非罗考昔

近几年以来，在国内烟草行业，随着烟草企业的联合重组与整合，对烟叶原料品类多样化提出了更高的要求，为了统筹优化与合理应用原料提供技术支持，以Web Service架构的“互联网+近红外光谱分析”的基本模式，于2015年，云南中烟构建的以原料研究为导向的烟叶原料近红外分析网络系统上线使用，通过六年多来的运行，实现了原料近红外分析检测数据的交换和共享，对评估烤烟收购质量，合理组配复烤模块单元，提供了即时的数据支持；在产品开发和产品维护方面，针对性使用烟叶原料，研发新产品配方、优化配伍和维护产品质量稳定，发挥了积极的辅助作用，特别是从“人、机、料、环、法”等方面，依据相应的技术标准（包含近红外校正模型建立、验证、应用和维护等），规范了网点的近红外光谱实验室，多年来，积累了初烤烤烟、复烤片烟和库存片烟等烟叶原料近红外分析检测大量的数据资产。系统功能基本达到了设计预期。然而，为了进一步探索分析烟叶原料品质类别、配方模块（单元）相似性、质量变化趋势和规律，在综合利用近红外光谱数据、理化性质数据和一些与质量相关的半结构化非结构化数据时，由于集成的常规性质数据有限，满足不了质量表征的需求，加之，在网络平台上面对大量的数据处理分析，传统的化学计量学定性定量建模计算模式难于适应，制约了多变量数据（如光谱）的深入挖掘和数据挖掘的效率。为了推进近红外光谱分析网络化应用，本文基于烟草近红外光谱网络化应用的实践经验，抛砖引玉，与大家探讨近红外光谱分析网络化应用研究的一些思路。1、近红外光谱标准化烟草可视为一种多成分复杂化学体系的天然作物，迄今为止，从烟草中鉴定出来的化学成分达5500多种，烟草质量与这些化学成分的相关性至今尚未全部研究清楚，通常采用为数有限的常规化学成分指标（如烟碱、总氮、总糖、还原糖、蛋白质、钾、氯和灰分等），评估烟草整体质量特征时仍存在不足，普遍认为，烟草在燃吸时的整体质量特征是烟草中这些复杂成分相互协同作用的结果。在近红外光谱定量分析中，烟草近红外光谱包含大量潜在的物质组成信息尚未充分利用，不同质量特征的烟草具有自身的特征近红外光谱，应用适当的化学计量学模式识别方法，如PLS-DA、SIMCA和SVM，结合近红外光谱挖掘烟草的整体质量特征归属，对寻求质量特征相似或相近的替代原料，保障规模化产品制造稳定的原料供给有着重要的意义。每一个网点的近红外光谱实验室是数据“发源地”，数据质量决定了将来数据的应用价值。实验室除了从“人、机、料、环、法”等方面，依据相应的规范（包含近红外光谱测量、校正模型建立、验证、应用和维护的技术标准等）要求运行之外，显然，在网络环境里光谱数据采集的“标准化”就特别重要。这就要求入网的近红外光谱仪必须具有优良的光学特性，仪器之间的差异最小，保证对不同产区网点的近红外光谱仪测量的光谱数据进行分析时，仪器的背景差异不会造成明显的影响，但事实上，同一厂家同一型号同一个批次生产的光谱仪都很难做到这一点，可以说，近红外光谱仪之间的差异是进行网络数据共享，挖掘光谱数据信息存在的问题之一。一是借鉴模型转移的化学计量学方法，根据仪器之间的光谱差异，建立一个光谱的数学关系，然后依据这个数学关系，“软拷贝”实现光谱数据采集的标准化；二是仪器厂商提升仪器的制造水平，降低仪器之间的差异，特别是不同批次生产的仪器之间的差异，才能使其测量的光谱差异最小，不会对后续的光谱分析造成明显的影响，也就是说用一台仪器采集的光谱建立的模型预测同一组样品在本台仪器上测量的光谱，与使用本台仪器的模型预测另一台仪器测量同是一组样品的光谱所得到的结果无明显的差异，在这两台仪器之间就无需建立光谱的数学关系，即简单的“硬拷贝”就可实现网络平台光谱数据采 集的标准化，要义见图1示意。在网络环境中的光谱仪可视为一个“网络传感器”，对传感器的技术要求在朝着高质量、高精度、小型化、低功耗和智能化等方向演进，对网络用户来说，期待仪器制造商生产性能一致性优良的光谱仪，乃是尤为理想的解决方案。图1 不同的光谱仪采集同一组样品，可得到基本相同的光谱，即“一个世界，一个标准”2、云化近红外光谱分析网络平台云计算服务是一种集中式服务，所有数据都通过网络传输到云计算中心进行处理。资源的高度集中与整合使得云计算具有很高的通用性，然而，面对网络设备和数据的爆发式增长，边缘计算相比于云计算模型，能够更加迅速、可靠和节能地响应用户需求，数据在本地处理也可以提升用户隐私保护程度。另外，边缘计算也减小了对网络的依赖，在离线状态下也能够提供基础业务服务。通过云化近红外光谱分析网络平台，集成不同的烟草产地生态环境、等级、品种以及相应的近红外光谱、理化性质（包含烟叶的形态形状图像，化学成分指标等）数据是其任务之一，便于分析挖掘与感官质量相关的特征信息，服务于烟叶原料的精细化种植及科学合理应用，在近红外光谱定性、定量建模或后续的各种数据挖掘实际应用中，是基于“中心云”或“边缘云”的数据资源进行的。有时会用到中心云的数据资源，如对各大产区烟草质量进行整体性比照分析，探索各大烟区烟草质量特征，支持原料生产基地系统规划；有时会用到边缘云的数据资源，如对某个产区烟草历时性数据作趋势分析，探索烟草质量的稳定性与变化趋向，辅助基层植烟区改进或调整生产措施。所以，面向服务对象的规模、复杂程度合理部署、云化近红外光谱分析网络平台就尤为重要，有利于集约化网络资源，提升数据的分析处理以及数据挖掘的效率，见图2示意。图2. 近红外光谱分析平台云化示意图3、构建云计算自动化（智能）建模服务系统通常，在建立样本数量大于3000个以上的近红外校正模型时，样本量越大，运算速度越慢，对计算机性能的要求越就越高，且在建模过程中，如组织训练集或校正样本集、清洗异常样本、筛选适宜的建模数据等等，基本是基于“文件夹”来操作完成的，对网络环境中的大体量的数据资源，因缺乏探索性数据分析的网络计算手段而难于被充分利用，传统的建模方式和流程效率低、适应性差。基于网络资源进行化学计量学网络计算，现代云计算技术为化学计量学计算研究搭建了高灵活性平台。如何选择诸如Hadoop、Spark等生态圈技术，通过分布式计算提升定性、定量建模效率，并结合长期积累的建模经验、领域知识（包含相关的波长或波段选择、光谱预处理方法及其经验参数设置、模型误差水平控制等），实现自动化建模，这是我们要联合网络计算专家实现近红外光谱分析网络化云计算所要解决的问题。显然，把传统的近红外光谱定量、定性分析涉及的训练集样本或校正集样本的筛选、光谱的预处理、建模等化学计量学方法（算法）网络化，开发分布式计算的化学计量学软件系统（当然，这也是数据挖掘的重要组成部分），共享应用网络软、硬件资源优势，平衡计算负载，实现近红外光谱分析云计算，可能是一种比较好的解决思路，这无论是对近红外光谱定性定量分析的普通用户，还是对近红外光谱数据进行深度挖掘的高级用户，都具有较好的便利性和实用性。4、研发基于特征模型的网络搜索引擎基于多维质量特征数据（结构化和非结构化数据），诸如烟草产地生态、等级、品种、理化性质指标、近红外光谱、形态形状图像等，选取不同的特征，通过模式识别技术建立用户预期的质量特征类模型，然后应用“基于特征模型的网络搜索引擎+类模型”搜索网络共享资源（中心云或边缘云）中具有相近或相似质量特征的样本，也就是在网络共享资源中“淘宝”，寻求在产品制造中烟叶原料的替代应用，保障产品质量的稳定。搜索引擎形式类似“百度”或“Google”。这里以烟草近红外光谱定性分析的应用举例说明，我们需要什么样功能的“搜索引擎”，近红外光谱包含丰富的化学物质结构信息，且近红外光谱与物质组成及含量相关，不同属性、特征的烟草样品具有相应的特征近红外光谱，通过结合烟草领域知识，采用适宜的化学计量学模式识别方法（如基于PCA的各种分类算法、ANN或SVM等）来提取烟草样品近红外光谱特征信息，训练能表征质量特征的近红外光谱类模型，应用验证通过的类模型和待测烟草样品近红外光谱便可预测待测样品的归属类别或特征。常规近红外光谱定性预测分析是基于“文件夹+类模型”进行操作的，而在网络环境中，近红外光谱定性预测分析必须网络化，预测是在云化的近红外光谱分析网络平台上，应用“基于特征模型的网络搜索引擎+类模型”寻找“隐藏”在“中心云”或“边缘云”中的数据资源（见图3示意），它承担着大体量的网络计算。