它配上指甲监控器来检测新冠患者的血氧饱和度，实现无需现场接触也能监控病人情况：
甚至在去年，树莓派还被用来作为呼吸机的主板，解决疫情期间呼吸机芯片短缺的问题。
还有什么是树莓派所不能的呢？
论文地址：
https://ieeexplore.ieee.org/document/9524612/metrics#metrics
访问:
原创文章，作者：奋斗，如若转载，请注明出处：https://blog.ytso.com/industrynews/165644.html