CN111289459B - 混合物质组分浓度检测方法、装置、设备及存储介质 - Google Patents
混合物质组分浓度检测方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN111289459B CN111289459B CN202010220861.6A CN202010220861A CN111289459B CN 111289459 B CN111289459 B CN 111289459B CN 202010220861 A CN202010220861 A CN 202010220861A CN 111289459 B CN111289459 B CN 111289459B
- Authority
- CN
- China
- Prior art keywords
- mixed substance
- standard
- component
- concentration
- absorbance
- 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
- 239000000126 substance Substances 0.000 title claims abstract description 471
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000002835 absorbance Methods 0.000 claims abstract description 152
- 238000013499 data model Methods 0.000 claims abstract description 124
- 238000000862 absorption spectrum Methods 0.000 claims abstract description 71
- 238000001514 detection method Methods 0.000 claims abstract description 37
- 238000012549 training Methods 0.000 claims abstract description 26
- 230000006870 function Effects 0.000 claims description 96
- 238000005314 correlation function Methods 0.000 claims description 56
- 239000011159 matrix material Substances 0.000 claims description 36
- 238000012360 testing method Methods 0.000 claims description 15
- 238000010521 absorption reaction Methods 0.000 claims description 11
- 239000000203 mixture Substances 0.000 claims description 9
- 238000005457 optimization Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000000605 extraction Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 7
- 230000008859 change Effects 0.000 description 6
- 239000000284 extract Substances 0.000 description 5
- 230000031700 light absorption Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000002349 favourable effect Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000002211 ultraviolet spectrum Methods 0.000 description 3
- 235000013405 beer Nutrition 0.000 description 2
- 239000000470 constituent Substances 0.000 description 2
- 238000001819 mass spectrum Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000001237 Raman spectrum Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 238000002329 infrared spectrum Methods 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 238000004949 mass spectrometry Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000000655 nuclear magnetic resonance spectrum Methods 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 238000012847 principal component analysis method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000002023 wood Substances 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
- G01N21/33—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using ultraviolet light
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/15—Correlation function computation including computation of convolution operations
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Chemical & Material Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Algebra (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开一种混合物质组分浓度检测方法、装置、设备及存储介质，当接收到混合物质时，识别混合物质各组分，获取混合物质的温度和混合物质各组分的吸光度；将混合物质的温度和混合物质各组分的吸光度导入目标数据模型；基于目标数据模型，将混合物质各组分的吸光度分别与混合物质的温度进行计算，得到混合物质各组分浓度。本发明通过基于多种纯物质和多种混合物质训练得到的目标数据模型计算各组分浓度，因目标数据模型模拟了实际检测环境，体现了多种纯物质之间的特征峰的相对独立性；在计算各组分浓度时，克服了混合气体检测时紫外吸收光谱的特征峰相互干扰的问题，提高混合气体各组分浓度检测的准确性。
