CN107092772A - 一种传感器特征曲线的确定方法及其装置 - Google Patents
一种传感器特征曲线的确定方法及其装置 Download PDFInfo
- Publication number
- CN107092772A CN107092772A CN201710123396.2A CN201710123396A CN107092772A CN 107092772 A CN107092772 A CN 107092772A CN 201710123396 A CN201710123396 A CN 201710123396A CN 107092772 A CN107092772 A CN 107092772A
- Authority
- CN
- China
- Prior art keywords
- measurement data
- indicatrix
- information
- characteristic curve
- sample
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
- G16Z99/00—Subject matter not provided for in other main groups of this subclass
Landscapes
- Indication And Recording Devices For Special Purposes And Tariff Metering Devices (AREA)
Abstract
本发明适用于传感器技术领域,提供了一种传感器特征曲线的确定方法及其装置,方法包括:获取待测样本的测量数据信息;通过预设的测量数据筛选算法,提取测量数据信息中包含的有效测量数据;根据有效测量数据以及预设的特征曲线确定算法,确定待测样本对应的特征曲线信息;将特征曲线信息存储于特征曲线寄存器内。通过对突变的采集点进行滤出,当进行线性拟合的时候,将不会考虑突变的采集点,从而去除环境噪声或通道异常对采集数据的影响,解决了现有的传感器特征曲线确定技术根据所有的采集信息确定特征曲线,而当某一传感元件异常或某一个位置噪声影响较大,则会引入较大误差至特征曲线,使得特征曲线无法反映测量物体的真实情况的问题。
Description
技术领域
本发明属于传感器技术领域,尤其涉及一种传感器特征曲线的确定方法及其装置。
背景技术
随着信息获取的需求愈来愈大,传感器技术也在快速发展。用户不仅需要大量的传感器进行信息获取,还需获取的信息的正确率较高,即采集数据更为真实。现有的传感器技术,由于是通过传感元件进行信息获取,因为获得的信息也将是离散的,此时,需要传感器内的特征曲线对离散的数据进行补偿修正。然而现有的传感器特征曲线的确定方法,主要根据所有的采集信息确定特征曲线,而当传感器中的某一传感元件异常或某一个位置噪声影响较大,则会引入较大误差至特征曲线,使得特征曲线无法反映测量物体的真实情况。
发明内容
本发明实施例的目的在于提供一种传感器特征曲线的确定方法及其装置,旨在解决现有的传感器特征曲线确定技术根据所有的采集点信息确定特征曲线,而当某一传感元件异常或某一个位置噪声影响较大,则会引入较大误差至特征曲线,使得特征曲线无法反映测量物体的真实情况的问题。
第一方面,本发明实施例提供一种传感器特征曲线的确定方法,所述传感器特征曲线的确定方法包括:
获取待测样本的测量数据信息;
通过预设的测量数据筛选算法,提取所述测量数据信息中包含的有效测量数据;
根据所述有效测量数据以及预设的特征曲线确定算法,确定所述待测样本对应的特征曲线信息;将所述特征曲线信息存储于特征曲线寄存器内。
第二方面,本发明实施例提供一种传感器特征曲线的确定装置,所述传感器特征曲线的确定装置包括:
测量数据获取单元,用于获取待测样本的测量数据信息;
有效数据筛选单元,用于通过预设的测量数据筛选算法,提取所述测量数据信息中包含的有效测量数据;
特征曲线确定单元,用于根据所述有效测量数据以及预设的特征曲线确定算法,确定所述待测样本对应的特征曲线信息;将所述特征曲线信息存储于特征曲线寄存器内。
实施本发明实施例提供的一种传感器特征曲线的确定方法及其装置具有以下有益效果:
