CN110286101A - 适用于流水线体系的光谱持续建模异常检测系统及方法 - Google Patents
适用于流水线体系的光谱持续建模异常检测系统及方法 Download PDFInfo
- Publication number
- CN110286101A CN110286101A CN201910641713.9A CN201910641713A CN110286101A CN 110286101 A CN110286101 A CN 110286101A CN 201910641713 A CN201910641713 A CN 201910641713A CN 110286101 A CN110286101 A CN 110286101A
- Authority
- CN
- China
- Prior art keywords
- data
- models
- persistently
- model
- module
- 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.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 50
- 238000001228 spectrum Methods 0.000 title claims abstract description 48
- 230000005856 abnormality Effects 0.000 title claims abstract description 32
- 238000000034 method Methods 0.000 title claims description 13
- 238000004458 analytical method Methods 0.000 claims abstract description 57
- 238000004891 communication Methods 0.000 claims abstract description 32
- 239000000463 material Substances 0.000 claims abstract description 22
- 239000000523 sample Substances 0.000 claims abstract description 13
- 230000002045 lasting effect Effects 0.000 claims abstract description 6
- 238000004611 spectroscopical analysis Methods 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 17
- 238000003860 storage Methods 0.000 claims description 12
- 230000003595 spectral effect Effects 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000005457 optimization Methods 0.000 claims description 8
- 238000005520 cutting process Methods 0.000 claims description 6
- 238000004445 quantitative analysis Methods 0.000 claims description 6
- 238000012423 maintenance Methods 0.000 claims description 4
- 238000004451 qualitative analysis Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000005498 polishing Methods 0.000 claims 1
- 239000000843 powder Substances 0.000 abstract description 9
- 239000007788 liquid Substances 0.000 abstract description 6
- 239000007787 solid Substances 0.000 abstract description 4
- 238000004519 manufacturing process Methods 0.000 description 8
