CN112034162B - 一种光学检测反应曲线优化算法 - Google Patents

一种光学检测反应曲线优化算法 Download PDF

Info

Publication number
CN112034162B
CN112034162B CN202010894742.9A CN202010894742A CN112034162B CN 112034162 B CN112034162 B CN 112034162B CN 202010894742 A CN202010894742 A CN 202010894742A CN 112034162 B CN112034162 B CN 112034162B
Authority
CN
China
Prior art keywords
data
equation
curve
new
replaced
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
Application number
CN202010894742.9A
Other languages
English (en)
Other versions
CN112034162A (zh
Inventor
耿宝学
冉军
夏斌
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chengdu Aikesilun Medical Technology Co ltd
Original Assignee
Chengdu Aikesilun Medical Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chengdu Aikesilun Medical Technology Co ltd filed Critical Chengdu Aikesilun Medical Technology Co ltd
Priority to CN202010894742.9A priority Critical patent/CN112034162B/zh
Publication of CN112034162A publication Critical patent/CN112034162A/zh
Application granted granted Critical
Publication of CN112034162B publication Critical patent/CN112034162B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/53—Immunoassay; Biospecific binding assay; Materials therefor
    • G01N33/536—Immunoassay; Biospecific binding assay; Materials therefor with immune complex formed in liquid phase
    • 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/53—Immunoassay; Biospecific binding assay; Materials therefor
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/86—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving blood coagulating time or factors, or their receptors

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Immunology (AREA)
  • Engineering & Computer Science (AREA)
  • Hematology (AREA)
  • Chemical & Material Sciences (AREA)
  • Urology & Nephrology (AREA)
  • Biomedical Technology (AREA)
  • Physics & Mathematics (AREA)
  • Molecular Biology (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Pathology (AREA)
  • Microbiology (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Cell Biology (AREA)
  • Biotechnology (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

一种光学检测反应曲线优化算法，包括如下步骤：S1光学信号采集板负责采集光学信号，采集时间从免疫反应开始到免疫反应结束；采集数据为m个离散数据；S2信号采集完毕后，按照时间顺序汇总信号数据；S3将信号数据拟合出一个3次多项式曲线方程；S4判断该3次多项式方程的确定系数R²是否大于预设值，如果R²大于预设值，则认为拟合出的曲线方程符合要求，执行步骤S5；如果R²小于预设值，则认为曲线方程不满足要求，执行修正步骤S6；S5以拟合出的3次多项式曲线方程为公式，计算吸光度。本发明通过寻找V形波动以及断层相关数据点，以新数据替换问题数据生成了新的反应曲线；以新的反应曲线作为计算吸光度的依据，最大限度还原真实的免疫反应曲线。

Description

一种光学检测反应曲线优化算法
技术领域
本发明涉及光学检测技术领域，涉及吸光度检测方法，尤其涉及一种光学检测反应曲线优化算法。
背景技术
在医学检测领域，凝血检测项目DD、FDP等一般采用免疫透射比浊法进行检测；免疫透射比浊法原理是：抗原抗体结合后引起液体介质浊度改变，光线被吸收一部分，使光线透过量减少，在一定范围内，透射光被吸收量与被测物呈正相关，依所测吸光度值推算待测抗原量的分析技术；
由免疫透射比浊法的原理可以看出，吸光度的准确计算是关键所在，而吸光度的关键在于光学信号曲线（即光学检测反应曲线）的稳定采集；然而免疫反应过程中受到仪器抖动等影响，可能会导致反应曲线出现V形波动（如图3所示）或者整体向上或向下的波动，简称曲线断层（如图4所示），V形波动以及曲线断层使得反应曲线不再顺滑，这样最后计算的吸光度也是不准确的；所以为了保证吸光度的准确性，关键技术就是要保证反应曲线的平滑性，避免V形波动和曲线断层带来的影响。
为了解决反应曲线的V型波动，现有技术通常采用的是拟合多项式方程的技术；即将采集的光学信号值拟合成多项式方程，然后以该方程为公式，重新计算每个点的光学信号值，以新的信号值作为反应曲线，然后计算吸光度，具体流程如图2所示；直接拟合多项式方程虽然可以解决曲线V形波动的问题，但是对曲线断层不能进行处理。
发明内容
为克服现有技术存在的缺陷，本发明公开了一种光学检测反应曲线优化算法。
本发明所述一种光学检测反应曲线优化算法，包括如下步骤：
S1光学信号采集板负责采集光学信号；采集数据为m个离散数据；
S2信号采集完毕后，按照时间顺序汇总信号数据；
S3将信号数据拟合出一个3次多项式曲线方程；
S4判断该3次多项式方程的确定系数R²是否大于预设值，如果R²大于预设值，则认为拟合出的曲线方程符合要求，执行步骤S5；如果R²小于预设值，则认为曲线方程不满足要求，执行修正步骤S6；
S5以拟合出的3次多项式曲线方程为公式，计算吸光度；
其特征在于，所述修正S6步骤的具体过程是：
S61对步骤S1 得到的m个信号数据，按照预设长度n，n<m,将m个数据按照时间顺序分为多组数据组，每组包括n个信号数据，当m不能被n 整除时，仅任意一组取不足n个数据，依次为每组数据拟合一条初始直线方程F1i，得到p=INT（m/n）个方程Fi,i=1，2…p;其中INT表示进位取整；
S62针对p个初始直线方程F1i，以每个初始直线方程的斜率S1i作为纵坐标，以横坐标单位坐标1，2…p作为横坐标，再次拟合一条修正直线方程F2；
S63根据修正直线方程F2，以方程F2上横坐标1，2…p对应的纵坐标作为新的斜率值，记为数据S2i；
S64计算p个S1i和S2i的差值，记为集合D1，包括p个D1i=S1i-S2i；
S65针对集合D1，根据筛选标准，选出符合筛选标准的待替换数据，定义为集合D2；
S66对集合D2中的各个待替换数据，在D1集合内左右两端找到最邻近的且不符合筛选标准的数据，以该组数据对应的初始直线方程替换待替换数据对应的初始直线方程；形成新的p个方程，记为F4；
S67针对p个方程F4，依次操作对应的数据组：如果方程和之前的F1一致，则保留其所在的原始信号数据，否则用更新后的方程F4计算新的信号数据，代替原信号数据；
替换后返回步骤S3继续拟合，直至进入步骤S5。
具体的：步骤S65的筛选标准是：选出值未落在（ V-2SD，V+2SD）范围内的数据作为待替换数据，其中V和SD分别为集合D1的平均值和标准差。
具体的：步骤S1的采集时间从免疫反应开始到免疫反应结束
本发明通过寻找V形波动以及断层相关数据点，以新数据替换问题数据生成了新的反应曲线；以新的反应曲线作为计算吸光度的依据，最大限度还原真实的免疫反应曲线。同时解决了曲线V形波动和曲线断层问题，提高了检测结果的准确性。
附图说明
图1为本发明一个具体实施方式流程示意图；
图2为现有处理算法的典型实施方式流程图；
图3为本发明背景技术所述反应曲线出现V形波动的示意图；
图4为本发明背景技术所述反应曲线出现曲线断层的示意图；
图3和图4中横纵坐标分别表示时间和光强，单位分别为秒和CD。
具体实施方式
下面结合具体实施例来进一步描述本发明，但实施例仅是范例性的，并不对本发明的范围构成任何限制。本领域技术人员应该理解的是，在不偏离本发明的精神和范围下可以对本发明技术方案的细节和形式进行修改或替换，但这些修改和替换均落入本发明的保护范围内。
本发明所述光学检测反应曲线优化算法，包括如下步骤：
S1光学信号采集板负责采集光学信号，采集时间从免疫反应开始到免疫反应结束；采集数据为m个离散数据；
S2信号采集完毕后，按照时间顺序汇总信号数据；
S3将信号数据拟合出一个3次多项式曲线方程；
S4判断该方程的确定系数R²是否大于预设值，如果R²大于预设值，则认为拟合曲线符合要求，执行步骤S5；如果R²小于预设值，则认为拟合曲线不满足要求，执行步骤S6；
确定系数R²的预设值一般设置在0.95-1之间。
S5以此拟合方程为公式，计算吸光度；
由于R²小于预设值，拟合曲线不满足要求，需要找出步骤S2中得到的信号数据的V形波动以及断层数据点，然后以新的数据替换旧的问题数据；
S6步骤的具体过程是：
S61对步骤S1 得到的m个信号数据，按照预设长度n，n<m,将m个数据按照时间顺序分为多组数据组，每组包括n个信号数据，当m不能被n 整除时，最后一组可以取不足n个数据，依次为每组数据拟合一条直线方程F1i，得到p=INT（m/n）个方程Fi,i=1，2…p;其中INT表示进位取整；
S62针对这p个初始直线方程F1i，对每个初始直线方程的斜率S1i作为纵坐标，以横坐标单位坐标1，2…p作为横坐标，再次拟合一条直线方程F2；
根据方程F2，以方程F2上横坐标1，2…p对应的纵坐标作为新的斜率值，记为数据S2i，然后计算p个S1i和S2i的差值，记为集合D1，包括p个D1i=S1i-S2i；
针对集合D1，根据筛选标准，选出待替换数据，定义为集合D2；筛选标准可以是选出值超出V±2SD的数据，其中V和SD分别为集合D1的平均值和标准差；
对集合D2中的各个数据，在D1集合内左右两端找到最邻近的且不符合筛选标准的数据，以该组数据对应的初始直线方程替换；形成新的p个方程，记为F4；
针对p个方程F4，依次操作对应的数据组：如果方程和之前的F1一致，则保留其所在的原始信号数据，否则用更新后的方程F4计算新的信号数据，代替原信号数据。
然后将新的信号数据汇总，再次返回步骤S3执行。
一个更具体的实施例如下：
例如采集了m=90个离散数据点，拟合出三次方程，发现确定系数R²小于预设值，不符合要求。
于是将其分为p=9组，每组10个点，对每一组数据分别拟合出一条初始直线方式F11、F12…F19，对这9条直线的9个斜率，分别以横坐标为1，2，3,…9，纵坐标为斜率值S11，S12，S13…S19的九个点拟合出直线F2；
随后利用直线F2对斜率值S11，S12，S13…S19的进行修正，具体为在直线F2上横坐标为1，2，3,…9的纵坐标值，分别作为新的斜率S21，S22，S23…S29。
则可以得到集合D1={D1i} ，D1i= S2i-S1i，i=1，2，3,…9。
对集合D1里的九个数据，计算出平均值V和标准差SD，定义筛选标准为超出V±2SD，即落在（ V-2SD，V+2SD）范围外的数据，记为集合D2。
例如发现D11、D12、D18的值在V±2SD范围外， 则D2={ D11、D12、D18}，剩余六个D13、D14、D15、D16、D17、D19的值落在（ V-2SD，V+2SD）范围内。
对于集合D2={ D11、D12、D18}，在横坐标数轴左右两端寻找横坐标距离最近的组对应的并且落在（ V-S2D，V+2SD）范围内的初始直线方程，将其对应的初始直线方式F11、F12、F18替换。
例如 D11左端无数据，右端最近为D12，但D12未落在（ V-2SD，V+2SD）范围内，因此取D13；D12左端为D11，D11不符合筛选标准，因此也取D13；D18左右两端的D17、D19均符合筛选标准，可以取其中更接近平均值V的例如D17对应的初始直线方程。
即：将初始直线方式F11、F12、F18分别替换为F13，F13，F17 。
得到更新后方程组F4,包括九个部分更新的初始直线方程，F13、F13、F13、F14、F15、F16、F17、F17、F19。
对于被更新的F11、F12、F18三个方程，其对应的第一、第三、第八组的十个数据点分别由更新后的方程F13、F13和F17计算，计算方式为横坐标不变，代入方程F13、F13和F17计算出对应的纵坐标。
数据点更新完成后，再次以全部90个离散数据点，重新拟合出三次方程。如果仍然不符合要求，则继续重复上述步骤；直至拟合出的三次方程确定系数R²小于预设值。
本发明通过寻找V形波动以及断层相关数据点，以新数据替换问题数据生成了新的反应曲线；以新的反应曲线作为计算吸光度的依据，最大限度还原真实的免疫反应曲线。同时解决了曲线V形波动和曲线断层问题，提高了检测结果的准确性。
以上为本发明的一种实施方式，其描述较为具体和详细，但不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明的构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (2)

1.一种光学检测反应曲线优化算法，包括如下步骤：
S1光学信号采集板负责采集光学信号；采集数据为m个离散数据；
S2信号采集完毕后，按照时间顺序汇总信号数据；
S3将信号数据拟合出一个3次多项式曲线方程；
S4判断该3次多项式曲线方程的确定系数R²是否大于预设值，如果R²大于预设值，则认为拟合出的曲线方程符合要求，执行步骤S5；如果R²小于预设值，则认为曲线方程不满足要求，执行修正步骤S6；
S5以拟合出的3次多项式曲线方程为公式，计算吸光度；
其特征在于，所述修正S6步骤的具体过程是：
S61对步骤S1 得到的m个信号数据，按照预设长度n，n<m,将m个数据按照时间顺序分为多组数据组，每组包括n个信号数据，当m不能被n 整除时，仅任意一组取不足n个数据，依次为每组数据拟合一条初始直线方程F1i，得到p=INT（m/n）个方程F1i，i=1，2…p；其中INT表示进位取整；
S62针对p个初始直线方程F1i，以每个初始直线方程的斜率S1i作为纵坐标，以横坐标单位坐标1，2…p作为横坐标，再次拟合一条修正直线方程F2；
S63根据修正直线方程F2，以方程F2上横坐标1，2…p对应的纵坐标作为新的斜率值，记为数据S2i；
S64计算p个S1i和S2i的差值，记为集合D1，包括p个D1i=S1i-S2i；
S65针对集合D1，根据筛选标准，选出符合筛选标准的待替换数据，定义为集合D2；步骤S65的筛选标准是：选出值未落在（V-2SD，V+2SD）范围内的数据作为待替换数据，其中V和SD分别为集合D1的平均值和标准差；
S66对集合D2中的各个待替换数据，在D1集合内左右两端找到最邻近的且不符合筛选标准的数据，以该组数据对应的初始直线方程替换待替换数据对应的初始直线方程,其中当在D1集合内左右两端找到最邻近的且不符合筛选标准的数据有两个时，取其中更接近平均值的数据所对应的初始直线方程替换待替换数据对应的初始直线方程；形成新的p个方程，记为F4；
S67针对p个方程F4，依次操作对应的数据组：如果方程和之前的F1i一致，则保留其所在的原始信号数据，否则用更新后的方程F4计算新的信号数据，代替原信号数据；
替换后返回步骤S3继续拟合，直至进入步骤S5。
2.如权利要求1所述的优化算法，其特征在于：步骤S1的采集时间从免疫反应开始到免疫反应结束。
CN202010894742.9A 2020-08-31 2020-08-31 一种光学检测反应曲线优化算法 Active CN112034162B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010894742.9A CN112034162B (zh) 2020-08-31 2020-08-31 一种光学检测反应曲线优化算法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010894742.9A CN112034162B (zh) 2020-08-31 2020-08-31 一种光学检测反应曲线优化算法

Publications (2)

Publication Number Publication Date
CN112034162A CN112034162A (zh) 2020-12-04
CN112034162B true CN112034162B (zh) 2023-12-08

Family

ID=73587652

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010894742.9A Active CN112034162B (zh) 2020-08-31 2020-08-31 一种光学检测反应曲线优化算法

Country Status (1)

Country Link
CN (1) CN112034162B (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003014624A (ja) * 2001-07-02 2003-01-15 Ishikawajima Harima Heavy Ind Co Ltd 吸収スペクトルの検量線作成方法
EP1418417A2 (en) * 2002-09-30 2004-05-12 Spectromedical Inc. Method for calibrating spectrophotometric apparatus
JP2004329888A (ja) * 2003-04-03 2004-11-25 Matsushita Electric Ind Co Ltd 特定成分濃度の測定方法および測定装置
JP2007187624A (ja) * 2006-01-16 2007-07-26 Yokogawa Electric Corp 近赤外分光法における検量線補正方法
JP2008256546A (ja) * 2007-04-05 2008-10-23 Hitachi High-Technologies Corp 多段検量線作成方法、および分析装置
CN101416881A (zh) * 2008-11-28 2009-04-29 西北工业大学 基于分段硬化曲线的ct射束硬化校正方法
JP2010219743A (ja) * 2009-03-16 2010-09-30 Ricoh Co Ltd 画像形成装置、そのγ補正テーブル作成方法およびプログラム
CN104535223A (zh) * 2014-12-16 2015-04-22 武汉理工光科股份有限公司 分布式光纤温度传感系统的温度曲线自动修正算法及系统
KR20170083462A (ko) * 2016-01-08 2017-07-18 서울대학교산학협력단 구간적 다항식을 기반으로 한 곡선 근사 방법
CN108318436A (zh) * 2018-02-06 2018-07-24 迈克医疗电子有限公司 反应曲线生成方法、装置及光学检测系统
CN109239360A (zh) * 2018-09-14 2019-01-18 深圳开立生物医疗科技股份有限公司 一种反应曲线异常检测方法及装置
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

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6711516B2 (en) * 1999-11-23 2004-03-23 Spectromedical Inc. Method for calibrating spectrophotometric apparatus
US20060199221A1 (en) * 2005-03-07 2006-09-07 Samad Talebpour Correction for temperature dependence assays
US7680604B2 (en) * 2005-03-11 2010-03-16 Roche Molecular Systems, Inc. PCR elbow determination by rotational transform after zero slope alignment
US7991561B2 (en) * 2005-09-29 2011-08-02 Roche Molecular Systems, Inc. Ct determination by cluster analysis with variable cluster endpoint
US7680868B2 (en) * 2005-12-20 2010-03-16 Roche Molecular Systems, Inc. PCR elbow determination by use of a double sigmoid function curve fit with the Levenburg-Marquardt algorithm and normalization

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003014624A (ja) * 2001-07-02 2003-01-15 Ishikawajima Harima Heavy Ind Co Ltd 吸収スペクトルの検量線作成方法
EP1418417A2 (en) * 2002-09-30 2004-05-12 Spectromedical Inc. Method for calibrating spectrophotometric apparatus
JP2004329888A (ja) * 2003-04-03 2004-11-25 Matsushita Electric Ind Co Ltd 特定成分濃度の測定方法および測定装置
JP2007187624A (ja) * 2006-01-16 2007-07-26 Yokogawa Electric Corp 近赤外分光法における検量線補正方法
JP2008256546A (ja) * 2007-04-05 2008-10-23 Hitachi High-Technologies Corp 多段検量線作成方法、および分析装置
CN101416881A (zh) * 2008-11-28 2009-04-29 西北工业大学 基于分段硬化曲线的ct射束硬化校正方法
JP2010219743A (ja) * 2009-03-16 2010-09-30 Ricoh Co Ltd 画像形成装置、そのγ補正テーブル作成方法およびプログラム
CN104535223A (zh) * 2014-12-16 2015-04-22 武汉理工光科股份有限公司 分布式光纤温度传感系统的温度曲线自动修正算法及系统
KR20170083462A (ko) * 2016-01-08 2017-07-18 서울대학교산학협력단 구간적 다항식을 기반으로 한 곡선 근사 방법
CN108318436A (zh) * 2018-02-06 2018-07-24 迈克医疗电子有限公司 反应曲线生成方法、装置及光学检测系统
CN109239360A (zh) * 2018-09-14 2019-01-18 深圳开立生物医疗科技股份有限公司 一种反应曲线异常检测方法及装置
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

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于分段曲线拟合的短波功放频响校正方法;李晓文等;通信技术;第50卷(第04期);第641-644页 *

Also Published As

Publication number Publication date
CN112034162A (zh) 2020-12-04

Similar Documents

Publication Publication Date Title
US20030187836A1 (en) Information search apparatus and method, and storage medium
EP2992340B1 (en) System and method for ups battery monitoring and data analysis
KR960029975A (ko) 코드 세그먼트에서 유사점을 식별하는 방법
US20180095454A1 (en) Pre-processor and diagnosis device
CN107015900B (zh) 一种视频网站的服务性能预测方法
JP2006148070A (ja) センサデータの補正方法及びインターロックシステムのインターロック評価方法
CN112034162B (zh) 一种光学检测反应曲线优化算法
JP2978184B2 (ja) 制御ルール作成装置
CN111854798A (zh) 一种光纤陀螺仪的温度补偿方法及装置
KR102419234B1 (ko) 제품 품질 분석 지원 시스템
CN117473350A (zh) 基于数据处理的焊管焊接生产过程监测方法
KR102059112B1 (ko) 사물 인터넷 스트림 데이터 품질 측정 지표 및 프로파일링 방법 및 그 시스템
CN114741258B (zh) 一种基于大数据的计算机性能控制分析系统及方法
JP6616889B2 (ja) ウインドウ評価方法および分析装置
CN113554079B (zh) 一种基于二次检测法的电力负荷异常数据检测方法及系统
CN111368931B (zh) 确定图像分类模型的学习率的方法
WO2021171387A1 (ja) 関係分析装置、関係分析方法、及び、関係分析プログラム
WO2021025006A1 (ja) 改善対策リコメンドシステム
Noering et al. Assessment and adaption of pattern discovery approaches for time series under the requirement of time warping
Reynolds et al. Monitoring a proportion using CUSUM and SPRT control charts
US20210049417A1 (en) Learning processing device, data analysis device, analytical procedure selection method, and recording medium
CN117077993B (zh) 基于人工智能的车间物料自动称重数据管理系统及方法
KR102332122B1 (ko) 건축물 예측 모델 장치 및 건축물 예측 방법
CN117168337B (zh) Ofdr应变边缘优化方法及测量方法
CN117708547B (zh) 一种汽轮机组振动信号处理的方法及系统

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