Description
技术领域
本发明涉及环境监测领域，尤其涉及一种混合物质组分浓度检测方法、装置、设备及存储介质。
背景技术
由于人们为了发展经济，大量砍伐木材造成森林覆盖率锐减以及进行大量的建筑施工，导致我们的全球环境变得越来越恶劣，其中空气质量下降更是与我们的生活息息相关。因此，人们需要定时对空气中的气体浓度进行监测，以制定方案提高空气质量。目前，现有检测混合气体浓度的方法，主要都是针对单一气体进行的，先对单一特征峰进行回归拟合，再进行校正得到单一气体的浓度，采用这种方法得到的检测结果与实际检测环境相差较大，检测结果准确度低；此外，对于复杂多组分的测试环境，混合物质的特征峰受到其他物质的干扰较大且无法避免，也导致混合气体各组分浓度检测结果准确性低。
上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种混合物质组分浓度检测方法，旨在解决现有技术中在对混合物质各组分浓度进行检测时的准确性较低的技术问题。
为实现上述目的，本发明提供一种混合物质组分浓度检测方法，所述混合物质组分浓度检测方法包括以下步骤：
当接收到混合物质时，识别所述混合物质各组分，获取所述混合物质的温度和所述混合物质各组分的吸光度；
将所述混合物的温度和所述混合物质各组分的吸光度导入目标数据模型；
基于所述目标数据模型，将所述混合物质各组分的吸光度分别与所述混合物质的温度进行计算，得到所述混合物质各组分浓度。
优选地，所述当接收到混合物质时，识别所述混合物质各组分，获取所述混合物质的温度和所述混合物质各组分的吸光度的步骤包括：
当接收到所述混合物质时，检测所述混合物质的温度；
识别所述混合物质各组分，针对各所述组分，分别执行以下步骤：
获取所述组分在所述温度下的紫外吸收光谱，并提取所述紫外吸收光谱中的所有特征峰；
获取所述组分与所有所述特征峰分别对应的所有吸光度，直到获取所述混合物质各组分的所有吸光度。
优选地，所述当接收到混合物质时，识别所述混合物质各组分的步骤之前包括：
获取多种纯物质的温度与初始摩尔吸光系数，并根据多种所述纯物质的温度和初始摩尔吸光系数，建立多种所述纯物质的温度关联函数；
获取多种纯物质的浓度与初始吸光度，并根据多种所述纯物质的浓度和初始吸光度，建立多种所述纯物质的浓度关联函数；
建立标准混合物质的标准特征峰的标准吸光度与标准浓度以及标准温度之间的目标函数；
基于所述目标函数构建数据模型，结合多种所述纯物质的温度关联函数与多种所述纯物质的浓度关联函数，对所述数据模型进行训练，得到目标数据模型。
优选地，所述获取多种纯物质的温度与初始摩尔吸光系数，并根据多种所述纯物质的温度和初始摩尔系数，建立多种所述纯物质的温度关联函数的步骤包括：
获取多种纯物质在多个温度、同一浓度下的第一紫外吸收光谱，针对多种所述纯物质在多个温度下的第一紫外吸收光谱，分别执行以下步骤：
提取所述纯物质在多个温度下的第一紫外吸收光谱的所有第一特征峰，基于所述多个温度，对所有所述第一特征峰进行关联，并获取与所有所述第一特征峰对应的初始摩尔吸光系数；
对关联的所有所述第一特征峰进行拟合，并基于拟合的所有所述第一特征峰，建立所述温度与所述初始摩尔吸光系数之间的温度关联函数。
优选地，所述获取多种纯物质的浓度与初始吸光度，并根据多种所述纯物质的浓度和初始吸光度，建立多种所述纯物质的浓度关联函数的步骤包括：
获取多种纯物质在同一温度、多个浓度下的第二紫外吸收光谱，针对多种所述纯物质在多个浓度下的第二紫外吸收光谱，分别执行以下步骤：
提取所述纯物质在多个浓度下第二紫外吸收光谱的所有第二特征峰，基于多个所述浓度，对所有所述第二特征峰进行关联，并获取与所有所述第二特征峰对应的初始吸光度；
对关联的所有所述第二特征峰进行拟合，并基于拟合的所有所述第二特征峰，建立所述浓度与所述初始吸光度之间的浓度关联函数。
优选地，所述建立标准混合物质的标准特征峰的标准吸光度与标准浓度以及标准温度之间的目标函数的步骤包括：
采集多个标准温度、多个标准浓度下的多种标准纯物质配置标准混合物质，获取所述混合标准物质的混合紫外吸收光谱，提取所述混合紫外吸收光谱的所有标准特征峰；
获取所述标准混合物质中各组分分别与所有所述标准特征峰对应的标准吸光度，并根据所有所述标准吸光度，构建目标标准函数；
基于所述目标标准函数，提取与所有所述标准特征峰对应的标准吸光度构建第一矩阵，提取与所有所述标准特征峰对应的标准摩尔吸光系数构建第二矩阵，以及提取所述混合标准物质各组分的标准浓度构建第三矩阵；
基于所述第一矩阵、所述第二矩阵和所述第三矩阵，建立所述目标函数。
优选地，所述基于所述目标函数构建数据模型，结合多种所述纯物质的温度关联函数与多种所述纯物质的浓度关联函数，对所述数据模型进行训练，得到目标数据模型的步骤包括：
基于多种所述纯物质的温度关联函数与多种所述纯物质的浓度关联函数，建立多种所述纯物质的多元函数；
基于所述目标函数，构建数据模型，将多种所述纯物质的多元函数导入到所述数据模型中，对所述数据模型进行优化训练，得到待测试数据模型；
对所述待测试数据模型进行测试，得到目标数据模型。
为实现上述目的，本发明还提供一种混合物质组分浓度检测装置，所述混合物质组分浓度检测装置包括：
获取模块，用于当接收到混合物质时，识别所述混合物质各组分，获取所述混合物质的温度和所述混合物质各组分的吸光度；
导入模块，用于将所述混合物的温度和所述混合物质各组分的吸光度导入到目标数据模型；
计算模块，用于基于所述目标数据模型，将所述混合物质各组分的吸光度分别与所述混合物质的温度进行计算，得到所述混合物质各组分浓度。
进一步地，为实现上述目的，本发明还提供一种混合物质组分浓度检测设备，所述混合物质组分浓度检测设备包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的混合物质组分浓度检测程序，所述混合物质组分浓度检测程序被所述处理器执行时实现上述的混合物质组分浓度检测方法的步骤。
此外，为实现上述目的，本发明还提供一种存储介质，所述存储介质上存储有混合物质组分浓度检测程序，所述混合物质组分浓度检测程序被处理器执行时实现上述的混合物质组分浓度检测方法的步骤。
本发明实施例提出的一种混合物质组分浓度检测方法、装置、设备及存储介质，当接收到混合物质时，识别所述混合物质各组分，获取所述混合物质的温度和所述混合物质各组分的吸光度；将所述混合物质的温度和所述混合物质各组分的吸光度导入目标数据模型；基于所述目标数据模型，分别将所述混合物质各组分的吸光度与所述混合物质的温度进行计算，得到所述混合物质各组分浓度。本发明通过获取混合物质的温度和各组分的吸光度，将混合物质的温度和各组分的吸光度导入到目标数据模型中，根据目标数据模型进行计算，得到混合物质中各组分的浓度。其中，目标数据模型基于多种纯物质和多种标准混合物质训练得到，有利于模拟实际检测环境，并体现了多种纯物质之间特征峰的相对独立性，使得使用目标数据模型所计算的混合物质各组分的浓度，克服了混合气体在线检测时紫外吸收光谱的特征峰相互干扰的问题，提高了混合气体各组分浓度检测结果的准确性。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的混合物质组分浓度检测设备结构示意图；