本发明实施例通过获取待测样本的测量数据信息;通过预设的测量数据筛选算法,提取所述测量数据信息中包含的有效测量数据;根据所述有效测量数据以及预设的特征曲线确定算法,确定所述待测样本对应的特征曲线信息;将所述特征曲线信息存储于特征曲线寄存器内,从而可以对获取的厚度数据进行过滤,筛选出有效的测量数据,根据有效的测量数据绘制特征曲线。由于本发明实施例中通过对突变的采集点进行滤出,当进行线性拟合的时候,将不会考虑突变的采集点,从而得到的特征曲线将会较为光滑,去除环境噪声的影响,提高了传感器获取信息的准确率。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种传感器特征曲线的确定方法的流程图;
图2是本发明另一实施例提供的一种传感器特征曲线的确定方法的流程图;
图3是本发明实施例提供的一种传感器特征曲线的确定装置的结构框图;
图4是本发明另一实施例提供的一种传感器特征曲线的确定装置的结构框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明实施例通过对突变的采集点进行滤除,当进行线性拟合的时候,将不考虑突变的采集点,从而得到的特征曲线将会较为光滑,去除环境噪声或通道异常对采集数据的影响,解决了现有的传感器特征曲线确定技术根据所有的采集信息确定特征曲线,而当某一传感元件异常或某一个位置噪声影响较大,则会引入较大误差至特征曲线,使得特征曲线无法反映测量物体的真实情况的问题。
在本发明各实施例中,传感器特征曲线的确定方法的执行主体为传感器特征曲线的确定装置。该传感器特征曲线的确定装置对从传感器获取得到的采集信息进行处理,确定对应的特征曲线。该传感器特征曲线的确定装置可为具有运算功能的设备,如验钞机、取款机、计算机等设备,也可以封装于传感器中,对输出结果进行预处理。图1示出了本发明实施例提供的传感器特征曲线的确定方法的实现流程图,详述如下:
在S101中,获取待测样本的测量数据信息。
在本实施例中,传感器特征曲线的确定装置通过其对应的传感器获取待测样本的测量数据信息。其中,测量数据信息根据不同的传感器具有不同的测量数据类型。举例性地,若所述传感器为厚度传感器,则获取的测量数据为厚度数据;若所述传感器为光敏传感器,则获取的测量数据为光强数据。因此,在本实施例中,测量数据将与传感器的种类相对应。
在本实施例中,由于传感器中感应元件数量必定是有限个数的,因此,获得的测量数据也将是离散的数据信息。所述测量数据信息可以生产对应的列表,或通过矩阵、图像等格式进行存储。
可选地,在本实施例中,所述传感器包含多个通过,通过多个通过获取对应的测量区域的测量数据,所有通道获得的测量数据的组合将作为该待测样本的测量数据信息。
在S102中,通过预设的测量数据筛选算法,提取所述测量数据信息中包含的有效测量数据。
在本实施例中,将获取到的数据信息通过预设的测量数据筛选算法进行处理,提取测量数据信息中包含的有效数据。由于在测量过程中,可能由于噪声的影响或者某个部件的感应元件异常,使得对应区域的测量数据与实际待测物体的数值具有较大差异,因而,并不能将该测量数据作为正常的测量数据进行使用,否则将引入较大的偏差至测量结果中。因而,在本实施中,传感器特征曲线的确定装置将对每一个获取得到的测量数据对经过测量数据筛选算法进行筛选,判断该测量数据是否异常。
在本实施例中,当测量数据通过预设的测量数据筛选算法,则将该测量数据判定为有效测量数据;反之,当测量数据无法通过预设的测量数据筛选算法,则将该测量数据判定为无效测量数据,依次对测量数据信息中包含的测量数据进行上述的判定操作,直至所有的测量数据有筛选完毕。
在本实施例中,当测量数据判定为无效测量数据时,则将其丢弃,不作为确定特征曲线的数据。可选地,若某一通道获取的测量数据判定为无效测量数据的次数超出预设阈值,则推断该通道的感应元件异常,将发送设备异常信息至传感器的维护人员,以便维护人员进行故障排除。其中,设备异常信息包含异常感应元件的信息,举例性地,所述设备异常信息为设备预警示意图,将推断为异常感应元件填充其他颜色表示其异常;或通过传感器包含通信模块,发送设备异常邮件,并附上对应的测量数据信息,以便用户根据测量数据信息确定异常的感应元件。