基于特征模型的网络搜索引擎是“云计算自动化（智能）建模服务系统”预测分析网络化的延展，可简单视为是一个“网络预测器”，当然，这个“网络预测器”需要网络计算专家和近红外光谱化学计量学算法专家联手研发。图3. 近红外光谱分析网络化应用示意图5、其它针对不同应用场景或职能部门，利用中心云数据或边缘云数据进行一些简单的在线统计分析计算，并对结果进行可视化展示，如原料生产部门可快速实现对烟叶质量指标的比较，分析烟叶质量的稳定性、质量变化走势等。开发一些满足不同应用场景的APP、微信小程序、公众号等（见图3示意），也是一项值得开展的工作。（作者：王家俊 云南中烟工业有限责任公司）

在背景与目标红外辐射量差距不大或背景较为复杂等情况下，传统红外成像技术对目标进行探测与识别的难度较大。而红外偏振探测在采集目标与背景辐射强度的基础上，还获取了多一维度的偏振信息，因此在探测隐藏、伪装和暗弱目标和复杂自然环境中人造目标的探测和识别等领域，有着传统红外探测不可比拟的优势。但同时，偏振装置的加入也增加了成像系统的复杂度与制作成本，且对于远距离成像，在红外成像系统前加入偏振装置对成像系统的探测距离有多大的影响，也有待进一步的研究论证。据麦姆斯咨询报道，近期，中国科学院上海技术物理研究所、中国科学院红外探测与成像技术重点实验室和中国科学院大学的科研团队在《红外与毫米波学报》期刊上发表了以“考虑探测器非理想性的红外偏振成像系统作用距离分析”为主题的文章。该文章第一作者为谭畅，主要从事红外偏振成像仿真方面的研究工作；通讯作者为王世勇研究员，主要从事红外光电系统技术、红外图像信号处理方面的研究工作。本文将从分析成像系统最远探测距离的角度出发，对成像系统的探测能力进行评估。综合考虑影响成像系统探测能力的各个因素，参考传统红外成像系统作用距离模型，基于系统的偏振探测能力，建立了红外偏振成像系统的作用距离模型，讨论了偏振装置非理想性对系统探测能力的影响，并设计实验验证了建立模型的可靠性。红外成像系统作用距离建模目前较为公认的对扩展源目标探测距离进行估算的方法是MRTD法。该方法规定，对于空间频率为f的目标，人眼通过红外成像系统能够观察到该目标需要满足两个条件：①目标经过大气衰减到达红外成像系统时，其与背景的实际表观温差应大于或等于该频率下的成像系统最小可分辨温差MRTD（f）。②目标对系统的张角θT应大于或等于相应观察要求所需要的最小视角。只需明确红外成像系统的各项基本参数与观测需求，我们就可以计算出系统的噪声等效温差与最小可分辨温差，进而求解出它的最远探测距离。红外偏振成像系统作用距离建模偏振成像根据成像设备的结构特性可分为分振幅探测、分时探测、分焦平面探测和分孔径探测。其中分时探测具有设计简单容易计算等优点，但只适用于静态场景；分振幅探测可同时探测不同偏振方向的辐射，但存在体积庞大、结构复杂，计算偏振信息对配准要求高等问题；分孔径探测也是同时探测的一种方式，且光学系统相对稳定，但会带来空间分辨率降低的问题；分焦平面偏振探测器具有体积小、结构紧凑、系统集成度高等优势，可同时获取到不同偏振方向的偏振图像，是目前偏振成像领域的研究热点，也是本文的主要研究对象。图1为分焦平面探测系统示意图。图1 分焦平面探测器系统示意图本文仿真的分焦平面偏振探测器，是在红外焦平面上集成了一组按一定规律排列的微偏振片，一个像元对应着一个微偏振片，其角度分别为 0°、45°、90°和135°，相邻的2×2个微像元组成一个超像元，可同时获取到四种不同的偏振态。图1为分焦平面探测系统结构示意图。传统方法认为在红外成像系统前加入偏振装置后，会对系统的噪声等效温差与调制传递函数MTF（f）产生影响，改变系统的最小可分辨温差，进而改变系统的最远探测距离。本文将从偏振装置的偏振探测能力出发，分析成像系统的最小可分辨偏振度差，建立红外偏振成像系统的探测距离模型。我们首先建立一个探测器偏振响应模型，该模型将探测器视为一个光子计数器，光子被转换为电子并在电容电路中累积，综合考虑探测器井的大小、偏振片消光比、信号电子与背景电子的比率以及入射辐射的偏振特性，通过应用误差传播方法对结果进行处理。从噪声等效偏振度（NeDoLP）的定义出发，NeDoLP是衡量偏振探测器探测能力的指标，即探测器对均匀极化场景成像时产生的标准差。对其进行数学建模，进而分析得到红外偏振成像系统的最远探测距离。图2 DoLP随光学厚度变化曲线对于探测器来说，积分时间越长，累积的电荷越多，探测器的信噪比（SNR）就越高，但这种增加是有限度的。随着积分时间的增加，光生载流子有更多的时间被收集，增加信号。然而，同时，暗电流及其相关噪声也会增加。对于给定的探测器，最佳积分时间是在最大化信噪比和最小化暗电流及噪声的不利影响之间取得平衡，为方便分析，我们假设探测器工作在“半井”状态下。通过以下步骤计算红外偏振成像系统最远作用距离：a. 根据已知的目标和背景偏振特性以及环境条件，计算在给定距离下，目标与背景之间的偏振度差在传输路径上的衰减。b. 结合系统的探测器性能参数，确定目标在给定距离下是否可被观察到。如果不能则减小设定的距离。目标被观察到需同时满足衰减后的偏振度差大于或等于系统对应于该频率的最小可分辨偏振度差MRPD，目标对系统的张角θT大于或等于相应观察要求所需要的最小视场角。c. 逐步增加距离，直到目标与背景之间的偏振度差不再满足观察要求。这个距离即为成像系统最远作用距离。τp (R)为大气对目标偏振度随探测距离的衰减函数，可根据不同的天气条件，根据已有的测量数据进行插值，计算出不同探测距离下大气对目标偏振度的衰减，图4. 5给出了根据文献中测量数据得到的偏振度随光学厚度增加衰减关系图。这里给出的横坐标是光学厚度，不同天气条件下，光学厚度对应的实际传播距离与介质的散射和吸收系数有关。综上，我们建立了传统红外成像系统和考虑了偏振片非理想性的红外偏振成像系统的作用距离模型，下面我们将对模型的可靠性进行验证，分析讨论探测器各参数对成像系统探测能力的影响。验证与讨论由噪声等效偏振度的定义可知，其数值越小，代表偏振探测器的性能越优秀。下面我们对影响红外偏振成像系统探测性能的各因素进行讨论，并设计实验验证本文建立模型的正确性。偏振片消光比消光比是衡量偏振片性能的重要参数，市售的大面积偏振片的消光比可以超过200甚至更多。对其他参数按经验进行赋值，从图3可以看到，对于给定设计参数的探测器，偏振片消光比超过20后，随着偏振片消光比的增加，探测器性能上的提升微乎其微。对于分焦平面探测器，为实现更高的消光比，不可避免地要牺牲探测器整体辐射通量。由于辐射通量降低而导致的信噪比损失可能远远超过消光比增加所获得的收益。这一结果同样可以对科研人员研制偏振片提供启发，对需要追求高消光比的偏振片来说，增大透光轴方向的最大透射率要比降低最小透射率更有益于成像系统的性能。图3 偏振片消光比与探测器噪声等效偏振度关系图探测器井容量红外探测器的井容量是指探测器像素在饱和之前能够累积的电荷数量的最大值。井容量是衡量红外探测器性能的一个关键参数，井容量通常以电子数（e-）表示。较大的井容量意味着探测器可以在饱和之前存储更多的电荷，从而能够在更大的亮度范围内准确检测信号。这对于在具有广泛亮度变化的场景中捕获清晰图像至关重要。从图4可以看出，增大探测器井的容量，同样能很好的提高成像系统的偏振探测能力。图4 探测器井容量与探测器噪声等效偏振度关系图然而，井容量的增加可能会导致像素尺寸增大或探测器面积减小，这可能对系统的整体性能产生负面影响。因此，在设计红外探测器时，需要权衡井容量、像素尺寸和其他性能参数，以实现最佳性能。目标偏振度虽然推导出的噪声等效偏振度公式包含目标偏振度这一参量，但目标的偏振度本身对探测器的噪声等效偏振度没有直接影响。NeDolp 是一个衡量探测器性能的参数，它主要受探测器内部噪声、电子学和其他系统组件的影响。然而，目标的偏振度会影响探测器接收到的信号强度，从而影响信噪比（SNR）。从图5也可以看出，探测器的NeDolp受目标的偏振度影响不大。图5 目标偏振度与探测器噪声等效偏振度关系图读取噪声与产生复合噪声比值读取噪声主要来自于探测器的读出电路、放大器和其他电子元件。它通常在整个光强范围内保持相对恒定。产生复合噪声是由光子的随机到达和电荷生成引起的，与光子数成正比。在低光强下，产生复合噪声通常较小；而在高光强下，它会逐渐变大。通过计算读取噪声和产生复合噪声的比值，可以确定系统的性能瓶颈。如果读取噪声远大于产生复合噪声，这意味着系统在低光强下受到读取噪声的限制。在这种情况下，优化读出电路和放大器等元件可能会带来性能提升。如果产生复合噪声远大于读取噪声，这意味着系统在高光强下受到产生复合噪声的限制。在这种情况下，提高信号处理和光子探测效率可能有助于改善性能。从图6可以看出，降低读取噪声与产生复合噪声比值可以有效提升系统偏振探测能力。图6 δ与探测器噪声等效偏振度关系图信号电子比例综合图4~6可以看出，提升β的数值可有效提高探测器的偏振探测能力，由β的定义可知，对于确定井容量的探测器，β的取值主要取决于探测器的各种噪声与积分时间，降低探测器的工作温度、优化探测器结构、减少表面和界面缺陷等途径都可以降低探测器的噪声，调节合适的积分时间也有助于探测系统的性能提升。实验验证根据噪声等效偏振度的定义，利用面源黑体与红外可控部分偏振透射式辐射源创建一组均匀极化场景。如下图7所示，黑体发出的红外辐射，经过两块硅片，发生四次折射，产生了偏振效应，通过调节硅片的角度，即可产生不同线偏振度的红外辐射。以5°为间隔，将面源黑体平面与硅片间的夹角调为10°~40°共七组。每组将面源黑体设置为40℃和70℃两个温度，用国产自主研制的红外分焦平面偏振探测器采取不少于128帧图像并取平均，然后将每组两个温度下相同角度获得的图像作差，以减少实验装置自发辐射和反射辐射对测量结果的干扰，差值图像就是透射部分的红外偏振辐射。对差值图像进行校正和去噪后，即可按公式计算出探测器对均匀极化场景产生的偏振度图像。计算出红外辐射的线偏振度，为减小测量误差，仅取图像中心区域的像元进行分析。该区域像元的标准差就是该成像系统的噪声等效偏振度（NeDoLP）。探测器具体参数如表1所示。图7 实验示意图表1 偏振探测器参数利用本文建立的探测器仿真模型计算出硅片的线偏振度仿真值，公式19计算出硅片线偏振度的理论值，与实验的测量值进行对比，图8展示了三组数据的变化曲线，从图中可以看出，三组数据存在一定偏差，这可能与硅片调节角度误差、面源黑体稳定性、干涉效应、硅片摆放是否平行等因素有关，但在误差允许的范围内，实验验证了偏振探测系统的性能，也证明了本文建立仿真模型的可靠性。NeDoLP测量结果如表2所示。图8 线偏振度理论值、测量值与本文模型仿真值曲线图表2 实验结果从上表可以看到NeDoLP的测量值与仿真值的差值基本能控制在5%以内，实验结果再次印证了本文设计的模型的可靠性。实例计算应用建立的模型对高2.3m，宽2.7m，温度47℃，发射率为1的目标的最远探测距离进行预测，目标差分温度6℃；背景温度27℃；发射率1；目标偏振度30%，背景偏振度1%，使用3.2节中样机的探测器参数，最后，采用文献中介绍的“等效衰减系数-距离”关系的快速逼近法对红外探测系统最远作用距离R进行求解，得到表3的结果。表3 红外成像系统的最远作用距离根据红外探测系统最远探测距离，利用本文第二节提出的方法，得到不同探测概率下红外偏振成像系统最远作用距离结果如表4所示。表4 红外偏振成像系统的最远作用距离所选例子为目标与背景偏振度差异大于其温差，所以在这种探测场景下红外偏振成像系统的探测能力要优于红外成像系统。探测器的参数不同，探测场景与目标的变化都会对模型的结果产生影响，但本文提供的成像系统作用距离模型可为实际探测中不同应用场景下的成像系统选择提供参考。结论针对不同的探测场景，红外成像系统与红外偏振成像系统在最远探测距离方面哪个更有优势并没有定论，探测目标的大小，背景与目标的温差与偏振度差，大气透过率，具体探测器的参数等因素都会对成像系统的最远探测距离产生影响。经实验验证，本文所建立的非理想红外偏振成像系统的响应模型是可靠的，可以用于估算成像系统的最远作用距离，针对不同的探测场景，读者可通过实验确定探测器的具体性能参数，利用仿真软件或实验测量的方式获取探测目标的温度与偏振信息，明确探测环境的具体大气参数，利用模型对红外成像系统与偏振成像系统的最远作用距离进行预估，选择更具优势的成像系统。这项研究获得上海市现场物证重点实验室基金（No. 2017xcwzk08）和上海技术物理研究所创新基金（No. CX-267）的资助和支持。论文链接：http://journal.sitp.ac.cn/hwyhmb/hwyhmbcn/article/abstract/2023041

哪怕是十年，亦或是五十年后，重新来回顾智慧实验室产业的发展历程，2021年无疑都是一个重要的坐标，而2022年将成为一个新的起点。　　这是在于，随着生物科技的发展、新冠疫情的常态化，市场对药物研发、生物实验和检测相关的需求猛增，智慧实验室也开始显露锋芒。赛道风起，众多的实验室创业项目聚焦在镁光灯下。　　最为出名的莫过于为科学家和药物研发组织开发软件工具的Benchling，相继在2021年完成累计3亿美元的E、F轮融资，从8.5亿美元估值的公司直接跃升为61亿美元的医疗独角兽。将目光移至国内，据动脉网的不完全统计，2021年是智慧实验室的活跃期，共发生8起融资事件，融资金额超过10亿元，远超以往总和。　　正在酝酿的市场背后，是我国智慧实验室产业基础建设的厚积薄发，是科研工作者的需求迭代，也是新供应链、新技术能力的升级。动脉网大致将智慧实验室划分为数字化实验室和自动化实验室，并将分别进行盘点分析，此篇为数字化实验室细分领域的分享，希望与读者共同探讨国内外实验室支持工具的发展情况，陪伴行业成长。　　实验室里的万亿生意　　根据全球咨询公司Gartner的说法，数字化实验室是一种利用数字技术改变实验室运营方式、优化业务模式并最终提供新收入和创造价值机会的实验室，减少科学家的非科研工作时间，减轻科学家工作负担。　　得益于充分的经济环境，国外拥有更多的资源和条件去探索数字化实验室的发展路径，比如安捷伦、赛默飞、罗氏、雅培、贝克曼和西门子等药械巨头基于自身数十年甚至上百年的经验积淀，都已经形成了完成的数字化实验室布局。　　释普科技CEO李康表示，国外数字化实验室经历了三个发展阶段。　　第一，起始阶段，企业通过提供仪器设备和耗材来帮助科学家高效、便利和精准实验 　　第二，当设备和耗材供应无法解决越来越复杂的科研需求时，厂商推出专业驻场服务，帮助科学家完成实验室内的非实验工作，如赛默飞世尔科技的企业服务团队，能为科研实验室提供设备维护、供应链管理、实验室运营支撑等定制化综合服务 　　第三，基于人力服务模式，厂商开始尝试利用信息化工具来处理科研数据，进一步解放科学家，提高实验室整体效率。如提供ELN服务的Benchling、从实验室运营和业务角度切入市场的science exchange、专注库存管理和供应链的QUARTZY等。　　2016年前后，巨头们动作频频，并一度将触角延伸到了中国。　　2016年，赛默飞在中国江西举办了首届赛默飞实验室数字信息化解决方案用户会，并发布了彼时最新的实验室数字信息化产品变色龙增强版Chromeleon XTR数据管理系统 罗氏诊断产品(苏州)有限公司成立，成为罗氏诊断全球运营网络在亚太地区建立的首个生产基地和研发中心 西门子医疗宣布亚太区首个诊断试剂工厂落户上海 雅培中国研发中心正式启用。　　行业巨头的动向总是颇具风向标意味，国内的创新者也开始追随探索。据观察，国内很多智慧实验室领域的创新企业皆是在这一阶段成立的。　　而从宏观角度来看，彼时，“互联网+”概念、”在适度扩大总需求的同时，着力加强供给侧结构性改革“新改革目标的出现，也让制造业进入大洗牌阶段，各行业开始察觉到了“供求关系”的变化，企业家们需要在技术上实现创新，实现由量到质的突围，行业也开始从规模向效率转变，数字化技术迎来用武之地。　　实验室数量的增加也为实验室支持工具产业带来利好。根据智研咨询发布的《2021-2027年中国检验机构产业竞争现状及投资方向研究报告》数据，2015年，由中国合格评定国家认可委员会(CNAS)认可的各类认证机构、实验室及检验机构数量为7592家，2020年这一数字已增至12381家。这还不包括极大数量的企业实验室等。　　2022年1月1日，新修订通过的《科学技术进步法》正式实施。其中，国家实验室首次作为国家战略科技力量的重要组成部分被提到，且居于第一位。据青塔网统计，截至2022年4月，全国各地已有近百家“省实验室”正式揭牌或启动筹建。一片全新的蓝海，正在悄然荡开涟漪。直面实验室的安全、合规和效率问题　　在同一个行业中，挑战是具有普适性的。在安捷伦于2020年举办的一场活动[1]上，安捷伦大中华区企业级服务销售总监王丽菊认为实验室场景下具有以下几项挑战：首先是实验室管理合规的风险 其次，实验室人员工作的稳定性和发展路径 最后也最重要的是提高实验室的效率。　　安捷伦大中华区销售拓展团队总监朱颖新则针对不同行业类型的客户细化了这些挑战的区别：对于科研实验室客户，最大挑战是如何实现独特性的研究型成果 对企业实验室而言，挑战来源于如何在提高实验室效率的同时控制好成本 政府实验室则更加侧重于稳定可靠、满足法规要求 第三方实验室则更加特殊，面临着资本快速流动，效率提升，以及是否有灵活的业务运行方式的挑战。　　据李康介绍，他对全球TOP10的生物医药企业在中国的研发中心实验室负责人调研后得知，当前科学家平均每天花在手工记录和统计上的时间超过2小时，8小时工作制里25%的时间被耗在纸质手工记录上。　　李康表示，实验室场景下有非常严格的合规要求，对数据的完整性、可追溯性都有非常多的规范要求，如记录留痕、签名、审计追踪和归档备份等。而数字化技术最终要解决的，便是保障安全、合规的同时，提高实验效率。　　斑马鱼数字智能创始人贾树新认为，实验室数字化要解决的核心问题是“数据”的处理，数据的可导出性、完整性和可追溯性是科研用户普遍关心的问题，对数据价值的充分挖掘可以更根本地提升实验室效率。但目前，实验室数据的使用面临三个问题：数据分散且未数字化，无法有效获取 数据非结构化无标注，无法有效使用 数据所有权复杂，无法有效共享。　　此外，实验室还有项目协同、样品管理和工具的使用等其他难题，这些都关系到数据能否很好的形成闭环，而数字化工具的使用不可避免得会带来实验室工作习惯的改变，这些都会成为数字化进程中不可忽视的因素。　　数字化技术解放了科学家双手　　在传统的实验室场景中，科研人员普遍使用纸质笔记本和对照表来跟踪记录实验数据和结果。但是，纸质系统的数据不容易共享、搜索和标准化，会影响实验的完整性和准确性。　　随着数字技术的出现和发展，纸质系统正在被数字化系统取代，借助数字化实验室信息系统和连接设备，科学家可以更加清晰地看到数据之间的关联性，从而基于对数据的分析更准确有效地做出决策，取得研究成果。　　此外，数字化技术使实验室能够使用正确的技能、工具和流程来预防、报告、管理和响应数据泄露，可以实现数据交换、共享和安全的保障，以及提高实验室资源、试剂、耗材、实验室用品和资产利用的效率。　　总体而言，实验室数字化改进了数据管理的方式，简化了工作流程并使研发更加高效 。除此之外，机器学习和AI的迅速进步也在持续推动实验室数字化的进程，而随着实验室的数字化场景的不断丰富，研究环境的数据也将成为每个实验室不可或缺的一部分。 哪件工具更趁手，ELN还是LIMS? 20世纪60年代，美国一些高等院校、研究所和化学公司开始研究和使用计算机和局域网络系统处理实验室数据，LIMS(Laboratory Information Management System )开始诞生，成为管理实验室生成的结构化信息、搜索特定测试结果或收集样本和研究信息的出色工具。　　进入新世纪后，我国的IT公司和实验室陆续开发和实施LIMS，从化学领域开始扩展到食品安全、药品检测、疫控、疾控和第三方检测等各个领域。　　但是，药物发现和早期开发中记录的大部分信息通常是非结构化的，例如文档、笔记本页面、序列、分子模型、光谱和图像。这些数据集通常不适合结构化的LIMS数据库。此外，许多 LIMS 的管理工作流程功能通常过于僵化，不适用一些专注早期发现的研究机构。　　基于保护、保存和共享研发知识的需求，电子实验室笔记本 (Electronic Laboratory Notebook，以下简称ELN)应运而生。　　ELN作为纸质实验室笔记本的替代品而生，但功能不止于此，还包含复杂的工作流程支持、网络服务、数字和电子签名、分析和报告能力。这些功能的实现都是为了提高实验室效率，同时也提高了机构知识的杠杆作用，而且还加强了对知识产权 (IP) 的保护。　　基于管理底层电子记录的技术，ELN 可以提供纸质记录无法提供的访问安全性、版本控制、记录身份验证和自动时间戳。ELN 提供了用于支持专利和保护知识产权的数据和信息的最终存储库，并补充了 LIMS 在研发中的传统用途。　　虽然 ELN 和 LIMS 之间仍然存在主要重叠领域，但总的来说，差异可以概括为 LIMS 更适合管理结构化信息，而 ELN 在处理更灵活分散的非结构化信息时更胜一筹。可以说，ELN、LIMS、SDMS、企业内容管理 (ECM) 或任何其他技术类别，并不是解决实验室中所有数据管理挑战的唯一最优的解决方案。根据实验室的具体情况和工作特点，每项技术都有相应的用武之地。　　在国内，赛印信息、百奥利盟、斑马鱼、鹰谷信息、明度智慧、青软青之软件等企业专注或包含了ELN业务。　　于2022年3月完成天使轮融资的斑马鱼聚焦打造生命科学研发数据平台，已完成产品易览笔记的搭建，具备项目管理、实验记录、注册中心及库存等主体模块，可以覆盖生物实验室绝大多数使用场景，底层数据互联打通，可以让用户很好的在系统中完成数据管理的闭环。系统的每个模块具有多种交互方式，并允许用户根据各自需求进行配置，友好灵活，可以适应各类研发项目的需求。 AI，工具还是助手? 实验室数字化系统还可以通过机器学习和人工智能技术简化实验程序，提高实验准确性，将实验室场景中的工具与研究人员链接起来，创造一个智能、高效的研究环境。随着实验室数字化系统取代了部分重复的工作，研究人员得以将时间和精力投入到核心研究工作中。　　通过访问大型数据集、科学文本、图像和视频，AI或能实现对比研究，让科学家更容易建立假设和设计实验方案或后续研究，科学家们将能够利用AI优势来简化他们的工作流程并加快研究进度。　　2022年2月19日，安捷伦收购了由Virtual Control开发的先进AI技术ACIES。ACIES 自动化了气相色谱/质谱数据分析的劳动密集型任务，提高了从采样到报告的实验室工作流程效率。　　安捷伦将把这项技术集成到其用于液相色谱/质谱 (LC/MS) 以及气相色谱和 MS (GS/MS)仪器的 MassHunter 软件包中，以提高该公司在全球服务的高通量实验室的生产力、效率和准确性。　　Virtual Control 是一家人工智能和机器学习软件开发商，可在实验室测试中创建创新的分析解决方案。通过此次收购，安捷伦获得了与 ACIES 相关的知识产权和其他资产。作为交易的一部分，ACIES 团队的核心成员也成为了安捷伦的员工。　　此次收购是安捷伦为提高实验室生产力而对数字技术的最新投资。它以公司现有的投资和创新为基础，通过新技术、更好的仪器和数据集成以及更高效的实验室工作流程来推进分析实验室并转变其能力。 物联网，联接的仅仅是物么? 物联网的应用，能够实时监测实验室资产、设备、数据平台和实验室环境控制，对实验室资产使用和库存进行实时洞察。物联网实验室可由研究人员从外部控制，与云、本地服务器设备连接，随时随地访问。此外，通过传感器将实验设备与后台系统连接，科学家们可以更加高效实验，降低人员操作失误的风险。　　物联网还可以将实验室设备集成到一个集成的工作流程中，从而自动捕获工作的完整上下游流程和数据，再次降低成本和浪费，并允许以后重复使用数据。　　同时，物联网平台可以拓展到多个实验室，实现远程实验、数据收集并上传到云端以进行协作和高级分享，保证实验室始终处于安全合规、高效运行的状态中。国内的释普科技、边无际、势湾科技等企业便是以物联网切入到了数字化实验室领域。　　释普科技创始人兼CEO李康在参加动脉网“智慧实验室”系列活动中介绍，释普科技专注于实验室领域，利用AloT、物联数智平台以及人工智能技术，为客户构建实验室数智化整体解决方案——实验室数智化管理平台“实验保”，帮助客户在人、机、料、法、环五大环节，实现自动化、智能化管理，全面提升运营效率。　　创新的本质是创造价值，任何创新的落脚点都是人的需求。科技只是手段而非目的，只有“人性+科技”，才能打造出以人为本的好服务。这个过程无疑会很困难。但做正确的事情，不就应该很难吗?毕竟难行道也是易行道。