用于评定样本管在实验室自动化系统中使用的适合性的方法和设备

技术领域

本发明涉及一种通过使用移动设备的相机来评定至少一个样本（sample）管在实验室自动化系统中使用的适合性的方法。本发明进一步涉及一种用于评定至少一个样本管在实验室自动化系统中使用的适合性的评定系统。进一步地，本发明涉及具有至少一个相机的移动设备，涉及用于执行所述方法的计算机程序和计算机可读存储介质。所述方法、设备、计算机程序和计算机可读存储介质具体可以用在医学或化学实验室领域中，例如以便评定样本管在分析或预分析实验室系统中使用的适合性。然而，本发明的其他应用领域是可行的。

背景技术

在医学或化学实验室领域中，用许多不同的样本管类型来处置多种多样的样本，诸如血液、血清或血浆、尿液或化学物质。在许多情况下，在使用之前必须评定样本管在特定的实验室自动化系统中使用的适合性。在一些情况下，实验室自动化系统自主地检查特定样本管在该系统中使用的适合性。

因此，技术人员已知利用作为示例包括相机系统的实验室自动化系统来光学标识系统中使用的样本管的设备和方法。作为示例，WO 2015/191702 A1公开了用于在实验室环境中检测样本管的性质的方法和系统，其包括可以被训练和校准的抽屉视觉系统。分析由至少一个相机捕获的管托盘的图像以提取图像块，所述图像块允许处理器自动地确定管槽是否被占用，管是否有盖。可以使用随机森林技术和多个训练图像块来训练处理器。可以使用可以被插入到抽屉中的三维校准目标来校准相机。

EP 3223019 A1公开了一种建立样本管组的方法，所述样本管组被适配成由实验室自动化系统处理，所述方法包括通过从各种各样的可用样本管类型中选择多个不同的样本管类型来选择包括若干样本管类型的样本管组。该方法进一步包括获取针对所述样本管组中包括的每个样本管类型的至少一个检测参数的分布参数，其中该分布参数包括关于所述至少一个检测参数的先前检测到的参考数据值的分布的信息。该方法进一步包括通过比较针对所述样本管组中包括的每个样本管类型的所述至少一个检测参数的分布参数与针对所述样本管组中包括的所有其他样本管类型的所述至少一个检测参数的分布参数来确定实验室自动化系统是否能够正确标识所述样本管组中包括的每个样本管类型。该方法还包括：如果确定实验室自动化系统能够正确标识所述样本管组中包括的每个样本管类型，则指示所选择的样本管组被批准由实验室自动化系统处理，或者如果确定实验室自动化系统不能正确标识所述样本管组中包括的每个样本管类型，则提出至少一个冲突补救。

EP 3357842 A1公开了一种用于处理包含实验室样本的样本容器和/或用于处理所述样本的实验室自动化系统，其包括：被适配成拍摄样本容器连同校准元件的图像的数字相机，其中所述图像包括与样本容器有关的图像数据和与校准元件有关的图像数据，以及被适配成根据与样本容器有关的图像数据和与校准元件有关的图像数据来确定样本容器的几何性质的图像处理设备。

EP 2148205 B1公开了一种用于处置样本管和图像分析单元的方法和实验室系统。该实验室系统包括用于传送包含样本管的传入主架（PR）的传送单元、图像分析单元以及标识和分配单元，用以在实验室系统中处置实验室样本管的所述方法包含：借助于传送单元将包含样本管的传入主架传送到图像分析单元；在图像分析单元中，借助于图像分析来确定主架中包含的至少一个样本管的几何参数；在标识和分配单元中，针对每个样本管将所确定的几何参数与预定的几何标准进行比较，并标识样本管的几何形状是否满足预定的标准；在满足的情况下，将样本管分类为系统一致（system conform）；否则将样本管分类为非系统一致；其中被标识为系统一致的每个样本管进入进一步处理，并且被标识为非系统一致的每个样本管进入错误处理。

US 9417253 B2公开了一种样品（specimen）处理系统，其包括：样品测量区段，用于测量样品容器中容纳的样品；运输区段，用于将样品容器运输到样品测量区段；样品容器收集区段，用于收集样品容器；获取器，用于获取关于样品容器的形状信息或关于样品容器中容纳的样品的状态信息；供应判断器，其被配置用于基于获取器获取的结果来确定是否要将样品容器供应给样品测量区段；以及递送区段，用于朝向运输区段递送由供应判断器确定成要被供应给样品测量区段的样品容器，以及朝向样品容器收集区段递送由供应判断器确定成不要被供应给样品测量区段的样品容器。还公开了一种样品容器分类装置。

US 2016/0018427 A1公开了一种用于将来自分析包含液体的容器的容器检查单元的容器标识数据与来自分析所述包含液体的容器的液位检测单元的液位检测原始数据组合并且生成液位检测结果的方法和系统。将液位检测结果与来自容器检查单元的附加数据进行交叉检查。该结果可以用于为容器计划在实验室自动化系统中的路线。

EP 3408640 A1公开了被适配成从多个侧视图标识样品容器的方法和装置。

US 6599476 B1公开了一种被提供用于自动化的样本容器分配的病理分配系统。该系统包括用于将样本装载在不同类型的主容器中的装载站、用于接收容器并标识容器类型和其中的样本的样本处置站，以及容器分配站，其用于将容器分配在被标记用于分析针对其中的样本而规定的过程的分配站中的区域或架子中。

尽管通过已知的方法和设备获得了优势，特别是在样本管的自动化光学检查领域中，但是仍然有若干技术挑战。具体地，独立于所述系统并且撇开所述系统，并且在使用样本管之前评定样本管在实验室自动化系统中使用的适合性的可能性将是合期望的。在许多情况下，有资格的技术人员对未知样本管的手动鉴定过程是效率低的，并且费时又费成本。

要解决的问题

因此，期望提供至少部分地解决类似种类的已知方法和设备的上述技术挑战的方法和设备。具体地，应提出允许以简单且有成本效率的方式预先评定样本管在实验室自动化系统中使用的适合性的方法和设备。

发明内容

通过用于评定至少一个样本管在实验室自动化系统中使用的适合性的方法和评定系统，进一步通过具有独立权利要求的特征的移动设备、计算机程序和计算机可读存储介质来解决此问题。在从属权利要求中列出了可以以单独的方式或以任何任意的组合实现的有利实施例。

如在下文中所使用的那样，以非排他方式使用术语“具有”、“包括”或“包含”或其任何任意的语法变体。因此，这些术语既可以指代其中除由这些术语引入的特征之外在该上下文中所描述的实体中不存在另外的特征的情况，也可以指代其中存在一个或多个另外的特征的情况。作为示例，表述“A具有B”、“A包括B”和“A包含B”既可以指代其中除B之外A中不存在其他元件的情况（即其中A仅仅且排他地由B组成的情况），也可以指代其中除B之外实体A中还存在一个或多个另外的元件（诸如元件C、元件C和元件D或甚至另外的元件）的情况。

进一步地，应当注意，术语“至少一个”、“一个或多个”或者指示一特征或元件可能出现一次或多于一次的类似表述通常将仅在引入相应的特征或元件时使用一次。在下文中，在大多数情况下，当提及相应的特征或元件时，将不重复表述“至少一个”或“一个或多个”，尽管事实是相应的特征或元件可能出现一次或多于一次。

进一步地，如在下文中所使用的那样，术语“优选”、“更优选”、“特别”、“更特别”、“具体”、“更具体”或类似的术语连同可选特征一起使用，而不限制替代的可能性。因此，通过这些术语引入的特征是可选特征，并且不意图以任何方式限制权利要求的范围。如技术人员将认识到的那样，可以通过使用替代特征来执行本发明。类似地，通过“在本发明的实施例中”或类似表述引入的特征旨在是可选特征，而没有关于本发明的替代实施例的任何限制，没有关于本发明的范围的任何限制，并且没有关于将以这样的方式引入的特征与本发明的其他可选或非可选特征组合的可能性的任何限制。

