CN110554069B - 实验室化学物质检测系统 - Google Patents
实验室化学物质检测系统 Download PDFInfo
- Publication number
- CN110554069B CN110554069B CN201910770463.9A CN201910770463A CN110554069B CN 110554069 B CN110554069 B CN 110554069B CN 201910770463 A CN201910770463 A CN 201910770463A CN 110554069 B CN110554069 B CN 110554069B
- Authority
- CN
- China
- Prior art keywords
- data
- resistor
- diode
- category
- capacitor
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/04—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks
- H04L63/0428—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks wherein the data content is protected, e.g. by encrypting or encapsulating the payload
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Computer Security & Cryptography (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computing Systems (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Electrochemistry (AREA)
- Computer Hardware Design (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及化学检测技术领域,具体涉及一种实验室化学物质检测系统,包括终端检测系统和数据处理系统,终端检测系统包括化学物质检测设备和数据上传处理终端,化学物质检测设备将检测后的数据通过数据上传处理终端上传至数据处理系统,数据处理系统利用数据分类算法、数据加密算法和相似数据处理算法处理后通过通信系统将处理后的数据传送至实验室控制终端;本发明通过化学物质检测设备检测待检测物质,并将检测的结果通过数据处理系统,利用数据分类算法、数据加密算法和相似数据处理算法处理后得到安全性更高、准确度更好,数据冗余更低的检测结果,并通过通信系统实现远程智能连接,具有很强的创造性。
Description
技术领域
本发明涉及化学检测技术领域,具体涉及一种实验室化学物质检测系统。
背景技术
实验室(Laboratory/Lab)即进行试验的场所。实验室是科学的摇篮,是科学研究的基地,科技发展的源泉,对科技发展起着非常重要的作用。
化学物质检测中,REACH是欧盟法规是一个涉及化学品生产、贸易、使用安全的法规提案,法规旨在保护人类健康和环境安全,保持和提高欧盟化学工业的竞争力,以及研发无毒无害化合物的创新能力,防止市场分裂,增加化学品使用透明度,促进非动物实验,追求社会可持续发展等。REACH指令要求凡进口和在欧洲境内生产的化学品必须通过注册、评估、授权和限制等一组综合程序,以更好更简单地识别化学品的成分来达到确保环境和人体安全的目的。该指令主要有注册、评估、授权、限制等几大项内容。任何商品都必须有一个列明化学成分的登记档案,并说明制造商如何使用这些化学成分以及毒性评估报告。所有信息将会输入到一个正在建设的数据库中,数据库由位于芬兰赫尔辛基的一个欧盟新机构———欧洲化学品局来管理。该机构将评估每一个档案,如果发现化学品对人体健康或环境有影响,他们就可能会采取更加严格的措施。根据对几个因素的评估结果,化学品可能会被禁止使用或者需要经过批准后才能使用。
因此对于提供一种检测效率更高,实现数据智能传送,数据处理更加科学的实验室化学物质检测系统迫在眉睫。