- 239000004744 fabric Substances 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 235000012907 honey Nutrition 0.000 description 2
- 239000004615 ingredient Substances 0.000 description 2
- 239000008267 milk Substances 0.000 description 2
- 235000013336 milk Nutrition 0.000 description 2
- 210000004080 milk Anatomy 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 238000010183 spectrum analysis Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 229920000742 Cotton Polymers 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 150000001413 amino acids Chemical class 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000002329 infrared spectrum Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 150000002632 lipids Chemical class 0.000 description 1
- 238000000465 moulding Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3554—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for determining moisture content
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3563—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing solids; Preparation of samples therefor
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/359—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种适用于流水线体系的光谱持续建模异常检测系统，其特征在于，包含依次通信连接的光谱采集硬件终端、数据通信模块、本地分析模块和云端分析控制模块。本发明的光谱持续建模异常检测系统可以实现以接触或非接触或光纤探头等方式对固体或粉末或液体形态的物料进行异常检测，同时通过对扫描数据进行持续建模和与云端通信，可为用户提供持续自动优化模型和无人值守式的检测服务。
Description
技术领域
本发明涉及红外/近红外光谱分析及物联网技术领域，特别涉及适用于流水线体系的光谱持续建模异常检测系统及方法。
背景技术
目前随着科学技术的发展，特别是红外/近红外等光谱扫描终端的发展，对于快速分析物品属性及成分的需求越来越被公众市场及行业客户所重视。其中，在工业化生产中，对流水线物料的品质检测和异常检测是十分普遍的一类需求，光谱分析的快速鉴别/无损分析等特性可以很好满足这一需求。
发明内容
本发明的目针对光谱分析可以快速无损检测待检测物料的特性出发，结合生产线上对流水线物料异常检测的实际需求，提供一种适用于流水线体系的光谱持续建模异常检测系统及方法，可以实现以接触或非接触或光纤探头等方式对固体或粉末或液体形态的物料进行异常检测，同时通过对扫描数据进行持续建模和与云端通信，可为用户提供持续自动优化模型和无人值守式的检测服务。
为了达到上述的技术效果，本发明采取以下技术方案：
一种适用于流水线体系的光谱持续建模异常检测系统，包含依次通信连接的光谱采集硬件终端、数据通信模块、本地分析模块和云端分析控制模块；所述光谱采集硬件终端用于进行光谱扫描并将得到的数据送至数据通信模块；所述数据通信模块用于对收到的数据进行初步处理及将处理后的数据传输至本地分析模块；所述本地分析模块用于通过内置的默认模型对收到的数据进行分析检测，并通过本地持续建模算法在收到的数据达到目标量级后对默认模型进行持续建模，以优化模型的检测性能，以及将本地持续优化后的模型上传至云端分析控制模块，并从云端分析控制模块获取默认模型；所述云端分析控制模块用于对本地分析模块提供算力支持并对本地分析模块上传的优化模型进行分析和处理，更新各细分场景下的默认模型，及对本地分析模块建立的模型进行指标检测。
