CN114077427A - 基于光谱分析模型的交互方法及系统 - Google Patents
基于光谱分析模型的交互方法及系统 Download PDFInfo
- Publication number
- CN114077427A CN114077427A CN202010805726.8A CN202010805726A CN114077427A CN 114077427 A CN114077427 A CN 114077427A CN 202010805726 A CN202010805726 A CN 202010805726A CN 114077427 A CN114077427 A CN 114077427A
- Authority
- CN
- China
- Prior art keywords
- target interaction
- information
- cloud platform
- interaction information
- operation instruction
- 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
- 230000003993 interaction Effects 0.000 title claims abstract description 311
- 238000010183 spectrum analysis Methods 0.000 title claims abstract description 103
- 238000000034 method Methods 0.000 title claims abstract description 69
- 238000001514 detection method Methods 0.000 claims abstract description 152
- 230000002452 interceptive effect Effects 0.000 claims abstract description 68
- 238000001228 spectrum Methods 0.000 claims description 50
- 238000011156 evaluation Methods 0.000 claims description 44
- 238000004590 computer program Methods 0.000 claims description 5
- 230000003595 spectral effect Effects 0.000 abstract description 9
- 238000007781 pre-processing Methods 0.000 description 16
- 230000008569 process Effects 0.000 description 16
- 238000004422 calculation algorithm Methods 0.000 description 13
- 238000012545 processing Methods 0.000 description 6
- 241000220225 Malus Species 0.000 description 5
- 238000012795 verification Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000013500 data storage Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 240000008790 Musa x paradisiaca Species 0.000 description 1
- 241000220324 Pyrus Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 235000021016 apples Nutrition 0.000 description 1
- 235000021015 bananas Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000011022 operating instruction Methods 0.000 description 1
- 235000021017 pears Nutrition 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000004611 spectroscopical analysis Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/30—Creation or generation of source code
- G06F8/35—Creation or generation of source code model driven
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
- G06F3/0484—Interaction techniques based on graphical user interfaces [GUI] for the control of specific functions or operations, e.g. selecting or manipulating an object, an image or a displayed text element, setting a parameter value or selecting a range
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/30—Creation or generation of source code
- G06F8/38—Creation or generation of source code for implementing user interfaces
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/70—Software maintenance or management
- G06F8/71—Version control; Configuration management
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Computer Security & Cryptography (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明提供了一种基于光谱分析模型的交互方法及系统，涉及光谱分析技术领域，该方法包括：接收用户基于交互界面输入的操作指令；根据操作指令，向云平台发送目标交互信息的获取请求，其中，目标交互信息为云平台中预设的光谱分析模型中与操作指令对应的信息；接收云平台基于获取请求反馈的目标交互信息；基于目标交互信息，从预设框架库中确定目标交互框架；对目标交互信息填充至目标交互框架后的交互界面进行显示。由于本申请只需要从光谱分析模型中获取相应检测对象的目标交互信息，并将目标交互信息填充至目标交互框架中，就可以完成对不同检测对象的光谱检测的交互，因而减少了应用软件的更新和升级操作，提升了软件的共用性。
Description
技术领域
本发明涉及光谱分析技术领域，尤其涉及一种基于光谱分析模型的交互方法及系统。
背景技术
随着光谱分析技术的发展，光谱仪已经在各个领域得到应用，如农业、汽车、生物、化学、食品、印刷、造纸等等。目前的光谱分析交互方式是基于智能终端中的应用软件来完成，需要在应用软件中预先设置每种检测对象的检测方法、仪器配置参数、预设结果评价等展示界面，如果需要新增检测对象，则需要在应用软件中对新增检测对象的相关信息和界面进行单独配置，导致每新增一个检测对象，就需要对该应用软件进行更新升级，从而不利于检测对象扩展。
发明内容
本发明实施例提供一种基于光谱分析模型的交互方法及系统，以解决现有的光谱分析交互方式不利于检测对象扩展的问题。
为了解决上述技术问题，本发明是这样实现的：
本发明实施例提供了一种基于光谱分析模型的交互方法，该方法包括：接收用户基于交互界面输入的操作指令；
根据所述操作指令，向云平台发送目标交互信息的获取请求，其中，所述目标交互信息为所述云平台中预设的光谱分析模型中与所述操作指令对应的信息；
接收所述云平台基于所述获取请求反馈的目标交互信息；
基于所述目标交互信息，从预设框架库中确定目标交互框架；
将所述目标交互信息填充至所述目标交互框架，生成目标交互界面并显示。
本发明实施例还提供了一种基于光谱分析模型的交互方法，该方法包括：
接收智能设备反馈的目标交互信息的获取请求，其中，所述目标交互信息的获取请求是根据用户基于所述智能设备的交互界面输入的操作指令生成的请求；
从所述光谱分析模型中获取与所述获取请求匹配的目标交互信息；
基于所述目标交互信息，从预设框架库中确定目标交互框架；
将所述目标交互信息填充至所述目标交互框架，生成目标交互界面，并将所述目标交互界面发送至所述智能终端进行显示。
本发明实施例还提供了一种基于光谱分析模型的交互系统，该基于光谱分析模型的交互系统包括：智能设备和云平台；
所述智能设备，用于接收用户基于交互界面输入的操作指令；根据所述操作指令，向云平台发送目标交互信息的获取请求，其中，所述目标交互信息为所述云平台中预设的光谱分析模型中与所述操作指令对应的信息；
所述云平台，用于接收所述智能设备反馈的目标交互信息的获取请求；从所述光谱分析模型中获取与所述获取请求匹配的目标交互信息；
所述智能设备，用于接收所述云平台基于所述获取请求反馈的目标交互信息；基于所述目标交互信息，从预设框架库中确定目标交互框架；将所述目标交互信息填充至所述目标交互框架，生成目标交互界面并显示。
本发明实施例还提供了一种基于光谱分析模型的交互系统，该基于光谱分析模型的交互系统包括：智能设备和云平台；
所述智能设备，用于接收用户基于交互界面输入的操作指令；根据所述操作指令，向云平台发送目标交互信息的获取请求，其中，所述目标交互信息为所述云平台中预设的光谱分析模型中与所述操作指令对应的信息；
所述云平台，用于接收所述智能设备反馈的目标交互信息的获取请求；从所述光谱分析模型中获取与所述获取请求匹配的目标交互信息；基于所述目标交互信息，从预设框架库中确定目标交互框架；将所述目标交互信息填充至所述目标交互框架，生成目标交互界面，并将所述目标交互界面发送至所述智能终端进行显示。
本发明实施例还提供了一种计算机可读存储介质，计算机可读存储介质上存储计算机程序，计算机程序被处理器执行时实现上述的基于光谱分析模型的交互方法的步骤。
本发明实施例中，通过接收用户基于交互界面输入的操作指令；根据所述操作指令，向云平台发送目标交互信息的获取请求，其中，所述目标交互信息为所述云平台中预设的光谱分析模型中与所述操作指令对应的信息；接收所述云平台基于所述获取请求反馈的目标交互信息；基于所述目标交互信息，从预设框架库中确定目标交互框架；将所述目标交互信息填充至所述目标交互框架，生成目标交互界面并显示。由于本申请预设框架库中包含有适合于所有检测对象的通用的交互框架，在对不同检测对象进行检测时，只需要从光谱分析模型中获取相应检测对象的目标交互信息，并将目标交互信息填充至目标交互框架中，就可以完成对不同检测对象的光谱检测的交互，因而减少了应用软件的更新和升级操作，提升了软件的共用性。
附图说明
图1为本发明实施例提供的一光谱分析模型的示意图；
图2为本发明实施例提供的一云平台的业务逻辑示意图；
图3为本发明实施例提供的基于光谱分析模型的交互方法的流程图之一；
图4为本发明实施例提供的基于光谱分析模型的交互方法的流程图之二；
图5为本发明实施例提供的一当操作指令为检测对象查看指令时，生成目标交互界面的流程示意图；
图6为本发明实施例提供的一当操作指令为检测方法查看指令时，生成目标交互界面的流程示意图；
图7为本发明实施例提供的基于光谱分析模型的交互方法的流程之三；
图8为本发明实施例提供的一当操作指令为检测操作指令时，生成目标交互界面的流程示意图；
图9为本发明实施例提供的一当操作指令为属性评价指令时，生成目标交互界面的流程示意图；
图10为本发明实施例提供的基于光谱分析模型的交互方法的流程图之四；
图11为本发明实施例提供的基于光谱分析模型的交互系统的结构示意图。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。在下面的描述中，提供诸如具体的配置和组件的特定细节仅仅是为了帮助全面理解本发明的实施例。因此，本领域技术人员应该清楚，可以对这里描述的实施例进行各种改变和修改而不脱离本发明的范围和精神。另外，为了清楚和简洁，省略了对已知功能和构造的描述。
本申请的光谱分析交互方法基于智能设备和云平台，该智能设备包括但不限于移动终端、平板电脑、计算机、笔记本电脑、可穿戴设备、车载终端等，该智能设备连接光谱仪与云平台，实现与光谱仪和云平台之间的通讯，同时，用户可以通过智能设备上的交互界面完成光谱分析的各个交互环节。在该云平台中预设有光谱分析模型和业务逻辑。请参照图1，图1为光谱分析模型的示意图。如图1所示，光谱分析模型包括对象配置模块、仪器配置模块、属性配置模块、对象发布模块。该对象配置模块主要完成各模型预测对象的介绍信息的录入、为该对象分配唯一的标识和为该对象建立目录索引，配置完成后这些信息可以提供给外部，以便获得该对象及模型的详细信息。具体的，该对象配置模块包括但不限于以下内容：(1)创建对象：创建模型预测对象，并输入模型预测对象的名称，如苹果、梨子、香蕉等等，为该模型预测对象生成唯一标识。(2)对象分类：使建模专家按照预设的分类标准为该模型预测对象建立目录索引，便于外部使用者根据目录索引进行查找。如将一级目录设置为农业，二级目录设置为粮食、水果、加工，三级目录则由建模专家自行填写。(3)模型描述：录入该模型预设对象所对应预测模型的说明信息，如模型介绍或该模型的创建、更新及维护信息。(4)创建人信息：录入创建人姓名或创建单位名称的文字、图片等信息。(5)测量方法：录入正确使用光谱仪进行检测的信息，如检测步骤，检测对象的位置、采取的检测方式，检测对象如何取样、放置等与测量方法相关的文字、图片或视频信息。(6)属性描述：录入该模型预设对象能够被检测的属性名称、属性的检测范围以及各属性的检测精度等信息。(7)使用场景：录入该预测模型适合使用的应用场景信息，如对该模型预设对象的物理形态、温度、生熟情况等方面的要求，对光谱仪工作环境的要求，如温度等。该仪器配置模块主要对光谱仪本身的工作原理、采样方式、性能指标等内容进行适配，配置的内容根据光谱仪本身确定，包括但不限于光谱仪类型、型号、版本、配置、参数等信息。该属性配置模块是按照模型预测过程，将预测过程中每个步骤需要用到的算法、参数进行配置，最终实现光谱的模型预测。该属性配置模块包括但不限于以下内容：(1)属性评价配置：对属性的名称及模型预测结果的计量单位进行配置，用于表示预测结果的物理含义，例如，模型预测结果为浓度类型，单位为g/L。模型预测结束后会将属性名称、属性值及计量单位发送给外部设备进行展示，以便使用者明白属性值表示的具体含义。该配置中同时对属性的评价解释信息进行配置，例如，假设该预测模型为苹果的甜度测试，如果测量值在8-12Brix，则对苹果的评价解释结果定义为“低”；如果测量值在12-15Brix，则对苹果的评价解释结果定义为“中”；如果测量值在15-18Brix，则对苹果的评价解释结果定义为“高”。(2)预处理配置：包括对插值、预处理及结果验证三个步骤。其中，差值是根据预设的插值算法对光谱进行插值，以便使模型预测时的光谱与建模时的光谱保持一致。预处理需要提供两类预处理算法的配置能力。部分建模过程的预处理算法可以在模型预测过程中直接使用，如平滑算法，建模时采用的窗口大小为多少，模型预测时也采用同样的窗口大小。部分预测过程的预处理算法会用到建模时对所有光谱进行预处理时所形成的统计参数，如预处理采用正交信号校正算法时，会生成权重矩阵与载荷矩阵，这两个矩阵将会用来对新的被测物单条光谱进行预处理，以达到与建模一样的预处理效果，配置该预处理算法时需要上传这两个建模时形成的统计参数。结果验证用于提供插值及预处理结果验证功能，以便建模专家确认设置的预处理与自用建模工具的预处理算法结果是否一致。要求建模专家按照指定的文件及格式上传光谱，以便取出正确的数据内容按照设置的插值和预处理算法进行数据处理。数据处理结果可以导出，供建模专家将其与建模工具的预处理结果进行对比验证，发现问题。(3)波长选择：配置建模时选取的特征波段。(4)模型上传：包括模型类型配置及上传模型两个步骤。其中，模型类型配置是用于设置模型类型，如偏最小二乘(Partial least squares，简称PLS)、多元线性回归(multivariable linear regression，简称MLR)、支持向量机(Support VectorMachine，简称SVM)等。建模专家使用不同的模型类型最终会形成不同类型的预测模型，预测模型的类型不同，光谱与模型之间的计算方法不一样，因此需要模型专家选择具体的模型类型。上传模型是由建模专家上传模型本身，要求建模专家按照指定的文件及格式上传，以便使用正确的数据内容进行计算。(5)模型验证：提供模型预测结果验证，以便建模专家确认属性配置完成后能够对上传的光谱进行正确的预测。要求建模专家按照指定的文件及格式上传光谱，以便取出正确的数据内容进行模型预测。数据处理结果可以导出，供建模专家将其与建模工具的模型预测结果进行对比验证，发现问题。该对象发布模块用于将上述对象配置模块、仪器配置模块及属性配置模块中的信息按照预设方式存储于云平台的配置信息区，并将该阶段的对象唯一标识存储到标识信息中。
参照图2，图2为云平台的业务逻辑示意图，如图2所示，光谱仪与智能设备连接，智能设备与云平台连接，云平台根据功能模块的不同划分为接收模块、服务模块、数据存储模块、模型配置模块、调度模块、算法库。
基于上述光谱分析模型的配置过程可以完成对不同模型预测对象的模型配置，并将配置好的模型信息存储至云平台的数据存储模块的模型信息中。建模专家可以通过模型配置门户和服务模块进行模型配置共享，配置的业务逻辑由模型配置模块完成。智能设备可以通过服务模块加载其权限范围内的对象信息、仪器信息及检测对象唯一标识，用户可以通过智能设备，看到对象信息中的模型介绍。检测某对象时，可以通过该对象的唯一标识，加载的仪器信息控制光谱仪按建模时的仪器配置及参数来采集光谱。采集完毕后将检测对象的光谱信息发送给云平台的接收模块。服务模块同时还能够获取数据存储模块中的用户、模型及结果信息，提供给智能设备。接收模块接收到光谱信息后，将光谱信息发送给调度模块。调度模块首先根据检测对象的唯一标识，找到模型信息中与检测对象对应的模型信息，把光谱信息和模型信息中的仪器信息进行比较。如果光谱信息和模型信息中的仪器信息不同，则将仪器不匹配的结果保存于结果信息区。如果光谱信息和模型信息中的仪器信息相同，则提取模型信息中该对象的属性信息，依照其中的光谱插值、预处理，模型类型及上传的数据模型，调用算法库中对应的算法进行计算，最终得到检测对象每个属性的预测值，并把计算结果保存至结果信息区，供服务模块读取。
本申请的实施例提供了一种基于光谱分析模型的交互方法，如图3所示，该基于光谱分析模型的交互方法包括：
步骤S100，接收用户基于交互界面输入的操作指令。
上述交互界面可以为智能设备上自带的交互界面，也可以为智能设备外接的交互界面。用户可以基于交互界面与智能设备进行人机交互，以完成光谱分析的各个环节。上述操作指令可以是基于检测对象查看环节的检测对象查看指令，也可以是基于检测方法查看环节的检测方法查看指令，也可以是基于检测操作环节的检测操作指令，也可以是基于属性评价环节的属性评价指令等等。由于用户可以在交互界面上输入不同的操作指令，来完成光谱分析所需的交互过程。
步骤S200，根据所述操作指令，向云平台发送目标交互信息的获取请求。
智能设备接收到操作指令后，根据操作指令的内容，向云平台发送目标交互信息的请求指令，以使云平台根据目标交互信息的请求指令，返回对应的目标交互信息给智能设备。需要说明的是，由于用户输入的操作指令不同，该操作指令所对应的目标请求信息也将不同。其中，目标交互信息为云平台中预设的光谱分析模型中与操作指令对应的相关信息。例如，假设上述操作指令为检测对象查看指令，那么智能设备向云平台请求的目标交互信息是检测对象的介绍信息，亦或是上述操作指令为检测方法查看指令，那么智能设备向云平台请求的目标交互信息是检测方法的介绍信息。
步骤S300，接收所述云平台基于所述获取请求反馈的目标交互信息。
步骤S400，基于所述目标交互信息，从预设框架库中确定目标交互框架。
智能设备接收到云平台反馈的目标交互信息后，根据该目标交互信息确定需要使用的目标交互框架，并从预设框架库中获取目标交互框架。需要说明的是，在预设框架库中预先设置有光谱分析过程中各环节所需要的交互框架，这些交互框架基于固定的框架模板，从目标交互信息中提取相应信息进行填充，因而可以适用于各种检测对象，不需要针对每种检测对象单独设置目标交互界面，实现了交互框架的共享。
步骤S500，将所述目标交互信息填充至所述目标交互框架，生成目标交互界面并显示。
目标交互信息可以为文字、图片、视频或动画等任意形式的信息，本申请实施例不做具体限定。智能设备基于目标交互信息中的相关字段，将对字段的信息填充至目标交互框架，形成最终的目标交互界面，并将其显示给用户。用户可以基于生成的目标交互界面继续后续的交互环节，直到完成整个光谱分析过程。
本实施例中，智能设备本身并不需要存放交互信息，只存放了每个阶段不同作用的交互框架，交互信息均存放于云平台。不同的建模商只需要在云平台增加模型配置信息，智能设备能在相应的阶段调用对应的目标交互框架，并从云平台获取对应的目标交互信息填充该目标交互框架。当有检测对象新增时，智能设备只需要将该检测对象的目标交互信息从云平台获取，并加载到目标交互框架中，就可以完成新增检测对象的检测，智能设备并不会因为检测对象的增加来进行相应应用软件的更新或升级，由此可以完成对不同检测对象的光谱检测的交互，因而减少了应用软件的更新和升级操作，提升了软件的共用性。
进一步地，参照图4，图4为本发明实施例提供的基于光谱分析模型的交互方法的流程图之二，基于上述图3所示的实施例，上述步骤S200根据所述操作指令，向云平台发送目标交互信息的获取请求，包括：
步骤S210，根据所述操作指令，确定交互事件和检测对象的身份标识。
所述操作指令至少包括以下之一：检测对象查看指令、检测方法查看指令、检测操作指令和属性评价指令。该交互事件可以根据光谱分析的不同阶段的操作指令进行定义，包括检测对象查看事件、检测方法查看事件、检测操作事件、属性评价事件等等。该检测对象的身份标识与上述光谱分析模型中的模型预测对象的唯一标识对应，可以根据检测对象的身份标识确定模型中的检测对象。
步骤S220，根据所述交互事件和所述身份标识，生成所述目标交互信息的获取请求。
由于不同的操作指令请求的目标交互信息不同，因此需要根据交互事件和身份标识确定目标交互信息。本实施例中，在操作指令为检测对象查看指令的情况下，目标交互信息为检测对象的介绍信息；在操作指令为检测方法查看指令的情况下，目标交互信息为检测方法的介绍信息；在操作指令为检测操作指令的情况下，目标交互信息为仪器配置信息；在操作指令为属性评价指令的情况下，目标交互信息为属性评价信息。
步骤S230，向所述云平台发送所述目标交互信息的获取请求，以供所述云平台从所述光谱分析模型中获取与所述交互事件和所述身份标识均匹配的目标交互信息。
智能设备向云平台发送目标信息的获取请求，云平台会根据获取请求从光谱分析模型中获取与交互事件和身份标识均匹配的目标交互信息，并将目标交互信息发送给智能设备，这样智能设备就能基于该目标交互信息，获取目标交互框架，并对目标交互框架进行填充，形成目标交互界面。
具体地，当操作指令为检测对象查看指令时，生成目标交互界面的流程示意图如图5所示。用户在智能设备的交互界面触发检测对象查看指令，智能设备根据检测对象查看指令、检测对象身份标识从云平台下载该检测对象的对象信息，同时向预设框架库发送检查对象展示请求，预设框架库提供检查对象查看的目标交互框架，智能设备将该检测对象的对象信息填充在目标交互框架中，并加载到界面供用户查看。此时，目标交互框架可以包括以下主题：属性名称、检测范围、检测精度、使用场景等，而不同的对象可以是用不同的主题内容进行填充。
当操作指令为检测方法查看指令时，生成目标交互界面的流程示意图如图6所示。用户在智能设备的交互界面触发检测方法查看指令，智能设备根据检测方法查看指令、检测对象身份标识从云平台下载该检测对象的检测方法信息，同时向预设框架库发送检测方法展示请求，预设框架库提供检测方法展示的目标交互框架，智能设备将该检测对象的检测方法展示信息填充在目标交互框架中，并加载到界面供用户查看。此时，目标交互框架可以包括以下主题：检测方法、方面描述等信息，而不同的对象可以是用不同的主题内容进行填充。
本实施例中，由于交互信息存储在云平台，智能设备只需要根据用户在交互界面触发的操作指令，就能从云平台加载所需的目标交互信息即可，从而提高了智能设备的运行效率。同时智能设备可对不同检测对象的目标交互信息进行填充，提高了检测的通用性和实用性。
进一步地，参照图7，图7为本发明实施例提供的基于光谱分析模型的交互方法的流程之三，基于上述图3所示的实施例，在上述步骤S300，接收所述云平台基于所述获取请求反馈的目标交互信息之后，包括：
步骤S310，在所述操作指令为所述检测操作指令的情况下，获取光谱仪的实际配置参数；
步骤S320，根据所述目标交互信息和所述实际配置参数，确定匹配结果；
步骤S330，在所述匹配结果不一致的情况下，获取所述匹配结果中的错误类型，并根据所述错误类型从预设框架库中确定目标交互框架；
步骤S340，将所述错误类型填充至所述目标交互框架，生成目标交互界面并显示。
在操作指令为检测操作指令的情况下，对应的目标交互信息为光谱分析模型中的仪器配置信息，此时智能设备需要根据光谱分析模型中的仪器配置信息与光谱仪的实际配置信息进行匹配，在匹配过程中，智能设备会针对光谱仪中的可调节参数进行调整，自动更新为与光谱分析模型中的仪器配置信息一致，而对于光谱仪中的不可调节参数进行匹配，如果不可调节参数的匹配结果不一致，则表明当前的光谱仪不能支持当前模型的检测，此时智能设备会生成错误类型，并根据错误类型向预设框架库发送错误类型展示请求，调用预设框架库中对应的目标交互框架，并将错误类型填充至目标交互框架，生成用于错误类型展示的目标交互界面。当操作指令为检测操作指令时，生成目标交互界面的流程示意图如图8所示。用户在智能设备的交互界面触发检测操作指令，智能设备根据检测操作指令、检测对象身份标识从云平台下载该模型仪器配置信息，同时向与光谱仪连接的控制模块发送仪器配置信息及匹配请求，从光谱仪中获取实际光谱，根据仪器配置信息对光谱仪中的可调节参数进行调整，自动更新为与光谱分析模型中的仪器配置信息一致；再根据匹配请求对光谱仪中的不可调节参数进行比较，在匹配结果不一致时，智能设备会生成错误类型，并根据错误类型调用对应的目标交互框架，生成用于错误类型展示的目标交互界面。此时，目标交互框架至少包括以下主题：匹配错误类型、匹配错原因、解决办法等。以仪器型号为例，目标交互界面显示“匹配错误类型：型号不匹配；错误原因：仪器型号01，模型仪器型号：02；解决办法：更换仪器”，以光谱库版不匹配本为例，展示界面显示“匹配错误类型：光谱库版本不匹配；错误原因：仪器光谱库版本V01，模型光谱库版本V02；解决办法：升级光谱库版本”。
本实施例中，在进行检测操作时，会自动根据模型中的仪器配置对光谱仪中的可调节参数进行调整，从而简化非专业人员的操作难度。同时，在光谱仪与模型中的仪器配置不一致时，会进行错误类型提示，方便用户针对提示进行相应操作。
进一步地，基于上述图7所示的实施例，在上述步骤S320，根据所述目标交互信息和所述实际配置参数，确定匹配结果之后，包括：
步骤S350，在所述匹配结果一致的情况下，接收所述光谱仪采集的实际光谱；
步骤S360，向所述云平台发送所述实际光谱和所述身份标识，以供所述云平台基于所述光谱分析模型对所述实际光谱进行预测，确定检测对象的属性预测值，并根据所述属性预测值与预设的属性评价规则，确定检测对象的属性评价信息；
步骤S370，在接收到所述属性评价指令的操作指令的情况下，执行所述根据所述操作指令，向云平台发送目标交互信息的获取请求的步骤。
在光谱仪的不可调节参数与模型仪器的配置信息一致时，则表明当前的光谱仪支持当前模型的检测，则继续后续的光谱分析测试。具体地，智能设备控制光谱仪获取检测对象的实际光谱，并在获取实际光谱后，将该实际光谱和检测对象的身份标识发送至云平台，云平台接收实际光谱和检测对象的身份标识后，基于预设的光谱分析模型对实际光谱进行预测，确定检测对象的属性预测值，并根据属性预测值与预设的属性评价规则，确定检测对象的属性评价信息，由此得到预测结果信息。将该预测结果保存在云平台的结果信息区。此时，当操作指令为属性评价指令时，生成目标交互界面的流程示意图如图9所示。用户在智能设备的交互界面触发属性评价指令，智能设备根据属性评价指令、检测对象身份标识从云平台下载该预测结果信息，同时向预设框架库发出预测结果展示请求，预设框架库提供预测结果展示的目标交互框架，智能设备将该检测对象的预测结果展示信息填充在目标交互框架中生成目标交互界面，并加载到界面供用户查看。
本实施例中，在光谱仪与模型中的仪器配置一致时，会将实际光谱发送至云平台的光谱分析模型中，以完成对检测对象的光谱检测，无需在智能设备中进行光谱预测分析，提高智能设备的运行效率。
参照图10，图10为本发明实施例提供的基于光谱分析模型的交互方法的流程图之四，该基于光谱分析模型的交互方法，包括：
步骤S600，接收智能设备反馈的目标交互信息的获取请求。
上述智能设备与云平台连接，实现智能设备和云平台之间的通讯。上述目标交互信息的获取请求是根据用户基于该智能设备的交互界面输入的操作指令而生成的请求。用户在交互界面可输出的操作指令可以为检测对象查看指令、检测方法查看指令、检测操作指令和属性评价指令等，以此完成光谱分析的各个环节。由于用户输入的操作指令不同，其对应的目标交互信息也就不同，例如，在操作指令为检测对象查看指令的情况下，目标交互信息为检测对象的介绍信息；在操作指令为检测方法查看指令的情况下，目标交互信息为检测方法的介绍信息；在操作指令为检测操作指令的情况下，目标交互信息为仪器配置信息；在操作指令为属性评价指令的情况下，目标交互信息为属性评价信息。
步骤S700，从所述光谱分析模型中获取与所述获取请求匹配的目标交互信息。
由于云平台中预设有光谱分析模型，在接收到获取请求时，可以根据获取请求中包含的交互事件和检测对象身份标识，从光谱分析模型中得到与交互事件和检测对象身份标识均匹配的目标交互信息。例如，假设上述获取请求为检测对象查看指令对应的获取请求，那么云平台获得的目标交互信息是检测对象的介绍信息，亦或是上述获取请求为检测方法查看指令对应的获取请求，那么云平台获得到目标交互信息是检测方法的介绍信息。
步骤S800，基于所述目标交互信息，从预设框架库中确定目标交互框架。
步骤S900，将所述目标交互信息填充至所述目标交互框架，生成目标交互界面，并将所述目标交互界面发送至所述智能终端进行显示。
云平台获得目标交互信息后，根据该目标交互信息确定需要使用的目标交互框架，并从预设框架库中获取目标交互框架。需要说明的是，在预设框架库中预先设置有光谱分析过程中各环节所需要的交互框架，这些交互框架基于固定的框架模板，从目标交互信息中提取相应信息进行填充，因而可以适用于各种检测对象，不需要针对每种检测对象单独设置目标交互界面，实现了交互框架的共享。
目标交互信息可以为文字、图片、视频或动画等任意形式的信息，本申请实施例不做具体限定。云平台基于目标交互信息中的相关字段，将对字段的信息填充至目标交互框架，形成最终的目标交互界面，并将其发送至智能设备，由智能设备显示给用户，由此用户可以基于生成的目标交互界面继续后续的交互环节，直到完成整个光谱分析过程。
本实施例与上述图3所示实施例的区别在于，预设框架库存在云平台中，且云平台在获取到目标交互信息后，不需要将目标交互信息发送至智能设备，而是直接在云平台根据目标交互信息，从预设框架库中调用目标交互框架，并将目标交互信息填充至目标交互框架，生成填充后的目标交互界面，最后将生成的目标交互界面发送至智能设备中。智能设备只需要与云平台通信，并完成与用户的交互显示即可，由此提高了光谱检测的效率，也避免对智能设备和云平台上软件的频繁更新。
进一步地，所述操作指令至少包括以下之一：检测对象查看指令、检测方法查看指令、检测操作指令和属性评价指令。
用户可以在智能设备上输入各类操作指令，由此实现光谱检测各阶段的交互。在操作指令为检测对象查看指令的情况下，可完成对检测对象的介绍信息的查看；在操作指令为检测方法查看指令的情况下，可完成检测方法的介绍信息的查看；在操作指令为检测操作指令的情况下，可完成仪器配置信息的查看；在操作指令为属性评价指令的情况下，可完成属性评价信息的查看。
进一步地，在上述步骤S700，从所述光谱分析模型中获取与所述获取请求匹配的目标交互信息之后，包括：
步骤S710，在所述操作指令为所述检测操作指令的情况下，接收所述智能设备反馈的光谱仪的实际配置参数；
步骤S720，根据所述目标交互信息和所述实际配置参数，确定匹配结果；
步骤S730，在所述匹配结果不一致的情况下，获取所述匹配结果中的错误类型，并根据所述错误类型从预设框架库中确定目标交互框架；
步骤S740，将所述错误类型填充至所述目标交互框架，生成目标交互界面，并将所述目标交互界面发送至所述智能终端进行显示。
在操作指令为检测操作指令的情况下，云平台获取检测操作指令对应的目标交互信息为光谱分析模型中的仪器配置信息，此时云平台需要根据光谱分析模型中的仪器配置信息与光谱仪的实际配置信息进行匹配，在匹配过程中，云平台向智能设备发送仪器配置请求，对光谱仪中的可调节参数进行调整，自动更新为与光谱分析模型中的仪器配置信息一致，而对于光谱仪中的不可调节参数进行匹配，如果不可调节参数的匹配结果不一致，则表明当前的光谱仪不能支持当前模型的检测，此时云平台会生成错误类型，并根据错误类型向预设框架库发送错误类型展示请求，调用预设框架库中对应的目标交互框架，并将错误类型填充至目标交互框架，生成用于错误类型展示的目标交互界面。具体地，用户在智能设备的交互界面触发检测操作指令，智能设备发送检测操作指令、检测对象身份标识给云平台，云平台获取该模型仪器配置信息，同时向智能设备发送仪器配置信息及匹配请求，从光谱仪中获取实际光谱，根据仪器配置信息对光谱仪中的可调节参数进行调整，自动更新为与光谱分析模型中的仪器配置信息一致；再根据匹配请求对光谱仪中的不可调节参数进行比较，在匹配结果不一致时，云平台会生成错误类型，并根据错误类型调用对应的目标交互框架，生成用于错误类型展示的目标交互界面，最后将其发送至智能设备。此时，目标交互框架至少包括以下主题：匹配错误类型、匹配错原因、解决办法等。以仪器型号为例，目标交互界面显示“匹配错误类型：型号不匹配；错误原因：仪器型号01，模型仪器型号：02；解决办法：更换仪器”，以光谱库版不匹配本为例，展示界面显示“匹配错误类型：光谱库版本不匹配；错误原因：仪器光谱库版本V01，模型光谱库版本V02；解决办法：升级光谱库版本”。
本实施例中，在进行检测操作时，会自动根据模型中的仪器配置对光谱仪中的可调节参数进行调整，从而简化非专业人员的操作难度。同时，在光谱仪与模型中的仪器配置不一致时，会进行错误类型提示，方便用户针对提示进行相应操作。
进一步地，在上述步骤S720，根据所述目标交互信息和所述实际配置参数，确定匹配结果之后，包括：
步骤S750，在所述匹配结果一致的情况下，接收所述智能设备反馈的实际光谱；
步骤S760，基于所述光谱分析模型对所述实际光谱进行预测，确定检测对象的属性预测值；
步骤S770，根据所述属性预测值与预设的属性评价规则，确定检测对象的属性评价信息；
步骤S780，在接收到所述智能设备反馈的属性评价信息的获取请求的情况下，执行所述从所述光谱分析模型中获取与所述获取请求匹配的目标交互信息的步骤。
在光谱仪的不可调节参数与模型仪器的配置信息一致时，则表明当前的光谱仪支持当前模型的检测，则继续后续的光谱分析测试。具体地，云平台向智能设备发送光谱获取请求，并接收智能设备从光谱仪获取到的检测对象的实际光谱，并在获取实际光谱后，基于预设的光谱分析模型对实际光谱进行预测，确定检测对象的属性预测值，并根据属性预测值与预设的属性评价规则，确定检测对象的属性评价信息，由此得到预测结果信息。将该预测结果保存在云平台的结果信息区。具体地，用户在智能设备的交互界面触发属性评价指令，智能设备发送属性评价指令、检测对象身份标识至云平台，云平台从结果信息区获取预测结果信息，同时向预设框架库发出预测结果展示请求，预设框架库提供预测结果展示的目标交互框架，再将该检测对象的预测结果展示信息填充在目标交互框架中，生成用于预测结果展示的目标交互界面，发送至智能设备，并由智能设备加载到界面供用户查看。
本实施例中，在光谱仪与模型中的仪器配置一致时，云平台会将实际光谱发送至云平台的光谱分析模型中，以完成对检测对象的光谱检测，并直接生成预测结果展示界面给智能设置，从而提高了光谱分析的效率。
进一步地，本发明还提供一种基于光谱分析模型的交互系统，如图11所示，该系统包括：智能设备和云平台；
所述智能设备，用于接收用户基于交互界面输入的操作指令；根据所述操作指令，向云平台发送目标交互信息的获取请求，其中，所述目标交互信息为所述云平台中预设的光谱分析模型中与所述操作指令对应的信息；
所述云平台，用于接收所述智能设备反馈的目标交互信息的获取请求；从所述光谱分析模型中获取与所述获取请求匹配的目标交互信息；
所述智能设备，用于接收所述云平台基于所述获取请求反馈的目标交互信息；基于所述目标交互信息，从预设框架库中确定目标交互框架；将所述目标交互信息填充至所述目标交互框架，生成目标交互界面并显示。
本发明实施例基于光谱分析模型的交互系统，是与上述基于光谱分析模型的交互方法相对应的系统，上述方法中的所有实现方式均适用于该系统的实施例中，也能达到相同的技术效果，在此不一一赘述。
进一步地，本发明还提供一种基于光谱分析模型的交互系统，该系统包括：智能设备和云平台；
所述智能设备，用于接收用户基于交互界面输入的操作指令；根据所述操作指令，向云平台发送目标交互信息的获取请求，其中，所述目标交互信息为所述云平台中预设的光谱分析模型中与所述操作指令对应的信息；
所述云平台，用于接收所述智能设备反馈的目标交互信息的获取请求；从所述光谱分析模型中获取与所述获取请求匹配的目标交互信息；基于所述目标交互信息，从预设框架库中确定目标交互框架；将所述目标交互信息填充至所述目标交互框架，生成目标交互界面，并将所述目标交互界面发送至所述智能终端进行显示。
本发明实施例基于光谱分析模型的交互系统，是与上述基于光谱分析模型的交互方法相对应的系统，上述方法中的所有实现方式均适用于该系统的实施例中，也能达到相同的技术效果，在此不一一赘述。
本发明实施例还提供了一种计算机可读存储介质，计算机可读存储介质上存储计算机程序，计算机程序被处理器执行时实现上述的基于光谱分析模型的交互方法的步骤。上述方法中的所有实现方式均适用于该计算机可读存储介质的实施例中，也能达到相同的技术效果，在此不一一赘述。
以上的是本发明的优选实施方式，应当指出对于本技术领域的普通人员来说，在不脱离本发明的原理前提下还可以作出若干改进和润饰，这些改进和润饰也在本发明的保护范围内。
Claims (11)
1.一种基于光谱分析模型的交互方法，其特征在于，包括：
接收用户基于交互界面输入的操作指令；
根据所述操作指令，向云平台发送目标交互信息的获取请求，其中，所述目标交互信息为所述云平台中预设的光谱分析模型中与所述操作指令对应的信息；
接收所述云平台基于所述获取请求反馈的目标交互信息；
基于所述目标交互信息，从预设框架库中确定目标交互框架；
将所述目标交互信息填充至所述目标交互框架，生成目标交互界面并显示。
2.根据权利要求1所述的方法，其特征在于，所述根据所述操作指令，向云平台发送目标交互信息的获取请求，包括：
根据所述操作指令，确定交互事件和检测对象的身份标识；
根据所述交互事件和所述身份标识，生成所述目标交互信息的获取请求；
向所述云平台发送所述目标交互信息的获取请求，以供所述云平台从所述光谱分析模型中获取与所述交互事件和所述身份标识均匹配的目标交互信息；
其中，所述操作指令至少包括以下之一：检测对象查看指令、检测方法查看指令、检测操作指令和属性评价指令。
3.根据权利要求2所述的方法，其特征在于，在所述接收所述云平台基于所述获取请求反馈的目标交互信息之后，包括：
在所述操作指令为所述检测操作指令的情况下，获取光谱仪的实际配置参数；
根据所述目标交互信息和所述实际配置参数，确定匹配结果；
在所述匹配结果不一致的情况下，获取所述匹配结果中的错误类型，并根据所述错误类型从预设框架库中确定目标交互框架；
所述将所述目标交互信息填充至所述目标交互框架，生成目标交互界面并显示，包括：
将所述错误类型填充至所述目标交互框架，生成目标交互界面并显示。
4.根据权利要求3所述的方法，其特征在于，在所述根据所述目标交互信息和所述实际配置参数，确定匹配结果之后，包括：
在所述匹配结果一致的情况下，接收所述光谱仪采集的实际光谱；
向所述云平台发送所述实际光谱和所述身份标识，以供所述云平台基于所述光谱分析模型对所述实际光谱进行预测，确定检测对象的属性预测值，并根据所述属性预测值与预设的属性评价规则，确定检测对象的属性评价信息；
在接收到所述属性评价指令的操作指令的情况下，执行所述根据所述操作指令，向云平台发送目标交互信息的获取请求的步骤。
5.一种基于光谱分析模型的交互方法，其特征在于，包括：
接收智能设备反馈的目标交互信息的获取请求，其中，所述目标交互信息的获取请求是根据用户基于所述智能设备的交互界面输入的操作指令生成的请求；
从所述光谱分析模型中获取与所述获取请求匹配的目标交互信息；
基于所述目标交互信息，从预设框架库中确定目标交互框架；
将所述目标交互信息填充至所述目标交互框架，生成目标交互界面，并将所述目标交互界面发送至所述智能终端进行显示。
6.根据权利要求5所述的方法，其特征在于，所述操作指令至少包括以下之一：检测对象查看指令、检测方法查看指令、检测操作指令和属性评价指令。
7.根据权利要求6所述的方法，其特征在于，在所述从所述光谱分析模型中获取与所述获取请求匹配的目标交互信息之后，包括：
在所述操作指令为所述检测操作指令的情况下，接收所述智能设备反馈的光谱仪的实际配置参数；
根据所述目标交互信息和所述实际配置参数，确定匹配结果；
在所述匹配结果不一致的情况下，获取所述匹配结果中的错误类型，并根据所述错误类型从预设框架库中确定目标交互框架；
所述将所述目标交互信息填充至所述目标交互框架，生成目标交互界面，并将所述目标交互界面发送至所述智能终端进行显示，包括：
将所述错误类型填充至所述目标交互框架，生成目标交互界面，并将所述目标交互界面发送至所述智能终端进行显示。
8.根据权利要求7所述的方法，其特征在于，在所述根据所述目标交互信息和所述实际配置参数，确定匹配结果之后，包括：
在所述匹配结果一致的情况下，接收所述智能设备反馈的实际光谱；
基于所述光谱分析模型对所述实际光谱进行预测，确定检测对象的属性预测值；
根据所述属性预测值与预设的属性评价规则，确定检测对象的属性评价信息；
在接收到所述智能设备反馈的属性评价信息的获取请求的情况下，执行所述从所述光谱分析模型中获取与所述获取请求匹配的目标交互信息的步骤；
其中，所述属性评价信息为所述属性评价指令对应的目标交互信息。
9.一种基于光谱分析模型的交互系统，其特征在于，包括：智能设备和云平台；
所述智能设备，用于接收用户基于交互界面输入的操作指令；根据所述操作指令，向云平台发送目标交互信息的获取请求，其中，所述目标交互信息为所述云平台中预设的光谱分析模型中与所述操作指令对应的信息；
所述云平台，用于接收所述智能设备反馈的目标交互信息的获取请求；从所述光谱分析模型中获取与所述获取请求匹配的目标交互信息；
所述智能设备，还用于接收所述云平台基于所述获取请求反馈的目标交互信息；基于所述目标交互信息，从预设框架库中确定目标交互框架；将所述目标交互信息填充至所述目标交互框架，生成目标交互界面并显示。
10.一种基于光谱分析模型的交互系统，其特征在于，包括：智能设备和云平台；
所述智能设备，用于接收用户基于交互界面输入的操作指令；根据所述操作指令，向云平台发送目标交互信息的获取请求，其中，所述目标交互信息为所述云平台中预设的光谱分析模型中与所述操作指令对应的信息；
所述云平台，用于接收所述智能设备反馈的目标交互信息的获取请求；从所述光谱分析模型中获取与所述获取请求匹配的目标交互信息；基于所述目标交互信息，从预设框架库中确定目标交互框架；将所述目标交互信息填充至所述目标交互框架，生成目标交互界面，并将所述目标交互界面发送至所述智能终端进行显示。
11.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现如权利要求1至8任一项所述的基于光谱分析模型的交互方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010805726.8A CN114077427B (zh) | 2020-08-12 | 2020-08-12 | 基于光谱分析模型的交互方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010805726.8A CN114077427B (zh) | 2020-08-12 | 2020-08-12 | 基于光谱分析模型的交互方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114077427A true CN114077427A (zh) | 2022-02-22 |
| CN114077427B CN114077427B (zh) | 2024-05-24 |
Family
ID=80280346
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010805726.8A Active CN114077427B (zh) | 2020-08-12 | 2020-08-12 | 基于光谱分析模型的交互方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114077427B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102058432A (zh) * | 2009-11-11 | 2011-05-18 | 美国西门子医疗解决公司 | 用于动态地改善医学图像获取质量的系统 |
| CN104571816A (zh) * | 2014-12-24 | 2015-04-29 | 深圳市元征科技股份有限公司 | 一种信息获取方法、终端及系统 |
| CN105897901A (zh) * | 2016-04-27 | 2016-08-24 | 范雨鸽 | 一种基于物联网的全人工光型植物工厂智能监控系统 |
| CN106461461A (zh) * | 2014-01-03 | 2017-02-22 | 威利食品有限公司 | 光谱测定系统、方法和应用 |
| CN108040278A (zh) * | 2017-11-30 | 2018-05-15 | 深圳市雷鸟信息科技有限公司 | 智能电视的活动页处理方法、服务器、系统及存储介质 |
| US20180227421A1 (en) * | 2013-03-14 | 2018-08-09 | Mattersight Corporation | System and methods for analyzing online forum language |
| CN109269475A (zh) * | 2018-09-29 | 2019-01-25 | 成都信息工程大学 | 一种空地一体植物自动检测系统及方法 |
| CN110532901A (zh) * | 2019-08-12 | 2019-12-03 | 北京邮电大学 | 基于多目标检测的深度学习智能光谱分析方法及系统 |
| CN111239054A (zh) * | 2018-11-28 | 2020-06-05 | 中移物联网有限公司 | 一种光谱分析模型应用方法和装置 |
-
2020
- 2020-08-12 CN CN202010805726.8A patent/CN114077427B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102058432A (zh) * | 2009-11-11 | 2011-05-18 | 美国西门子医疗解决公司 | 用于动态地改善医学图像获取质量的系统 |
| US20180227421A1 (en) * | 2013-03-14 | 2018-08-09 | Mattersight Corporation | System and methods for analyzing online forum language |
| CN106461461A (zh) * | 2014-01-03 | 2017-02-22 | 威利食品有限公司 | 光谱测定系统、方法和应用 |
| CN104571816A (zh) * | 2014-12-24 | 2015-04-29 | 深圳市元征科技股份有限公司 | 一种信息获取方法、终端及系统 |
| CN105897901A (zh) * | 2016-04-27 | 2016-08-24 | 范雨鸽 | 一种基于物联网的全人工光型植物工厂智能监控系统 |
| CN108040278A (zh) * | 2017-11-30 | 2018-05-15 | 深圳市雷鸟信息科技有限公司 | 智能电视的活动页处理方法、服务器、系统及存储介质 |
| CN109269475A (zh) * | 2018-09-29 | 2019-01-25 | 成都信息工程大学 | 一种空地一体植物自动检测系统及方法 |
| CN111239054A (zh) * | 2018-11-28 | 2020-06-05 | 中移物联网有限公司 | 一种光谱分析模型应用方法和装置 |
| CN110532901A (zh) * | 2019-08-12 | 2019-12-03 | 北京邮电大学 | 基于多目标检测的深度学习智能光谱分析方法及系统 |
Non-Patent Citations (3)
| Title |
|---|
| U KANG 等: "Spectral Analysis for Billion-Scale Graphs: Discoveries and Implementation", 《LECTURE NOTES IN COMPUTER SCIENCE》, no. 6635, 31 December 2011 (2011-12-31), pages 13 * |
| 余清华 等: "基于微型光谱仪的微小型快速生化检测仪设计与实验", 《光谱学与光谱分析》, vol. 32, no. 3, 15 March 2012 (2012-03-15), pages 854 - 857 * |
| 叶志鹏, 《中国博士学位论文全文数据库 信息科技辑》, no. 1, 15 January 2018 (2018-01-15), pages 138 - 47 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114077427B (zh) | 2024-05-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110955416A (zh) | 接口文档生成方法、装置、设备和计算机存储介质 | |
| CN107766946B (zh) | 生成机器学习样本的组合特征的方法及系统 | |
| CN108228761B (zh) | 支持区域自定义的图像检索方法和装置、设备、介质 | |
| US20210174949A1 (en) | Translation modeling methods and systems for simulating sensor measurements | |
| CN109783388A (zh) | Ui自动化测试方法、装置及电子设备 | |
| CN109857630A (zh) | 代码检测方法、系统及设备 | |
| CN109726109A (zh) | 代码调试方法、装置、设备和计算机存储介质 | |
| CN114036113A (zh) | 设备管理方法、装置、电子设备及存储介质 | |
| CN110046081A (zh) | 性能测试方法、性能测试装置、电子设备及存储介质 | |
| AU2006263327A1 (en) | Apparatus and method for evaluating data points against cadastral regulations | |
| CN110232130B (zh) | 元数据管理谱系生成方法、装置、计算机设备和存储介质 | |
| CN115423040A (zh) | 互动营销平台的用户画像识别方法及ai系统 | |
| CN111191797A (zh) | 信息处理方法、装置、电子设备及存储介质 | |
| CN114077427B (zh) | 基于光谱分析模型的交互方法及系统 | |
| CN207689356U (zh) | 一种光谱检测服务器及系统 | |
| CN113485882A (zh) | 芯片验证方法、装置及计算机可读存储介质 | |
| CN116911186B (zh) | 用于单频光纤激光器的智能设计系统 | |
| CN110458664B (zh) | 一种用户出行信息预测方法、装置、设备及存储介质 | |
| US20230305527A1 (en) | Method and apparatus for determining product manufacturing program, device and storage medium | |
| CN115545613A (zh) | 一种仪表生产工单确定方法、装置及计算机设备 | |
| CN113204558B (zh) | 数据表结构自动更新方法和装置 | |
| CN113098961B (zh) | 组件上传方法、装置、系统、计算机设备及可读存储介质 | |
| CN111239054A (zh) | 一种光谱分析模型应用方法和装置 | |
| CN114756875A (zh) | 一种代码扫描方法及电子设备 | |
| CN112966971A (zh) | 一种项目工作量评估方法和装置 |
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 |