对乳液中油滴进行模式识别分析
THE USE OF PATTERN RECOGNITION FOR OIL DROPLETS ANALYSIS IN EMULSIONS
Christian Godino, Vincent Chapeau, Godefroid Dislaire
本文的研究目的是在没有任何样品稀释的情况下如何计算乳液中油滴的尺寸分布。
在液滴大小的测量中，面临的一个主要问题就是是否必要对乳液进行稀释。乳浊液的稳定性和油滴的大小严格依赖于测量条件。样品的稀释会影响液滴的尺寸分布，增加精确解释一个稳定测量过程的难度。
方法
该方法是基于由Occhio研发团队专门开发的一种新的图像分析算法。该技术采用Occhio FC200S图像法粒度分析仪，它是全电脑控制，包括连接到显微镜的数字工业相机和背光系统。未经稀释的乳液经过位于成像装置和光源之间的固定厚度的玻璃样品池单元。光学系统与背景光源的配置使仪器系统的工作分辨率达到200纳米。
在图像采集过程中，保持样品运动中的恒定流速是非常重要的。因此，FC200S配有一个标准的自动注射泵，通过它可以创造稳定的、重复的乳化液流动条件。
目前，常规的粒度分析仪要求被测颗粒完全能分散开，并且样品需要适当稀释。自1995年以来，图像分析技术开始用于粒径测量，图像分析不仅能测量粒径，还能分析被测物体的形状。在表征液滴的特殊案例中，因为我们知道气泡的形状，这一特性可以用来检测重叠的液滴对象。基于这样的理念，Occhio 2010年开发出了在非稀释的乳液中的模式识别技术，应用该算法检测和测量液滴，气泡和泡沫。
对于图像中的每一个点，软件分配一个向量，这个向量被计算为n个向量的平均值。其目的是确定图像中的某个点是否是一个气泡。为了验证这个点，一系列模式识别试验应用到该向量。这样，与各个向量相关联的得分可以指向该点是否是一个气泡。模式识别试验是基于典型的泡沫形态和亮度参数。
结果
模式识别条件可以通过乳液图像的直接评价进行选择。下面一组图像取自一个给定产品的不同批次乳液。
如果定义了条件值，即可产生一个“标准操作规程”（SOP），从而简单、快速并且可重复地测量油滴粒径分布。
一个已经实现的乳液标准的生产质量控制实验见下图。批次“A”和“B”来自同一工厂的相同产品，采样间隔为一个月。 
最后的验证是基于亮度分布（luminance distribution），其中的亮度定义为每个油泡的平均灰度级。模式识别有效性的设置是检验亮度分布。
以下的比较显示了一个不符合指标的生产批次产品液滴粒径产生重大降低。
结论:
模式识别算法可以对未经稀释的乳液进行分析。该方法是稳定的，并且减少了在分析期间外部环境的影响。其他添加剂可以添加到乳液中，它们不会改变油泡的识别。该技术采用非破坏性的流动的条件，样品测量的重现性好。