进一步地，所述云端分析控制模块在对本地分析模块建立的模型进行指标检测时，若发现异常后即发出预警并实现为用户提供切断持续建模的操作，且云端分析控制模块还对本地分析模块的采集数据进行存储和管理，对其预警信息进行日志存储和管理，以便用户进行追溯和分析。
进一步地，所述光谱采集硬件终端由使用红外或近红外的不同波段的传感器实现，具体是根据实际使用场景的不同选用红外或近红外等不同波段的传感器，如果品检测可以使用45-1000nm的红外传感器，蜂蜜检测可以使用900-1500nm的红外传感器，奶粉检测可以使用1100-1700nm的红外传感器，织物检测可以使用1200-2400nm的红外传感器。
进一步地，所述传感器采用接触式、非接触式或光纤探头，选用的探头由待检测物料的不同形态决定，如药材粉末可以使用接触或非接触式的探头；茶叶叶片，烟草叶等可以使用非接触或接触式的探头，且对固体粉末而言主要取决于流水线改造难度和对分析准确度的要求进行评估；液体或者固液混合流体一般使用光纤式探头。
进一步地，所述数据通信模块采用板载直连、USB或蓝牙的通信方式传输数据，具体采用的通信方式由具体场景下流水线组装方案决定，比如比较紧密的场景下，没有足够空间布板布线就会采用蓝牙方式，即将采集传感器和处理分析模块分开部署；比如需要长时间(如不间断的工作模式时)不断电的工作，这种情况就适合做板载直连的方式，从而提供直连电源，将传感器和处理分析模块结合到一起工作。
进一步地，所述数据通信模块对收到的数据进行的初步处理包括数据处理及数据组装。
进一步地，所述数据处理包括模数转换，信号去噪，光谱数据组合，具体的数据处理是基于硬件直接处理，均为现有技术可以实现的处理，此处不再赘述，所述数据组装为将原始数据组装上光谱波长位置标签数据。
进一步地，所述本地分析模块的内置的默认模型包括定量模型及定性模型，如分析药材的水分含量的模型，这一类模型属于定量模型，而分析药材的产地的分析模型，这一类模型则属于定性模型，具体模型的建立是现有技术中已有的方法，此处不再赘述。
同时，本发明还公开了一种适用于流水线体系的光谱持续建模异常检测方法，由上述的一种适用于流水线体系的光谱持续建模异常检测系统实现，具体包括以下步骤：
A.通过光谱采集硬件终端对流水线上的物料进行光谱扫描，并将扫描得到的光谱数据传输至数据通信模块；
B.数据通信模块对光谱采集硬件终端送来的光谱数据进行初步处理，并将处理后的光谱数据传输至本地分析模块；
C.本地分析模块首先通过内置的默认模型对数据通信模块送至的光谱数据进行分析检测，给出定性或定量分析结果，然后再通过本地持续建模算法在送至的光谱数据达到目标量级后对默认模型进行持续建模，以优化模型的检测性能，最后本地分析模块将本地持续优化后的模型上传至云端分析控制模块，并在场景切换或系统维护时从云端分析控制模块获取默认模型；
D.云端分析控制模块对本地分析模块提供若干的算力支持，并作为系统的控制中枢对整个系统进行控制，包括：
D1.对本地分析模块上传的优化模型进行分析和处理，更新各细分场景下的默认模型；
D2.对本地分析模块建立的模型进行指标检测，在检测出异常时即发出预警并为用户提供切断持续建模的操作；
D3.对本地分析模块的采集数据进行存储和管理，对其预警信息进行日志存储和管理。
进一步地，所述步骤D2中具体为当检测到上传的模型质量有异常波动时即判定异常，包括模型的指标数据超出正常范围或大范围上下波动。
本发明与现有技术相比，具有以下的有益效果：
本发明的适用于流水线体系的光谱持续建模异常检测系统及方法中，通过使用智能光谱硬件设备以接触/非接触/光纤探头等方式对检测目标进行光谱扫描，对扫描的数据结合系统内部的初始模型进行检测和持续建模，同时可与云端保持通信，以无人值守的方式保障流水线物料的输入正常达标，可应用于各类光谱分析适用场景下的流水线生产的异常检测，利用智能化的持续建模和云端分析管理，能有效流水线生产的效率和为正常生产提供有力保障，为用户生产高质量产品提供助力，实现为用户提供持续自动优化模型和无人值守式的检测服务。
附图说明
图1是本发明的适用于流水线体系的光谱持续建模异常检测系统的示意图。
具体实施方式
下面结合本发明的实施例对本发明作进一步的阐述和说明。
实施例：
实施例一：
如图1所示，一种适用于流水线体系的光谱持续建模异常检测系统，包含依次通信连接的光谱采集硬件终端、数据通信模块、本地分析模块和云端分析控制模块。
具体的，光谱采集硬件终端用于进行光谱扫描并将得到的数据送至数据通信模块。作为优选，本实施例中，光谱采集硬件终端由使用红外或近红外的不同波段的传感器实现，具体是根据实际使用场景的不同选用红外或近红外等不同波段的传感器，如果品检测可以使用45-1000nm的红外传感器，蜂蜜检测可以使用900-1500nm的红外传感器，奶粉检测可以使用1100-1700nm的红外传感器，织物检测可以使用1200-2400nm的红外传感器。同时，传感器采用接触式、非接触式或光纤探头，选用的探头由待检测物料的不同形态决定，如药材粉末可以使用接触或非接触式的探头；茶叶叶片，烟草叶等可以使用非接触或接触式的探头，且对固体粉末而言主要取决于流水线改造难度和对分析准确度的要求进行评估；液体或者固液混合流体一般使用光纤式探头。
具体的，数据通信模块用于对收到的数据进行初步处理及将处理后的数据传输至本地分析模块。
实际中，数据通信模块可采用板载直连、USB或蓝牙的通信方式传输数据，具体采用的通信方式由具体场景下流水线组装方案决定，比如比较紧密的场景下，没有足够空间布板布线时采用蓝牙方式，即将采集传感器和处理分析模块分开部署；比如需要长时间(如不间断的工作模式时)不断电的工作，这种情况就适合做板载直连的方式，从而提供直连电源，将传感器和处理分析模块结合到一起工作。
其中，数据通信模块对收到的数据进行的初步处理包括数据处理及数据组装。数据处理包括模数转换，信号去噪，光谱数据组合，具体的数据处理是基于硬件直接处理，均为现有技术可以实现的处理，此处不再赘述，数据组装为将原始数据组装上光谱波长位置标签数据。
具体的，本地分析模块用于实现以下功能：
第一，通过内置的默认模型对收到的数据进行分析检测，给出定性或定量分析结果，供用户进行使用和参考。
其中，内置的默认模型包括定量模型及定性模型，如用于分析药材的水分含量的模型，这一类模型属于定量模型，而用于分析药材的产地的分析模型，这一类模型则属于定性模型，具体模型的建立是现有技术中已有的方法，此处不再赘述。对应的，定性或定量分析结果具体如某药材的水分含量模型测算结果就是当前样品的水分含量即为定量分析结果。其他情况下同理：如饲料的蛋白质含量或糖含量；茶叶的水分含量或氨基酸含量等；定性分析结果就如药材品种分析其产地的分析结果、分析真伪的结果；织物分析其是真丝还是棉织的分析结果等。
第二，通过本地持续建模算法在收到的数据达到目标量级后对默认模型进行持续建模，以优化模型的检测性能。
具体的，一般可以取50-500条数据作为数据的目标量级，其中，持续建模算法是现有技术中较为成熟的方法，此处不再赘述。
第三，将本地持续优化后的模型上传至云端分析控制模块，同时可在场景切换或系统维护时从云端分析控制模块获取默认模型。
具体的，云端分析控制模块用于对本地分析模块提供算力支持，如，大量数据的建模，多本地终端同时送上云端的数据要进行处理和模型评估等，即云端分析控制模块是作为系统的控制中枢对整个系统进行控制，具体包括以下几个方面：
第一，对本地分析模块上传的优化模型进行分析和处理，更新各细分场景下的默认模型。
如使用云端同类型同场景的数据进行模型测算，得到其推广性能指标，如相关系数、准确度、均方误差等；从而判断其是否可以进行推广使用，同时判断其是否走在优化的路线上，同时，一般来说每个场景下会有一个或者多个默认模型；类如某药材收购场景，需要分析其水分含量、脂质含量、蛋白含量，这种场景下就会有三个默认模型来分别分析上述三种成分。场景细分种类及各场景下的默认模型可能的情况众多，主要依据用户的需求和具体使用环境，此处不再一一例举。
第二，对本地分析模块建立的模型进行指标检测，且若发现异常后即发出预警并实现为用户提供切断持续建模的操作。
检出出异常时一般是上传的模型质量有异常波动，如模型的指标数据超出正常范围或大范围上下波动等情况，具体如若药材水分模型在持续在线建模后送到云端分析，发现某一时段的相关系数指标在大幅快速下降，这就是一种明显的异常。再比如，对于药材产地分析的模型，其准确度忽高忽低，一段时间低于0.5，一段时间高于0.9，此种情况也是明显的异常。
第三，对本地分析模块的采集数据进行存储和管理，对其预警信息进行日志存储和管理，以便用户进行追溯和分析。
实施例二
本实施例中以将适用于流水线体系的光谱持续建模异常检测系统对中药材处理流水线对药材粉末进行持续建模异常检测为例进行说明：
具体包括，通过设置安装在流水线进料口或工作台上的光谱采集硬件终端进行持续的光谱扫描(本实施例中扫描频率为1s-2s/次)，由光谱采集硬件终端将扫描得到的原始数据送至板载直连的数据通信模块，由数据通信模块对数据进行初步处理后将数据传输至本地分析模块。
然后，本地分析模块根据之前设定场景下预置好的模型对送来的光谱数据进行分析，得到药材的水分、糖分、蛋白等信息，并将各值与正常设定值范围进行对比，如果超出或不足就发起预警提示，以供用户参考和使用；与此同时，本地分析模块在接受到一定数量的光谱数据(如本实施例中设定为100条)后，就进行持续建模(本实施例中，具体为每收到100条数据就合并默认模型数据进行重新建模，新建立的模型替代原有模型进行使用，一直就这样不停的接收、建模、替换、上传)，以优化本地此场景下的模型。此外，光谱数据、持续建模后的优化模型及预警信息均由本地分析模块实时传输到云端分析控制模块。
最后，云端分析控制模块会将接收到的所有数据进行存储和提供给用户进行管理及分析。本地持续建模优化后的模型在云端会进行指标检测验证，以保证模型的有效性。比如，以相关系数指标为例，这里相关系数指R2，是定量分析中常用的一个指标，用来描述模型的拟合优度，具体计算公式为：取值范围0-1，越高说明模型拟合程度越好。
实际使用过程中还可以使用其他指标，则当出现异常波动(如快速下降，大范围抖动等)的情况时，即向用户进行持续建模异常提示，同时可根据用户需求可暂停本地持续建模，维持使用默认模型。
此外，云端分析控制模块还可根据一段时间(如一天或一周或一月)内选择最佳的持续建模优化后模型进行同一场景下的默认模型更新，以便各流水线间进行数据统一，提高检测准确度。
实施例三
一种适用于流水线体系的光谱持续建模异常检测方法，由实施例一中的一种适用于流水线体系的光谱持续建模异常检测系统实现，具体包括以下步骤：
步骤一：通过光谱采集硬件终端对流水线上的物料进行光谱扫描，并将扫描得到的光谱数据传输至数据通信模块；
步骤二：数据通信模块对光谱采集硬件终端送来的光谱数据进行初步处理，并将处理后的光谱数据传输至本地分析模块；
步骤三：本地分析模块首先通过内置的默认模型对数据通信模块送至的光谱数据进行分析检测，给出定性或定量分析结果，然后再通过本地持续建模算法在送至的光谱数据达到目标量级后对默认模型进行持续建模，以优化模型的检测性能，最后本地分析模块将本地持续优化后的模型上传至云端分析控制模块，并在场景切换或系统维护时从云端分析控制模块获取默认模型；
步骤四：云端分析控制模块对本地分析模块提供若干的算力支持，并作为系统的控制中枢对整个系统进行控制，包括：
S1.对本地分析模块上传的优化模型进行分析和处理，更新各细分场景下的默认模型；
S2.对本地分析模块建立的模型进行指标检测，在检测出异常时即发出预警并为用户提供切断持续建模的操作；具体的，当检测到上传的模型质量有异常波动时即判定异常，包括模型的指标数据超出正常范围或大范围上下波动等情形；
S3.对本地分析模块的采集数据进行存储和管理，对其预警信息进行日志存储和管理。
可以理解的是，以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式，然而本发明并不局限于此。对于本领域内的普通技术人员而言，在不脱离本发明的精神和实质的情况下，可以做出各种变型和改进，这些变型和改进也视为本发明的保护范围。
Claims (10)
1.一种适用于流水线体系的光谱持续建模异常检测系统，其特征在于，包含依次通信连接的光谱采集硬件终端、数据通信模块、本地分析模块和云端分析控制模块；所述光谱采集硬件终端用于进行光谱扫描并将得到的数据送至数据通信模块；所述数据通信模块用于对收到的数据进行初步处理及将处理后的数据传输至本地分析模块；所述本地分析模块用于通过内置的默认模型对收到的数据进行分析检测，并通过本地持续建模算法在收到的数据达到目标量级后对默认模型进行持续建模，以优化模型的检测性能，以及将本地持续优化后的模型上传至云端分析控制模块，并从云端分析控制模块获取默认模型；所述云端分析控制模块用于对本地分析模块提供算力支持并对本地分析模块上传的优化模型进行分析和处理，更新各细分场景下的默认模型，及对本地分析模块建立的模型进行指标检测。
2.根据权利要求1所述的一种适用于流水线体系的光谱持续建模异常检测系统，其特征在于，所述云端分析控制模块在对本地分析模块建立的模型进行指标检测时，若发现异常后即发出预警并实现为用户提供切断持续建模的操作，且云端分析控制模块还对本地分析模块的采集数据进行存储和管理，对其预警信息进行日志存储和管理。
3.根据权利要求1所述的一种适用于流水线体系的光谱持续建模异常检测系统，其特征在于，所述光谱采集硬件终端由使用红外或近红外的不同波段的传感器实现。
4.根据权利要求3所述的一种适用于流水线体系的光谱持续建模异常检测系统，其特征在于，所述传感器采用接触式、非接触式或光纤探头。
5.根据权利要求1所述的一种适用于流水线体系的光谱持续建模异常检测系统，其特征在于，所述数据通信模块采用板载直连、USB或蓝牙的通信方式传输数据。
6.根据权利要求1所述的一种适用于流水线体系的光谱持续建模异常检测系统，其特征在于，所述数据通信模块对收到的数据进行的初步处理包括数据处理及数据组装。
7.根据权利要求6所述的一种适用于流水线体系的光谱持续建模异常检测系统，其特征在于，所述数据处理包括模数转换，信号去噪，光谱数据组合，所述数据组装为将原始数据组装上光谱波长位置标签数据。
8.根据权利要求1所述的一种适用于流水线体系的光谱持续建模异常检测系统，其特征在于，所述本地分析模块的内置的默认模型包括定量模型及定性模型。
9.一种适用于流水线体系的光谱持续建模异常检测方法，其特征在于，由权利要求1至8中任一所述的一种适用于流水线体系的光谱持续建模异常检测系统实现，具体包括以下步骤：
A.通过光谱采集硬件终端对流水线上的物料进行光谱扫描，并将扫描得到的光谱数据传输至数据通信模块；
B.数据通信模块对光谱采集硬件终端送来的光谱数据进行初步处理，并将处理后的光谱数据传输至本地分析模块；
C.本地分析模块首先通过内置的默认模型对数据通信模块送至的光谱数据进行分析检测，给出定性或定量分析结果，然后再通过本地持续建模算法在送至的光谱数据达到目标量级后对默认模型进行持续建模，以优化模型的检测性能，最后本地分析模块将本地持续优化后的模型上传至云端分析控制模块，并在场景切换或系统维护时从云端分析控制模块获取默认模型；
D.云端分析控制模块对本地分析模块提供若干的算力支持，并作为系统的控制中枢对整个系统进行控制，包括：
D1.对本地分析模块上传的优化模型进行分析和处理，更新各细分场景下的默认模型；
D2.对本地分析模块建立的模型进行指标检测，在检测出异常时即发出预警并为用户提供切断持续建模的操作；
D3.对本地分析模块的采集数据进行存储和管理，对其预警信息进行日志存储和管理。
10.根据权利要求9所述的一种适用于流水线体系的光谱持续建模异常检测方法，其特征在于，所述步骤D2中具体为当检测到上传的模型质量有异常波动时即判定异常，包括模型的指标数据超出正常范围或大范围上下波动。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910641713.9A CN110286101A (zh) | 2019-07-16 | 2019-07-16 | 适用于流水线体系的光谱持续建模异常检测系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910641713.9A CN110286101A (zh) | 2019-07-16 | 2019-07-16 | 适用于流水线体系的光谱持续建模异常检测系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110286101A true CN110286101A (zh) | 2019-09-27 |
Family
ID=68023100
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910641713.9A Pending CN110286101A (zh) | 2019-07-16 | 2019-07-16 | 适用于流水线体系的光谱持续建模异常检测系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110286101A (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1416547A (zh) * | 2000-03-10 | 2003-05-07 | 科金斯公司 | 现场农产品分析系统和分析方法 |
| CN106323889A (zh) * | 2016-08-11 | 2017-01-11 | 上海赛诚医药科技有限公司 | 基于云服务器的质量检测系统 |
| CN106932360A (zh) * | 2017-03-07 | 2017-07-07 | 北京工商大学 | 便携式近红外光谱食品快速检测与建模一体化系统和方法 |
| CN107306272A (zh) * | 2016-04-14 | 2017-10-31 | 刘中清 | 一种基于云平台的在用润滑油远程监控系统及应用 |
| CN107817223A (zh) * | 2017-10-20 | 2018-03-20 | 华东理工大学 | 快速无损实时预测原油性质模型的构建方法及其应用 |
| CN108152246A (zh) * | 2017-12-25 | 2018-06-12 | 四川长虹电器股份有限公司 | 基于移动终端的无线智能光谱检测系统 |
| CN109241637A (zh) * | 2018-09-13 | 2019-01-18 | 四川长虹电器股份有限公司 | 一种可适用于光谱分析的智能建模系统及方法 |
-
2019