图2为本发明混合物质组分浓度检测方法第一实施例的流程示意图；
图3为本发明混合物质组分浓度检测方法第二实施例的流程示意图；
图4为本发明混合物质组分浓度检测装置较佳实施例的功能模块示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
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。
本发明实施例提出的一种混合物质组分浓度检测方法、装置、设备及存储介质，当接收到混合物质时，识别所述混合物质各组分，获取所述混合物质的温度和所述混合物质各组分的吸光度；将所述混合物质的温度和所述混合物质各组分的吸光度导入目标数据模型；基于所述目标数据模型，将所述混合物质各组分的吸光度分别与所述混合物质的温度进行计算，得到所述混合物质各组分浓度。本发明通过获取混合物质的温度和各组分的吸光度，将混合物质的温度和各组分的吸光度导入到目标数据模型中，根据目标数据模型进行计算，得到混合物质中各组分的浓度。其中，目标数据模型基于多种纯物质和多种标准混合物质训练得到，有利于模拟实际检测环境，并体现了多种纯物质之间特征峰的相对独立性，使得使用目标数据模型所计算的混合物质各组分的浓度，克服了混合气体在线检测时紫外吸收光谱的特征峰相互干扰的问题，提高了混合气体各组分浓度检测结果的准确性。
如图1所示，图1是本发明实施例方案涉及的硬件运行环境的混合物质组分浓度检测设备结构示意图。
在后续的描述中，使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本发明的说明，其本身没有特定的意义。因此，“模块”、“部件”或“单元”可以混合地使用。
本发明实施例混合物质组分浓度检测设备可以是PC，也可以是平板电脑、便携计算机等可移动式终端设备。
如图1所示，该混合物质组分浓度检测设备可以包括：处理器1001，例如CPU，网络接口1004，用户接口1003，存储器1005，通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
可选地，混合物质组分浓度检测设备可配置陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器，在此不再赘述。
本领域技术人员可以理解，图1中示出的混合物质组分浓度检测设备结构并不构成对设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及混合物质组分浓度检测程序。
在图1所示的终端中，网络接口1004主要用于连接后台服务器，与后台服务器进行数据通信；用户接口1003主要用于连接客户端(用户端)，与客户端进行数据通信；而处理器1001可以用于调用存储器1005中存储的混合物质组分浓度检测，并执行以下操作：
当接收到混合物质时，识别所述混合物质各组分，获取所述混合物质的温度和所述混合物质各组分的吸光度；
将所述混合物的温度和所述混合物质各组分的吸光度导入目标数据模型；
基于所述目标数据模型，将所述混合物质各组分的吸光度分别与所述混合物质的温度进行计算，得到所述混合物质各组分浓度。
进一步地，所述当接收到混合物质时，识别所述混合物质各组分，获取所述混合物质的温度和所述混合物质各组分的吸光度的步骤包括：
当接收到所述混合物质时，检测所述混合物质的温度；
识别所述混合物质各组分，针对各所述组分，分别执行以下步骤：
获取所述组分在所述温度下的紫外吸收光谱，并提取所述紫外吸收光谱中的所有特征峰；
获取所述组分与所有所述特征峰分别对应的所有吸光度，直到获取所述混合物质各组分的所有吸光度。
进一步地，所述当接收到混合物质时，识别所述混合物质各组分的步骤之前，处理器1001可以用于调用存储器1005中存储的检测程序，并执行以下操作：
获取多种纯物质的温度与初始摩尔吸光系数，并根据多种所述纯物质的温度和初始摩尔吸光系数，建立多种所述纯物质的温度关联函数；
获取多种纯物质的浓度与初始吸光度，并根据多种所述纯物质的浓度和初始吸光度，建立多种所述纯物质的浓度关联函数；
建立标准混合物质的标准特征峰的标准吸光度与标准浓度以及标准温度之间的目标函数；
基于所述目标函数构建数据模型，结合多种所述纯物质的温度关联函数与多种所述纯物质的浓度关联函数，对所述数据模型进行训练，得到目标数据模型。
进一步地，所述获取多种纯物质的温度与初始摩尔吸光系数，并根据多种所述纯物质的温度和初始摩尔系数，建立多种所述纯物质的温度关联函数的步骤包括：
获取多种纯物质在多个温度、同一浓度下的第一紫外吸收光谱，针对多种所述纯物质在多个温度下的第一紫外吸收光谱，分别执行以下步骤：
提取所述纯物质在多个温度下的第一紫外吸收光谱的所有第一特征峰，基于所述多个温度，对所有所述第一特征峰进行关联，并获取与所有所述第一特征峰对应的初始摩尔吸光系数；
对关联的所有所述第一特征峰进行拟合，并基于拟合的所有所述第一特征峰，建立所述温度与所述初始摩尔吸光系数之间的温度关联函数。
进一步地，所述获取多种纯物质的浓度与初始吸光度，并根据多种所述纯物质的浓度和初始吸光度，建立多种所述纯物质的浓度关联函数的步骤包括：
获取多种纯物质在同一温度、多个浓度下的第二紫外吸收光谱，针对多种所述纯物质在多个浓度下的第二紫外吸收光谱，分别执行以下步骤：
提取所述纯物质在多个浓度下第二紫外吸收光谱的所有第二特征峰，基于多个所述浓度，对所有所述第二特征峰进行关联，并获取与所有所述第二特征峰对应的初始吸光度；
对关联的所有所述第二特征峰进行拟合，并基于拟合的所有所述第二特征峰，建立所述浓度与所述初始吸光度之间的浓度关联函数。
进一步地，所述建立标准混合物质的标准特征峰的标准吸光度与标准浓度以及标准温度之间的目标函数的步骤包括：
采集多个标准温度、多个标准浓度下的多种标准纯物质配置标准混合物质，获取所述混合标准物质的混合紫外吸收光谱，提取所述混合紫外吸收光谱的所有标准特征峰；
获取所述标准混合物质中各组分分别与所有所述标准特征峰对应的标准吸光度，并根据所有所述标准吸光度，构建目标标准函数；
基于所述目标标准函数，提取与所有所述标准特征峰对应的标准吸光度构建第一矩阵，提取与所有所述标准特征峰对应的标准摩尔吸光系数构建第二矩阵，以及提取所述混合标准物质各组分的标准浓度构建第三矩阵；
基于所述第一矩阵、所述第二矩阵和所述第三矩阵，建立所述目标函数。
进一步地，所述基于所述目标函数构建数据模型，结合多种所述纯物质的温度关联函数与多种所述纯物质的浓度关联函数，对所述数据模型进行训练，得到目标数据模型的步骤包括：
基于多种所述纯物质的温度关联函数与多种所述纯物质的浓度关联函数，建立多种所述纯物质的多元函数；
基于所述目标函数，构建数据模型，将多种所述纯物质的多元函数导入到所述数据模型中，对所述数据模型进行优化训练，得到待测试数据模型；