在S103中,根据所述有效测量数据以及预设的特征曲线确定算法,确定所述待测样本对应的特征曲线信息;将所述特征曲线信息存储于特征曲线寄存器内。
在本实施例中,将提取的有效测量数据经过特征曲线确定算法进行运算,得到该有效测量数据对应的特征曲线信息,将该特征曲线信息作为待测样本的测量数据曲线。
在本实施例中,由于获取的测量数据为均为离散的数值点,因而需要通过特征曲线确定算法,生成连续的特征曲线数据。可选地,该特征曲线可以为二维的测量数值曲线,可以为三维的立体曲线。举例性地,若采集的数据为厚度数据信息,则可通过厚度数据确定待测样本的厚度变化趋势曲线;若采集的数据为三维外观的坐标位置数据,则可通过坐标位置数据确定待测样本的三维形状。
可选地,在本实施例中,该特征曲线信息可作为传感器测量数据时的校准曲线。由于获取的特征曲线是对应于待测样本的特征曲线,而待测样本的相关测量参数已预先得知。根据本次获取得到的特征曲线与实际样本的曲线进行比对,可得知各通道的测量误差,在后续的测量中,可根据误差补偿算法,对各通道的测量数据进行误差补偿,从而提高传感器的精确度。
以上可以看出,本发明实施例提供的一种传感器特征曲线的确定方法通过获取待测样本的测量数据信息;通过预设的测量数据筛选算法,提取所述测量数据信息中包含的有效测量数据;根据所述有效测量数据以及预设的特征曲线确定算法,确定所述待测样本对应的特征曲线信息;将所述特征曲线信息存储于特征曲线寄存器内,从而可以对获取的厚度数据进行过滤,筛选出有效的测量数据,根据有效的测量数据绘制特征曲线。由于本发明实施例中,已对突变的采集点进行滤除,当进行线性拟合的时候,将不会考虑突变的采集点,从而得到的特征曲线将会较为光滑,去除了环境噪声的影响,提高了传感器获取信息的准确率。
图2示出了本发明另一实施例提供的一种传感器特征曲线的确定方法的流程图。参见图2所述,相对于上一实施例,本实施例提供的一种传感器特征曲线的确定方法还包括以下步骤,详述如下:
进一步地,作为本发明的另一实施例,所述获取待测样本的测量数据信息具体为:
在S201中,获取多个通道检测到的待测样本的测量数据,以及所述测量数据对应的编号。
在本实施例中,传感器通过多个通道获取到待测样本的测量数据,并将各个通道的测量数据发送至传感器特征曲线的确定装置。其中,每个通道对应一个测量数据。如S101中所述,该测量数据可以为数值、数组、矩阵、图像等格式的数据。
在本实施例中,根据获取测量数据的顺序或传感器中各通道的物理位置顺序,依次对其进行编号。因此每个测量数据除了包含其对应的测量值外,还具有一个顺序编号。由于在生成待测样本的特征曲线时,若测量数据随机排布,则有可能降低特征曲线与实际的吻合度。
可选地,在本实施例中,测量数据的编号可通过号码值标识出该测量数据的编号,也可以通过数据本身的存储方式获得编号的效果。举例性地,对于获取的测量数据为数值数据,可通过数列、栈等形式,按照获取顺序或通道的物理位置顺序进行保存。由于数列以及栈等形式,各数值间就存在相应的顺序,因而,若测量数据存储方式本身就具有编号属性的,则不需要再进行专门的编号。
在S202中,根据所述测量数据对应的编号,依次对所述测量数据进行存储,得到所述测量数据信息。
在本实施例中,测量数据信息为测量数据的集合,测量数据按照对应的编号依次进行存储,得到测量数据信息。举例性地,测量数据为厚度值,则测量数据信息则为厚度值序列。
在本发明实施例中,通过对测量数据进行编号,从而在生成对应的特征曲线时,可以根据该编号依次排列,生成较为贴近待测样品真实情况的特征曲线,提高了传感器特征曲线的准确率。
进一步地,作为本发明的另一实施例,所述通过预设的测量数据筛选算法,提取所述测量数据信息中包含的有效测量数据具体为:
在S203中,根据所述测量数据信息以及预设的数据统计算法,确定所述测量数据信息中各测量数据的分布概率情况。
在本实施例中,对于一般的待测样本,当感应元件的密度足够大,其生成的特征曲线应该是连续,各检测点之间的具有较强的相关性,换而言之,即对于大部分的检测点来说,其测量值之差较小,具有一定的范围区间性。因而,若主要的测量数据都集中在某一区间范围内,而只有极少部分的检测数据大大偏离该区间范围,则可以推断那极少部分的检测数据可能为无效数据。
在本实施例中,通过预设的数据统计算法,对获取的测量数据进行统计分析,按照每个测量数据的数值大小,确定测量数据的区间分布情况,即本实施例中所述各测量数据的分布概率情况。
在本实施例中,测量数据的区间可通过区间确定算法进行确定,当数值间的差值小于预设阈值,则判定该范围内的测量数据属于同一个区间范围内。
在S204中,提取所述分布概率大于预设阈值对应的测量数据作为有效测量数据。
在本实施例中,将各个区间的分布概率与预设阈值进行比较,判断区间分布概率对应的测量数据是否为有效测量数据。当分布概率大于预设阈值,其对应的测量数据则确定为有效测量数据;反之,当分布概率小于预设阈值,其对应的测量数据则确定为无效测量数据。
举例性地,所述传感器为厚度数据传感器,厚度测量数据信息可以为一数组,该数组的数值为[22,100,20,23,18,21,19,20,20,18,19],其中分布概率的比较阈值为20%,可见,该厚度数据信息中,数据主要集中在[18,23]的范围区间内,其分布概率值为91%,大于预设阈值,则确定该区间内的测量数据为有效测量数据。另一方面,数值为100的数据,只出现1次,且无其他与之相近的数值,其分布概率值为9%,小于比较阈值,则将该数值为100的测量数据判定为无效的测量数据。
在本发明实施例中,通过分布概率情况,确定测量数据是否为有效测量数据,由于进行数据测量时,正常的数据一般在特定的范围内重复出现,因此,正常数据的分布概率较大,而对于异常的测量数据,由于是环境噪声的不确定性,其分布概率一般较小,不会频繁出现。因此,通过概率分布与预设阈值进行比较,可滤除大多数的异常测量数据。
进一步地,作为本发明的另一实施例,所述根据所述有效测量数据以及预设的特征曲线确定算法,确定传感器对应的特征曲线信息具体为:
在S205中,根据所述有效测量数据以及获取所述有效测量数据时的序号,在预设的坐标图中依次标示出每个所述有效测量数据。
在本实施例中,由于获取得到的测量数据具有相应的编号以及测量数值,根据有效测量数据的编号依次在坐标图中标示出每个所述有效测量数据。其中,坐标图根据测量数值的类型而定。举例性地,若测量数值为一维数值,则以该测量数值为纵坐标,获取序号为横坐标,在二维坐标中依次对各个测量数据进行标示;若测量数据为二维面积数据,则以该面积数据作为x轴与y轴,获取序号为z轴,在三维坐标中表示其面积的变化趋势。
在S206中,根据标示后的所述坐标图以及预设的线性拟合算法,确定传感器对应的特征曲线信息。
在本实施例中,由于获取得到的数值均为离散数据,需要绘制特征曲线,则需要通过线性拟合算法对各离散点间的数值进行填充补偿,从而获得一条连续的特征曲线。
在本实施例中,线性拟合算法包括但不限于:一元线性拟合算法、二元曲线拟合算法以及最小二乘法线性拟合算法等,可根据测量数值的类型以及坐标图的类型确定对应的线性拟合算法。
在本发明实施例中,通过预设的线性拟合算法,对各离散的有效测量数据进行线性拟合,从而获得连续的特征曲线。用户可根据自身的实际使用,对线性拟合算法的参数进行调整,以使该线性拟合算法更加合适传感器特征曲线的确定装置对应的传感器;也可以按照默认的线性拟合算法进行特征曲线的确定,提高了传感器的测量准确度以及用户体验感。
进一步地,作为本发明的另一实施例,所述待测样本至少为两个;
所述将所述特征曲线信息存储与特征曲线寄存器之后还包括:
在S207中,根据测量物体的测量曲线信息,确定所述测量物体对应的待测样本。
在本实施例中,传感器特征曲线的确定装置除了测量待测物体的特征曲线外,还能识别该待测物体对应的样本。由于待测样本至少为两个,因此,传感器特征曲线的确定装置的特征曲线寄存器中,将包含两个以上样本的特征曲线。当对待测物体进行测量时,根据其特征曲线与寄存器中包含的样本的特征曲线,分别计算物体的特征曲线与每个样本特征曲线的相似度,从而判断该物体对应的样本信息。
举例性地,对于纸币而言,具有不同的厚度标准,如5mm厚度纸币、8mm厚度纸币,以及10mm厚度纸币。传感器特征曲线的确定装置的存储器中记载了三个类型厚度纸币的特征曲线信息。根据获取纸币的特征曲线,与三个样本曲线进行相似度计算,根据计算结果,确定该纸币属于哪一类标准厚度纸币。若该待测纸币的特征曲线与5mm厚度纸币的特征曲线相似度较大,则确定该待测纸币为5mm厚度纸币,并输出待测纸币的特征曲线。