- 2019-07-16 CN CN201910641713.9A patent/CN110286101A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1416547A (zh) * | 2000-03-10 | 2003-05-07 | 科金斯公司 | 现场农产品分析系统和分析方法 |
| CN107306272A (zh) * | 2016-04-14 | 2017-10-31 | 刘中清 | 一种基于云平台的在用润滑油远程监控系统及应用 |
| CN106323889A (zh) * | 2016-08-11 | 2017-01-11 | 上海赛诚医药科技有限公司 | 基于云服务器的质量检测系统 |
| CN106932360A (zh) * | 2017-03-07 | 2017-07-07 | 北京工商大学 | 便携式近红外光谱食品快速检测与建模一体化系统和方法 |
| CN107817223A (zh) * | 2017-10-20 | 2018-03-20 | 华东理工大学 | 快速无损实时预测原油性质模型的构建方法及其应用 |
| CN108152246A (zh) * | 2017-12-25 | 2018-06-12 | 四川长虹电器股份有限公司 | 基于移动终端的无线智能光谱检测系统 |
| CN109241637A (zh) * | 2018-09-13 | 2019-01-18 | 四川长虹电器股份有限公司 | 一种可适用于光谱分析的智能建模系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6375557B2 (ja) | 面の色及びスペクトルを測定しカテゴリ分類するためのシステム及び方法 | |
| CN101907564B (zh) | 基于近红外光谱技术的油菜籽品质无损检测方法和装置 | |
| CN104914069B (zh) | 可迁移计算的肉类品质近红外检测方法及装置 | |
| CN103237078A (zh) | 近红外食品安全鉴别系统 | |
| US20170016832A1 (en) | Surface property indexing apparatus, surface property indexing method, and program | |
| CN105973839B (zh) | 一种高光谱批处理式农畜产品品质无损检测方法和系统 | |
| Maertens et al. | On-line measurement of grain quality with NIR technology | |
| CN108037081B (zh) | 一种酿酒葡萄成熟度监测方法和系统 | |
| CN103278503B (zh) | 一种基于多传感器技术的葡萄水分胁迫诊断方法及系统 | |
| CN102175638A (zh) | 一种快速无损检测黄酒成分含量的装置 | |
| CN115087391A (zh) | 用于推荐产品的方法 | |
| CN101059427A (zh) | 多光谱成像技术快速无损测量茶树含氮量的方法 | |
| EP3593281A1 (en) | System, method and computer program for guided image capturing of a meal | |
| CN209387514U (zh) | 用于肉糜掺杂的地物光谱检测装置 | |
| CN102621147A (zh) | 钢板表面色差缺陷检测装置 | |
| CN102507491B (zh) | 一种水飞蓟籽品质的检测装置和检测方法 | |
| CN110286101A (zh) | 适用于流水线体系的光谱持续建模异常检测系统及方法 | |
| JP2001092975A (ja) | 商品認識システムおよび商品認識方法 | |
| CN109406117A (zh) | 一种基于改进rbfnn算法的多通道远程振动信号监示系统及监测方法 | |
| CN201724900U (zh) | 基于近红外光谱技术的油菜籽品质无损检测装置 | |
| CN205506679U (zh) | 一种便携式近红外光谱检测系统 | |
| CN112581005A (zh) | 一种食品监测装置及方法 | |
| CN109596561A (zh) | 一种远程实时在线水果品质监测系统及监测方法 | |
| KR200404482Y1 (ko) | 휴대형 과일 품질정보 측정장치 | |
| CN105928900A (zh) | 一种近红外谷物分析方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190927 |