CN114235726A - 微流控总氮浓度检测的数据处理方法、系统、设备及介质 - Google Patents

微流控总氮浓度检测的数据处理方法、系统、设备及介质 Download PDF

Info

Publication number
CN114235726A
CN114235726A CN202111473244.8A CN202111473244A CN114235726A CN 114235726 A CN114235726 A CN 114235726A CN 202111473244 A CN202111473244 A CN 202111473244A CN 114235726 A CN114235726 A CN 114235726A
Authority
CN
China
Prior art keywords
concentration
value
linear regression
regression model
data
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
Application number
CN202111473244.8A
Other languages
English (en)
Other versions
CN114235726B (zh
Inventor
张振扬
武治国
陈银
潘凌
杨伟光
舒文涛
张春萍
桂漭漭
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.)
Wuhan Newfiber Optoelectronics Co Ltd
Original Assignee
Wuhan Newfiber Optoelectronics 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 Wuhan Newfiber Optoelectronics Co Ltd filed Critical Wuhan Newfiber Optoelectronics Co Ltd
Priority to CN202111473244.8A priority Critical patent/CN114235726B/zh
Publication of CN114235726A publication Critical patent/CN114235726A/zh
Application granted granted Critical
Publication of CN114235726B publication Critical patent/CN114235726B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • 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
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • 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
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Software Systems (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Algebra (AREA)
  • Immunology (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Pathology (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明提出了一种微流控总氮浓度检测的数据处理方法、系统、设备及介质，准备多组标液浓度值已知的总氮标液，采集多组不同环境数据，根据标液浓度
Figure 737965DEST_PATH_IMAGE001
、环境数据以及测量浓度值
Figure 817916DEST_PATH_IMAGE002
构建第一多元线性回归模型，计算得到非0浓度标液
Figure 640379DEST_PATH_IMAGE003
在不同环境下的计算浓度值
Figure 704150DEST_PATH_IMAGE004
，并实时计算出对应吸光度值
Figure 371891DEST_PATH_IMAGE005
；根据计算浓度值
Figure 837508DEST_PATH_IMAGE004
、吸光度值
Figure 627609DEST_PATH_IMAGE005
以及环境数据构建第二多元线性回归模型；将当前多个实际测量的环境数据代入到所述第二多元线性回归模型中，计算校准值，进行测试，计算校准误差并根据所述校准误差对所述第二多元线性回归模型进行迭代。本发明通过收集数据，实时对模型进行更新迭代来预测校准后的数据，减小了测量数据误差，提高了测量精度。