在本发明的第一方面中，公开了一种评定至少一个样本管在实验室自动化系统中使用的适合性的方法。该方法包括具体可以以给定的顺序执行的以下步骤。然而，应该注意，不同的顺序也是可能的。进一步地，一次或重复地执行方法步骤中的一个或多个也是可能的。进一步地，同时或以在时间上重叠的方式执行方法步骤中的两个或更多个是可能的。该方法可以包括未列出的另外的方法步骤。

该方法包括：

ⅰ）通过使用移动设备的相机捕获样本管的至少一部分的至少一个图像；

ⅱ）通过分析所述图像获取样本管的至少一个第一标识信息项；

ⅲ）检索（retrieve）样本管的至少一个第二标识信息项，特别是通过移动设备来检索样本管的至少一个第二标识信息项；以及

ⅳ）评估第一标识信息项和第二标识信息项，并将样本管分派到至少一个适合性类别。

如本文中所使用的术语“评定使用的适合性”是一个广义的术语，并且将被赋予其对于本领域普通技术人员而言普通和通常的含义，并且将不限于特殊或自定义的含义。该术语具体可以指代而不限于出于获得特定结果的目的而提供关于至少一个元件或过程是否适合与另一元件和/或另一过程结合使用的至少一个信息项的过程。该信息项可以是或可以包括数字信息，诸如“适合”或“不适合”。此外或替代地，该信息项可以是或可以包括适合性的程度，指示元件或过程适合的程度。因此，在评定至少一个样本管在实验室自动化系统中使用的适合性的上下文中，评定具体可以指代但不限于对至少一个样本管在任意的和/或特定的实验室自动化系统（LAS）中的适合性的定性和/或定量评定。LAS可以被配置成处置具有某些规格的样本管。例如，这些规格可能涉及以下中的一个或多个：样本管的几何形状、样本管的研磨断面形、盖类型，特别是盖几何形状、盖颜色、盖密封类型、盖材料，和/或样本管的材料。评定的结果可能包括关于有关特定LAS的样本管的至少一个适合性类别的信息。例如，该结果可能包括样本管是否与特定LAS兼容的信息。作为另一示例，评定的结果还可能包括样本管是否具有已知类型的信息。

如本文中所使用的术语“适合性类别”是一个广义的术语，并且将被赋予其对于本领域普通技术人员而言普通和通常的含义，并且将不限于特殊或自定义的含义。该术语具体可以指代但不限于关于样本管在LAS中的可用性的分类。因此，样本管的可用性可以取决于样本管被用于的LAS的特定要求。因此，适合性类别具体可以反映和/或包括在评定中生成的至少一个信息。作为示例，适合性类别可以反映样本管适合还是不适合与LAS一起使用，或相反，可能不决定适合性并且可能必须检索关于适合性的附加信息。可以定义或预定义至少两个适合性类别。

如本文中所使用的术语“样本管”是一个广义的术语，并且将被赋予其对于本领域普通技术人员而言普通和通常的含义，并且将不限于特殊或自定义的含义。该术语具体可以指代但不限于被适配成进行以下各项中的一个或多个的容器：包含要在LAS中分析的样本、存储要在LAS中分析的样本或运输要在LAS中分析的样本。进一步地，容器的形状可以使得管被形成，诸如圆柱形管，例如具有圆形和/或多边形截面的圆柱形管。容器的其他类型或形式也是可能的。样本管可以包括管底、管体和盖，其包括盖的密封件。管底可以被配置成在样本管的下端限制样本管。管体可以被配置成形成样本管的形状。盖可以被配置成通过使用特定密封类型的机构可逆地在样本管的上端处使样本管闭合。例如，样本管的盖密封件可以包括螺旋类型、橡胶类型、hemogard类型或推进类型中的一个或多个。可以通过样本管的使用方式来定义样本管的上端和下端。

进一步地，如本文中所使用的术语“实验室自动化系统”（LAS）是一个广义的术语，并且将被赋予其对于本领域普通技术人员而言普通和通常的含义，并且将不限于特殊或自定义的含义。该术语具体可以指代但不限于被配置成自动地处置样本管的系统，特别是被适配成自主地和/或全部或部分自动地处理样本管及其装入的样本的系统。其中使用LAS的实验室可以是例如临床实验室、法医实验室或血库。作为示例，LAS可以包括至少一个致动器，所述致动器被配置用于处置至少一个样本管，诸如被配置用于处置多个样本管，例如顺序地或并行地。作为示例，致动器可以被配置用于诸如通过系统内的多个处置站来自动地移动所述至少一个样本管。作为示例，致动器可以是或可以包括机械臂、输送系统或旋转设备中的一个或多个。其他致动器是已知的并且可以使用。LAS可以进一步包括一个或多个处置站，用于处置和/或处理所述至少一个样本管中包含的一个或多个样本。作为示例，可以提供一个或多个用于向样本添加成分的站、一个或多个用于加热样本的站或一个或多个用于诸如通过离心进行样本分离的站。LAS具体可以是预分析系统，具体地用于准备一个或多个样本用于随后的样本分析。

如本文中所使用的术语“样本”是一个广义的术语，并且将被赋予其对于本领域普通技术人员而言普通和通常的含义，并且将不限于特殊或自定义的含义。该术语具体可以指代但不限于物质的等分试样，所述物质诸如化学或生物化合物。具体地，样本可以是或可以包括至少一个生物样品，诸如以下中的一个或多个：血液；血清；血浆；尿液；唾液。此外或替代地，样本可以是或可以包括化学物质或化合物和/或试剂。

如上面所概述的那样，所述方法包括，在步骤ⅰ）中，通过使用移动设备的相机来捕获样本管的至少一部分的至少一个图像。如本文中所使用的术语“移动设备”是一个广义的术语，并且将被赋予其对于本领域普通技术人员而言普通和通常的含义，并且将不限于特殊或自定义的含义。该术语具体可以指代但不限于移动电子设备，更具体地指代移动通信设备，诸如移动电话、手机、智能电话、平板计算机、笔记本中的一个或多个。此外或替代地，如下面将进一步详细概述的那样，移动设备也可以指代平板计算机或具有至少一个相机的另一类型的便携式计算机。移动设备具体可以是便携式的，诸如通过具有小于5.000 cm³的尺寸和/或通过具有小于3 kg 的重量。

如本文中所使用的术语“相机”是一个广义的术语，并且将被赋予其对于本领域普通技术人员而言普通和通常的含义，并且将不限于特殊或自定义的含义。该术语具体可以指代但不限于具有至少一个被配置用于记录或捕获空间分辨的一维、二维或甚至三维的光学数据或信息的成像元件的设备。作为示例，相机可以包括至少一个相机芯片，诸如至少一个CCD芯片和/或至少一个被配置用于记录图像的CMOS芯片。

如本文中所使用的术语“图像”是一个广义的术语，并且将被赋予其对于本领域普通技术人员而言普通和通常的含义，并且将不限于特殊或自定义的含义。该术语具体可以指代但不限于通过使用相机所记录的数据，诸如来自成像设备的多个电子读数，诸如相机芯片的像素。因此，图像可以是或可以包括信息值的至少一个数组，诸如灰度值和/或颜色信息值的数组。图像可以是单色图像或多色图像或有色图像。