发明内容
针对现有技术的不足,本发明公开了一种实验室化学物质检测系统,本发明利用数据分类算法、数据加密算法和相似数据处理算法处理后得到安全性更高、准确度更好,数据冗余更低的检测结果,并通过通信系统实现远程智能连接。
本发明通过以下技术方案予以实现:
一种实验室化学物质检测系统,其特征在于,包括终端检测系统和数据处理系统,所述终端检测系统包括化学物质检测设备和数据上传处理终端,所述化学物质检测设备将检测后的数据通过数据上传处理终端上传至数据处理系统,所述数据处理系统利用数据分类算法、数据加密算法和相似数据处理算法处理后通过通信系统将处理后的数据传送至实验室控制终端。
优选的,所述化学物质检测设备利用各种化学物质敏感的传感系统并将其浓度转换为电信号进行检测;所述数据上传处理终端对数据的采集、存储、检索、加工、变换和传输,可由人工或自动化装置进行处理。
优选的,所述数据分类算法中,将上传到处理终端的数据进行最优规划,得到每条数据属于每个类别的权重系数;
其中,为构建目标函数值最小的最优规划,s.t.为限制条件,wi,j为上传处理终端的第i条数据属于第j个类别的概率,di,j为上传处理终端的第i条数据与第j个类别的中心距离,p为数据上传处理终端上传的数据总条数,K为预设的将所述上传处理终端的数据分为K个类别,N*为正整数集合。
优选的,在最优规划过程中,
其中,Ci,l为上传处理终端的第i条数据的第l个值,Fj,l为预设的第j个类别的中心的第l个值,l为每条数据所含有的值的个数。
优选的,所述数据分类算法通过如下步骤确定预设类别数k:
T1、初始化,令K=2,选择数据上传处理终端上传的第一条和第二条数据作为初始分类中心;
T2、分别计算上传处理终端的每条数据与分类中心的距离di,j,获取上传处理终端上传的每条数据与所有的分类中心的距离di,j,将每条数据与所有的分类中心的距离di,j中的最小值对应的分类作为这条数据所分类别;
T3、计算类别总体稳定度;
其中,DK为分为K类的稳定度,i∈Fj为i的取值为所有属于第j类的上传处理终端的数据,Sj为第j类含有的上传处理终端的数据的总条数,λ为预设干扰系数,且λ∈N*;
T4、将每个类别的所有数据的中心点作为新的分类中心;
T5、将分类数增加1,且新增加的类的分类中心如下所示:
其中,Fk+1,l为新增加的类的分类中心的第l个值;
T6、重复计算T2和T3,判断DK≤DK+1是否满足,如果满足则所述数据上传处理终端上传的数据分为K类,且分类中心为T4所确定的分类中心,否则令K=K+1后重复T2到T6。
优选的,在所述相似数据处理算法中,对数据进行定义,数据集BD=(C2,A),数值集C2=(C21,C22,C23…C2P),类别集A={A1,A2,...AK},且对于数值集中的每一个数据C2P所属类别均能在类别集A中找到。
优选的,在所述相似数据处理算法中,对数据相似度进行计算,执行以下步骤:
S1、获取类别集中的某个类别所对应的所有数值集中的数据作为该类别的计算数据集;
S2、将所述计算数据集的所有数据的中心点作为类别中心;
S3、计算所述计算数据集中的所有数据分别与类别中心的匹配度;
其中,ρi为计算数据集中第i条数据与类别中心的匹配度,C3i,t为计算数据集中的第i条数据的第t个值,Zt为类别中心的第t个值,l为数值集C2中的每个元素所含有值的个数,i=1、2、3…V,V为计算数据集中含有的数据的总条数;
S4、计算所选择的类别的相似度ρ;
将所有类别的相似度求解得到的集合,则为数据相似度,同时对于任意增加的数据,计算该数据与所有的类别中心的匹配度,选择匹配度最大的类别作为增加数据的类别。
优选的,所述数据分类算法中,将数据上传处理终端上传的数据
表示成下面的数学规划函数
优选的,所述数据分类算法包括以下步骤:
T1、初始化,选取E>0,初始聚类中,令K=1;
其中r和E为自然数,如果存在i,r使得dij(k)=0,则
Uij(k)=1且对j≠r,Uij(k)=0;
T2、计算V(k+1)
T3、如果||V(k)-V(k+1)||<E停止,否则令k=k+1,回到T1中。
优选的,所述相似数据处理算法中,对数据进行定义,数据集D=(O,A),对象集O={o1,o2,....om},属性集A={A1,A2,...Ad},对象o∈O,