对所述待测试数据模型进行测试，得到目标数据模型。
为了更好的理解上述技术方案，下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
参照图2，本发明第一实施例提供一种混合物质组分浓度检测方法的流程示意图。该实施例中，所述混合物质组分浓度检测方法包括以下步骤：
步骤S10，当接收到混合物质时，识别所述混合物质各组分，获取所述混合物质的温度和所述混合物质各组分的吸光度；
本实施例中的混合物质组分浓度检测方法应用于服务器，服务器与本实施例中用于检测环境中混合物质的仪器仪表进行通信连接，其中仪器仪表中至少可以内接或者外接用于采集物质的采集模块和用于检测物质温度的温度模块，服务器中设置有用于提取紫外光谱中特征峰的预设提取算法，以及用于识别混合物质组分的预设识别方法，识别方法可以为红外光谱法、拉曼光谱法、核磁共振波谱法和质谱法等，本实施例优选为质谱法，预设提取算法不限于深度学习、主成份分析、手动选取等方法。进一步地，服务器中还包含存储有各种纯物质在不同温度、不同浓度下紫外吸收光谱的数据库。进一步地，在本实施例中，混合物质组分浓度检测方法应用于对环境中的混合气体浓度进行检测。
进一步地，当对环境中的混合物质矩形检测时，服务器接收由仪器仪表采集的混合物质与仪器仪表检测的混合物质的温度信息。进一步地，服务器采用预设识别方法对接收到的混合物质组分进行识别，根据接收到的混合物质的温度信息与识别得到的混合物质各组分信息，获取混合物质各组分的吸光度。具体地，当接收到混合物质时，识别所述混合物质各组分，获取所述混合物质的温度和所述混合物质各组分的吸光度地步骤包括：
步骤S11，当接收到所述混合物质时，检测所述混合物质的温度；
步骤S12，识别所述混合物质各组分，针对各所述组分，分别执行以下步骤：
步骤S13，获取所述组分在所述温度下的紫外吸收光谱，并提取所述紫外吸收光谱中的所有特征峰；
步骤S14，获取所述组分与所有所述特征峰分别对应的所有吸光度，直到获取所述混合物质各组分的所有吸光度。
进一步地，当服务器接收到仪器仪表采集并上传的混合物质及混合物质的温度信息时，调用预设识别方法对混合物质的组分进行识别，获得混合物质的组分信息，本实施例中的预设识别方法优选为质谱法。进一步地，服务器根据接收到的混合物质的温度信息和组分信息，从数据库中分别获取在该温度下与各组分对应的紫外吸收光谱，并通过预设提取算法分别提取与各组分对应的紫外吸收光谱中的所有特征峰，例如采用主成分分析的方法进行提取。进一步地，分别获取各组分中与所有特征峰对应的所有吸光度，获取到混合物质各组分的所有吸光度。可以理解地，由于获取与特征峰的最大吸收处对应的吸光度可以减小检测误差，所以上述以及此后的所有吸光度均获取与特征峰的最大吸收处对应的吸光度。
步骤S20，将所述混合物的温度和所述混合物质各组分的吸光度导入目标数据模型；
进一步地，服务器将上述获取的混合物质的温度信息与混合物质各组分的所有吸光度信息导入到预先生成的目标数据模型，其中目标数据模型由目标函数构建数据模型，并根据多种纯物质的多元函数和标准混合物质的训练集对数据模型进行训练得到。其中，目标函数由标准混合物质标准特征峰的标准吸光度、标准浓度、标准温度的关系建立，多元函数由多种纯物质在不同温度，不同浓度下的温度关联函数和浓度关联函数建立。
步骤S30，基于所述目标数据模型，将所述混合物质各组分的吸光度分别与所述混合物质的温度进行计算，得到所述混合物质各组分浓度。
进一步地，在将混合物质的温度信息与混合物质各组分的所有吸光度信息导入到目标数据模型后，基于该经过训练与测试得到的最优目标数据模型，将混合物质各组分的所有吸光度分别与混合物质的温度结合，一一计算混合物质组分的浓度，直到计算出混合物质所有组分的浓度。
本实施例提出的一种混合物质组分浓度检测方法、装置、设备及存储介质，当接收到混合物质时，识别所述混合物质各组分，获取所述混合物质的温度和所述混合物质各组分的吸光度；将所述混合物质的温度和所述混合物质各组分的吸光度导入目标数据模型；基于所述目标数据模型，分别将所述混合物质各组分的吸光度与所述混合物质的温度进行计算，得到所述混合物质各组分浓度。本发明通过获取混合物质的温度和各组分的吸光度，将混合物质的温度和各组分的吸光度导入到目标数据模型中，根据目标数据模型进行计算，得到混合物质中各组分的浓度。其中，目标数据模型基于多种纯物质和多种标准混合物质训练得到，有利于模拟实际检测环境，并体现了多种纯物质之间特征峰的相对独立性，使得使用目标数据模型所计算的混合物质各组分的浓度，克服了混合气体在线检测时紫外吸收光谱的特征峰相互干扰的问题，提高了混合气体各组分浓度检测结果的准确性。
进一步的，参照图3，基于本发明混合物质组分浓度检测方法的第一实施例，提出本发明混合物质组分浓度检测方法的第二实施例，在本实施例中，所述当接收到混合物质时，识别所述混合物质各组分的步骤之前包括：
步骤S40，获取多种纯物质的温度与初始摩尔吸光系数，并根据多种所述纯物质的温度和初始摩尔吸光系数，建立多种所述纯物质的温度关联函数；
进一步地，服务器获取多种纯物质在多个温度，相同浓度下的第一紫外吸收光谱，并采用预设提取算法提取多种纯物质在多个温度下第一紫外吸收光谱中的所有第一特征峰。进一步地，获取多种纯物质中与所有第一特征峰对应的吸光度，并通过多种纯物质中与所有第一特征峰对应的吸光度，计算出多种纯物质中与所有第一特征峰对应的所有初始摩尔吸光系数。进一步地，根据多种纯物质的温度和初始摩尔吸光系数，采用预设拟合函数对所有第一特征峰进行拟合，其中预设拟合函数可以为线性函数、最小二乘法、偏最小二乘回归法等方法，本实施例中采用偏最小二乘回归法，建立多种纯物质的温度与初始摩尔吸光系数之间的温度关联函数，温度关联函数可以为：ε＝f(1/T)，其中ε为初始摩尔吸光系数，T为温度。
步骤S50，获取多种纯物质的浓度与初始吸光度，并根据多种所述纯物质的浓度和初始吸光度，建立多种所述纯物质的浓度关联函数；
进一步地，服务器获取多种纯物质在同一温度，多个浓度下的第二紫外吸收光谱，并采用预设提取算法提取多种纯物质在多个浓度下第二紫外吸收光谱中的所有第二特征峰。进一步地，获取多种纯物质中与所有第二特征峰对应的所有初始吸光度。根据获取的多个浓度和所有初始吸光度，采用预设拟合函数对所有第二特征峰进行拟合，建立多种纯物质的浓度与初始吸光度之间的浓度关联函数，其中，依据上述方式建立的浓度关联函数可以依据需求以不同的形式存在，本实施例中不作限定。
步骤S60，建立标准混合物质的标准特征峰的标准吸光度与标准浓度以及标准温度之间的目标函数；
进一步地，服务器根据仪器仪表上传的标准混合物质，从数据库中获取标准混合物质的混合紫外吸收光谱，并将混合紫外吸收光谱按照比例分为训练集与测试集，通常训练集与测试集的比例为8：2，其比例可根据需要进行调整。进一步地，服务器采用预设提取算法提取混合紫外吸收光谱中的所有标准特征峰，分别获取标准混合物质中各组分与所有标准特征峰对应的标准吸光度。进一步地，根据多个标准温度、多个标准浓度以及所有标准吸光度，建立标准混合物质的标准特征峰的标准吸光度与标准浓度以及标准温度之间的目标函数。具体地，建立标准混合物质的标准特征峰的标准吸光度与标准浓度以及标准温度之间的目标函数的步骤包括：