相机除所述至少一个相机芯片或成像芯片之外还可以包括另外的元件，诸如一个或多个光学元件，例如一个或多个镜头。作为示例，相机可以是具有至少一个相对于该相机进行固定调整的镜头的定焦相机。然而，替代地，相机也可以包括一个或多个可以被自动或手动调整的可变镜头。本发明具体将适用于如通常用在移动应用诸如笔记本计算机、平板电脑，或者具体地手机诸如智能电话中的相机。因此，具体地，相机可以是移动设备的一部分，所述移动设备除至少一个相机之外还包括一个或多个数据处理设备，诸如一个或多个数据处理器。然而，其他相机是可行的。

相机具体可以是彩色相机。因此，诸如针对每个像素，可以提供或生成颜色信息，诸如针对三个颜色R、G、B的颜色值。更大数量的颜色值也是可行的，诸如针对每个像素四个颜色值。彩色相机一般为技术人员已知。因此，作为示例，相机芯片可以由多个三个或更多个不同的颜色传感器每个组成，诸如颜色记录像素，比如一个像素针对红色（R），一个像素针对绿色（G）和一个像素针对蓝色（B）。对于每个像素，诸如针对R、G、B，可以通过像素来记录值，诸如在0到255范围中的数字值，其取决于相应颜色的强度。作为示例，可以使用四元组来代替使用诸如R、G、B之类的颜色三元组。像素的颜色敏感度可以由滤色器或由相机像素中使用的传感器元件的适当固有敏感度生成。这些技术一般为技术人员已知。

如本文中所使用的术语“捕获至少一个图像” 是一个广义的术语，并且将被赋予其对于本领域普通技术人员而言普通和通常的含义，并且将不限于特殊或自定义的含义。该术语具体可以指代但不限于成像、图像记录、图像采集、图像捕获中的一个或多个。术语“捕获至少一个图像”可以包括捕获单个图像和/或多个图像，诸如一系列图像。例如，图像的捕获可以包括连续地记录一系列图像，诸如视频或电影。例如，一旦在相机的视场内和/或视场的预定扇区内自动检测到至少一个对象的存在，就可以通过用户动作来发起或者可以自动地发起对所述至少一个图像的捕获。这些自动图像采集技术是已知的，例如在诸如来自自动条形码阅读app之类的自动条形码阅读器的领域中是已知的。作为示例，通过利用相机采集图像的流或“实时流”，图像的捕获可能发生，其中自动地或通过用户交互（诸如按下按钮）存储图像中的一个或多个并分别将其用作至少一个第一图像或至少一个第二图像。图像采集可以由移动设备的处理器支持，并且图像的存储可以发生在移动设备的数据存储设备中。

如上面所概述的那样，所述方法包括，在步骤ⅱ）中，通过分析图像来获取样本管的至少一个第一标识信息项。如本文中所使用的术语“标识信息项”是一个广义的术语，并且将被赋予其对于本领域普通技术人员而言普通和通常的含义，并且将不限于特殊或自定义的含义。该术语具体可以指代但不限于可以用于标识样本管的任意特性。例如，标识信息项可以描述样本管的几何形状、颜色、材料和/或功能特征。仅出于命名的目的而使用术语“第一”和“第二”，而没有对这些标识信息项进行排列或编号并且没有给予任何优先。进一步地，该编号不指代信息的特定时间顺序或信息的特定数量。对于第一和第二标识信息项两者，具体地，一个或多个，更具体地，两个或多于两个标识项可以被获取。可以经由不同的方式获取标识信息项。获取标识信息项的一个可能方式是借助于图像分析。获取标识信息项的另一可能方式是通过经由移动设备的接口来检索信息，如下面将进一步详细概述的那样。

如本文中所使用的术语“分析图像”，也称为“图像分析”，是一个广义的术语，并且将被赋予其对于本领域普通技术人员而言普通和通常的含义，并且将不限于特殊或自定义的含义。该术语具体可以指代但不限于用于从图像中导出信息的任意过程。具体地，在步骤ⅱ）的上下文中，通过分析图像获取的信息包含至少一个第一标识信息项。图像分析的过程可以通过使用计算机视觉过程来实现。图像分析技术一般为技术人员已知。因此，作为示例，可以使用一般已知的模式标识技术，例如用于检测样本管的几何形状等等。可以另外或替代地使用其他图像分析步骤或过程。图像分析的结果可以是或可以包括数值结果和/或另一类型的信息，其可以被直接用作第一标识信息项和/或可以被用于通过进一步处理来生成所述至少一个第一标识信息项。

如本文中所使用并如在步骤ⅲ）的上下文中具体使用的那样，术语“检索”是一个广义的术语，并且将被赋予其对于本领域普通技术人员而言普通和通常的含义，并且将不限于特殊或自定义的含义。该术语具体可以指代但不限于主动或被动地获取对象和信息项（具体是数据）中的一个或多个的过程。检索可以由检索实体或外部实体发起。作为示例，可以经由一个或多个接口（诸如数据接口和/或用户接口）来获取要检索的对象或信息项。作为示例，用户可以通过诸如在引导数据输入的过程中、例如经由由移动设备（例如由在移动设备上运行的App）自动发起的一个或多个查询而手动插入信息来提供样本管的所述至少一个第二标识信息项。

如上面在步骤ⅳ）中所进一步概述那样，所述方法包括评估第一和第二标识信息项，以及将样本管分派到至少一个适合性类别。如本文中所使用的术语“评估”是一个广义的术语，并且将被赋予其对于本领域普通技术人员而言普通和通常的含义，并且将不限于特殊或自定义的含义。该术语具体可以指代但不限于处理一个或多个输入信息/数据并且从而获取评估结果或评估量（诸如信息、变量或参数中的一个或多个）的操作。例如，在步骤ⅳ）的上下文中，可以评估第一和第二标识信息项，以便生成至少一个允许将样本管分派到所述至少一个适合性类别的信息项。下面将进一步详细给出示例。

第二标识信息项具体可以包括除了通过图像分析所获取的信息之外的信息。因此，作为示例，第二信息项可以是或可以包括不是从图像分析中导出或可导出的信息，诸如从由用户提供的信息、数据库提供的信息、与移动设备通信的另一设备提供的信息所组成的组中选择的一个或多个信息项。作为示例，可以经由移动设备的至少一个接口来至少部分地检索第二标识信息项。接口可以包括数据接口和用户接口中的至少一个，所述用户接口具体是图形用户接口。移动设备可以提示用户输入第二标识信息项或者其至少一部分。因此，可以至少部分地通过用户输入（具体是通过手动用户输入）诸如经由移动设备的用户接口来检索第二标识信息项。进一步地，还可以经由在移动设备上运行的软件应用来至少部分地检索第二标识信息项，该软件应用请求移动设备的用户输入第二标识信息项，具体是经由输入菜单、更具体是经由使用户从多个预定可选项中选择来输入第二标识信息项。替代地或此外，检索所述至少一个第二标识信息项的其他方式可能是可行的。

如本文中所使用的术语“移动设备的接口”是一个广义的术语，并且将被赋予其对于本领域普通技术人员而言普通和通常的含义，并且将不限于特殊或自定义的含义。该术语具体可以指代但不限于移动设备的被配置成诸如出于单向或双向交换信息的目的（诸如用于交换数据或命令中的一个或多个）而与其环境进行交互的特征。例如，可以将移动设备的接口配置成与用户共享信息并接收用户的信息。移动设备的接口可以是用来与用户进行视觉交互的特征，诸如显示器，或者是用来与用户进行听觉交互的特征。作为示例，接口可以包括以下中的一个或多个：用户接口，诸如图形用户接口；数据接口，诸如无线和/或绑线（wirebound）数据接口。

如本文中所使用的术语“软件应用”是一个广义的术语，并且将被赋予其对于本领域普通技术人员而言普通和通常的含义，并且将不限于特殊或自定义的含义。该术语具体可以指代但不限于为了执行特定操作而在计算单元上运行的计算机程序。软件应用可以向计算单元提供特定功能。计算单元可以包括计算机、移动设备、服务器系统。

如本文中所使用的术语“输入菜单/用户输入” 是一个广义的术语，并且将被赋予其对于本领域普通技术人员而言普通和通常的含义，并且将不限于特殊或自定义的含义。该术语具体可以指代但不限于软件应用的记录由用户提供的信息的功能。输入菜单可以是用于从用户检索信息的图形用户接口的一部分。进一步地，如本文中所使用的术语“用户”是一个广义的术语，并且将被赋予其对于本领域普通技术人员而言普通和通常的含义，并且将不限于特殊或自定义的含义。该术语具体可以指代但不限于操作移动设备（具体是在移动设备上运行的软件应用）的人。作为示例，用户可以是有资格处置样本管和/或LAS的服务技术人员，或者可以是没有经验的用户。

如上面概述的那样，步骤ⅳ）包括评估第一和第二标识信息项以及将样本管分派到至少一个适合性类别。该步骤可以包括组合第一和第二标识信息项以获取样本管的至少一个组合的标识信息项，其中在步骤ⅳ）中，评估组合的标识信息项。例如，组合的标识信息项可以包括样本管的序列号或货号。基于该组合的标识信息项，可以向样本管分派适合性类别。此外或替代地，所述至少一个组合的标识信息项可以是或可以包括信息项的向量和/或数组，诸如包括所述至少一个第一标识信息项和所述至少一个第二标识信息项两者的数组。然后可以使用组合的标识信息项以用于进一步的处理，诸如用于标识样本管和/或用于确定适合性类别。

所述方法可以进一步包括：

ⅴ）经由至少一个接口，具体地经由移动设备的至少一个接口，更具体地经由移动设备的至少一个显示器，来提供适合性类别。

因此，作为示例，在移动设备上运行的软件应用除可选地检索所述至少一个第二标识信息项之外，还可以被配置用于经由移动设备的所述至少一个接口（诸如经由至少一个图形用户接口）提供适合性类别，具体地用于在移动设备的至少一个显示器上显示适合性。应当注意，其他选项也是可行的。因此，作为示例，此外或替代地，适合性类别还可以通过其他手段（诸如通过音频手段和/或触觉手段）引起用户的注意，和/或可以被存储在至少一个数据存储设备中，和/或可以被诸如经由所述至少一个接口而传输到至少一个其他设备，诸如传输到 LAS。所述方法也可以包括，诸如在适合性类别可能指示样本管不适合与LAS一起使用的情况下，输出警告，诸如视觉警告、音频警告或触觉警告中的一个或多个。

如上面概述的那样，所述方法可以包括诸如在步骤ⅱ）中捕获和/或确定样本管的几何形状。出于该目的，作为示例，步骤ⅰ）可以包括使用至少一个校准元件，其中图像可以包括校准元件的至少一部分。因此，作为示例，可能发生至少一个图像的捕获以使得图像显示样本管的至少一部分，并且此外，显示校准元件的至少一部分。校准元件可以包括至少一个几何参考标记。进一步地，校准元件的所述至少一部分的图像可以用于获取样本管的至少一部分的至少一个几何信息项。几何标识信息项可以包括以下中的至少一个：样本管的高度，具体是包括盖的样本管的高度、无盖的样本管的管体的高度和样本管的盖的高度中的一个或多个，更具体是无鼻子的样本管的盖的高度、有鼻子的样本管的盖的高度和样本管的盖的鼻子的高度中的一个或多个；样本管的宽度，具体是样本管的样本管体的宽度和样本管的盖的宽度中的一个或多个；样本管的内径，具体是样本管的样本管体的内径（更具体是在样本管的底部上方预定义位置处的内径和在样本管的上边缘下方预定义位置处的内径中的一个或多个）和样本管的盖的内径中的一个或多个；样本管的外径，具体是样本管的样本管体的外径（更具体是在样本管的底部上方预定义位置处的外径和在样本管的上边缘下方预定义位置处的外径中的一个或多个）和样本管的盖的外径中的一个或多个；样本管的至少一部分的形状，具体是样本管的管底的形状和样本管的盖的形状中的一个或多个；样本管的管底的几何形状，具体是样本管的圆底的半径和样本管的平底的长度中的一个或多个；样本管的螺纹的几何形状，具体是样本管的螺纹的外径、样本管的螺纹的长度和样本管的螺纹的螺纹数中的一个或多个；样本管的主体的角度，具体是样本管的主体的左角和样本管的主体的右角中的一个或多个。

评定样本管的适合性的方法还可以计及样本管的颜色信息。因此，校准元件可以包括至少一个颜色参考。校准元件的所述至少一部分的图像可以用于获取样本管的至少一部分的至少一个颜色标识信息项。例如，颜色标识信息项可以包括关于样本管的盖的至少一个颜色信息项。可以通过步骤ⅱ）中的图像分析来确定样本管的两个标识信息项：几何和颜色信息项。因此，获取的第一标识信息项可以包括几何标识信息项和/或颜色标识信息项中的至少一个。

如本文中所使用的术语“校准元件”是一个广义的术语，并且将被赋予其对于本领域普通技术人员而言普通和通常的含义，并且将不限于特殊或自定义的含义。该术语具体可以指代但不限于具有已知的几何和/或颜色性质的对象，其被用于校准从图像导出的几何、尺寸或颜色信息中的一个或多个。作为示例，校准元件可以是或可以包括至少一个基板，诸如硬纸板基板或塑料基板。基板可以提供校准信息，诸如通过具有预定和已知的尺寸、颜色等中的一个或多个。此外或替代地，可以将一个或多个几何图案和/或颜色图案应用到基板上，诸如印刷到基板的至少一个表面上。作为示例，校准元件可以包括至少一个印刷的校准图案，其具有已知的尺寸和/或具有已知的颜色属性，诸如具有已知的协调的R、G或B颜色。可以使用校准元件，使得在执行步骤ⅰ）时将样本管放置到校准元件上，使得样本管和校准元件两者在图像中至少部分可见。此外或替代地，可以将至少一个校准元件放置到样本管旁边，使得样本管和校准元件两者在图像中至少部分可见。作为示例，可以通过比较校准元件的像素数据和样本管的像素数据来执行图像的校准。校准元件还可以包括用以校准图像的色度的有色元件。出于该目的，可以使用彩色相机测量到的RGB颜色强度。因此，一般地，在步骤ⅱ）中，图像的分析可以计及从校准元件的图像导出的至少一个参考信息项，诸如至少一个几何参考信息项和至少一个颜色参考信息项。

进一步地，如上面概述的那样，所述方法包括在步骤ⅲ）中检索至少一个第二标识信息项。第二标识信息项可以包括以下中的至少一个：材料标识信息项、功能标识信息项、几何标识信息项。材料标识信息项具体可以包括关于样本管的管体的材料的信息和/或关于样本管的盖的材料的信息中的至少一个。功能标识信息项具体可以包括关于样本管的盖的盖密封类型的信息。几何标识信息项具体可以包括关于样本管的至少一部分的管几何形状的信息，具体是关于样本管的管底和样本管的盖的几何形状中的一个或多个的信息。

如上面概述的那样，所述方法包括在步骤ⅳ）中评估第一和第二标识信息项。具体可以通过使用至少一个算法，具体是机器学习算法，更具体是机器学习分类器，例如计算机视觉算法，来执行步骤ⅳ）。进一步在步骤ⅳ）中，可以通过使用至少一个样本管数据库来执行样本管到至少一个适合性类别的分派。因此，适合性类别可以指示样本管是否具有样本管数据库中已经列出的类型。因此，适合性类别可以包括来自由“已知且兼容”、“未知但兼容”和“不兼容” 组成的组的至少一个类别。适合性类别可以指示样本管是否适合与实验室自动化系统一起使用。假如样本管可能具尚未列在样本管数据库中的类型，则可以更新样本管数据库。具体地，可以通过使用步骤ⅳ）的至少一个结果来更新样本管数据库。

如本文中所使用的术语“样本管数据库” 是一个广义的术语，并且将被赋予其对于本领域普通技术人员而言普通和通常的含义，并且将不限于特殊或自定义的含义。该术语具体可以指代但不限于被配置成处置特定数据结构的电子数据管理系统，其中数据指代样本管。特定数据结构可以由数据库模型确定。样本管数据库可以被配置为有资格的样本管列表。例如，样本管数据库可以是或可以包括使一个或多个标识信息项与特定的样本管相关的寄存器。因此，样本管数据库可以包括关于多个样本管类型的数据和附加数据，诸如涉及样本管类型的性质的数据。进一步地，样本管数据库可以包括关于样本管类型的适合性信息，诸如适合性类别和/或涉及样本管数据库中列出的样本管类型的其他适合性信息。

如本文中所使用的术语“算法”是一个广义的术语，并且将被赋予其对于本领域普通技术人员而言普通和通常的含义，并且将不限于特殊或自定义的含义。该术语具体可以指代但不限于用于处理输入数据的一个或多个规则。例如，所述算法可以是机器学习算法，其能够通过处理数据（例如通过处理训练数据）来学习处理的规则。

如上面概述的那样，移动设备具体可以包括至少一个处理器。如本说明书中一般使用的术语“处理器” 是一个广义的术语，并且将被赋予其对于本领域普通技术人员而言普通和通常的含义，并且将不限于特殊或自定义的含义。该术语具体可以指代但不限于被配置用于执行计算机或系统的基本操作的任意逻辑电路，和/或，一般地，指代但不限于被配置用于执行计算或逻辑操作的设备。特别地，处理器可以被配置成处理驱动计算机或系统的基本指令。作为示例，处理器可以包括至少一个算术逻辑单元（ALU），至少一个浮点单元（FPU），诸如数学协处理器或数字协处理器，多个寄存器，具体是被配置用于向ALU供应操作数并存储操作的结果的寄存器，以及存储器，诸如L1和L2高速缓冲存储器。特别地，处理器可以是多核处理器。具体地，处理器可以是或可以包括中央处理单元（CPU）。此外或替代地，处理器可以是或可以包括微处理器，因此，具体地，处理器的元件可以包含在一个单一集成电路（IC）芯片中。此外或替代地，处理器可以是或可以包括一个或多个专用集成电路（ASIC）和/或一个或多个现场可编程门阵列（FPGA）等。处理器具体可以被诸如通过软件编程配置成用于执行一个或多个评估操作。

进一步地，处理器可以被适配成执行步骤ⅱ）和可选地执行步骤ⅲ）。处理器可以被适配成自动发起步骤ⅰ）中图像的捕获，具体是通过识别样本管在相机的视场中是否可见来自动发起步骤ⅰ）中图像的捕获。

所述方法的步骤ⅳ）可以至少部分由远离移动设备的后端服务器执行，具体是由云服务器执行。因此，所述方法可以包括将在步骤ⅰ）、ⅱ）和ⅲ）中的一个或多个中获取的数据从移动设备传输到后端服务器。可以经由在移动设备上运行的软件应用来记录在步骤ⅰ）和ⅲ）中的一个或两个中获取的数据。数据传输具体可以经由一个或多个无线和/或绑线接口或者网络（诸如经由因特网）而发生。

如本文中所使用的术语“后端服务器”是一个广义的术语，并且将被赋予其对于本领域普通技术人员而言普通和通常的含义，并且将不限于特殊或自定义的含义。该术语具体可以指代但不限于能够关于要处理的数据执行一个或多个操作的设备。具体地，服务器可以包括至少一个处理器，所述处理器可以通过适当的软件进行编程，用于关于要处理的数据执行一个或多个操作。至少一个后端服务器可以是至少一个云服务器。

在本发明的另一方面中，公开了一种用于评定至少一个样本管在实验室自动化系统中使用的适合性的评定系统。评定系统包括至少一个具有至少一个相机的移动设备，其中移动设备被配置，具体是通过软件编程进行配置，用于通过使用相机捕获样本管的至少一部分的至少一个图像。评定系统被配置，具体是通过软件编程进行配置，用于执行根据本发明（诸如根据上面公开的实施例中的任一个和/或根据下面进一步详细公开的实施例中的任一个）的评定样本管在LAS中使用的适合性的方法。

因此，如上面在所述方法的上下文中所概述的那样，评定系统可以进一步包括至少一个远离移动设备的后端服务器，具体是云服务器，其中后端服务器可以被配置用于与移动设备的数据交换，其中后端服务器可以被配置，具体是通过软件编程进行配置，用于至少部分执行步骤ⅳ）。如上面概述的那样，评定系统包括移动电话，所述移动电话可以被进一步配置，具体是通过软件编程进行配置，用于执行评定样本管在LAS中使用的适合性的方法的步骤ⅱ）和ⅲ）中的至少一个。

对于评定系统的另外的定义和选项，可以参考在上面给出的实施例中的一个或多个中和/或根据下面进一步详细描述的实施例中的任一个的方法的描述。

在本发明的另一方面，公开了一种移动设备，特别供在根据本发明（诸如根据上面公开的实施例中的任一个和/或根据下面进一步详细公开的实施例中的任一个）的评定系统中使用。移动设备被配置，具体是通过软件编程进行配置，用于至少执行根据本发明（诸如根据上面公开的实施例中的任一个和/或根据下面进一步详细公开的实施例中的任一个）的方法的步骤ⅰ）、ⅱ）和ⅲ）。移动设备可以被进一步配置用于将在步骤ⅰ）、ⅱ）和ⅲ）中的一个或多个中获取的数据传输到后端服务器。

对于移动设备的另外的定义和选项，可以参考在上面给出的实施例中的一个或多个中和/或根据下面进一步详细描述的实施例中的任一个的方法的描述。

在另一方面中，公开了一种计算机程序，其包括指令，所述指令在被根据本发明（诸如根据上面公开的实施例中的任一个和/或根据下面进一步详细公开的实施例中的任一个）的评定系统的至少一个处理器执行时使得该处理器实行根据本发明（诸如根据上面公开的实施例中的任一个和/或根据下面进一步详细公开的实施例中的任一个）的方法。类似地，公开了一种计算机可读存储介质，其包括指令，所述指令在被根据本发明（诸如根据上面公开的实施例中的任一个和/或根据下面进一步详细公开的实施例中的任一个）的评定系统的至少一个处理器执行时使得该处理器实行根据本发明（诸如根据上面公开的实施例中的任一个和/或根据下面进一步详细公开的实施例中的任一个）的方法。

如本文中所使用的那样，术语“计算机可读存储介质”具体可以指代非暂时性的数据存储部件，诸如其上存储有计算机可执行指令的硬件存储介质。计算机可读数据载体或存储介质具体可以是或可以包括诸如随机存取存储器（RAM）和/或只读存储器（ROM）之类的存储介质。

计算机程序也可以体现为计算机程序产品。如本文中所使用的那样，计算机程序产品可以指代作为可交易产品的程序。产品一般可以以任意格式存在，诸如以纸质格式存在，或者存在于计算机可读数据载体上和/或计算机可读存储介质上。具体地，可以在数据网络上分布计算机程序产品。