属性Ai的值为 则存在对象p∈O,使得至少有K个对象p′∈O满足dist(o,p′)≤dist(o,p),并且最多有k-1个对象p′∈O满足dist(o,p′)≤dist(o,p),则o的k-距离k-dist(o)=dist(o,p)。
优选的,所述相似数据处理算法中,对数据相似度进行计算,d为相似度,设定o∈O,Ai∈A,则o关于属性Ai的相似定义为:
优选的,所述数据加密算法中,首先对数据上传处理终端上传的数据进行聚类处理的数值型属性数据集D={X1,X2...,Xn},用Xi=(x1,x2,...,xip),i=1,2....,n表示数值型数据,用xj={x1j,x2j,...,xnj},j=1,2,...,p表示所有属性的取值均为数值型,对D因子分析公式如下:
其中,amn表示因子分析矩阵,εn表示贡献率,Fn为公因子,对D进行聚类处理,将其与实际问题及公因子的含义进行比较,获取不同类的特征,从而对聚类分析结果进行解释,进而进行数据加密。
优选的,所述数据加密算法中,假设大规模数值型数据库中有m个能够公开且无需加密的数值型数据,有n个需要加密的敏感数据,数据库中的记录共有s条;令M={Mij},Mij为第i条记录第j个无需加密的数值型数据;N={Nij},Nij为第i条记录第j个需要加密的数值型数据;K={Kij},Kij为第i条记录第j个加密的密钥;则与Nij相应的密钥是Kij;C={Cij},Cij为第i条记录第j个的密文,此时Nij对应的密文就是Cij。
优选的,所述相似数据处理算法用于查询并删除相同冗余的数据。
优选的,所述化学物质检测设备包括:检测电路、检测设备,
所述检测电路包括:第一电阻R1、第二电阻R2、第三电阻R3、第四电阻R4、第五电阻R5、第六电阻R6、第七电阻R7、第八电阻R8、第九电阻R9、第十电阻R10、第十一电阻R11、第十二电阻R12、第一电容C1、第二电容C2、第三电容C3、第四电容C4、第一二极管L1、第二二极管L2、第三二极管L3、第四二极管L4、第五二极管L5、第六二极管L6、D触发器RS、NPN晶体管Q1、电源VCC、地GND、第一运算放大器A1、第二运算放大器A2;
所述电源VCC分别与第一二极管L1的负极、第一电阻R1的一端连接,第一二极管L1的正极、第一电阻R1的另一端分别与NPN晶体管Q1的集电极连接,NPN晶体管Q1的基极与第二电阻R2的一端连接,第二电阻R2的另一端与D触发器RS的Q极连接,D触发器RS的S极分别与第三电阻R3、第一电容C1的一端连接,D触发器RS的R极与第四电阻R4、第二电容C2的一端连接,第一电容C1和第二电容C2的另一端与第三二极管L3的负极连接;
所述电源VCC还分别与第三二极管L3的正极、第三电容C3的一端、第二二极管L2的负极、检测设备的一端连接;
所述NPN晶体管Q1的发射极、及第三电阻R3和第四电阻R4的另一端、第二二极管L2的正极、及检测设备的另一端与地GND连接;
所述第三电容C3的另一端与第八电阻R8的一端、第四二极管L4的正极、第二运算放大器A2的正向输入端、第五电阻R5的一端连接;所述第五电阻R5的一端与第六电阻R6的一端连接;
所述第二运算放大器A2的反向输入端与第七电阻R7的一端连接;
所述第二运算放大器A2的输出端分别与第八电阻R8、第四二极管L4的另一端连接,且还与所述第九电阻R9的一端连接,所述第九电阻R9的另一端与第一运算放大器A1的正向输入端连接,所述第一运算放大器A1的反向输入端与第十电阻R10的一端连接;
所述第一运算放大器A1的输出端分别与第五二极管L5的正极、第六二极管L6的负极连接,所述第六二极管L6的正极与第十一电阻R11的一端连接,所述第十一电阻R11的另一端分别与第五二极管L5的负极、第十二电阻R12和第四电容C4的一端连接;
所述第六电阻R6、第七电阻R7、第十电阻R10、第十二电阻R12、第四电容C4的另一端分别与地GND连接。
本发明的有益效果为:
本发明通过化学物质检测设备检测待检测物质,并将检测的结果通过数据处理系统,利用数据分类算法、数据加密算法和相似数据处理算法处理后得到安全性更高、准确度更好,数据冗余更低的检测结果,并通过通信系统实现远程智能连接,具有很强的创造性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,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是本发明的原理框图;
图2是本发明实施例的相似数据处理算法对数据集维数的伸缩性;
图3是本发明实施例的数据分类算法的分类结果图;
图4为本发明实施例的检测电路的电路图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例1
本实施例中,如图1所示的一种实验室化学物质检测系统,包括终端检测系统和数据处理系统,所述终端检测系统包括化学物质检测设备和数据上传处理终端,所述化学物质检测设备将检测后的数据通过数据上传处理终端上传至数据处理系统,所述数据处理系统利用数据分类算法、数据加密算法和相似数据处理算法处理后通过通信系统将处理后的数据传送至实验室控制终端。
化学物质检测设备利用各种化学物质敏感的传感系统并将其浓度转换为电信号进行检测;所述数据上传处理终端对数据的采集、存储、检索、加工、变换和传输,可由人工或自动化装置进行处理。
本实施例通过化学物质检测设备检测待检测物质,并将检测的结果通过数据处理系统,利用数据分类算法、数据加密算法和相似数据处理算法处理后得到安全性更高、准确度更好,数据冗余更低的检测结果,并通过通信系统实现远程智能连接,具有很强的创造性。
实施例2
本发明实施例中,数据分类算法中,将数据上传处理终端上传的数据表示成下面的数学规划函数使得1≤i≤n;uij≥0,1≤i≤n,1≤j≤c;1≤j≤c,再有是空间的s维数据集,其中n,i,j,m,c均是自然数,n是数据集中样本个数,c是聚类中心数,m是权重系数。
所述数学规划函数中,dij=||xi-vj||是样本点xi和聚类中心vj的距
离,且满足 ,uij是第i个样本属于j类的隶属度,Rs为特定数据集合。
所述数据分类算法包括以下步骤:
T1、初始化,选取E>0,初始聚类中,令K=1;
其中r和E为自然数,如果存在i,r使得dij(k)=0,则
Uij(k)=1且对j≠r,Uij(k)=0;
T2、计算V(k+1)
T3、如果||V(k)-V(k+1)||<E停止,否则令k=k+1,回到T1中。
如图3所示,本实施例数据分类算法对该数据进行分类得到的结果是将第2类分成两部分,一部分单独作为1类,另一部分分成3类,具体情况见图3,在数据分类算法分类的基础上,用聚类有效性函数指导分类算法对该数据分类能得到与实际分类情况完全吻合的3类,没有误分样本。
实施例3
本实施例相似数据处理算法中,对数据进行定义,数据集D=(O,A),对象集O={o1,o2,....om},属性集A={A1,A2,...Ad},对象o∈O,属性Ai的值为则存在对象p∈O,使得至少有K个对象p′∈O满足dist(o,p′)≤dist(o,p),并且最多有k-1个对象p′∈O满足dist(o,p′)≤dist(o,p),则o的k-距离k-dist(o)=dist(o,p)。
优选的,所述相似数据处理算法中,对数据相似度进行计算,d为相似度,设定o∈O,Ai∈A,则o关于属性Ai的相似定义为:
本实施例相似数据处理算法用于查询并删除相同冗余的数据。
实施例4
本实施例数据加密算法中,首先对数据上传处理终端上传的数据进行聚类处理的数值型属性数据集D={X1,X2...,Xn},用Xi=(x1,x2,...,xip),i=1,2....,n表示数值型数据,用xj={x1j,x2j,...,xnj},j=1,2,...,p表示所有属性的取值均为数值型,对D因子分析公式如下:
其中,amn表示因子分析矩阵,εn表示贡献率,Fn为公因子,对D进行聚类处理,将其与实际问题及公因子的含义进行比较,获取不同类的特征,从而对聚类分析结果进行解释,进而进行数据加密。
数据加密算法中,假设大规模数值型数据库中有m个能够公开且无需加密的数值型数据,有n个需要加密的敏感数据,数据库中的记录共有s条;令M={Mij},Mij为第i条记录第j个无需加密的数值型数据;N={Nij},Nij为第i条记录第j个需要加密的数值型数据;K={Kij},Kij为第i条记录第j个加密的密钥;则与Nij相应的密钥是Kij;C={Cij},Cij为第i条记录第j个的密文,此时Nij对应的密文就是Cij。
如图2所示本实施例中,为了测试数据加密算法对数据集维度的伸缩性,在高红移类星体光谱数据中分别取维数为10、20、30、40、50维对数据加密算法和传统算法的运算效率进行比较。实验中,除维数外,其余参数的设置与测试算法精确度的实验相同。由图2可知,在不同维度下,数据加密算法的运行时间基本上为传统算法的一半。
实施例5
所述化学物质检测设备包括:检测电路、检测设备,如图4所示,
所述检测电路包括:第一电阻R1、第二电阻R2、第三电阻R3、第四电阻R4、第五电阻R5、第六电阻R6、第七电阻R7、第八电阻R8、第九电阻R9、第十电阻R10、第十一电阻R11、第十二电阻R12、第一电容C1、第二电容C2、第三电容C3、第四电容C4、第一二极管L1、第二二极管L2、第三二极管L3、第四二极管L4、第五二极管L5、第六二极管L6、D触发器RS、NPN晶体管Q1、电源VCC、地GND、第一运算放大器A1、第二运算放大器A2;
所述电源VCC分别与第一二极管L1的负极、第一电阻R1的一端连接,第一二极管L1的正极、第一电阻R1的另一端分别与NPN晶体管Q1的集电极连接,NPN晶体管Q1的基极与第二电阻R2的一端连接,第二电阻R2的另一端与D触发器RS的Q极连接,D触发器RS的S极分别与第三电阻R3、第一电容C1的一端连接,D触发器RS的R极与第四电阻R4、第二电容C2的一端连接,第一电容C1和第二电容C2的另一端与第三二极管L3的负极连接;
所述电源VCC还分别与第三二极管L3的正极、第三电容C3的一端、第二二极管L2的负极、检测设备的一端连接;
所述NPN晶体管Q1的发射极、及第三电阻R3和第四电阻R4的另一端、第二二极管L2的正极、及检测设备的另一端与地GND连接;
所述第三电容C3的另一端与第八电阻R8的一端、第四二极管L4的正极、第二运算放大器A2的正向输入端、第五电阻R5的一端连接;所述第五电阻R5的一端与第六电阻R6的一端连接;
所述第二运算放大器A2的反向输入端与第七电阻R7的一端连接;
所述第二运算放大器A2的输出端分别与第八电阻R8、第四二极管L4的另一端连接,且还与所述第九电阻R9的一端连接,所述第九电阻R9的另一端与第一运算放大器A1的正向输入端连接,所述第一运算放大器A1的反向输入端与第十电阻R10的一端连接;
所述第一运算放大器A1的输出端分别与第五二极管L5的正极、第六二极管L6的负极连接,所述第六二极管L6的正极与第十一电阻R11的一端连接,所述第十一电阻R11的另一端分别与第五二极管L5的负极、第十二电阻R12和第四电容C4的一端连接;
所述第六电阻R6、第七电阻R7、第十电阻R10、第十二电阻R12、第四电容C4的另一端分别与地GND连接。
上述技术方案的有益效果是:通过设置第一运算放大器A1、第二运算放大器A2,可以对流过检测设备的电压电流进行增益处理,提高检测设备的抗干扰的功能,且通过设置D触发器RS,方便对检测设备进行保护,避免因水分等问题,对其的灵敏性造成干扰,同时提高检测设备的测量精度。
实施例6
所述数据分类算法中,将上传到处理终端的数据进行最优规划,得到每条数据属于每个类别的权重系数;
其中,为构建目标函数值最小的最优规划,s.t.为限制条件,wi,j为上传处理终端的第i条数据属于第j个类别的概率,di,j为上传处理终端的第i条数据与第j个类别的中心距离,p为数据上传处理终端上传的数据总条数,K为预设的将所述上传处理终端的数据分为K个类别,N*为正整数集合。
在最优规划过程中,
其中,Ci,l为上传处理终端的第i条数据的第l个值,Fj,l为预设的第j个类别的中心的第l个值,l为每条数据所含有的值的个数。
所述数据分类算法通过如下步骤确定预设类别数k:
T1、初始化,令K=2,选择数据上传处理终端上传的第一条和第二条数据作为初始分类中心;
T2、分别计算上传处理终端的每条数据与分类中心的距离di,j,获取上传处理终端上传的每条数据与所有的分类中心的距离di,j,将每条数据与所有的分类中心的距离di,j中的最小值对应的分类作为这条数据所分类别;
T3、计算类别总体稳定度;
其中,DK为分为K类的稳定度,i∈Fj为i的取值为所有属于第j类的上传处理终端的数据,Sj为第j类含有的上传处理终端的数据的总条数,λ为预设干扰系数,且λ∈N*;
T4、将每个类别的所有数据的中心点作为新的分类中心;
T5、将分类数增加1,且新增加的类的分类中心如下所示:
其中,Fk+1,l为新增加的类的分类中心的第l个值;
T6、重复计算T2和T3,判断DK≤DK+1是否满足,如果满足则所述数据上传处理终端上传的数据分为K类,且分类中心为T4所确定的分类中心,否则令K=K+1后重复T2到T6。
利用上述技术,可以智能的对所述上传处理终端的数据进行分类,且在分类时不需要人为干预,则能自动的确定所分类别,每个类别的分类中心,以及每个类别所有的数据,且在分类过程中,在步骤T3中,计算类别总体稳定度时引入干扰系数,可以避免在分类时所分类别越多,每个类别的数据就越少,导致到类别的中心距离越短,从而稳定度最优时为每条数据分为1类,使得所分类别不会太多,但是又能使得稳定性最优。
实施例7
在所述相似数据处理算法中,对数据进行定义,数据集BD=(C2,A),数值集C2=(C21,C22,C23…C2P),类别集A={A1,A2,...AK},且对于数值集中的每一个数据C2P所属类别均能在类别集A中找到。
在所述相似数据处理算法中,对数据相似度进行计算,执行以下步骤:
S1、获取类别集中的某个类别所对应的所有数值集中的数据作为该类别的计算数据集;
S2、将所述计算数据集的所有数据的中心点作为类别中心;
S3、计算所述计算数据集中的所有数据分别与类别中心的匹配度;
其中,ρi为计算数据集中第i条数据与类别中心的匹配度,C3i,t为计算数据集中的第i条数据的第t个值,Zt为类别中心的第t个值,l为数值集C2中的每个元素所含有值的个数,i=1、2、3…V,V为计算数据集中含有的数据的总条数;
S4、计算所选择的类别的相似度ρ;
将所有类别的相似度求解得到的集合,则为数据相似度,同时对于任意增加的数据,计算该数据与所有的类别中心的匹配度,选择匹配度最大的类别作为增加数据的类别。
利用上述技术引用标准化公式,并对所述公式进行变形,使得可以计算到每个类别的数据相似度,从而解决了原来只能对两条数据之间的相似度进行计算的问题,使得所有类别的相似度都能计算得到,并且能进行比较,同时,在所述过程中,给出了计算与类别中心的匹配度的方法,使得新增加的数据也能快速找到对应的类别。
本发明通过化学物质检测设备检测待检测物质,并将检测的结果通过数据处理系统,利用数据分类算法、数据加密算法和相似数据处理算法处理后得到安全性更高、准确度更好,数据冗余更低的检测结果,并通过通信系统实现远程智能连接,具有很强的创造性。
以上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。
Claims (3)
1.一种实验室化学物质检测系统,其特征在于,包括终端检测系统和数据处理系统,所述终端检测系统包括化学物质检测设备和数据上传处理终端,所述化学物质检测设备将检测后的数据通过数据上传处理终端上传至数据处理系统,所述数据处理系统利用数据分类算法、数据加密算法和相似数据处理算法处理后通过通信系统将处理后的数据传送至实验室控制终端;
在所述相似数据处理算法中,对数据相似度进行计算,执行以下步骤:
S1、获取类别集中的某个类别所对应的所有数值集中的数据作为该类别的计算数据集;
S2、将所述计算数据集的所有数据的中心点作为类别中心;
S3、计算所述计算数据集中的所有数据分别与类别中心的匹配度;
其中,为计算数据集中第i条数据与类别中心的匹配度,为计算数据集中的第i
条数据的第t个值,为类别中心的第t个值,为数值集C2中的每个元素所含有值的个数,
i=1、2、3…V,V为计算数据集中含有的数据的总条数;
将所有类别的相似度求解得到的集合,则为数据相似度,同时对于任意增加的数据,计算该数据与所有的类别中心的匹配度,选择匹配度最大的类别作为增加数据的类别。
2.根据权利要求1所述的实验室化学物质检测系统,其特征在于,所述化学物质检测设备利用各种化学物质敏感的传感系统并将其浓度转换为电信号进行检测;所述数据上传处理终端对数据的采集、存储、检索、加工、变换和传输,由人工或自动化装置进行处理。
3.根据权利要求1所述的实验室化学物质检测系统,其特征在于,所述化学物质检测设备包括:检测电路和检测设备,
所述检测电路包括:第一电阻R1、第二电阻R2、第三电阻R3、第四电阻R4、第五电阻R5、第六电阻R6、第七电阻R7、第八电阻R8、第九电阻R9、第十电阻R10、第十一电阻R11、第十二电阻R12、第一电容C1、第二电容C2、第三电容C3、第四电容C4、第一二极管L1、第二二极管L2、第三二极管L3、第四二极管L4、第五二极管L5、第六二极管L6、D触发器RS、NPN晶体管Q1、电源VCC、地GND、第一运算放大器A1、第二运算放大器A2;
所述电源VCC分别与第一二极管L1的负极、第一电阻R1的一端连接,第一二极管L1的正极、第一电阻R1的另一端分别与NPN晶体管Q1的集电极连接,NPN晶体管Q1的基极与第二电阻R2的一端连接,第二电阻R2的另一端与D触发器RS的Q极连接,D触发器RS的S极分别与第三电阻R3、第一电容C1的一端连接,D触发器RS的R极与第四电阻R4、第二电容C2的一端连接,第一电容C1和第二电容C2的另一端与第三二极管L3的负极连接;
所述电源VCC还分别与第三二极管L3的正极、第三电容C3的一端、第二二极管L2的负极、检测设备的一端连接;
所述NPN晶体管Q1的发射极、及第三电阻R3和第四电阻R4的另一端、第二二极管L2的正极、及检测设备的另一端与地GND连接;
所述第三电容C3的另一端与第八电阻R8的一端、第四二极管L4的正极、第二运算放大器A2的正向输入端、第五电阻R5的一端连接;所述第五电阻R5的一端与第六电阻R6的一端连接;
所述第二运算放大器A2的反向输入端与第七电阻R7的一端连接;
所述第二运算放大器A2的输出端分别与第八电阻R8、第四二极管L4的另一端连接,且还与所述第九电阻R9的一端连接,所述第九电阻R9的另一端与第一运算放大器A1的正向输入端连接,所述第一运算放大器A1的反向输入端与第十电阻R10的一端连接;
所述第一运算放大器A1的输出端分别与第五二极管L5的正极、第六二极管L6的负极连接,所述第六二极管L6的正极与第十一电阻R11的一端连接,所述第十一电阻R11的另一端分别与第五二极管L5的负极、第十二电阻R12和第四电容C4的一端连接;
所述第六电阻R6、第七电阻R7、第十电阻R10、第十二电阻R12、第四电容C4的另一端分别与地GND连接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910770463.9A CN110554069B (zh) | 2019-08-20 | 2019-08-20 | 实验室化学物质检测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910770463.9A CN110554069B (zh) | 2019-08-20 | 2019-08-20 | 实验室化学物质检测系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110554069A CN110554069A (zh) | 2019-12-10 |
CN110554069B true CN110554069B (zh) | 2022-03-15 |
Family
ID=68737816
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910770463.9A Active CN110554069B (zh) | 2019-08-20 | 2019-08-20 | 实验室化学物质检测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110554069B (zh) |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104834292A (zh) * | 2015-04-27 | 2015-08-12 | 北京华泰诺安科技有限公司 | 一种同步核生化监控数据的方法 |
CN107067907B (zh) * | 2016-03-09 | 2019-08-16 | 南京邮电大学 | 一种实时远程可重构在线实验室系统 |
CN106097211B (zh) * | 2016-08-16 | 2021-11-30 | 四川师范大学 | 基于云平台的实验室管理系统 |
CN106357741A (zh) * | 2016-08-28 | 2017-01-25 | 武汉山不厌高科技有限公司 | 一种尿液分析数据的云平台 |
CN107860473A (zh) * | 2017-10-25 | 2018-03-30 | 暨南大学 | 一种基于云数据的智能手持光谱仪 |
CN109147293A (zh) * | 2018-07-18 | 2019-01-04 | 成都嘉泽兴业科技有限责任公司 | 一种环境监测数据采集分析系统的工作方法 |