Description

微流控总氮浓度检测的数据处理方法、系统、设备及介质
技术领域
本发明涉及总氮浓度检测技术领域，尤其涉及一种微流控总氮浓度检测的数据处理方法、系统、设备及介质。
背景技术
目前常规的在线测量总氮设备，是通过过硫酸钾氧化剂和水样在高温高压下，水样中的各种含氮化合物经过过硫酸钾氧化消解转变成硝酸盐。在酸性条件下，硝酸盐与间苯二酚发生显色反应，颜色的深浅与水样中总氮含量成正比，通过光度法测量反应物的吸光度值，从而得到样品中的总氮含量。
在上述过程当中，总氮需要的光源波长为220nm波长光才能穿透，而常规的LED发光管波长都只有大于275nm的波长光，无法满足总氮的试剂检测条件，其他特殊定制型光源体积很大，而且光强频率无法调整，无法满足微流控设备微型试剂3mm盘芯片的检测结构，因此只能采用全波长闪烁氙灯和220nm滤光片的方法才能得到所需的光源；再通过全波长PD光电检测二极管接收对应信号，分析测试值，计算总氮吸光度浓度。但是在整个光信号发射与接收的过程中，受到氙灯光源信号强度L、光源到PD距离R、环境温度T的影响，检测数据会发生明显的不同，虽然吸光度与浓度都是能够对应上成线性y(浓度) = a * x(吸光度)+ b，但斜率a值会因为L、R、T的不同而产生变化，如不能动态自动校准，则会影响不同环境下的测量误差。
因此，当前还没有一个普遍适用的方法，能够解决220nm光信号检测中因更换测试环境时引起的数据误差偏大和持续测量过程中测量精度逐渐降低的问题。
发明内容
有鉴于此，本发明提出了一种微流控总氮浓度检测的数据处理方法，用于解决220nm光信号检测中因更换测试环境时引起的误差偏大和持续测量过程中测量精度逐渐降低的问题。
本发明的技术方案是这样实现的：
本发明第一方面，公开一种微流控总氮浓度检测的数据处理方法，所述方法包括：
S1，准备n+1组总氮标液，所述标液浓度值
Figure 213558DEST_PATH_IMAGE001
全部已知，
Figure 599540DEST_PATH_IMAGE002
， 其中
Figure 848119DEST_PATH_IMAGE003
表示标液浓度为0；获得n+1组不同环境下的环境数据；
S2，测量不同环境中0浓度标液的测量浓度值
Figure 446591DEST_PATH_IMAGE004
，根据所述标液浓度
Figure 464225DEST_PATH_IMAGE003
、环境数 据以及测量浓度值
Figure 755529DEST_PATH_IMAGE004
构建第一多元线性回归模型，计算出参数矩阵
Figure 225825DEST_PATH_IMAGE005
的值和误差值
Figure 356549DEST_PATH_IMAGE006
；
S3，将n+1组环境数据代入所述第一多元线性回归模型，计算出非0浓度标液
Figure 494269DEST_PATH_IMAGE007
在不同环境下的计算浓度值
Figure 690895DEST_PATH_IMAGE008
，并根据吸光度值计算公式计算出对应吸光度值
Figure 914066DEST_PATH_IMAGE009
；根据计算浓度值
Figure 119920DEST_PATH_IMAGE008
、对应的吸光度值
Figure 846567DEST_PATH_IMAGE009
以及环境数据构建第二多元线性回归模型， 计算得到参数矩阵
Figure 745253DEST_PATH_IMAGE010
的值和误差值
Figure 190141DEST_PATH_IMAGE011
；
S4，将当前多个实际测量的环境数据代入到所述第二多元线性回归模型中，计算校准值进行测试；
S5，计算校准误差并根据所述校准误差对所述第二多元线性回归模型进行迭代。
本发明通过上述方法，收集数据，建立模型并实时迭代，通过模型校准数据，减小测量数据误差，提高测量精度。
在以上技术方案的基础上，优选的，步骤S1中n+1组不同环境下的环境数据具体包括：
0浓度标液在光检测信号下的电压值
Figure 668527DEST_PATH_IMAGE012
，经过AD信号处理 后的光信号电压值
Figure 780839DEST_PATH_IMAGE013
，不同温度
Figure 584847DEST_PATH_IMAGE014
，不同光源强度
Figure 782610DEST_PATH_IMAGE015
和不同光源到全波长 PD接收二极管的距离
Figure 64687DEST_PATH_IMAGE016
。
在以上技术方案的基础上，优选的，步骤S1中还包括：
将n+1组总氮标液的浓度值及对应的环境数据存储在缓存区，所述缓存区包括：0浓度缓存区和非0浓度缓存区，存储结构如下：
0浓度缓存区：
Figure 31506DEST_PATH_IMAGE017
，
Figure 740836DEST_PATH_IMAGE018
，
Figure 629158DEST_PATH_IMAGE019
，……，
Figure 714925DEST_PATH_IMAGE020
非0浓度缓存区：
Figure 536251DEST_PATH_IMAGE021
，
Figure 682061DEST_PATH_IMAGE022
，
Figure 588837DEST_PATH_IMAGE023
，……，
Figure 478296DEST_PATH_IMAGE024
。
本发明通过上述方法，将0浓度标液、非0浓度标液与对应的环境数据分开存储，后续对这些数据可以进行实时迭代更新，从而实现对校准模型的迭代更新。
在以上技术方案的基础上，优选的，步骤S2具体包括：
实际测量得到不同环境下0浓度标液的测量浓度值
Figure 154128DEST_PATH_IMAGE004
，代入根据所述标液浓度数 据
Figure 470840DEST_PATH_IMAGE003
、环境数据以及测量浓度值构建的第一多元线性回归模型：
Figure 599333DEST_PATH_IMAGE025
其中，
Figure 292482DEST_PATH_IMAGE026
为0浓度标液的测量浓度值，
Figure 551382DEST_PATH_IMAGE027
为参数，
Figure 38995DEST_PATH_IMAGE028
为温度 值
Figure 920364DEST_PATH_IMAGE029
为光源强度值
Figure 151625DEST_PATH_IMAGE030
为距离值，
Figure 802049DEST_PATH_IMAGE003
表示标液浓度为0，
Figure 194984DEST_PATH_IMAGE006
为误差值；
并将所述第一多元线性回归模型转换为矩阵：
Figure 563649DEST_PATH_IMAGE031
Figure 333022DEST_PATH_IMAGE032
Figure 103532DEST_PATH_IMAGE033
Figure 932947DEST_PATH_IMAGE034
根据矩阵方程
Figure 788908DEST_PATH_IMAGE035
，计算得到参数矩阵
Figure 361972DEST_PATH_IMAGE036
的值与误差 值
Figure 721409DEST_PATH_IMAGE006
，矩阵
Figure 987305DEST_PATH_IMAGE037
由n个
Figure 799403DEST_PATH_IMAGE006
组成。
本发明通过上述方法，得到第一多元线性回归模型的参数和误差，获得完整的第一多元线性回归模型。
在以上技术方案的基础上，优选的，步骤S3具体包括：
代入不同的环境数据
Figure 707316DEST_PATH_IMAGE038
到所述第一多元线性回归模型得到非0浓 度标液
Figure 655681DEST_PATH_IMAGE007
在不同环境下的计算浓度值
Figure 92478DEST_PATH_IMAGE008
：
Figure 657452DEST_PATH_IMAGE039
并根据所述计算浓度值
Figure 837898DEST_PATH_IMAGE008
和测量的得到的经过AD信号处理后的光信号电压值
Figure 906348DEST_PATH_IMAGE040
，通过吸光度值计算公式计算出非0浓度标液
Figure 514047DEST_PATH_IMAGE007
在不同环境下对应的吸光度值
Figure 566316DEST_PATH_IMAGE041
：
Figure 284873DEST_PATH_IMAGE042
根据计算浓度值
Figure 738989DEST_PATH_IMAGE008
、对应的吸光度值
Figure 986430DEST_PATH_IMAGE009
、
Figure 791575DEST_PATH_IMAGE007
以及环境数据构建第二多元线 性回归模型：
Figure 347164DEST_PATH_IMAGE043
将所述第二多元线性回归模型转换为矩阵：
Figure 390206DEST_PATH_IMAGE044
Figure 339708DEST_PATH_IMAGE045
Figure 100990DEST_PATH_IMAGE046
Figure 426929DEST_PATH_IMAGE047
根据矩阵方程
Figure 590058DEST_PATH_IMAGE048
，得到参数矩阵
Figure 710460DEST_PATH_IMAGE049
的值与误差 值
Figure 693460DEST_PATH_IMAGE011
，矩阵
Figure 557511DEST_PATH_IMAGE050
由n个
Figure 575145DEST_PATH_IMAGE011
组成。
本发明通过上述方法，得到第二多元线性回归模型的参数和误差，获得完整的第二多元线性回归模型，所述校准值用于后续对校准模型的迭代更新。
在以上技术方案的基础上，优选的，步骤S4具体包括：
将当前实时测量的多个环境数据：温度
Figure 132028DEST_PATH_IMAGE051
、光源强度
Figure 867903DEST_PATH_IMAGE052
、距离
Figure 535645DEST_PATH_IMAGE053
和经过AD信号处理 后的光信号电压值
Figure 407786DEST_PATH_IMAGE054
，以及所述标液浓度
Figure 869991DEST_PATH_IMAGE003
代入所述第一多元线性回归模型计算得到当 前未知浓度j的计算浓度值
Figure 358742DEST_PATH_IMAGE055
，根据吸光度值计算公式计算得到对应的吸光度值
Figure 564595DEST_PATH_IMAGE056
，通过第二多元线性回归模型得到校准值，进行测试：
Figure 556822DEST_PATH_IMAGE057
若
Figure 189928DEST_PATH_IMAGE058
[
Figure 634816DEST_PATH_IMAGE059
]，则
Figure 644361DEST_PATH_IMAGE060
真实有效，将校准值
Figure 756673DEST_PATH_IMAGE061
与对应的环境数据以及计算 浓度值
Figure 560681DEST_PATH_IMAGE055
存储在所述缓存区中。
本发明通过上述方法，对第二多元线性回归模型进行测试，更新存储环境数据和计算浓度值，将更适合当前条件的数据存储进缓存区作为学习数据，实现校准模型的迭代更新。
在以上技术方案的基础上，优选的，步骤S5具体包括：
将当前测量到的多个电压数据
Figure 758444DEST_PATH_IMAGE062
以及测量浓度值
Figure 306100DEST_PATH_IMAGE055
代入吸光度计算公式，得到 当前多个吸光度值
Figure 272919DEST_PATH_IMAGE063
；
将当前测量到的多个环境数据
Figure 247828DEST_PATH_IMAGE064
到代入所述第二多元线性回归模 型，并获取缓存区中与环境数据对应的校准值
Figure 932888DEST_PATH_IMAGE065
，计算线性误差：
原始数据偏差：
Figure 278375DEST_PATH_IMAGE066
迭代后学习数据长度由n增加为n+1，其偏差为：
Figure 834121DEST_PATH_IMAGE067
比较线性误差
Figure 245511DEST_PATH_IMAGE068
与
Figure 152287DEST_PATH_IMAGE069
，如果
Figure 41746DEST_PATH_IMAGE070
，则迭代第二多元线性回归模型中的 参数和误差值。
本发明通过上述方法，对第二多元线性回归模型进行迭代，使得模型更适应当前条件，提高对于数据的校准精度。
本发明第二方面，公开一种微流控总氮浓度检测的数据处理系统，所述系统包括：
数据采集模块：用于采集n+1组总氮标液浓度值
Figure 248736DEST_PATH_IMAGE071
，其中
Figure 768710DEST_PATH_IMAGE072
表示标液浓度为0；采集n+1组不同环境下的环境数据；
第一线性回归模型模块：用于根据不同环境中0浓度标液的测量浓度值
Figure 428362DEST_PATH_IMAGE073
、标液 浓度
Figure 121511DEST_PATH_IMAGE074
以及环境数据构建第一多元线性回归模型，计算出参数矩阵
Figure 917429DEST_PATH_IMAGE075
的值和误差值
Figure 139463DEST_PATH_IMAGE076
；
第二线性回归模型模块：用于根据非0浓度标液在不同环境下的计算浓度值
Figure 755252DEST_PATH_IMAGE077
、 对应的吸光度值
Figure 252093DEST_PATH_IMAGE078
以及环境数据构建第二多元线性回归模型，计算得到参数矩阵
Figure 902517DEST_PATH_IMAGE079
的值和 误差值
Figure 561031DEST_PATH_IMAGE080
；
校准测试模块：将当前多个实际测量的环境数据代入到所述第二多元线性回归模型中，计算校准值，进行测试；
模型迭代模块：计算校准误差并根据所述校准误差对第二多元线性回归模型进行迭代。
本发明第三方面，公开一种电子设备，所述设备包括：至少一个处理器、至少一个存储器、通信接口和总线；其中，所述处理器、存储器、通信接口通过所述总线完成相互间的通信；所述存储器存储有可被所述处理器执行的一种微流控总氮浓度检测的数据处理方法程序，一种微流控总氮浓度检测的数据处理方法程序配置为实现如本发明第一方面所述的一种微流控总氮浓度检测的数据处理方法。
本发明第四方面，公开一种计算机可读存储介质，所述存储介质上存储有一种微流控总氮浓度检测的数据处理方法程序，所述一种微流控总氮浓度检测的数据处理方法程序被执行时实现如本发明第一方面所述的一种微流控总氮浓度检测的数据处理方法。
本发明的一种微流控总氮浓度检测的数据处理方法相对于现有技术具有以下有益效果：
(1)通过建立第一多元线性回归模型和第二多元线性回归模型并实时迭代，校准数据，减小测量数据误差，提高测量精度；
(2)对第一多元线性回归模型和第二多元线性回归模型，根据当前的环境数据对其进行训练迭代，使其参数更适合当前环境，在工作时能根据当前环境实时迭代调整，增强有效性。
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为本发明一种微流控总氮浓度检测的数据处理方法工作流程图。
具体实施方式
下面将结合本发明实施方式，对本发明实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式仅仅是本发明一部分实施方式，而不是全部的实施方式。基于本发明中的实施方式，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施方式，都属于本发明保护的范围。
实施例。
本发明一种微流控总氮浓度检测的数据处理方法工作流程见图1，处理步骤说明如下：
第一步，收集数据，准备n+1组总氮标液，所述标液浓度值
Figure 195275DEST_PATH_IMAGE081
全部已知，
Figure 964648DEST_PATH_IMAGE071
，其中
Figure 735158DEST_PATH_IMAGE072
表示标液浓度为0；获得n+1组不同环境下的环境数据，0 浓度标液在光检测信号下的电压值V以及经过AD信号处理后的光信号电压值VV，光源强度 L，光源到全波长PD接收二极管的距离R以及环境温度T，并存储在缓存区。转第二步。
应当理解的是，n+1组不同环境下的环境数据，其形式为：0浓度标液在光检测信号 下的电压值
Figure 33415DEST_PATH_IMAGE082
，经过AD信号处理后的光信号电压值
Figure 623796DEST_PATH_IMAGE083
，不同温度
Figure 196860DEST_PATH_IMAGE084
，不同光源强度
Figure 821876DEST_PATH_IMAGE085
和不同光源到全波长PD接收二极管的距离
Figure 87773DEST_PATH_IMAGE086
。
第二步，构建校准模型，所述校准模型包括：
缓存区：包括0浓度缓存区和非0浓度缓存区；将n+1组总氮标液的浓度值及对应的环境数据存储在缓存区，缓存区中包括0浓度缓存区和非0浓度缓存区，存储结构如下：
0浓度缓存区：
Figure 165450DEST_PATH_IMAGE087
，
Figure 807784DEST_PATH_IMAGE088
，
Figure 21728DEST_PATH_IMAGE089
，……，
Figure 927367DEST_PATH_IMAGE090
非0浓度缓存区：
Figure 627426DEST_PATH_IMAGE091
，
Figure 276714DEST_PATH_IMAGE092
，
Figure 876322DEST_PATH_IMAGE093
，……，
Figure 484021DEST_PATH_IMAGE094
；
第一多元线性回归模型：
Figure 801870DEST_PATH_IMAGE025
其中，
Figure 520427DEST_PATH_IMAGE026
为0浓度标液的测量浓度值，
Figure 974542DEST_PATH_IMAGE027
为参数，
Figure 753142DEST_PATH_IMAGE028
为温度 值
Figure 292708DEST_PATH_IMAGE029
为光源强度值
Figure 814956DEST_PATH_IMAGE030
为距离值，
Figure 123578DEST_PATH_IMAGE003
表示标液浓度为0，
Figure 338659DEST_PATH_IMAGE006
为误差值；
吸光度值计算公式：
Figure 99941DEST_PATH_IMAGE042
其中，
Figure 425880DEST_PATH_IMAGE095
为吸光度值，
Figure 589009DEST_PATH_IMAGE096
为浓度值，所述浓度值为测量浓度值或计算浓度值，
Figure 709411DEST_PATH_IMAGE097
为测量的经过AD信号处理后的光信号电压值；
第二多元线性回归模型：
Figure 489148DEST_PATH_IMAGE043
其中
Figure 353199DEST_PATH_IMAGE098
为非0浓度标液浓度值，范围为
Figure 370834DEST_PATH_IMAGE007
，
Figure 927717DEST_PATH_IMAGE099
为参数，
Figure 663592DEST_PATH_IMAGE028
为温度值
Figure 65754DEST_PATH_IMAGE029
为光源强度值
Figure 203475DEST_PATH_IMAGE030
为距离值、
Figure 931259DEST_PATH_IMAGE100
为吸光度值，
Figure 154430DEST_PATH_IMAGE101
为误差值。转第三步。
第三步，测量不同环境中0浓度标液的测量浓度值
Figure 625863DEST_PATH_IMAGE073
，将所述标液浓度数据
Figure 618090DEST_PATH_IMAGE102
、 环境数据以及测量浓度值输入校准模型中的第一多元线性回归模型计算出参数矩阵
Figure 516775DEST_PATH_IMAGE075
的 值和误差值
Figure 227243DEST_PATH_IMAGE076
。转第四步。
应当理解的是，计算出参数矩阵
Figure 236787DEST_PATH_IMAGE103
的值和误差值
Figure 77661DEST_PATH_IMAGE104
的过程具体包括：
实际测量得到不同环境下0浓度标液的测量浓度值
Figure 147248DEST_PATH_IMAGE105
，代入第一多元线性回归模 型：
Figure 345011DEST_PATH_IMAGE106
其中，
Figure 158246DEST_PATH_IMAGE107
为0浓度标液的测量浓度值，
Figure 125065DEST_PATH_IMAGE108
为参数，
Figure 99975DEST_PATH_IMAGE109
为温度 值
Figure 50613DEST_PATH_IMAGE110
为光源强度值
Figure 401960DEST_PATH_IMAGE111
为距离值，
Figure 223285DEST_PATH_IMAGE102
表示标液浓度为0，
Figure 369096DEST_PATH_IMAGE076
为误差值。
并将所述第一多元线性回归模型转换为矩阵：
Figure 275872DEST_PATH_IMAGE031
Figure 696489DEST_PATH_IMAGE032
Figure 372321DEST_PATH_IMAGE033
Figure 954612DEST_PATH_IMAGE034
根据矩阵方程
Figure 348684DEST_PATH_IMAGE112
，计算得到参数矩阵
Figure 307413DEST_PATH_IMAGE036
的值与误差 值
Figure 103331DEST_PATH_IMAGE076
，矩阵
Figure 856523DEST_PATH_IMAGE113
由n个
Figure 472312DEST_PATH_IMAGE076
组成。
第四步，将不同环境数据代入所述第一多元线性回归模型，计算出非0浓度标液
Figure 703573DEST_PATH_IMAGE114
在不同环境下的计算浓度值
Figure 353998DEST_PATH_IMAGE077
，并根据校准模型中的吸光度值计算公式计算出对 应吸光度值
Figure 543671DEST_PATH_IMAGE115
根据校准模型中的第二多元线性回归模型计算得到参数矩阵
Figure 912335DEST_PATH_IMAGE079
的值和误差 值
Figure 947287DEST_PATH_IMAGE116
。转第五步。
应当理解的是，第四步步骤具体包括：
代入不同的环境数据
Figure 452218DEST_PATH_IMAGE117
到所述第一多元线性回归模型得到非0浓 度标液
Figure 812792DEST_PATH_IMAGE114
在不同环境下的计算浓度值
Figure 403173DEST_PATH_IMAGE077
：
Figure 241816DEST_PATH_IMAGE039
并根据所述计算浓度值
Figure 866833DEST_PATH_IMAGE077
和测量的得到的经过AD信号处理后的光信号电压值
Figure 398308DEST_PATH_IMAGE118
，通过吸光度值计算公式计算出不同浓度标液
Figure 475986DEST_PATH_IMAGE114
在不同环境下对应的吸光度值
Figure 852740DEST_PATH_IMAGE119
：
Figure 332263DEST_PATH_IMAGE042
其中，
Figure 34640DEST_PATH_IMAGE077
为非0浓度标液
Figure 599613DEST_PATH_IMAGE114
在不同环境下的计算浓度值，
Figure 780059DEST_PATH_IMAGE118
为测量不同环 境中AD信号处理后的光信号电压值。
第五步，代入当前多个实际测量的环境数据，到所述第二多元线性回归模型中，计算校准值，进行测试。转第六步。
应当理解的是，第五步步骤具体包括：将当前实时测量的多个环境数据：温度
Figure 397246DEST_PATH_IMAGE120
、 光源强度
Figure 4945DEST_PATH_IMAGE121
、距离
Figure 791635DEST_PATH_IMAGE122
和经过AD信号处理后的光信号电压值
Figure 41351DEST_PATH_IMAGE123
，以及所述标液浓度
Figure 495466DEST_PATH_IMAGE102
代入 所述第一多元线性回归模型计算得到当前未知浓度j的计算浓度值
Figure 274066DEST_PATH_IMAGE124
，根据吸光度值计算 公式计算得到对应的吸光度值
Figure 548053DEST_PATH_IMAGE125
，通过第二多元线性回归模型得到校准值：
Figure 70301DEST_PATH_IMAGE057
若
Figure 378922DEST_PATH_IMAGE126
[
Figure 594003DEST_PATH_IMAGE127
]，则
Figure 620865DEST_PATH_IMAGE128
真实有效，将校准值
Figure 681225DEST_PATH_IMAGE128
与对应的环境数据以及计算 浓度值
Figure 109932DEST_PATH_IMAGE124
存储在所述缓存区中。
第六步，计算校准误差并根据所述校准误差对所述校准模型进行迭代。
将当前测量到的多个电压数据
Figure 495914DEST_PATH_IMAGE129
以及测量浓度值
Figure 744493DEST_PATH_IMAGE124
代入吸光度计算公式，得到 当前多个吸光度值
Figure 608544DEST_PATH_IMAGE130
；
将当前测量到的多个环境数据
Figure 891757DEST_PATH_IMAGE131
到代入所述第二多元线性回归模 型，并获取缓存区中与环境数据对应的校准值
Figure 448641DEST_PATH_IMAGE132
，计算线性误差：
原始数据偏差：
Figure 184516DEST_PATH_IMAGE066
迭代后学习数据长度由n增加为n+1，其偏差为：
Figure 852257DEST_PATH_IMAGE067
比较线性误差
Figure 989978DEST_PATH_IMAGE133
与
Figure 452183DEST_PATH_IMAGE134
，如果
Figure 940933DEST_PATH_IMAGE135
，则迭代第二多元线性回归模型中的 参数和误差值，完成对校准模型的迭代。
存在两组实测数据，第一组数据见表1：
表1
Figure 412366DEST_PATH_IMAGE137
由第一组实测数据可以发现：距离R越大，说明光源与接收距离越大，信号越小；温度T越大，说明温度越高，信号值越大，而温度在10度与20度时，虽然距离R由10.8mm变成15mm，但是测量浓度值为1.054大于0.852；而光照强度L波动基本不大。
第二组数据见表2：
表2
Figure 404592DEST_PATH_IMAGE139
由第一组实测数据可以发现：测量电压值的变化基本还是跟随溶液浓度而变化，但是变化趋势会受到温度、距离、光强趋势的影响。
构建校准模型后，数据对比如表3：
表3
Figure DEST_PATH_IMAGE141
通过表3的数据对比可以发现，对校准模型迭代次数越多，
Figure DEST_PATH_IMAGE142
越接近于1，线性度 越好，意味着越适应当前环境。
本发明还公开一种微流控总氮浓度检测的数据处理系统，所述系统包括：
数据采集模块：用于采集n+1组总氮标液浓度值
Figure 240961DEST_PATH_IMAGE071
，其中
Figure 951428DEST_PATH_IMAGE072
表示标液浓度为0；采集n+1组不同环境下的环境数据；
第一线性回归模型模块：用于根据不同环境中0浓度标液的测量浓度值
Figure 960973DEST_PATH_IMAGE073
、标液 浓度
Figure 807706DEST_PATH_IMAGE074
以及环境数据构建第一多元线性回归模型，计算出参数矩阵
Figure 142872DEST_PATH_IMAGE075
的值和误差值
Figure 75056DEST_PATH_IMAGE076
；
第二线性回归模型模块：用于根据非0浓度标液在不同环境下的计算浓度值
Figure 888292DEST_PATH_IMAGE077
、 对应的吸光度值
Figure 589531DEST_PATH_IMAGE078
以及环境数据构建第二多元线性回归模型，计算得到参数矩阵
Figure 95599DEST_PATH_IMAGE079
的值和 误差值
Figure 509220DEST_PATH_IMAGE080
；
校准测试模块：将当前多个实际测量的环境数据代入到所述第二多元线性回归模型中，计算校准值，进行测试；
模型迭代模块：计算校准误差并根据所述校准误差对第二多元线性回归模型进行迭代。本发明还公开一种电子设备，所述设备包括：至少一个处理器、至少一个存储器、通信接口和总线；其中，所述处理器、存储器、通信接口通过所述总线完成相互间的通信；所述存储器存储有可被所述处理器执行的一种微流控总氮浓度检测的数据处理方法程序，一种微流控总氮浓度检测的数据处理方法程序配置为实现如本发明实施例所述的一种微流控总氮浓度检测的数据处理方法。
本发明还公开一种计算机可读存储介质，所述存储介质上存储有一种微流控总氮浓度检测的数据处理方法程序，所述一种微流控总氮浓度检测的数据处理方法程序被执行时实现如本发明实施例所述的一种微流控总氮浓度检测的数据处理方法。
以上所述仅为本发明的较佳实施方式而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种微流控总氮浓度检测的数据处理方法，其特征在于，所述一种微流控总氮浓度检测的数据处理方法包括以下步骤：
S1，准备n+1组总氮标液，所述标液浓度值
Figure 235851DEST_PATH_IMAGE001
全部已知，
Figure 120630DEST_PATH_IMAGE002
，其中
Figure 122084DEST_PATH_IMAGE003
表示标液浓度为0；获得n+1组不同环境下的环境数据；
S2，测量不同环境中0浓度标液的测量浓度值
Figure 117722DEST_PATH_IMAGE004
，根据所述标液浓度
Figure 52180DEST_PATH_IMAGE005
、环境数据以 及测量浓度值
Figure 45544DEST_PATH_IMAGE004
构建第一多元线性回归模型，计算出参数矩阵
Figure 596611DEST_PATH_IMAGE006
的值和误差值
Figure 68043DEST_PATH_IMAGE007
；
S3，将n+1组环境数据代入所述第一多元线性回归模型，计算出非0浓度标液
Figure 388166DEST_PATH_IMAGE008
在 不同环境下的计算浓度值
Figure 552431DEST_PATH_IMAGE009
，并根据吸光度值计算公式计算出对应吸光度值
Figure 325215DEST_PATH_IMAGE010
；根据计 算浓度值
Figure 600339DEST_PATH_IMAGE009
、对应的吸光度值
Figure 40548DEST_PATH_IMAGE010
以及环境数据构建第二多元线性回归模型，计算得到参 数矩阵
Figure 110135DEST_PATH_IMAGE011
的值和误差值
Figure 635794DEST_PATH_IMAGE012
；
S4，将当前多个实际测量的环境数据代入到所述第二多元线性回归模型中，计算校准值，进行测试；
S5，计算校准误差并根据所述校准误差对所述第一多元线性回归模型和第二多元线性回归模型进行迭代。
2.如权利要求1所述的一种微流控总氮浓度检测的数据处理方法，其特征在于，所述步骤S1中n+1组不同环境下的环境数据包括：
0浓度标液在光检测信号下的电压值
Figure 245767DEST_PATH_IMAGE013
，经过AD信号处理后的 光信号电压值
Figure 478165DEST_PATH_IMAGE014
，不同温度
Figure 780970DEST_PATH_IMAGE015
， 不同光源强度
Figure 731609DEST_PATH_IMAGE016
和不同光源到全波长PD接收二极管的距离
Figure 410852DEST_PATH_IMAGE017
。
3.如权利要求2所述的一种微流控总氮浓度检测的数据处理方法，其特征在于，所述步骤S1中，还包括：
将n+1组总氮标液的浓度值及对应的环境数据存储在缓存区，所述缓存区包括：0浓度缓存区和非0浓度缓存区，存储结构如下：
0浓度缓存区：
Figure 497757DEST_PATH_IMAGE018
，
Figure 237043DEST_PATH_IMAGE019
，
Figure 409398DEST_PATH_IMAGE020
，……，
Figure 626753DEST_PATH_IMAGE021
；
非0浓度缓存区：
Figure 833743DEST_PATH_IMAGE022
，
Figure 212772DEST_PATH_IMAGE023
，
Figure 934740DEST_PATH_IMAGE024
，……，
Figure 159048DEST_PATH_IMAGE025
。
4.如权利要求3所述的一种微流控总氮浓度检测的数据处理方法，其特征在于，所述步骤S2具体包括：
实际测量得到不同环境下0浓度标液的测量浓度值
Figure 220545DEST_PATH_IMAGE004
，代入根据所述标液浓度数据
Figure 301633DEST_PATH_IMAGE003
、环境数据以及测量浓度值构建的第一多元线性回归模型：
Figure 245319DEST_PATH_IMAGE026
其中，
Figure 7738DEST_PATH_IMAGE027
为0浓度标液的测量浓度值，
Figure 923742DEST_PATH_IMAGE028
为参数，
Figure 175732DEST_PATH_IMAGE029
为温度值、
Figure 606713DEST_PATH_IMAGE030
为光源强度值
Figure 907244DEST_PATH_IMAGE031
为距离值，
Figure 740071DEST_PATH_IMAGE003
表示标液浓度为0，
Figure 100645DEST_PATH_IMAGE007
为误差值；
并将所述第一多元线性回归模型转换为矩阵：
Figure 284502DEST_PATH_IMAGE032
Figure 123145DEST_PATH_IMAGE033
Figure 76057DEST_PATH_IMAGE034
Figure 607533DEST_PATH_IMAGE035
根据矩阵方程
Figure 13106DEST_PATH_IMAGE036
，计算得到参数矩阵
Figure 921020DEST_PATH_IMAGE037
的值与误差值
Figure 728439DEST_PATH_IMAGE007
， 矩阵
Figure 227553DEST_PATH_IMAGE038
由n个
Figure 58106DEST_PATH_IMAGE007
组成。
5.如权利要求4所述的一种微流控总氮浓度检测的数据处理方法，其特征在于，所述步骤S3具体包括：
代入不同的环境数据
Figure 300868DEST_PATH_IMAGE039
到所述第一多元线性回归模型得到非0浓度标 液
Figure 166056DEST_PATH_IMAGE008
在不同环境下的计算浓度值
Figure 101651DEST_PATH_IMAGE009
：
Figure 419500DEST_PATH_IMAGE040
并根据所述计算浓度值
Figure 465953DEST_PATH_IMAGE009
和测量得到的经过AD信号处理后的光信号电压值
Figure 185648DEST_PATH_IMAGE041
，通 过吸光度值计算公式计算出非0浓度标液
Figure 292144DEST_PATH_IMAGE008
在不同环境下对应的吸光度值
Figure 97289DEST_PATH_IMAGE042
：
Figure 947433DEST_PATH_IMAGE043
根据计算浓度值
Figure 521634DEST_PATH_IMAGE009
、对应的吸光度值
Figure 799032DEST_PATH_IMAGE010
、
Figure 622631DEST_PATH_IMAGE044
以及环境数据构建第二多元线性回 归模型：
Figure 214149DEST_PATH_IMAGE045
将所述第二多元线性回归模型转换为矩阵：
Figure 705174DEST_PATH_IMAGE046
Figure 91156DEST_PATH_IMAGE047
Figure 933210DEST_PATH_IMAGE048
Figure 62840DEST_PATH_IMAGE049
根据矩阵方程
Figure 408370DEST_PATH_IMAGE050
，得到参数矩阵
Figure 230833DEST_PATH_IMAGE051
的值与误差值
Figure 294604DEST_PATH_IMAGE012
， 矩阵
Figure 962346DEST_PATH_IMAGE052
由n个
Figure 427962DEST_PATH_IMAGE012
组成。
6.如权利要求5所述的一种微流控总氮浓度检测的数据处理方法，其特征在于，所述步骤S4具体包括：
将当前实时测量的多个环境数据：温度
Figure 421326DEST_PATH_IMAGE053
、光源强度
Figure 706814DEST_PATH_IMAGE054
、距离
Figure 443825DEST_PATH_IMAGE055
和经过AD信号处理后的 光信号电压值
Figure 763948DEST_PATH_IMAGE056
，以及所述0浓度标液浓度
Figure 662634DEST_PATH_IMAGE003
代入所述第一多元线性回归模型计算得到 当前未知浓度j的计算浓度值
Figure 700997DEST_PATH_IMAGE057
，根据吸光度值计算公式计算得到对应的吸光度值
Figure 976121DEST_PATH_IMAGE058
，通过第二多元线性回归模型得到校准值，进行测试：
Figure 150750DEST_PATH_IMAGE059
若
Figure 485917DEST_PATH_IMAGE060
[
Figure 745997DEST_PATH_IMAGE061
]，则
Figure 824811DEST_PATH_IMAGE062
真实有效，将校准值
Figure 119526DEST_PATH_IMAGE062
与对应的环境数据以及计算浓度 值
Figure 156752DEST_PATH_IMAGE057
存储在所述缓存区中。
7.如权利要求6所述的一种微流控总氮浓度检测的数据处理方法，其特征在于，所述步骤S5具体包括：
将当前测量到的多个电压数据
Figure 372970DEST_PATH_IMAGE063
以及测量浓度值
Figure 989896DEST_PATH_IMAGE057
代入吸光度计算公式，得到当前 多个吸光度值
Figure 139118DEST_PATH_IMAGE064
；
将当前测量到的多个环境数据
Figure 550508DEST_PATH_IMAGE065
到代入所述第二多元线性回归模型， 并获取缓存区中与环境数据对应的校准值
Figure 519601DEST_PATH_IMAGE066
，计算线性误差：
原始数据偏差：
Figure 2535DEST_PATH_IMAGE067
迭代后学习数据长度由n增加为n+1，其偏差为：
Figure 943946DEST_PATH_IMAGE068
比较线性误差
Figure 854133DEST_PATH_IMAGE069
与
Figure 513784DEST_PATH_IMAGE070
，如果
Figure 534830DEST_PATH_IMAGE071
，则迭代第二多元线性回归模型中的参数 和误差值。
8.一种微流控总氮浓度检测的数据处理系统，其特征在于，所述系统包括：
数据采集模块：用于采集n+1组总氮标液浓度值
Figure 596327DEST_PATH_IMAGE002
，其中
Figure 677415DEST_PATH_IMAGE003
表示 标液浓度为0；采集n+1组不同环境下的环境数据；
第一线性回归模型模块：用于根据不同环境中0浓度标液的测量浓度值
Figure 558784DEST_PATH_IMAGE004
、标液浓度
Figure 395239DEST_PATH_IMAGE005
以及环境数据构建第一多元线性回归模型，计算出参数矩阵
Figure 311243DEST_PATH_IMAGE006
的值和误差值
Figure 563232DEST_PATH_IMAGE007
；
第二线性回归模型模块：用于根据非0浓度标液在不同环境下的计算浓度值
Figure 197476DEST_PATH_IMAGE009
、对应 的吸光度值
Figure 560324DEST_PATH_IMAGE010
以及环境数据构建第二多元线性回归模型，计算得到参数矩阵
Figure 330834DEST_PATH_IMAGE072
的值和误差 值
Figure 753725DEST_PATH_IMAGE012
；
校准测试模块：将当前多个实际测量的环境数据代入到所述第二多元线性回归模型中，计算校准值，进行测试；
模型迭代模块：计算校准误差并根据所述校准误差对第二多元线性回归模型进行迭代。
9.一种电子设备，其特征在于，包括至少一个处理器、至少一个存储器、通信接口和总线；其中，所述处理器、存储器、通信接口通过所述总线完成相互间的通信；所述存储器存储有可被所述处理器执行的一种微流控总氮浓度检测的数据处理方法程序，一种微流控总氮浓度检测的数据处理方法程序配置为实现如权利要求1至7任一项的一种微流控总氮浓度检测的数据处理方法。
10.一种计算机可读存储介质，其特征在于，所述存储介质上存储有一种微流控总氮浓度检测的数据处理方法程序，所述一种微流控总氮浓度检测的数据处理方法程序被执行时实现如权利要求1至7中任一项的一种微流控总氮浓度检测的数据处理方法。
CN202111473244.8A 2021-12-06 2021-12-06 微流控总氮浓度检测的数据处理方法、系统、设备及介质 Active CN114235726B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111473244.8A CN114235726B (zh) 2021-12-06 2021-12-06 微流控总氮浓度检测的数据处理方法、系统、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111473244.8A CN114235726B (zh) 2021-12-06 2021-12-06 微流控总氮浓度检测的数据处理方法、系统、设备及介质

Publications (2)

Publication Number Publication Date
CN114235726A true CN114235726A (zh) 2022-03-25
CN114235726B CN114235726B (zh) 2023-10-20

Family

ID=80753387

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111473244.8A Active CN114235726B (zh) 2021-12-06 2021-12-06 微流控总氮浓度检测的数据处理方法、系统、设备及介质

Country Status (1)

Country Link
CN (1) CN114235726B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117148252A (zh) * 2023-10-31 2023-12-01 湖南智焜能源科技有限公司 一种开关量测单元和多ct互联互通的精度自校准方法
CN117848985A (zh) * 2024-03-06 2024-04-09 杭州泽天春来科技股份有限公司 气体浓度分析方法及装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1137935A (ja) * 1997-07-18 1999-02-12 Fuji Electric Co Ltd 下水中の複数成分定量方法とその装置
CN106841066A (zh) * 2017-01-16 2017-06-13 浙江大学 一种用于光谱法cod检测中的局部校准方法
CN110426359A (zh) * 2019-08-09 2019-11-08 山东省科学院海洋仪器仪表研究所 一种浓度自适应海水总氮/总磷的检测装置及方法
CN111351762A (zh) * 2020-04-22 2020-06-30 青岛理工大学 一种紫外-可见光全波长扫描污水水质在线快速检测方法和应用
CN111735788A (zh) * 2020-07-21 2020-10-02 赛默飞世尔（上海）仪器有限公司 在水质分析仪中用于确定样品浓度的方法和水质分析仪

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1137935A (ja) * 1997-07-18 1999-02-12 Fuji Electric Co Ltd 下水中の複数成分定量方法とその装置
CN106841066A (zh) * 2017-01-16 2017-06-13 浙江大学 一种用于光谱法cod检测中的局部校准方法
CN110426359A (zh) * 2019-08-09 2019-11-08 山东省科学院海洋仪器仪表研究所 一种浓度自适应海水总氮/总磷的检测装置及方法
CN111351762A (zh) * 2020-04-22 2020-06-30 青岛理工大学 一种紫外-可见光全波长扫描污水水质在线快速检测方法和应用
CN111735788A (zh) * 2020-07-21 2020-10-02 赛默飞世尔（上海）仪器有限公司 在水质分析仪中用于确定样品浓度的方法和水质分析仪

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
穆秀圣等: "温度变化对紫外分光光度法测量COD的影响", 《分析仪器》, pages 53 - 55 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117148252A (zh) * 2023-10-31 2023-12-01 湖南智焜能源科技有限公司 一种开关量测单元和多ct互联互通的精度自校准方法
CN117148252B (zh) * 2023-10-31 2024-01-12 湖南智焜能源科技有限公司 一种开关量测单元和多ct互联互通的精度自校准方法
CN117848985A (zh) * 2024-03-06 2024-04-09 杭州泽天春来科技股份有限公司 气体浓度分析方法及装置

Also Published As

Publication number Publication date
CN114235726B (zh) 2023-10-20

Similar Documents

Publication Publication Date Title
CN114235726A (zh) 微流控总氮浓度检测的数据处理方法、系统、设备及介质
CN103983595A (zh) 一种基于紫外-可见光谱处理的水质浊度解算方法
JP2017535751A (ja) 色合いに基づいて化学パラメータの値を決定するためのセンサ装置及びその方法
CN115046943A (zh) 一种水质探测方法、装置、系统以及存储介质
KR20160140060A (ko) 수질 모니터링 시스템 및 이를 이용한 수질 모니터링 방법
KR101706702B1 (ko) 포도당 농도 검출 방법
WO2009001704A1 (ja) 分析装置および分析方法
CN110632247B (zh) 一种多维滴定分析的数据处理方法及其应用
CN104458630A (zh) 一种紫外差分气体分析仪的数据处理方法及系统
CN110376190B (zh) 一种基于光谱的细胞培养悬液pH值检测方法
CN102252981A (zh) 一种光传感总磷检测系统及检测方法
CN107478632B (zh) 一种通过pH试纸的荧光检测pH值的方法
CN113960256B (zh) 一种含水仪的温度补偿方法
CN110687047A (zh) 一种用于cod测量的多光源装置及检测方法
CN115639335A (zh) 水质监测数据校准方法、系统及计算机可读存储介质
CN104897634A (zh) 一种原子荧光测定易化学蒸气发生反应元素时的内标法
Heidari-Bafroui et al. Infrared Lightbox and iPhone App for Improving Detection Limit of Phosphate Detecting Dip Strips. Int. J. Chem. Mol. Eng. 2020, 14 (7), 179–185.
CN109596556A (zh) 利用槲皮素快速简单测定废水中铅离子浓度的方法
CN114791420A (zh) 一种近红外光谱仪的校准方法
CN112414966B (zh) 基于仿射变化的近红外光谱多目标标定迁移方法
Muravyov et al. A digital colorimetric analyzer for chemical measurements on the basis of polymeric optodes
Oulman et al. A colorimetric method for determining dissolved oxygen
Ivantsov et al. Burning gas sensor module adapter development and test operation results processing
Rani et al. Multiple nonlinear regression-based adaptive colour model for smartphone colorimeter
CN114384028B (zh) 一种用于连续流动分析仪的峰漂移校正方法

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
GR01 Patent grant
GR01 Patent grant