步骤S61，采集多个标准温度、多个标准浓度下的多种标准纯物质配置标准混合物质，获取所述混合标准物质的混合紫外吸收光谱，提取所述混合紫外吸收光谱的所有标准特征峰；
步骤S62，获取所述标准混合物质中各组分分别与所有所述标准特征峰对应的标准吸光度，并根据所有所述标准吸光度，构建目标标准函数；
步骤S63，基于所述目标标准函数，提取与所有所述标准特征峰对应的标准吸光度构建第一矩阵，提取与所有所述标准特征峰对应的标准摩尔吸光系数构建第二矩阵，以及提取所述混合标准物质各组分的标准浓度构建第三矩阵；
步骤S64，基于所述第一矩阵、所述第二矩阵和所述第三矩阵，建立所述目标函数。
进一步地，服务器接收仪器仪表上传的标准混合物质，其中标准混合物质由仪器仪表采集多个标准温度、多个标准浓度下的多种标准纯物质，并将多种标准纯物质进行配置而成。进一步地，获取标准混合物质在多个标准温度、多个标准浓度下的混合紫外吸收光谱，并通过预设提取算法提取混合紫外吸收光谱中的所有标准特征峰。进一步地，获取标准混合物质中各组分分别与所有标准特征峰对应的标准吸光度，将各组分在同一标准特征峰处的标准吸光度进行加和，得到计算标准混合物质的每一个标准特征峰标准吸光度的标准函数，其公式为：其中/>是第n种标准纯物质在第m个标准特征峰处的标准吸光度。进一步地，将朗伯比尔定律公式导入标准函数中，构建标准特征峰的标准吸光度、标准摩尔吸光系数、标准浓度之间的目标标准函数，其公式为：其中/>的/>表示第n种标准纯物质在第m个标准特征峰处的标准摩尔吸光系数，l表示测量系统的光程，cn表示第n种标准纯物质的标准浓度。进一步地，根据目标标准函数，提取标准混合物质在所有标准特征峰处的标准吸光度，由所有标准吸光度构建第一矩阵，例如：A＝[A1A2A3...Am]；进一步地，提取与所有标准特征峰对应的标准摩尔吸光系数构建第二矩阵，例如：
进一步地，提取所述混合标准物质各组分的标准浓度构建第三矩阵，例如：C＝[c1,c2,c3...cn]。更进一步地，根据上述建立的第一矩阵、第二矩阵以及第三矩阵，建立标准混合物质的标准特征峰的标准吸光度与标准浓度以及标准温度之间的目标函数，例如A＝lEC。
步骤S70，基于所述目标函数构建数据模型，结合多种所述纯物质的温度关联函数与多种所述纯物质的浓度关联函数，对所述数据模型进行训练，得到目标数据模型。
进一步地，根据上述建立的多种纯物质的温度关联函数与多种纯物质的浓度关联函数，构建表征多种纯物质的温度、浓度、初始吸光度之间的多元函数。进一步地，根据上述建立的目标函数，构建数据模型，将多种纯物质的多元函数导入数据模型中，结合多元函数与训练集，对数据模型进行训练，获得待测试数据模型。进一步地，在获得待测试数据模型后，采用测试集对待测试数据模型进行测试，将完成测试的待测试数据模型，确定为目标数据模型。
进一步地，基于所述目标函数构建数据模型，结合多种所述纯物质的温度关联函数与多种所述纯物质的浓度关联函数，对所述数据模型进行训练，得到目标数据模型的步骤包括：
步骤S71，基于多种所述纯物质的温度关联函数与多种所述纯物质的浓度关联函数，建立多种所述纯物质的多元函数；
步骤S72，基于所述目标函数，构建数据模型，将多种所述纯物质的多元函数导入到所述数据模型中，对所述数据模型进行优化训练，得到待测试数据模型；
步骤S73，对所述待测试数据模型进行测试，得到目标数据模型。
进一步地，由上述建立的多种纯物质的温度关联函数与多种纯物质的浓度关联函数，构建表征多种纯物质的温度、浓度、初始吸光度之间关系的多元函数，其中，根据温度关联函数：ε＝f(1/T)，与浓度关联函数所构建的多元函数公式可以为：A＝εlc＝kf(1/T)f(c)，其中A为多种纯物质的初始吸光度，ε为多种纯物质的初始摩尔吸光系数，l为测量系统的光程，c为多种纯物质的浓度，T为多种纯物质的温度。进一步地，根据上述建立标准混合物质的标准特征峰的标准吸光度与标准浓度以及标准温度之间的目标函数，构建数据模型，将多种纯物质的多元函数导入到数据模型中，并结合全局最优梯度下降、ReLU函数和训练集，对数据模型进行优化训练与收敛判断，在对数据模型模型进行多轮优化训练和收敛判断后，获待测试数据模型。可以理解地，因为优化训练与收敛判断可能会导致数据模型过度拟合，所需在得到待测试数据模型后，还需要采用测试集对待测试数据模型进行测试，将完成测试的待测试数据模型确定为目标数据模型。
本实施例建立多种纯物质的温度关联函数与多种纯物质的浓度关联函数，并建立标准混合物质的标准特征峰的标准吸光度与标准浓度以及标准温度之间的目标函数，通过目标函数构建数据模型，并结合多种纯物质的温度关联函数与多种纯物质的浓度关联函数，对数据模型进行训练，得到目标数据模型。将初始摩尔吸光系数与温度的温度关联函数，以及初始吸光度与浓度的浓度关联函数分别独立计算，降低了数据模型训练与收敛的复杂程度，能有效的避免数据模型的过度拟合。此外，通过对多种纯物质的所有特征峰进行拟合，克服了混合物质在检测时的紫外吸收光谱特征峰相互干扰的问题，提高了混合物质浓度检测的准确性。
进一步地，基于本发明混合物质组分浓度检测方法的第一实施例、第二实施例，提出本发明混合物质组分浓度检测方法的第三实施例，在本实施例中，获取多种纯物质的温度与初始摩尔吸光系数，并根据多种所述纯物质的温度和初始摩尔系数，建立多种所述纯物质的温度关联函数的步骤包括：
步骤S41，获取多种纯物质在多个温度、同一浓度下的第一紫外吸收光谱，针对多种所述纯物质在多个温度下的第一紫外吸收光谱，分别执行以下步骤：
步骤S42，提取所述纯物质在多个温度下的第一紫外吸收光谱的所有第一特征峰，基于所述多个温度，对所有所述第一特征峰进行关联，并获取与所有所述第一特征峰对应的初始摩尔吸光系数；
步骤S43，对关联的所有所述第一特征峰进行拟合，并基于拟合的所有所述第一特征峰，建立所述温度与所述初始摩尔吸光系数之间的温度关联函数。
进一步地，获取多种纯物质在多个温度、同一浓度下的第一紫外吸收光谱，分别获取多个纯物质在多个温度下的第一紫外吸收光谱的所有第一特征峰。进一步地，对每一种纯物质的所有第一特征峰的峰值大小进行对比，将所有第一特征峰中峰值最大的第一特征峰确定为第一参照峰，并以第一参照峰为参考系，对每一种纯物质在多个温度下的所有第一特征峰进行关联，以便于将每一种纯物质的所有第一特征峰对应的第一紫外吸收光谱形成有机整体。进一步地，获取多种纯物质中与所有第一特征峰对应的吸光度，并通过朗伯比尔定律公式，计算出与所有第一特征峰对应的初始摩尔吸光系数。进一步地，对关联后的所有第一特征峰采用预设拟合函数进行拟合，可以理解地，由于多种纯物质的温度变化导致所有第一特征峰不同，使得与所有第一特征峰对应的所有初始摩尔吸光系数产生变化，即初始摩尔吸光系数基于第一特征峰随温度的变化而间接变化，所以对所有第一特征峰进行拟合，表征了对多个温度和所有初始摩尔吸光系数的变化关系进行拟合。因而可根据拟合的所有第一特征峰，建立多种纯物质的温度与初始摩尔吸光系数之间的温度关联函数。其公式可以为：ε＝f(1/T)，其中ε为初始摩尔吸光系数，T为温度。
进一步地，获取多种纯物质的浓度与初始吸光度，并根据多种所述纯物质的浓度和初始吸光度，建立多种所述纯物质的浓度关联函数的步骤包括：