CN109030756A (zh) * | 2018-07-24 | 2018-12-18 | 上海雄图生物科技有限公司 | 一种食品安全检测系统 |
CN109446269A (zh) * | 2018-10-12 | 2019-03-08 | 深圳市中科斯克技术有限公司 | 一种智能检测终端的数据汇集系统及数据汇集方法 |
-
2019
- 2019-08-20 CN CN201910770463.9A patent/CN110554069B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110554069A (zh) | 2019-12-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Dudek et al. | The choice of variable normalization method in cluster analysis | |
CN107679946B (zh) | 基金产品推荐方法、装置、终端设备及存储介质 | |
CN109799269A (zh) | 基于动态特征重要度的电子鼻气体传感器阵列优化方法 | |
CN111242793B (zh) | 医保数据异常的检测方法和装置 | |
CN116245112B (zh) | 一种物流信息的识别方法、装置和计算机设备 | |
CN115222303B (zh) | 基于大数据的行业风险数据分析方法、系统及存储介质 | |
CN114584497A (zh) | 一种被动式工业控制系统资产识别方法及装置 | |
CN110554069B (zh) | 实验室化学物质检测系统 | |
CN111105041B (zh) | 一种用于智慧数据碰撞的机器学习方法及装置 | |
Siraj-Ud-Doulah et al. | Defining homogenous climate zones of Bangladesh using cluster analysis | |
CN107038593B (zh) | 一种基于防伪溯源系统的异常数据处理方法及系统 | |
Montana et al. | Penalty functions for genetic programming algorithms | |
CN113392086B (zh) | 基于物联网的医疗数据库构建方法、装置及设备 | |
CN112214675B (zh) | 用户购机的确定方法、装置、设备及计算机存储介质 | |
CN111539576B (zh) | 一种风险识别模型的优化方法及装置 | |
CN107067125A (zh) | 基于大数据和专家系统应用的化学品法规符合评估方法 | |
CN111784403A (zh) | 基于网上商城的用户类别分析方法、装置和计算机设备 | |
CN117078112B (zh) | 应用于企业异常用电管理的能耗检测方法及数据分析系统 | |
Teng et al. | The calculation of similarity and its application in data mining | |
Su et al. | A network anomaly detection method based on genetic algorithm | |
Gärtler et al. | Machine Learning Approaches for Phase Identification Using Process Variables in Batch Processes | |
CN114238615B (zh) | 一种企业服务成果数据处理方法及系统 | |
CN113240353B (zh) | 一种面向跨境电商的出口工厂分类方法及装置 | |
CN116610806B (zh) | 基于ai的rpa数字化业务处理方法及计算机设备 | |
CN117909823A (zh) | 基于深度学习的天然气用气类型识别方法及系统 |
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 |