根据本发明的方法和设备相比本领域中已知的类似方法和设备，可以提供大量优势。因此，与本领域中已知的方法和设备相比，本文中描述的方法和设备可以提供使用具有相机的移动设备来评定至少一个样本管在实验室自动化系统中使用的适合性的可能性。具体地，独立于且撇开实验室自动化系统对样本管的立即评估可以提高这样的评定方法的灵活性和处置。因此，已知的样本管可以被立即激活以供在实验室自动化系统中使用。如果可能的话，可以立即使未知管具有资格和/或可以强加潜在的限制。因此，实验室自动化系统中使用的样本管的手动处置和/或手动倾注（decanting）可能变得过时。

进一步地，假如样本管已被分类为不适合实验室自动化系统，则它可以立即被认为是替代方案。因此，所述方法可以使得咨询职员能够独立于且撇开实验室自动化系统评估样本管的适合性。非技术职员可以给出关于已经具有资格并且可以立即使用的样本管的建议。因此，该方法可以提供一种评定样本管在实验室自动化系统中使用的适合性的容易且全面的方法。

作为可能由使用移动设备的方法产生的另一优势，诸如来自研究和开发补贴的职员之类的技术职员对样本管的评定可能变得多余或过时。评估可以由在移动设备上运行的软件应用自动地完成。因此，所述方法和评定系统可以实现对样本管的有时间和成本效率的评估。

进一步地，评定样本管的适合性的方法和评定系统可以通过使用移动设备而允许有成本效率且环境友好的评定，因为要检查的样本管不需要不必要的装运到检查地点。

如上面概述的那样，所述方法可以完全或部分被计算机实现。因此，所述方法可以完全或部分由软件应用（诸如在移动设备上运行的软件应用）和/或由软件组合来体现，所述软件组合包括在移动设备上运行的至少一个软件包或软件应用以及在后端服务器上运行的至少另一软件包。如上面指示的那样，通过在移动设备上运行的软件应用，步骤ⅰ）、ⅱ）和ⅲ）中的至少一个或多个可以被计算机实现或被计算机支持。通过在移动设备上运行的软件应用中的一个或多个和/或通过在后端服务器上运行的软件，步骤ⅳ）可以被软件实现。剩下的和可选的步骤也可以完全或部分被软件实现，如技术人员将认识到的那样。

总结并且不排除另外可能的实施例，可以设想以下实施例：

实施例1：一种评定至少一个样本管在实验室自动化系统中使用的适合性的方法，包括：

ⅰ）通过使用移动设备的相机来捕获样本管的至少一部分的至少一个图像；

ⅱ）通过分析图像来获取样本管的至少一个第一标识信息项；

ⅲ）检索样本管的至少一个第二标识信息项，具体是通过移动设备来检索；以及

ⅳ）评估第一和第二标识信息项，并且将样本管分派到至少一个适合性类别。

实施例2：根据前述实施例的方法，其中第二标识信息项包括除了通过图像分析所获取的信息之外的信息。

实施例3：根据前述实施例中的任一个的方法，其中经由移动设备的至少一个接口至少部分地检索第二标识信息项。

实施例4：根据前述实施例的方法，其中接口包括数据接口和用户接口中的至少一个，所述用户接口具体是图形用户接口。

实施例5：根据前述实施例中的任一个的方法，其中通过用户输入，具体是通过手动用户输入，来至少部分地检索第二标识信息项。

实施例6：根据前述实施例的方法，其中移动设备提示用户输入第二标识信息项。

实施例7：根据两个前述实施例中的任一个的方法，其中经由在移动设备上运行的软件应用至少部分地检索第二标识信息项，软件应用请求移动设备的用户输入第二标识信息项，具体是经由输入菜单、更具体是经由使用户从多个预定可选项中选择来输入第二标识信息项。

实施例8：根据前述实施例中的任一个的方法，其中步骤ⅳ）包括组合第一和第二标识信息项，以获取样本管的至少一个组合的标识信息项，其中，在步骤ⅳ）中，评估组合的标识信息项。

实施例9：根据前述实施例中的任一个的方法，进一步包括：

ⅴ）经由至少一个接口，具体是经由移动设备的至少一个接口，更具体是经由移动设备的至少一个显示器，提供适合性类别。

实施例10：根据前述实施例的方法，其中步骤ⅰ）包括使用至少一个校准元件，其中图像包括校准元件的至少一部分。

实施例11：根据前述实施例的方法，其中校准元件包括至少一个几何参考标记。

实施例12：根据前述实施例的方法，其中使用校准元件的至少一部分的图像来获取样本管的至少一部分的至少一个几何信息项。

实施例13：根据三个前述实施例中的任一个的方法，其中校准元件包括至少一个颜色参考。

实施例14：根据前述实施例的方法，其中使用校准元件的至少一部分的图像来获取样本管的至少一部分的至少一个颜色信息项。

实施例15：根据前述实施例中的任一个的方法，其中通过使用算法，具体是机器学习算法，更具体是机器学习分类器，来执行步骤ⅳ）。

实施例16：根据前述实施例中的任一个的方法，其中通过使用至少一个样本管数据库来执行步骤ⅳ）中样本管到至少一个适合性类别的分派。

实施例17：根据前述实施例的方法，其中适合性类别指示样本管是否具有已经列在样本管数据库中的类型。

实施例18：根据两个前述实施例中的任一个的方法，其中适合性类别包括来自由“已知且兼容”、“未知但兼容”和“不兼容”组成的组的至少一个类别。

实施例19：根据三个前述实施例中的任一个的方法，其中通过使用步骤ⅳ）的至少一个结果来更新样本管数据库。

实施例20：根据前述实施例的方法，其中假如样本管具有尚未列入样本管数据库的类型，则更新样本管数据库。

实施例21：根据前述实施例中的任一个的方法，其中适合性类别指示样本管是否适合与实验室自动化系统一起使用。

实施例22：根据前述实施例中的任一个的方法，其中第一标识信息项包括以下中的至少一个：几何标识信息项；颜色标识信息项。

实施例23：根据前述实施例的方法，其中几何标识信息项包括以下中的至少一个：样本管的高度，具体是包括盖的样本管的高度、无盖的样本管的管体的高度和样本管的盖的高度中的一个或多个，更具体是无鼻子的样本管的盖的高度、有鼻子的样本管的盖的高度和样本管的盖的鼻子的高度中的一个或多个；样本管的宽度，具体是样本管的样本管体的宽度和样本管的盖的宽度中的一个或多个；样本管的内径，具体是样本管的样本管体的内径（更具体是在样本管的底部上方预定义位置处的内径和在样本管的上边缘下方预定义位置处的内径中的一个或多个）和样本管的盖的内径中的一个或多个；样本管的外径，具体是样本管的样本管体的外径（更具体是在样本管的底部上方预定义位置处的外径和在样本管的上边缘下方预定义位置处的外径中的一个或多个）和样本管的盖的外径中的一个或多个；样本管的至少一部分的形状，具体是样本管的管底的形状和样本管的盖的形状中的一个或多个；样本管的管底的几何形状，具体是样本管的圆底的半径和样本管的平底的长度中的一个或多个；样本管的螺纹的几何形状，具体是样本管的螺纹的外径、样本管的螺纹的长度和样本管的螺纹的螺纹数中的一个或多个；样本管的主体的角度，具体是样本管的主体的左角和样本管的主体的右角中的一个或多个。

实施例24：根据两个前述实施例中的任一个的方法，其中颜色标识信息项包括关于样本管的盖的至少一个颜色信息项。

实施例25：根据前述实施例中的任一个的方法，其中第二标识信息项包括以下中的至少一个：材料标识信息项；功能标识信息项；几何标识信息项。

实施例26：根据前述实施例的方法，其中材料标识信息项包括以下中的至少一个：关于样本管的管体的材料的信息；关于样本管的盖的材料的信息。

实施例27：根据两个前述实施例中的任一个的方法，其中功能标识信息项包括关于样本管的盖的盖密封类型的信息。

实施例28：根据三个前述实施例中的任一个的方法，其中几何标识信息项包括关于样本管的至少一部分的管几何形状的信息，具体是关于样本管的管底和样本管的盖的几何形状中的一个或多个的信息。

实施例29：根据前述实施例中的任一个的方法，其中移动设备包括至少一个处理器。

实施例30：根据前述实施例的方法，其中处理器被适配成执行步骤ⅱ）和可选地执行步骤ⅲ）。

实施例31：根据两个前述实施例中的任一个的方法，其中处理器被适配成自动发起步骤ⅰ）中图像的捕获，具体是通过识别样本管在相机的视场中是否可见来自动发起步骤ⅰ）中图像的捕获。

实施例32：根据前述实施例中的任一个的方法，其中步骤ⅳ）至少部分由远离移动设备的后端服务器执行，具体是由云服务器执行。

实施例33：根据前述实施例的方法，其中方法进一步包括将在步骤ⅰ）、ⅱ）和ⅲ）中的一个或多个中获取的数据从移动设备传输到后端服务器。

实施例34：根据前述实施例中的任一个的方法，其中经由在移动设备上运行的软件应用来记录在步骤ⅰ）和步骤ⅲ）中的一个或两个中获取的数据。

实施例35：一种用于评定至少一个样本管在实验室自动化系统中使用的适合性的评定系统，其包括至少一个具有至少一个相机的移动设备，其中移动设备被配置，具体是通过软件编程进行配置，用于通过使用相机来捕获样本管的至少一部分的至少一个图像，其中评定系统被配置，具体是通过软件编程进行配置，用于执行根据前述实施例中的任一个的方法。

实施例36：根据前述实施例的评定系统，其中评定系统进一步包括至少一个远离移动设备的后端服务器，具体是云服务器，其中后端服务器被配置用于与移动设备的数据交换，其中后端服务器被配置，具体是通过软件编程进行配置，用于至少部分执行步骤ⅳ）。

实施例37：根据涉及评定系统的前述实施例中的任一个的评定系统，其中移动电话被进一步配置，具体是通过软件编程进行配置，用于执行步骤ⅱ）和ⅲ）中的至少一个。

实施例38：一种移动设备，具体地供在根据涉及评定系统的前述实施例中的任一个的评定系统中使用，其中移动设备被配置，具体是通过软件编程进行配置，用于至少执行根据前述方法实施例中的任一个的方法的步骤ⅰ）、ⅱ）和ⅲ）。

实施例39：根据前述实施例的移动设备，其中移动设备被进一步配置用于将在步骤ⅰ）、ⅱ）和ⅲ）中的一个或多个中获取的数据传输到后端服务器。

实施例40：一种包括指令的计算机程序，所述指令在程序由根据涉及评定系统的前述实施例中的任一个的评定系统的至少一个处理器执行时，使得该处理器实行根据前述方法实施例中的任一个的方法。

实施例41：一种包括指令的计算机可读存储介质，所述指令在被根据涉及评定系统的前述实施例中的任一个的评定系统的至少一个处理器执行时，使得该处理器实行根据前述方法实施例中的任一个的方法。

附图说明

将在实施例的随后描述中，优选地连同从属权利要求中更详细地公开另外的可选特征和实施例。其中，可以以单独的方式和以任何任意可行的组合来实现相应的可选特征，如技术人员将认识到的那样。优选实施例不限制本发明的范围。在图中示意性地描绘了实施例。其中，这些图中相同的参考数字指代相同的或功能相当的元件。

在各图中：

图1 示出了评定系统的实施例、移动设备的实施例和实验室自动化系统的实施例；

图2和3 示出了评定样本管在实验室自动化系统中使用的适合性的方法的不同实施例的流程图；

图4 示出了校准元件和样本管的实施例；

图5a-c 示出了用于检索至少一个第二标识信息项的图形用户接口的实施例的不同登记卡；以及

图6 示出了显示所述方法的结果的图形用户接口的实施例。

具体实施方式

在图1中，以示意图示出了根据本发明的评定系统110的实施例、移动设备112的实施例和实验室自动化系统114的实施例。

评定系统110包括至少一个移动设备112，并且被配置，具体是通过软件编程进行配置，用于执行评定至少一个样本管116在实验室自动化系统114中使用的适合性的方法118。评定系统110进一步包括至少一个后端服务器设备130，诸如至少一个云服务器132，如下面将进一步详细概述的那样。移动设备112具有至少一个相机120并且可以包括至少一个处理器122。

评定系统110可以进一步包括至少一个校准元件136。校准元件136可以包括至少一个几何参考标记138和/或至少一个颜色参考，如下面将进一步详细解释的那样。

评定系统110被配置用于执行评定所述至少一个样本管116在实验室自动化系统114中使用的适合性的方法。在图2中，示出了该方法的示例性实施例的流程图，其中该方法由参考数字118表示。方法118包括以下步骤，所述步骤具体可以按给定顺序执行。但是，不同的顺序也可以是可能的。完全或部分同时执行方法步骤中的两个或更多个可以是可能的。一次或重复执行方法步骤中的一个、多于一个或甚至全部可以进一步是可能的。方法118可以包括未列出的附加方法步骤。方法118的方法步骤如下：

ⅰ）（利用参考数字124表示）通过使用移动设备112的相机120来捕获样本管116的至少一部分的至少一个图像；

ⅱ）（利用参考数字126表示）通过分析图像来获取样本管116的至少一个第一标识信息项；

ⅲ）（利用参考数字128表示）检索样本管116的至少一个第二标识信息项，具体是通过移动设备112来检索；以及

ⅳ）（利用参考数字134表示）评估第一和第二标识信息项并且将样本管116分派到至少一个适合性类别。

在方法118的步骤ⅰ）124中捕获的图像可以包括校准元件136的至少一部分。在步骤ⅱ）126中，第一标识信息项可以包括几何标识信息项和/或颜色标识信息项中的至少一个。校准元件136可以用于获取样本管116的至少一部分的几何标识信息项和/或颜色标识信息项。例如，几何标识信息项可以包括以下中的至少一个：样本管116的高度；样本管116的宽度；样本管116的内径；样本管116的外径和/或样本管116的形状。例如，颜色标识信息项可以包括关于样本管116的盖的至少一个颜色信息项。进一步地，通过图像分析而获取第一标识信息项。例如，可以通过计算机视觉过程来实现图像分析。此外或替代地，可以使用其他图像分析步骤或过程。

在方法118的步骤ⅲ）128中，检索第二标识信息项，凭此第二标识信息项可以包括除了经由图像分析所获取的信息之外的信息。第二标识信息项可以包括以下中的至少一个：材料标识信息项；功能标识信息项和/或几何标识信息项。材料标识信息项可以包括关于样本管116的管体的材料和/或盖的材料的信息。功能标识信息项可以包括关于样本管116的盖的盖密封类型的信息。几何标识信息项可以包括关于样本管116的至少一部分的几何形状的信息，具体是关于样本管116的管底的几何形状和/或盖的几何形状中的一个或多个的信息。

进一步地，可以经由移动设备112的接口检索第二标识信息项，其中接口可以包括数据接口和/或用户接口中的至少一个，所述用户接口具体是图形用户接口。移动设备112可以提示用户输入第二标识信息项。例如，可以通过用户输入，具体是经由手动用户输入，检索第二标识信息项。图5a-c中示出并将在下面进一步详细描述图形用户接口的不同登记卡的示例性实施例。

在步骤ⅳ）134中，评估第一和第二标识信息项并将样本管116分派给至少一个适合性类别。步骤ⅳ）134可以包括组合第一和第二标识信息项以获取样本管116的至少一个组合的标识信息项，其中，在步骤ⅳ）134中，可以评估组合的标识信息项。组合的标识信息项可以包括样本管116的序列号或货号。此外或替代地，所述至少一个组合的标识信息项可以是或可以包括信息项的向量和/或数组，诸如包括所述至少一个第一标识信息项和所述至少一个第二标识信息项两者的数组。然后可以使用组合的标识信息项以用于进一步的处理，诸如用于标识样本管116和/或用于确定适合性类别。进一步地，可以通过使用算法，具体是机器学习算法，更具体是机器学习分类器，执行步骤ⅳ）134。可以通过使用至少一个样本管数据库来执行样本管116到至少一个适合性类别的分派。适合性类别可以指示样本管116是否具有样本管数据库中已经列出的类型，并且此外，可以指示样本管116是否适合与实验室自动化系统114一起使用。

如上面概述的那样，移动设备112的处理器122可以被适配成发起在步骤ⅰ）124中捕获图像并被适配成执行步骤ⅱ）126和可选地执行步骤ⅲ）128。进一步地，步骤ⅳ）134可以至少部分由远离移动设备112的后端服务器130执行，具体是由云服务器132执行。因此，方法118可以包括将在步骤ⅰ）124、ⅱ）126或ⅲ）128中的一个或多个中获取的数据从移动设备112传输到后端服务器130。

在图3中，示出了评定所述至少一个样本管116在实验室自动化系统114中使用的适合性的方法的另一实施例的流程图。该实施例广泛地对应于图2的实施例。然而，进一步地，如图3所图示的那样，方法118可以包括附加步骤ⅴ）140，其中经由至少一个接口，具体是经由移动设备112的至少一个接口（诸如用户接口），更具体是经由移动设备112的至少一个显示器，来提供适合性类别。

返回到图1，移动设备112被配置，具体是通过软件编程进行配置，用于至少执行诸如根据图2或3中的任一个的方法118的步骤ⅰ）124、ⅱ）126和ⅲ）128。在方法118的步骤ⅰ）124中，移动设备112用于通过使用移动设备112的相机120来捕获样本管116的至少一部分的至少一个图像。移动设备112的处理器122可以被适配成自动发起图像的捕获，具体是通过识别样本管116在相机120的视场中是否可见来自动发起图像的捕获。作为示例，可以评估（例如连续地评估）相机120的视场中可见的场景的“实时”图像，以便检测样本管116的存在。然而，触发图像捕获的另一方式也是可行的，诸如手动触发。进一步地，处理器122可以被适配成执行方法118的步骤ⅱ）126和可选地执行步骤ⅲ）128。

移动设备112可以被进一步配置用于将在步骤ⅰ）124、ⅱ）126和ⅲ）128中的一个或多个中获取的数据从移动设备112传输到远离移动设备112的后端服务器130。出于此目的，作为示例，可以使用移动设备112的至少一个接口129，诸如无线接口，与后端服务器130的至少一个接口131通信。进一步地，后端服务器130可以被配置，具体是通过软件编程进行配置，用于至少部分执行步骤ⅳ）134。

进一步地，方法118的步骤ⅰ）124可以包括使用所述至少一个校准元件136，其中图像可以包括校准元件136的至少一部分。校准元件136可以包括至少一个几何参考标记138和/或至少一个颜色参考。

图4示出了校准元件136和样本管116的示例性实施例。校准元件136可以包括几何参考标记138和/或颜色参考中的一个或多个。几何参考标记138可能具有已知的几何性质，并且可以用于校准从图像导出的几何和/或尺寸信息中的一个或多个。颜色参考可能具有已知的颜色性质，并且可以用于校准从图像导出的颜色信息。在执行方法118的步骤ⅰ）124的同时，可以将样本管116放置到校准元件136上。此外或替代地，也可以将校准元件136放置在样本管116旁边，使得样本管116和校准元件136两者可以在图像中至少部分可见。与样本管相比，校准元件136可能具有高对比度。具体地，如果样本管包括明亮的颜色，则校准元件136可能具有深色的背景，反之亦然。

如上面概述的那样，显示器141可以用作图形用户接口，例如通过允许显示信息和/或通过允许用户经由显示器141（诸如经由触摸屏）输入数据而用作图形用户接口。此外或替代地，移动设备112可以包括另外的用户接口。如上面概述的那样，方法118可以被计算机实现，诸如至少部分由在移动设备112上运行的应用或App、并且此外由在云服务器132上运行的软件实现。

在图5a-c中，图示了图形用户接口的示例性实施例的不同登记卡，如可以由移动设备112的处理器122执行的App所生成的。如上面概述的那样，在方法118的步骤ⅲ）128中，至少部分经由图形用户接口检索第二标识信息项。例如，可以经由在移动设备112上运行的软件应用来至少部分检索第二标识信息项，该软件应用请求移动设备112的用户输入第二标识信息项，具体是经由输入菜单142、更具体是经由使用户从多个预定项144中选择来输入第二标识信息项。所述多个预定项144可以包括以下中的一个或多个：样本管116的管体的材料；样本管116的盖的材料；样本管116的盖的盖密封类型；样本管116的管底的几何形状；样本管116的盖的几何形状。因此，在图5a中，移动设备112可以通过请求用户填写如在随后的图像中示出的表格来启动输入第二标识项的请求。在图5b和5c中，示出了输入菜单142，请求用户从所述多个预定项144中选择。图5b示出了针对从多个预定的管底（也称为管研磨断面形）中的选择的请求。图5c示出了针对从多个预定的盖密封类型中的选择的请求。

方法118一般可以包括诸如通过使用移动设备112的显示器141示出或显示至少一个结果，诸如至少一个适合性类别。因此，图6示出了显示方法118的结果的图形用户接口的示例性实施例。方法118的结果可以包括在方法118的步骤ⅳ）134中分派到样本管116的适合性类别。适合性类别可以包括来自由“已知且兼容”、“未知但兼容”和“不兼容”组成的组的至少一个类别。如上面概述的那样，可以经由至少一个接口，具体是经由移动设备112的至少一个接口，更具体是经由移动设备112的至少一个显示器，来提供适合性类别。例如，在移动设备112上运行的软件应用可以被进一步配置用于经由移动设备112的至少一个接口（诸如经由至少一个图形用户接口）来提供适合性类别，具体是用于在移动设备112的至少一个显示器上显示适合性。其他选项也是可行的。在图6中，作为示例，首先显示116样本管的管数据，诸如盖类型、盖颜色、高度、直径和盖宽度。该总结可以允许用户纠正数据或添加缺少的数据。进一步地，可以显示交互式按钮146，允许用户基于上面列出的管数据而主动启动评估。在启动评估之后，可以示出至少一个结果，诸如适合性类别。因此，如图6中示出的示例，“竖起大拇指”符号可以指示样本管116是“已知且兼容的” 供与实验室自动化系统114一起使用。其他符号和/或文本可以用于显示结果。进一步地，除了所述至少一个适合性类别之外，还可以显示附加信息。

110 评定体系

112 移动设备

114 实验室自动化系统

116 样本管

118 评定方法

120 相机

122 处理器

124 步骤i）

126 步骤ⅱ）

128 步骤ⅲ）

128 移动设备的接口

130 后端服务器

131 后端服务器的接口

132 云服务器

134 步骤ⅳ）

136 校准元件

138 几何参考标记

140 步骤ⅴ）

141 显示器

142 输入菜单

144 多个预定项

146 按钮。