步骤S51，获取多种纯物质在同一温度、多个浓度下的第二紫外吸收光谱，针对多种所述纯物质在多个浓度下的第二紫外吸收光谱，分别执行以下步骤：
步骤S52，提取所述纯物质在多个浓度下第二紫外吸收光谱的所有第二特征峰，基于多个所述浓度，对所有所述第二特征峰进行关联，并获取与所有所述第二特征峰对应的初始吸光度；
步骤S53，对关联的所有所述第二特征峰进行拟合，并基于拟合的所有所述第二特征峰，建立所述浓度与所述初始吸光度之间的浓度关联函数。
进一步地，获取多种纯物质在同一温度、多个浓度下的第二紫外吸收光谱，分别获取多个纯物质在多个浓度下的第二紫外吸收光谱的所有第二特征峰。进一步地，对每一种纯物质的所有第二特征峰的峰值大小进行对比，将所有第二特征峰的峰值最大的第二特征峰确定为第二参照峰，并以第二参照峰为参考系，对每一种纯物质在多个浓度下的所有第二特征峰进行关联，以便于将每一种纯物质的所有第二特征峰对应的第二紫外吸收光谱形成有机整体。进一步地，获取多种纯物质中与所有第二特征峰对应的初始吸光度。进一步地，对关联后的所有第二特征峰采用预设拟合函数进行拟合，可以理解地，由于多种纯物质的浓度变化使得形成的所有第二特征峰不同，导致与所有第二特征峰对应的所有初始吸光度产生变化，即初始吸光度基于第二特征峰随浓度的变化而间接变化，所以对所有第二特征峰进行拟合，表征了对多个浓度和所有初始吸光度的变化关系进行拟合。因而可根据拟合的所有第二特征峰，建立多种纯物质的浓度与初始吸光度之间的浓度关联函数。
本实施例通过将多种纯物质的温度与初始摩尔吸光系数之间的温度关联函数以及多种纯物质的浓度与初始吸光度之间的浓度关联函数分别独立计算，降低了数据模型训练与收敛的复杂程度，能有效的避免数据模型的过度拟合。
进一步地，本发明还提供一种混合物质组分浓度检测装置。
参照图4，图4为本发明混合物质组分浓度检测装置的较佳实施例的功能模块示意图。
所述混合物质组分浓度检测装置包括：
获取模块10，用于当接收到混合物质时，识别所述混合物质各组分，获取所述混合物质的温度和所述混合物质各组分的吸光度；
导入模块20，用于将所述混合物的温度和所述混合物质各组分的吸光度导入到目标数据模型；
计算模块30，用于基于所述目标数据模型，将所述混合物质各组分的吸光度分别与所述混合物质的温度进行计算，得到所述混合物质各组分浓度。
进一步地，所述获取模块10包括：
检测单元，用于当接收到所述混合物质时，检测所述混合物质的温度；
识别单元，用于识别所述混合物质各组分，针对各所述组分，分别执行以下步骤：
第一获取单元，用于获取所述组分在所述温度下的紫外吸收光谱，并提取所述紫外吸收光谱中的所有特征峰；
第二获取单元，用于获取所述组分与所有所述特征峰分别对应的所有吸光度，直到获取所述混合物质各组分的所有吸光度。
进一步地，所述获取模块10还包括：
第三获取单元，用于获取多种纯物质的温度与初始摩尔吸光系数，并根据多种所述纯物质的温度和初始摩尔吸光系数，建立多种所述纯物质的温度关联函数；
第四获取单元，用于获取多种纯物质的浓度与初始吸光度，并根据多种所述纯物质的浓度和初始吸光度，建立多种所述纯物质的浓度关联函数；
第一建立单元，用于建立标准混合物质的标准特征峰的标准吸光度与标准浓度以及标准温度之间的目标函数；
训练单元，用于基于所述目标函数构建数据模型，结合多种所述纯物质的温度关联函数与多种所述纯物质的浓度关联函数，对所述数据模型进行训练，得到目标数据模型。
进一步地，所述获取模块10还包括：
第五获取单元，用于获取多种纯物质在多个温度、同一浓度下的第一紫外吸收光谱，针对多种所述纯物质在多个温度下的第一紫外吸收光谱，分别执行以下步骤：
第一提取单元，用于提取所述纯物质在多个温度下的第一紫外吸收光谱的所有第一特征峰，基于所述多个温度，对所有所述第一特征峰进行关联，并获取与所有所述第一特征峰对应的初始摩尔吸光系数；
第一拟合单元，用于对关联的所有所述第一特征峰进行拟合，并基于拟合的所有所述第一特征峰，建立所述温度与所述初始摩尔吸光系数之间的温度关联函数。
进一步地，所述获取模块10还包括：
第六获取单元，用于获取多种纯物质在同一温度、多个浓度下的第二紫外吸收光谱，针对多种所述纯物质在多个浓度下的第二紫外吸收光谱，分别执行以下步骤：
第二提取单元，用于提取所述纯物质在多个浓度下第二紫外吸收光谱的所有第二特征峰，基于多个所述浓度，对所有所述第二特征峰进行关联，并获取与所有所述第二特征峰对应的初始吸光度；
第二拟合单元，用于对关联的所有所述第二特征峰进行拟合，并基于拟合的所有所述第二特征峰，建立所述浓度与所述初始吸光度之间的浓度关联函数。
进一步地，所述获取模块10还包括：
采集单元，用于采集多个标准温度、多个标准浓度下的多种标准纯物质配置标准混合物质，获取所述混合标准物质的混合紫外光谱，提取所述混合紫外光谱的所有标准特征峰；
第七获取单元，用于获取所述标准混合物质中各组分分别与所有所述标准特征峰对应的标准吸光度，并根据所有所述标准吸光度，构建目标标准函数；
第三提取单元，用于基于所述目标标准函数，提取与所有所述标准特征峰对应的标准吸光度构建第一矩阵，提取与所有所述标准特征峰对应的标准摩尔吸光系数构建第二矩阵，以及提取所述混合标准物质各组分的标准浓度构建第三矩阵；
第二建立单元，用于基于所述第一矩阵、所述第二矩阵和所述第三矩阵，建立所述目标函数。
进一步地，所述获取模块10还包括：
第三建立单元，用于基于多种所述纯物质的温度关联函数与多种所述纯物质的浓度关联函数，建立多种所述纯物质的多元函数；
导入单元，用于基于所述目标函数，构建数据模型，将多种所述纯物质的多元函数导入到所述数据模型中，对所述数据模型进行优化训练，得到待测试数据模型；
测试单元，用于对所述待测试数据模型进行测试，得到目标数据模型。
此外，本发明还提供一种存储介质，所述存储介质优选为计算机可读存储介质，其上存储有混合物质组分浓度检测程序，所述混合物质组分浓度检测程序被处理器执行时实现上述混合物质组分浓度检测方法各实施例的步骤。
在本发明混合物质组分浓度检测装置和存储介质的实施例中，包含了上述混合物质组分浓度检测方法各实施例的全部技术特征，说明和解释内容与上述混合物质组分浓度检测方法各实施例基本相同，在此不做累述。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的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如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (9)
1.一种混合物质组分浓度检测方法，其特征在于，所述混合物质组分浓度检测方法包括以下步骤：
当接收到混合物质时，识别所述混合物质各组分，获取所述混合物质的温度和所述混合物质各组分的吸光度；
将所述混合物质的温度和所述混合物质各组分的吸光度导入目标数据模型；
基于所述目标数据模型，将所述混合物质各组分的吸光度分别与所述混合物质的温度进行计算，得到所述混合物质各组分浓度；
其中，所述当接收到混合物质时，识别所述混合物质各组分，获取所述混合物质的温度和所述混合物质各组分的吸光度的步骤包括：
当接收到所述混合物质时，检测所述混合物质的温度；
识别所述混合物质各组分，针对各所述组分，分别执行以下步骤：
获取所述组分在所述温度下的紫外吸收光谱，并提取所述紫外吸收光谱中的所有特征峰；
获取所述组分与所有所述特征峰分别对应的所有吸光度，直到获取所述混合物质各组分的所有吸光度。
2.如权利要求1所述的混合物质组分浓度检测方法，其特征在于，所述当接收到混合物质时，识别所述混合物质各组分的步骤之前包括：
获取多种纯物质的温度与初始摩尔吸光系数，并根据多种所述纯物质的温度和初始摩尔吸光系数，建立多种所述纯物质的温度关联函数；
获取多种纯物质的浓度与初始吸光度，并根据多种所述纯物质的浓度和初始吸光度，建立多种所述纯物质的浓度关联函数；
建立标准混合物质的标准特征峰的标准吸光度与标准浓度以及标准温度之间的目标函数；
基于所述目标函数构建数据模型，结合多种所述纯物质的温度关联函数与多种所述纯物质的浓度关联函数，对所述数据模型进行训练，得到目标数据模型。
3.如权利要求2所述的混合物质组分浓度检测方法，其特征在于，所述获取多种纯物质的温度与初始摩尔吸光系数，并根据多种所述纯物质的温度和初始摩尔吸光系数，建立多种所述纯物质的温度关联函数的步骤包括：
获取多种纯物质在多个温度、同一浓度下的第一紫外吸收光谱，针对多种所述纯物质在多个温度下的第一紫外吸收光谱，分别执行以下步骤：
提取所述纯物质在多个温度下的第一紫外吸收光谱的所有第一特征峰，基于所述多个温度，对所有所述第一特征峰进行关联，并获取与所有所述第一特征峰对应的初始摩尔吸光系数；
对关联的所有所述第一特征峰进行拟合，并基于拟合的所有所述第一特征峰，建立所述温度与所述初始摩尔吸光系数之间的温度关联函数。
4.如权利要求2所述的混合物质组分浓度检测方法，其特征在于，所述获取多种纯物质的浓度与初始吸光度，并根据多种所述纯物质的浓度和初始吸光度，建立多种所述纯物质的浓度关联函数的步骤包括：
获取多种纯物质在同一温度、多个浓度下的第二紫外吸收光谱，针对多种所述纯物质在多个浓度下的第二紫外吸收光谱，分别执行以下步骤：
提取所述纯物质在多个浓度下第二紫外吸收光谱的所有第二特征峰，基于多个所述浓度，对所有所述第二特征峰进行关联，并获取与所有所述第二特征峰对应的初始吸光度；
对关联的所有所述第二特征峰进行拟合，并基于拟合的所有所述第二特征峰，建立所述浓度与所述初始吸光度之间的浓度关联函数。
5.如权利要求2所述的混合物质组分浓度检测方法，其特征在于，所述建立标准混合物质的标准特征峰的标准吸光度与标准浓度以及标准温度之间的目标函数的步骤包括：
采集多个标准温度、多个标准浓度下的多种标准纯物质配置标准混合物质，获取所述标准混合物质的混合紫外吸收光谱，提取所述混合紫外吸收光谱的所有标准特征峰；
获取所述标准混合物质中各组分分别与所有所述标准特征峰对应的标准吸光度，并根据所有所述标准吸光度，构建目标标准函数；
基于所述目标标准函数，提取与所有所述标准特征峰对应的标准吸光度构建第一矩阵，提取与所有所述标准特征峰对应的标准摩尔吸光系数构建第二矩阵，以及提取所述混合标准物质各组分的标准浓度构建第三矩阵；
基于所述第一矩阵、所述第二矩阵和所述第三矩阵，建立所述目标函数。
6.如权利要求2所述的混合物质组分浓度检测方法，其特征在于，所述基于所述目标函数构建数据模型，结合多种所述纯物质的温度关联函数与多种所述纯物质的浓度关联函数，对所述数据模型进行训练，得到目标数据模型的步骤包括：
基于多种所述纯物质的温度关联函数与多种所述纯物质的浓度关联函数，建立多种所述纯物质的多元函数；
基于所述目标函数，构建数据模型，将多种所述纯物质的多元函数导入到所述数据模型中，对所述数据模型进行优化训练，得到待测试数据模型；
对所述待测试数据模型进行测试，得到目标数据模型。
7.一种混合物质组分浓度检测装置，其特征在于，所述混合物质组分浓度检测装置包括：
获取模块，用于当接收到混合物质时，识别所述混合物质各组分，获取所述混合物质的温度和所述混合物质各组分的吸光度；
导入模块，用于将所述混合物的温度和所述混合物质各组分的吸光度导入到目标数据模型；
计算模块，用于基于所述目标数据模型，将所述混合物质各组分的吸光度分别与所述混合物质的温度进行计算，得到所述混合物质各组分浓度。
8.一种混合物质组分浓度检测设备，其特征在于，所述混合物质组分浓度检测设备包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的混合物质组分浓度检测程序，所述混合物质组分浓度检测程序被所述处理器执行时实现如权利要求1-7中任一项所述的混合物质组分浓度检测方法的步骤。
9.一种存储介质，其特征在于，所述存储介质上存储有混合物质组分浓度检测程序，所述混合物质组分浓度检测程序被处理器执行时实现如权利要求1-6中任一项所述的混合物质组分浓度检测方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010220861.6A CN111289459B (zh) | 2020-03-25 | 2020-03-25 | 混合物质组分浓度检测方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010220861.6A CN111289459B (zh) | 2020-03-25 | 2020-03-25 | 混合物质组分浓度检测方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111289459A CN111289459A (zh) | 2020-06-16 |
| CN111289459B true CN111289459B (zh) | 2023-10-27 |
Family
ID=71025979
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010220861.6A Active CN111289459B (zh) | 2020-03-25 | 2020-03-25 | 混合物质组分浓度检测方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111289459B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113298171A (zh) * | 2021-06-09 | 2021-08-24 | 深圳网联光仪科技有限公司 | 物质组分的识别方法、装置、设备及存储介质 |
| CN114166768B (zh) * | 2022-02-14 | 2022-05-20 | 四川大学华西医院 | 不同设备检测同一指标同质化换算方法、装置、电子设备 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003042949A (ja) * | 2001-08-01 | 2003-02-13 | Ishikawajima Harima Heavy Ind Co Ltd | 多成分濃度分析装置 |
| CN102175641A (zh) * | 2010-12-10 | 2011-09-07 | 中国科学院安徽光学精密机械研究所 | 基于中外红量子级联激光器直接吸收光谱法的痕量气体检测装置及方法 |
| CN104568837A (zh) * | 2011-11-28 | 2015-04-29 | 横河电机株式会社 | 激光气体分析仪 |
| DE102016109472A1 (de) * | 2016-05-24 | 2017-11-30 | Manfred Dausch | Verfahren zur quantitativen Bestimmung flüssiger Multikomponentengemische |
| CN108680521A (zh) * | 2018-05-18 | 2018-10-19 | 黎明职业大学 | 一种成分分析方法及颜色监测方法 |
| CN109975224A (zh) * | 2019-04-17 | 2019-07-05 | 西南交通大学 | 气体拍摄检测系统 |
-
2020
- 2020-03-25 CN CN202010220861.6A patent/CN111289459B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003042949A (ja) * | 2001-08-01 | 2003-02-13 | Ishikawajima Harima Heavy Ind Co Ltd | 多成分濃度分析装置 |
| CN102175641A (zh) * | 2010-12-10 | 2011-09-07 | 中国科学院安徽光学精密机械研究所 | 基于中外红量子级联激光器直接吸收光谱法的痕量气体检测装置及方法 |
| CN104568837A (zh) * | 2011-11-28 | 2015-04-29 | 横河电机株式会社 | 激光气体分析仪 |
| DE102016109472A1 (de) * | 2016-05-24 | 2017-11-30 | Manfred Dausch | Verfahren zur quantitativen Bestimmung flüssiger Multikomponentengemische |
| CN108680521A (zh) * | 2018-05-18 | 2018-10-19 | 黎明职业大学 | 一种成分分析方法及颜色监测方法 |
| CN109975224A (zh) * | 2019-04-17 | 2019-07-05 | 西南交通大学 | 气体拍摄检测系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111289459A (zh) | 2020-06-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103134850B (zh) | 一种基于特征香气的茶叶品质快速检测方法 | |
| CN102879353B (zh) | 近红外检测花生中蛋白质组分含量的方法 | |
| CN111289459B (zh) | 混合物质组分浓度检测方法、装置、设备及存储介质 | |
| CN105486658B (zh) | 一种具有无测点温度补偿功能的近红外物性参数测量方法 | |
| US7092832B2 (en) | Adaptive compensation for measurement distortions in spectroscopy | |
| CN105486655B (zh) | 基于红外光谱智能鉴定模型的土壤有机质快速检测方法 | |
| CN102590129B (zh) | 近红外检测花生中氨基酸含量的方法 | |
| CN103543123A (zh) | 一种掺假牛奶的红外光谱识别方法 | |
| CN103018195A (zh) | 近红外光谱测定pbx炸药中pctfe含量的方法 | |
| CN110108658B (zh) | 一种污染气体红外光谱识别方法及系统 | |
| CN105372195B (zh) | 一种微量紫外分光光度计质量检测方法和检测试剂盒 | |
| WO2019195971A1 (zh) | 光谱分析方法、装置、电子设备及计算机可读存储介质 | |
| CN111487213A (zh) | 多光谱融合的化学需氧量测试方法及装置 | |
| US11093869B2 (en) | Analytical system with iterative method of analyzing data in web-based data processor with results display designed for non-experts | |
| CN110567894A (zh) | 一种含水溶液pH值快速检测方法和检测装置 | |
| CN111879709A (zh) | 湖泊水体光谱反射率检验方法及装置 | |
| CN103308507A (zh) | 一种快速测定聚氨酯中游离-nco的分析方法 | |
| CN107576641B (zh) | 一种三维荧光光谱数据的分解方法及装置 | |
| CN101140225B (zh) | 一种利用声光可调滤光器近红外光谱仪检测香料中铅的方法 | |
| US10444212B2 (en) | Method for determining the concentration of glucoraphanin and/or sulforaphane in a plant | |
| CN111289451B (zh) | 复杂光谱组分浓度定量计算的方法 | |
| CN106092960A (zh) | 一种快速校正近红外设备并检测农产品中化学成分的方法 | |
| CN113406038A (zh) | 一种水质pH值光学检测方法及装置 | |
| CN101140226B (zh) | 一种利用声光可调滤光器近红外光谱仪检测香料中砷的方法 | |
| Du et al. | Development and testing of a portable soil nitrogen detector based on near-infrared spectroscopy |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20220124 Address after: 215000 111 Shuyuan lane, Gusu District, Suzhou City, Jiangsu Province Applicant after: Jintong Internet of things (Suzhou) Co.,Ltd. Address before: 215000 office, 2nd floor, building 6, 198 Huqing Road, Hushuguan Town, Suzhou high tech Zone, Jiangsu Province Applicant before: Otion Intelligent Technology (Suzhou) Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |