BackgroundOcclusions of intravenous (IV) tubing can prevent vital and time-critical medication or solutions from being delivered into the bloodstream of patients receiving IV therapy. At low flow rates (≤ 1 ml/h) the alarm delay (time to an alert to the user) can be up to 2 h using conventional pressure threshold algorithms. In order to reduce alarm delays we developed and evaluated the performance of two new real-time occlusion detection algorithms and one co-occlusion detector that determines the correlation in trends in pressure changes for multiple pumps.MethodsBench-tested experimental runs were recorded in triplicate at rates of 1, 2, 4, 8, 16, and 32 ml/h. Each run consisted of 10 min of non-occluded infusion followed by a period of occluded infusion of 10 min or until a conventional occlusion alarm at 400 mmHg occurred. The first algorithm based on binary logistic regression attempts to detect occlusions based on the pump’s administration rate Q(t) and pressure sensor readings P(t). The second algorithm continuously monitored whether the actual variation in the pressure exceeded a threshold of 2 standard deviations (SD) above the baseline pressure. When a pump detected an occlusion using the SD algorithm, a third algorithm correlated the pressures of multiple pumps to detect the presence of a shared occlusion. The algorithms were evaluated using 6 bench-tested baseline single-pump occlusion scenarios, 9 single-pump validation scenarios and 7 multi-pump co-occlusion scenarios (i.e. with flow rates of 1 + 1, 1 + 2, 1 + 4, 1 + 8, 1 + 16, and 1 + 32 ml/h respectively). Alarm delay was the primary performance measure.ResultsIn the baseline single-pump occlusion scenarios, the overall mean ± SD alarm delay of the regression and SD algorithms were 1.8 ± 0.8 min and 0.4 ± 0.2 min, respectively. Compared to the delay of the conventional alarm this corresponds to a mean time reduction of 76% (P = 0.003) and 95% (P = 0.001), respectively. In the validation scenarios the overall mean ± SD alarm delay of the regression and SD algorithms were respectively 1.8 ± 1.6 min and 0.3 ± 0.2 min, corresponding to a mean time reduction of 77% and 95%. In the multi-pump scenarios a correlation > 0.8 between multiple pump pressures after initial occlusion detection by the SD algorithm had a mean ± SD alarm delay of 0.4 ± 0.2 min. In 2 out of the 9 validation scenarios an occlusion was not detected by the regression algorithm before a conventional occlusion alarm occurred. Otherwise no occlusions were missed.ConclusionsIn single pumps, both the regression and SD algorithm considerably reduced alarm delay compared to conventional pressure limit-based detection. The SD algorithm appeared to be more robust than the regression algorithm. For multiple pumps the correlation algorithm reliably detected co-occlusions. The latter may be used to localize the segment of tubing in which the occlusion occurs.
LINK
In de perenteelt worden nog steeds veel werkzaamheden ‘op het oog’ uitgevoerd. Veel fruitteeltbedrijven groeien echter in areaal, waardoor het overzicht steeds lastiger te bewaren en het totale perceel steeds lastiger te managen is. Dit project is een vervolg op het KIEM.K20.01.072 project waarin een haalbaarheidsstudie is verricht naar de mogelijkheden voor precisielandbouw in de perenteelt op basis van data, door het toepassen van smart methodes en technieken. In dit project breiden we het projectteam verder uit met meer kwekers, teelt-experts en machinebouwers en willen we nader inzoomen op en kijken naar concrete mogelijkheden voor: • Het verzamelen van data in het veld (scouting, data verzamelen). • Het werken en het maken van strategische keuzes op basis van die digitale metingen in het veld (data analyseren en interpreteren). • Het robotiseren van (arbeidsintensieve) werkzaamheden op basis van de beschikbare data. Binnen de scope van dit project leggen we hierbij de nadruk op het snoeien. • Het reduceren en voorkómen van (omgeving belastende) teelthandelingen, zoals het gericht en locatie specifiek spuiten van gewasbeschermingsmiddelen. Hierbij leggen we de nadruk op de mogelijkheden voor het automatiseren van plaagdetectie. De centrale onderzoeksvraag luidt: Wat zijn de concrete mogelijkheden voor precisietechnologie op basis van data in de perenteelt in Noord-Holland? Primaire doelen zijn het verminderen van uitval, het verduurzamen van de teelt en het verhogen van de productkwaliteit, voor behoud en versteviging van de Noord-Hollandse/Nederlandse concurrentiepositie in deze wereldmarkt. Een clusteraanpak tussen telers, onderzoek/advies/studenten en mechanisatiebedrijven kan de ontwikkeling van een tech-systeem voor de fruitteelt een extra boost geven. De meerwaarde van de gevonden oplossingen wordt aangetoond met prototypes en praktijktesten.