在本发明实施例中,通过识别待测物体特征曲线与样本特征曲线的相似度,确定待测样本对应的样本,丰富了传感器的功能,提高了用户的体验度。
图3示出了本发明实施例提供的传感器特征曲线的确定装置的结构框图,该传感器特征曲线的确定装置包括的各单元用于执行图1对应的实施例中的各步骤。具体请参阅图1与图1所对应的实施例中的相关描述。为了便于说明,仅示出了与本实施例相关的部分。
参见图3,该传感器特征曲线的确定装置包括:
测量数据获取单元31,用于获取待测样本的测量数据信息;
有效数据筛选单元32,用于通过预设的测量数据筛选算法,提取所述测量数据信息中包含的有效测量数据;
特征曲线确定单元33,用于根据所述有效测量数据以及预设的特征曲线确定算法,确定所述待测样本对应的特征曲线信息;将所述特征曲线信息存储于特征曲线寄存器内。
可选地,参见图4所示,在另一实施例中,该实施例中的传感器特征曲线的确定装置包括的各单元用于运行图2对应的实施例中的各步骤,详述如下:
可选地,所述测量数据获取单元具体包括:
测量子数据获取单元41,用于获取多个通道检测到的待测样本的测量数据,以及所述测量数据对应的编号;
测量数据确定单元42,用于根据所述测量数据的编号,依次对所述测量数据进行存储,得到所述测量数据信息。
可选地,所述有效数据筛选单元具体包括:
分布概率确定单元43,用于根据所述测量数据信息以及预设的数据统计算法,确定所述测量数据信息中各测量数据的分布概率情况;
阈值比较单元44,用于提取所述分布概率大于预设阈值对应的测量数据作为有效测量数据。
可选地,所述特征曲线确定单元具体包括:
坐标图绘制单元45,用于根据所述有效测量数据以及获取所述有效测量数据时的序号,在预设的坐标图中依次标示出每个所述有效测量数据;
线性拟合单元46,用于根据标示后的所述坐标图以及预设的线性拟合算法,确定传感器对应的特征曲线信息。
可选地,所述待测样本至少为两个;
所述传感器特征曲线的确定装置还包括:
物体类型确定单元47,用于根据测量物体的测量曲线信息,确定所述测量物体对应的待测样本。
因此,本发明实施例提供的传感器特征曲线的确定装置同样可以通过获取待测样本的测量数据信息;通过预设的测量数据筛选算法,提取所述测量数据信息中包含的有效测量数据;根据所述有效测量数据以及预设的特征曲线确定算法,确定所述待测样本对应的特征曲线信息;将所述特征曲线信息存储于特征曲线寄存器内,从而可以对获取的厚度数据进行过滤,筛选出有效的测量数据,根据有效的测量数据绘制特征曲线。由于本发明实施例中,已对突变的采集点进行滤出,当进行线性拟合的时候,将不会考虑突变的采集点,从而得到的特征曲线将会较为光滑,去除了环境噪声的影响,提高了传感器获取信息的准确率。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的系统实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理单元中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(processor)执行本发明实施例各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (10)
1.一种传感器特征曲线的确定方法,其特征在于,所述传感器的特征曲线确定方法包括:
获取待测样本的测量数据信息;
通过预设的测量数据筛选算法,提取所述测量数据信息中包含的有效测量数据;
根据所述有效测量数据以及预设的特征曲线确定算法,确定所述待测样本对应的特征曲线信息,将所述特征曲线信息存储于特征曲线寄存器内。
2.根据权利要求1所述的传感器特征曲线的确定方法,其特征在于,所述通过预设的测量数据筛选算法,提取所述测量数据信息中包含的有效测量数据具体为:
根据所述测量数据信息以及预设的数据统计算法,确定所述测量数据信息中各测量数据的分布概率情况;
提取所述分布概率大于预设阈值对应的测量数据作为有效测量数据。
3.根据权利要求1或2所述的传感器特征曲线的确定方法,其特征在于,所述获取待测样本的测量数据信息具体为:
获取多个通道检测到的待测样本的测量数据,以及所述测量数据对应的编号;
根据所述测量数据对应的编号,依次对所述测量数据进行存储,得到所述测量数据信息。
4.根据权利要求3所述的传感器特征曲线的确定方法,其特征在于,所述根据所述有效测量数据以及预设的特征曲线确定算法,确定传感器对应的特征曲线信息具体为:
根据所述有效测量数据以及获取所述有效测量数据时的序号,在预设的坐标图中依次标示出每个所述有效测量数据;
根据标示后的所述坐标图以及预设的线性拟合算法,确定传感器对应的特征曲线信息。
5.根据权利要求1所述的传感器特征曲线的确定方法,其特征在于,所述待测样本至少为两个;
所述将所述特征曲线信息存储与特征曲线寄存器之后还包括:
根据测量物体的测量曲线信息,确定所述测量物体对应的待测样本。
6.一种传感器特征曲线的确定装置,其特征在于,所述传感器特征曲线的确定装置包括:
测量数据获取单元,用于获取待测样本的测量数据信息;
有效数据筛选单元,用于通过预设的测量数据筛选算法,提取所述测量数据信息中包含的有效测量数据;
特征曲线确定单元,用于根据所述有效测量数据以及预设的特征曲线确定算法,确定所述待测样本对应的特征曲线信息;将所述特征曲线信息存储于特征曲线寄存器内。
7.根据权利要求6所述的传感器特征曲线的确定装置,其特征在于,所述有效数据筛选单元具体包括:
分布概率确定单元,用于根据所述测量数据信息以及预设的数据统计算法,确定所述测量数据信息中各测量数据的分布概率情况;
阈值比较单元,用于提取所述分布概率大于预设阈值对应的测量数据作为有效测量数据。
8.根据权利要求6或7所述的传感器特征曲线的确定装置,其特征在于,所述测量数据获取单元具体包括:
测量子数据获取单元,用于获取多个通道检测到的待测样本的测量数据,以及所述测量数据对应的编号;
测量数据确定单元,用于根据所述测量数据的编号,依次对所述测量数据进行存储,得到所述测量数据信息。
9.根据权利要求8所述的传感器特征曲线的确定装置,其特征在于,所述特征曲线确定单元具体包括:
坐标图绘制单元,用于根据所述有效测量数据以及获取所述有效测量数据时的序号,在预设的坐标图中依次标示出每个所述有效测量数据;
线性拟合单元,用于根据标示后的所述坐标图以及预设的线性拟合算法,确定传感器对应的特征曲线信息。
10.根据权利要求6所述的传感器特征曲线的确定装置,其特征在于,所述待测样本至少为两个;
所述传感器特征曲线的确定装置还包括:
物体类型确定单元,用于根据测量物体的测量曲线信息,确定所述测量物体对应的待测样本。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710123396.2A CN107092772B (zh) | 2017-03-01 | 2017-03-01 | 一种传感器特征曲线的确定方法及其装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710123396.2A CN107092772B (zh) | 2017-03-01 | 2017-03-01 | 一种传感器特征曲线的确定方法及其装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107092772A true CN107092772A (zh) | 2017-08-25 |
CN107092772B CN107092772B (zh) | 2019-12-10 |
Family
ID=59648825
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710123396.2A Active CN107092772B (zh) | 2017-03-01 | 2017-03-01 | 一种传感器特征曲线的确定方法及其装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107092772B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109120787A (zh) * | 2018-08-20 | 2019-01-01 | Oppo广东移动通信有限公司 | 移动终端、减速切换点校准方法及相关产品 |
CN109542174A (zh) * | 2018-11-30 | 2019-03-29 | Oppo广东移动通信有限公司 | 滑动组件的滑动校正方法和装置 |
CN110082319A (zh) * | 2019-04-22 | 2019-08-02 | 深圳市锦瑞生物科技有限公司 | 定标数据修正方法及其电子设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102209382A (zh) * | 2011-05-18 | 2011-10-05 | 杭州电子科技大学 | 一种基于rssi的无线传感器网络节点定位方法 |
CN102879081A (zh) * | 2012-09-17 | 2013-01-16 | 北京航天时代光电科技有限公司 | 一种分布式光纤振动系统中的数据处理方法 |
CN103336906A (zh) * | 2013-07-15 | 2013-10-02 | 哈尔滨工业大学 | 环境传感器的采集数据流中连续异常检测的抽样gpr方法 |
CN104316875A (zh) * | 2014-11-18 | 2015-01-28 | 广东电网有限责任公司佛山供电局 | 高压断路器状态的在线监测方法和系统 |
CN105307200A (zh) * | 2015-09-30 | 2016-02-03 | 西安电子科技大学 | 一种基于轨迹的无线传感器网络多维数据异常值检测方法 |
CN105374106A (zh) * | 2015-11-04 | 2016-03-02 | 东方通信股份有限公司 | 一种atm机纸币检测装置及检测方法 |
CN105978848A (zh) * | 2015-12-04 | 2016-09-28 | 乐视致新电子科技(天津)有限公司 | 一种收集传感器数据的处理方法和装置 |
-
2017
- 2017-03-01 CN CN201710123396.2A patent/CN107092772B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102209382A (zh) * | 2011-05-18 | 2011-10-05 | 杭州电子科技大学 | 一种基于rssi的无线传感器网络节点定位方法 |
CN102879081A (zh) * | 2012-09-17 | 2013-01-16 | 北京航天时代光电科技有限公司 | 一种分布式光纤振动系统中的数据处理方法 |
CN103336906A (zh) * | 2013-07-15 | 2013-10-02 | 哈尔滨工业大学 | 环境传感器的采集数据流中连续异常检测的抽样gpr方法 |
CN104316875A (zh) * | 2014-11-18 | 2015-01-28 | 广东电网有限责任公司佛山供电局 | 高压断路器状态的在线监测方法和系统 |
CN105307200A (zh) * | 2015-09-30 | 2016-02-03 | 西安电子科技大学 | 一种基于轨迹的无线传感器网络多维数据异常值检测方法 |
CN105374106A (zh) * | 2015-11-04 | 2016-03-02 | 东方通信股份有限公司 | 一种atm机纸币检测装置及检测方法 |
CN105978848A (zh) * | 2015-12-04 | 2016-09-28 | 乐视致新电子科技(天津)有限公司 | 一种收集传感器数据的处理方法和装置 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109120787A (zh) * | 2018-08-20 | 2019-01-01 | Oppo广东移动通信有限公司 | 移动终端、减速切换点校准方法及相关产品 |
CN109120787B (zh) * | 2018-08-20 | 2020-12-29 | Oppo广东移动通信有限公司 | 移动终端、减速切换点校准方法及相关产品 |
CN109542174A (zh) * | 2018-11-30 | 2019-03-29 | Oppo广东移动通信有限公司 | 滑动组件的滑动校正方法和装置 |
US11789470B2 (en) | 2018-11-30 | 2023-10-17 | Guangdong Oppo Mobile Telecommunications Corp., Ltd. | Method and apparatus for calibrating sliding of sliding component |
CN110082319A (zh) * | 2019-04-22 | 2019-08-02 | 深圳市锦瑞生物科技有限公司 | 定标数据修正方法及其电子设备 |
CN110082319B (zh) * | 2019-04-22 | 2022-03-11 | 深圳市锦瑞生物科技股份有限公司 | 定标数据修正方法及其电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN107092772B (zh) | 2019-12-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108364017A (zh) | 一种图像质量分类方法、系统及终端设备 | |
CN108257121B (zh) | 产品缺陷检测模型更新的方法、装置、存储介质及终端设备 | |
CN107092772A (zh) | 一种传感器特征曲线的确定方法及其装置 | |
CN105069626A (zh) | 一种购物异常检测方法及系统 | |
CN107507330B (zh) | 纸币厚度异常的检测方法、检测装置及终端设备 | |
CN109073663A (zh) | 用于建立样品试管组的方法、计算机程序产品和系统 | |
CN106846122A (zh) | 商品数据处理方法和装置 | |
CN106997635A (zh) | 一种纸币表面异物的检测方法及其装置 | |
CN110729054B (zh) | 异常就诊行为检测方法、装置、计算机设备及存储介质 | |
CN112116557B (zh) | 一种射线图像焊缝区域缺陷探测方法、存储介质及设备 | |
CN106934328A (zh) | 一种人脸检测算法的评估方法及装置 | |
CN106875540A (zh) | 一种纸币厚度异常检测方法及装置 | |
CN109903287A (zh) | 质量检测方法及装置 | |
CN110211021A (zh) | 图像处理装置、图像处理方法和存储介质 | |
CN107067540B (zh) | 一种纸张重张的检测方法及装置 | |
CN110084694A (zh) | 一种基于数据处理的订单分配方法及相关设备 | |
CN110111311A (zh) | 一种图像质量评价方法和装置 | |
CN104424488B (zh) | 一种提取bcg信号特征的方法及系统 | |
TW201636910A (zh) | 二維分攤尾差平衡模組 | |
US20140375555A1 (en) | Work support system, work support apparatus, work support method, and computer readable storage medium | |
CN106910274B (zh) | 一种介质厚度测量方法、装置及atm机 | |
CN107978062A (zh) | 一种胶带钞的检测方法及装置 | |
US20200221971A1 (en) | Tissue damage assessment method and system | |
US9990713B2 (en) | Detecting and visualizing correlations between measured correlation values and correlation reference values of a pathway | |
CN108932788A (zh) | 一种纸币厚度异常等级的检测方法、装置及设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |