CN115327897B - 一种基于实验室的智能控制系统 - Google Patents

一种基于实验室的智能控制系统 Download PDF

Info

Publication number
CN115327897B
CN115327897B CN202210844831.1A CN202210844831A CN115327897B CN 115327897 B CN115327897 B CN 115327897B CN 202210844831 A CN202210844831 A CN 202210844831A CN 115327897 B CN115327897 B CN 115327897B
Authority
CN
China
Prior art keywords
student
laboratory
data
experiment
environment
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
CN202210844831.1A
Other languages
English (en)
Other versions
CN115327897A (zh
Inventor
郑巍
覃杰
阮贵全
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.)
Shenzhen Yuegang Technology Co ltd
Original Assignee
Shenzhen Yuegang 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 Shenzhen Yuegang Technology Co ltd filed Critical Shenzhen Yuegang Technology Co ltd
Priority to CN202210844831.1A priority Critical patent/CN115327897B/zh
Publication of CN115327897A publication Critical patent/CN115327897A/zh
Application granted granted Critical
Publication of CN115327897B publication Critical patent/CN115327897B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161—Detection; Localisation; Normalisation
    • G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168—Feature extraction; Face representation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Automation & Control Theory (AREA)
  • Medical Informatics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • Psychiatry (AREA)
  • Social Psychology (AREA)
  • Feedback Control In General (AREA)
  • Automatic Analysis And Handling Materials Therefor (AREA)

Abstract

本发明公开了一种基于实验室的智能控制系统；属于实验室控制技术领域；对进入实验室的学员的学习信息进行统计，基于学习信息中的选中实验权重可以获取到学员的实验操作水平，可以为后续的不同实验设备以及样品对应的实验操作的分析提供了数据支撑，通过将学员的实验能力以及实验设备和样品进行数字化表示，可以提高对学员实验操作过程中行为监测的效率和准确性，通过将学员的实操能力与实际实验的操作设备以及样品进行整体评估，判断学员的操作是否存在违规；本发明解决了现有方案中不能对进入实验室学员的实验能力进行画像，根据画像结果来对实验操作过程中的行为是否违规进行评估并自适应的进行提示和控制的技术问题。

Description

一种基于实验室的智能控制系统
技术领域
本发明涉及实验室控制技术领域，更具体地说，它涉及一种基于实验室的智能控制系统。
背景技术
实验室是进行实验的场所，按归属可分为三类：第一类是从属于大学或者是由大学代管的实验室；第二类实验室属于国家机构，有的甚至是国际机构；第三类实验室直接归属于工业企业部门，为工业技术的开发与研究服务。
现有的实验室的智能控制方案，大多数是通过各种传感器来对实验室的运行状态进行监测，并将采集的数据分别与对应的预警值进行匹配来判断对应方面的状态是否正常；更智慧一点的是通过对实验室内的摄像视频进行处理和识别来对其运行状态进行监测分析，但是需要处理的数据量更大，同时也不能对不同实验水平的学员的实操行为进行监测分析和评估，并自适应的进行提示和控制。
发明内容
针对现有技术存在的不足，本发明的目的在于提供一种基于实验室的智能控制系统，用于解决现有方案中不能对进入实验室学员的实验能力进行画像，根据画像结果来对实验操作过程中的行为是否违规进行评估并自适应的进行提示和控制的技术问题。
本发明的目的可以通过以下技术方案实现：
一种基于实验室的智能控制系统，包括学员监测模块、环境监测模块和调控模块；
学员监测模块包含人像采集单元、学员画像单元和实验评估单元；
人像采集单元用于采集进入实验室的学员的人脸图像，提取人脸图像中的人脸特征并与预构建的人脸特征数据库进行匹配获取对应的人脸身份并将其设定为识别标志；
学员画像单元用于根据识别标志获取到对应学员的学习信息；
实验评估单元用于根据学习信息对学员操作的实验行为进行分析评估，得到操作评估集；
环境监测模块包含环境采集单元和环境评估单元；
环境采集单元用于采集实验室中环境的监测集，监测集包含温度数据、气压数据和颗粒物数据；
环境评估单元用于对环境的监测集中的各项数据进行特征提取和标记，得到环境标记集，将环境标记集中的各项数据进行联立整合并对实验室内环境的变化情况进行分析评估，得到环境评估集；
调控模块用于根据操作评估集和环境评估集自适应的控制不同学员的实验操作和对环境条件进行调控和预警。
进一步的，根据识别标志获取到对应学员的学习信息，包括：
根据识别标志获取学员的身份信息，该身份信息包含年级、学号和导师；
根据学号获取学员的学习课表以及已经学习过的实验课程；
将已经学习过的实验课程与预构建的实验课程表进行匹配获取对应的实验课程权重，并将最大的实验课程权重设定为选中实验权重；其中，实验课程表由若干个不同类型的实验课程及其对应的实验课程权重构成，不同的实验课程预先设置一个队应的选中实验权重；
若干个实验课程权重以及选中实验权重构成学员的学习信息。
进一步的，根据学习信息对学员操作的实验行为进行分析评估，包括：
获取学员在实验过程中操作的设备图像以及样品名称；
提取设备图像中的设备特征并与预构建的设备特征表进行匹配获取对应的设备名称；
将获取的设备名称和样品名称分别与预构建的实验名称表进行匹配获取对应的实验名称权重并标记为Ci，i＝{1，2，3，...，n}，n为正整数；
获取学习信息中的选中实验权重并标记为C0；提取学员的年级的数值并标记为N；
将标记的选中实验权重与若干个实验名称权重进行联立通过公式计算获取学员的操作系数CZX；该公式为：
Figure BDA0003751847350000031
式中，μ为预设的修正因子且取值范围为(1,5)；
对学员的操作系数进行分析评估，判断实验过程中操作的设备和样品是否符合实验要求，得到操作评估集。
进一步的，对学员的操作系数进行分析评估，包括：
将操作系数与预设的操作阈值进行匹配；
若操作系数大于操作阈值，则判定学员实验过程中操作的设备和样品符合实验要求，并生成第一操作信号；
若操作系数不大于操作阈值，则判定学员实验过程中操作的设备和样品不符合实验要求，并生成第二操作信号，根据第二操作信号将该学员的违规行为总次数加一，得到违规统计数据，将违规统计数据发送给学员对应的导师来对其实验操作表现的打分提供依据；同时根据第二操作信号生成立即停止实验的提示；
第一操作信号、第二操作信号和违规统计数据构成操作评估集。
进一步的，对环境的监测集中的各项数据进行特征提取和标记，包括：
获取环境的监测集中的温度数据、气压数据和颗粒物数据；
在预设的提取时间间隔的后时间点，分别提取温度数据、气压数据和颗粒物数据中的实时温度、实时气压和实时颗粒物浓度并分别取值标记为SWj、SQj和SKj，j＝{1，2，3，...，m}，m为正整数；标记的各个数据项构成第一标记数据；
在预设的提取时间间隔的前时间点，分别提取温度数据、气压数据和颗粒物数据中的实时温度、实时气压和实时颗粒物浓度并分别取值标记为SWj-1、SQj-1和SKj-1；标记的各个数据项构成第二标记数据；
第一标记数据和第二标记数据构成环境标记集。
进一步的，将环境标记集中的各项数据进行联立整合并对实验室内环境的变化情况进行分析评估，包括：
将环境标记集中的各项数据进行联立整合，通过公式计算获取实验室内环境的状态系数ZTX；该公式为：
Figure BDA0003751847350000041
式中，a1、a2、a3为不同的比例系数且均大于零；
进一步的，将状态系数与预设的状态评估阈值进行匹配来对实验室内环境的变化情况进行分析评估；
若状态系数小于状态评估阈值，则判定实验室内环境的变化情况正常并生成第一状态信号；
若状态系数不小于状态评估阈值且不大于状态评估阈值的k％，k为大于一百的实数，则判定实验室内环境的变化情况存在轻微异常并生成第二状态信号，并根据第二状态信号生成实验室环境状态异常的预警和提示，提醒实验室内的学员对周围的环境进行检查；
若状态系数大于状态评估阈值的k％，则判定实验室内环境的变化情况存在异常并生成第三状态信号，并根据第三状态信号生成相应的控制指令来对对应的异常进行控制；
第一状态信号、第二状态信号和第三状态信号构成环境评估集。
进一步的，根据第三状态信号并生成相应的控制指令来对对应的异常进行控制，包括：
根据第三状态信号获取状态系数整数部分的数值并将其设定为评估值p；
将评估值p与预设的异常范围集进行匹配，得到对应的异常范围及其对应的异常类型，根据异常类型生成对应的异常指令并对对应异常类型自动进行控制和处理；
其中，异常范围集包含第一异常范围(q，vq]、第二异常范围(q，(v+1)q]和第三异常范围(q，(v+2)q]；v和q均为正整数，且q＞v；
各个异常范围对应的异常类型分别为温度异常、气压异常和颗粒物异常；
对对应异常类型自动进行控制和处理，包括控制喷水器开始喷水以及实验室断电。
与现有方案相比，本发明的有益效果：
本发明对人脸图像识别验证通过进入实验室的学员的学习信息进行统计，基于学习信息中的选中实验权重可以获取到学员的实验操作水平，可以为后续的不同实验设备以及样品对应的实验操作的分析提供了数据支撑，通过将学员的实验能力以及实验设备和样品进行数字化表示，可以提高对学员实验操作过程中行为监测的效率和准确性，通过将学员的实操能力与实际实验的操作设备以及样品进行整体评估，判断学员的操作是否存在违规，并对违规行为自适应的进行预警提示，同时还可以对违规行为进行统计并发送给对应的导师，以便导师对学员的实验表现进行打分，有效提高了学员实验操作的安全性，以及对学员实验表现进行打分的整体效果。
本发明通过将实验室内环境的各方面的数据进行联立计算得到状态系数，通过对状态系数进行分析来监测实验室内环境的状态是否正常，并自适应的进行相关的提醒以及控制，同时对异常状态进一步进行核验来确定异常对应的异常类型，以便可以精准高效的实施对应异常的控制；区别于现有方案中通过单一的传感器进行监测分析，本发明实施例可以实现更好的监测效果和控制效果。
附图说明
图1为本发明一种基于实验室的智能控制系统的模块示意图。
图2为本发明实现一种基于实验室的智能控制系统的电子设备的结构示意图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术学员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
这里使用的术语用于描述实施例，并不意图限制和/或限制本公开；应该注意的是，除非上下文另有明确指示，否则单数形式的“一”、“一个”和“该”也包括复数形式；而且，尽管属于“第一”、“第二”等可以在本文中用于描述各种元件，但是元件不受这些术语的限制，这些术语仅用于区分一个元素和另一个元素。
参照图1所示，为本发明一实施例提供的一种基于实验室的智能控制系统的模块示意图。
一种基于实验室的智能控制系统，包括学员监测模块、环境监测模块和调控模块；
学员监测模块包含人像采集单元、学员画像单元和实验评估单元；
人像采集单元用于采集进入实验室的学员的人脸图像，提取人脸图像中的人脸特征并与预构建的人脸特征数据库进行匹配获取对应的人脸身份并将其设定为识别标志；其中，人脸特征数据库可以为现有的学校所有学生以及导师的人脸图像特征；
需要说明的是，本发明实施例的应用场景可以为学校里的化学实验室，区别于其它类型的实验室，化学实验室内存在大量的危险设备和危险样品，若实验过程中操作不当或者违规操作，往往会造成安全事故，存在较大的安全隐患；现有的学员实验操作的管理办法中，大多还是停留在理论指导上，无法对学员的实验操作中的违规操作进行监测并自动进行预警以及控制，导致实验室在实验操作方面的控制效果不佳，如何实现对学员的操作行为进行监测并自动进行预警以及控制，是本发明需要解决的一个问题。
另外，对学员进行人脸识别的方案为现有的常规技术方案，具体的步骤这里不做赘述；同时，区别于现有方案中只是基于人脸图像进行身份识别验证，本发明实施例还基于人脸图像的识别结果来获取学员的学习信息，基于学习信息来对学员已经学习操作过的实验能力进行画像，画像的结果可以为学员实验过程中的行为是否违规提供了数据支持。
学员画像单元用于根据识别标志获取到对应学员的学习信息；包括：
根据识别标志获取学员的身份信息，该身份信息包含年级、学号和导师；
根据学号获取学员的学习课表以及已经学习过的实验课程；
将已经学习过的实验课程与预构建的实验课程表进行匹配获取对应的实验课程权重，并将最大的实验课程权重设定为选中实验权重；
其中，实验课程表由若干个不同类型的实验课程及其对应的实验课程权重构成，不同的实验课程预先设置一个队应的选中实验权重；另外，现在的学校的实验难度一般是从易到难、从安全到危险，因此这里只要选取最大的实验课程权重即可表示学员的实验水平；
若干个实验课程权重以及选中实验权重构成学员的学习信息。
本发明实施例中，对人脸图像识别验证通过进入实验室的学员的学习信息进行统计，基于学习信息中的选中实验权重可以获取到学员的实验操作水平，可以为后续的不同实验设备以及样品对应的实验操作的分析提供了数据支撑，通过将学员的实验能力以及实验设备和样品进行数字化表示，可以提高对学员实验操作过程中行为监测的效率和准确性；不同的实验设备以及样品需要对应的操作能力和水平的学员进行操作，实际实验过程中，由于学员操作不当或者违规操作，无法对其危险行为进行监测和预警，如何对不同实验设备以及样品进行监测以及评估对应的学员操作能力的要求，是本发明实施例需要解决的另一个问题。
实验评估单元用于根据学习信息对学员操作的实验行为进行分析评估，得到操作评估集；包括：
获取学员在实验过程中操作的设备图像以及样品名称；
其中，当学员在设备的正前方并停留的时间超过预设的停留时间阈值时，则判定学员在该设备上进行试验操作并对该设备进行摄像获取设备图像；
另外，样品名称可以通过在样品下端设置压力传感器并进行编号，通过压力传感器来对对应的样品是否在其位置上进行监测，当样品不在其位置上时，则判定该样本被学员拿去做实验了，样品包括但不限于各种内置有不同类型溶液的烧杯以及实验瓶；
特别的，因为实验室内样品种类和数量众多，对所有的样品均进行监测的话则需要大量的监测传感器，基于成本考虑，可以只对存在危险性的样品进行监测，此外，可以将多个存在危险性的样品通过一个监测传感器进行监测，当监测传感器监测的数据变化数值不小于最低样品的重量时，则判定样品被拿走使用；该多个存在危险性的样品可以属于一个危险等级，不同的危险等级可以基于现有的样品大数据来进行设定；
提取设备图像中的设备特征并与预构建的设备特征表进行匹配获取对应的设备名称；
将获取的设备名称和样品名称分别与预构建的实验名称表进行匹配获取对应的实验名称权重并标记为Ci，i＝{1，2，3，...，n}，n为正整数；
其中，实验名称表由若干个不同的设备名称和样品名称及其对应的实验名称权重构成，不同的设备名称和样品均预先设置一个队应对的实验名称权重，实验名称权重的具体数值基于现有的实验室样品的大数据来进行设定；
这里需要说明的是，基于设备名称和样品名称来对设备和样品进行数字化表示，可以方便快速的将画像后的学员的实验水平与对应实验设备和样品之间进行分析匹配；
获取学习信息中的选中实验权重并标记为C0；提取学员的年级的数值并标记为N；其中，因为学员的年级越高，操作过的实验越多，整体的实验水平和能力相对于低年级则更强，因此考虑到学员的年级，在将各项数据进行联立计算过程中，可以有效提高数据计算和分析的多样性；
将标记的选中实验权重与若干个实验名称权重进行联立通过公式计算获取学员的操作系数CZX；该公式为：
Figure BDA0003751847350000091
式中，μ为预设的修正因子且取值范围为(1,5)，可以取值为1.5375；
需要说明是，操作系数是用于对画像后学员的实验能力与实际操作的实验设备和样品的危险性进行整体评估的数值；操作系数越大，则表示学员对应的实验操作的设备和样品越符合实验要求，比如，当选中实验权重C0远远大于实验名称权重Ci时，则学员对应的实验能力可以驾驭对应实验操作的设备和样品；基于操作系数来分析学员实时操作的实验设备以及样品是否存在违规操作；
对学员的操作系数进行分析评估，判断实验过程中操作的设备和样品是否符合实验要求，得到操作评估集；包括：
将操作系数与预设的操作阈值进行匹配；
若操作系数大于操作阈值，则判定学员实验过程中操作的设备和样品符合实验要求，并生成第一操作信号；
若操作系数不大于操作阈值，则判定学员实验过程中操作的设备和样品不符合实验要求，并生成第二操作信号，根据第二操作信号将该学员的违规行为总次数加一，得到违规统计数据，将违规统计数据发送给学员对应的导师来对其实验操作表现的打分提供依据；同时根据第二操作信号生成立即停止实验的提示；
第一操作信号、第二操作信号和违规统计数据构成操作评估集。
本发明实施例中，通过将学员的实操能力与实际实验的操作设备以及样品进行整体评估，判断学员的操作是否存在违规，并对违规行为自适应的进行预警提示，同时还可以对违规行为进行统计并发送给对应的导师，以便导师对学员的实验表现进行打分，有效提高了学员实验操作的安全性，以及对学员实验表现进行打分的整体效果；可以克服现有方案中导师只能在现场对学员的实验操作进行观察并打分的缺陷。
环境监测模块包含环境采集单元和环境评估单元；
环境采集单元用于采集实验室中环境的监测集，监测集包含温度数据、气压数据和颗粒物数据；
环境评估单元用于对环境的监测集中的各项数据进行特征提取和标记，得到环境标记集；包括：
获取环境的监测集中的温度数据、气压数据和颗粒物数据；
在预设的提取时间间隔的后时间点，其中提取时间间隔可以为60秒，即每隔60秒就进行一次监测，60秒前的时间点为前时间点，60秒后的时间点为时间点，分别提取温度数据、气压数据和颗粒物数据中的实时温度、实时气压和实时颗粒物浓度并分别取值标记为SWj、SQj和SKj，j＝{1，2，3，...，m}，m为正整数；标记的各个数据项构成第一标记数据；
在预设的提取时间间隔的前时间点，分别提取温度数据、气压数据和颗粒物数据中的实时温度、实时气压和实时颗粒物浓度并分别取值标记为SWj-1、SQj-1和SKj-1；标记的各个数据项构成第二标记数据；
第一标记数据和第二标记数据构成环境标记集。
本发明实施例中，通过将相邻时间点的监测的各项数据进行联立，可以从不同方面来对高效准确的对实验室内环境的状态进行监测分析以及预警，可以及时消除环境中存在的异常。
将环境标记集中的各项数据进行联立整合并对实验室内环境的变化情况进行分析评估，得到环境评估集；包括：
将环境标记集中的各项数据进行联立整合，通过公式计算获取实验室内环境的状态系数ZTX；该公式为：
Figure BDA0003751847350000101
式中，a1、a2、a3为不同的比例系数且均大于零；
本发明实施例中，状态系数是用于将实验室环境中不同方面的各个数据进行联立来对其状态进行整体评估的数值；通过将不同时间点的温度、气压和颗粒物浓度进行联立分析，可以及时发现实验室内环境状态的异常，并及时做出预警以及预处理，可以有效提高实验室监测控制的安全性。
将环境标记集中的各项数据进行联立整合并对实验室内环境的变化情况进行分析评估，包括：
将状态系数与预设的状态评估阈值进行匹配来对实验室内环境的变化情况进行分析评估；
若状态系数小于状态评估阈值，则判定实验室内环境的变化情况正常并生成第一状态信号；
若状态系数不小于状态评估阈值且不大于状态评估阈值的k％，k为大于一百的实数，可以取值为140，则判定实验室内环境的变化情况存在轻微异常并生成第二状态信号，并根据第二状态信号生成实验室环境状态异常的预警和提示，提醒实验室内的学员对周围的环境进行检查；
若状态系数大于状态评估阈值的k％，则判定实验室内环境的变化情况存在异常并生成第三状态信号，并根据第三状态信号生成相应的控制指令来对对应的异常进行控制，包括：
根据第三状态信号获取状态系数整数部分的数值并将其设定为评估值p；
将评估值p与预设的异常范围集进行匹配，得到对应的异常范围及其对应的异常类型，根据异常类型生成对应的异常指令并对对应异常类型自动进行控制和处理；
其中，异常范围集包含第一异常范围(q，vq]、第二异常范围(q，(v+1)q]和第三异常范围(q，(v+2)q]；v和q均为正整数，且q＞v；
各个异常范围对应的异常类型分别为温度异常、气压异常和颗粒物异常；
对对应异常类型自动进行控制和处理，包括控制喷水器开始喷水以及实验室断电；
第一状态信号、第二状态信号和第三状态信号构成环境评估集。
本发明实施例中，通过将实验室内环境的各方面的数据进行联立计算得到状态系数，通过对状态系数进行分析来监测实验室内环境的状态是否正常，并自适应的进行相关的提醒以及控制，同时对异常状态进一步进行核验来确定异常对应的异常类型，以便可以精准高效的实施对应异常的控制；区别于现有方案中通过单一的传感器进行监测分析，本发明实施例可以实现更好的监测效果和控制效果。
调控模块用于根据操作评估集和环境评估集自适应的控制不同学员的实验操作和对环境条件进行调控和预警。
本发明实施例中，通过从学员和器具方面以及环境方面来进行监测分析和控制，并自适应的对不同方面的异常进行预警提示以及自动实施相对应的控制，可以有效提高实验室运行的安全性，实现了实验室的智能监测和控制。
参照图2所示，为本发明一实施例提供的一种基于实验室的智能控制系统的电子设备的结构示意图。在本实施例中，一种基于实验室的智能控制系统的电子设备，可以包括处理器、存储器、通信总线以及通信接口，还可以包括存储在存储器中并可在处理器上运行的计算机程序。
其中，处理器在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同类型或不同类型封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。处理器是电子设备的控制核心(ControlUnit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在存储器内的程序或者模块(例如一种基于实验室的智能控制程序等)，以及调用存储在存储器内的数据，以执行电子设备的各种类型和处理数据。
存储器至少包括一种类型的可读存储介质，可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：SD或DX存储器等)、磁性存储器、磁盘、光盘等。存储器在一些实施例中可以是电子设备的内部存储单元，例如该电子设备的移动硬盘。存储器在另一些实施例中也可以是电子设备的外部存储设备，例如电子设备上配备的插接式移动硬盘、智能存储卡(Smart Media Card，SMC)、安全数字(Secure Digital，SD)卡、闪存卡(Flash Card)等。存储器还可以既包括电子设备的内部存储单元也包括外部存储设备。存储器不仅可以用于存储安装于电子设备的应用软件及各类数据，例如一种基于实验室的智能控制程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
通信总线可以是外设部件互连标准(peripheral componentinterconnect，简称PCI)总线或扩展工业标准结构(extended industry standardarchitecture，简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。总线被设置为实现所述存储器以及至少一个处理器等之间的连接通信。
通信接口用于上述电子设备与其他设备之间的通信，包括网络接口和用户接口。可选地，网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等)，通常用于在该电子设备与其他电子设备之间建立通信连接。用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
图2仅示出了具有部件的电子设备，本领域技术学员可以理解的是，图2示出的结构并不构成对电子设备的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管未示出，电子设备还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与至少一个处理器逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等类型。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。电子设备还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。电子设备中的存储器存储的程序是多个指令的组合，在处理器中运行时，可以实现一种基于实验室的智能控制系统各个步骤的实施和运行。
具体地，处理器对上述指令的具体实现方法可参考附图对应实施例中相关步骤的描述，在此不赘述。
电子设备集成的模块/单元如果以软件类型单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，上述模块的划分，仅仅为一种逻辑类型划分，实际实现时可以有另外的划分方式。
作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各类型模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件类型模块的形式实现。
对于本领域技术学员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。

Claims (6)

1.一种基于实验室的智能控制系统，其特征在于，包括学员监测模块、环境监测模块和调控模块；
学员监测模块用于采集进入实验室的学员的人脸图像，提取人脸图像中的人脸特征并与预构建的人脸特征数据库进行匹配获取对应的人脸身份并将其设定为识别标志；
根据识别标志获取到对应学员的学习信息；包括：
根据识别标志获取学员的身份信息，该身份信息包含年级、学号和导师；
根据学号获取学员的学习课表以及已经学习过的实验课程；将已经学习过的实验课程与预构建的实验课程表进行匹配获取对应的实验课程权重，并将最大的实验课程权重设定为选中实验权重；
若干个实验课程权重以及选中实验权重构成学员的学习信息；
根据学习信息对学员操作的实验行为进行分析评估，得到操作评估集；包括：
获取学员在实验过程中操作的设备图像以及样品名称；
提取设备图像中的设备特征并与预构建的设备特征表进行匹配获取对应的设备名称；将获取的设备名称和样品名称分别与预构建的实验名称表进行匹配获取对应的实验名称权重并标记为Ci，i={1，2，3，...，n}，n为正整数；
获取学习信息中的选中实验权重并标记为C0；提取学员的年级的数值并标记为N；将标记的选中实验权重与若干个实验名称权重进行联立通过公式计算获取学员的操作系数CZX；该公式为：
Figure QLYQS_1
式中，/>
Figure QLYQS_2
为预设的修正因子且取值范围为（1，5）；
对学员的操作系数进行分析评估，判断实验过程中操作的设备和样品是否符合实验要求，得到操作评估集；包括：
将操作系数与预设的操作阈值进行匹配；
若操作系数大于操作阈值，则判定学员实验过程中操作的设备和样品符合实验要求，并生成第一操作信号；
若操作系数不大于操作阈值，则判定学员实验过程中操作的设备和样品不符合实验要求，并生成第二操作信号，根据第二操作信号将该学员的违规行为总次数加一，得到违规统计数据，将违规统计数据发送给学员对应的导师来对其实验操作表现的打分提供依据；同时根据第二操作信号生成立即停止实验的提示；
第一操作信号、第二操作信号和违规统计数据构成操作评估集；
环境监测模块采集实验室中环境的监测集，监测集包含温度数据、气压数据和颗粒物数据；对环境的监测集中的各项数据进行特征提取和标记，得到环境标记集；
将环境标记集中的各项数据进行联立整合并对实验室内环境的变化情况进行分析评估，得到环境评估集；
调控模块用于根据操作评估集和环境评估集自适应的控制不同学员的实验操作和对环境条件进行调控和预警。
2.根据权利要求1所述的一种基于实验室的智能控制系统，其特征在于，对环境的监测集中的各项数据进行特征提取和标记，包括：
在预设的提取时间间隔的后时间点，分别提取温度数据、气压数据和颗粒物数据中的实时温度、实时气压和实时颗粒物浓度并分别取值标记为SWj、SQj和SKj，j={1，2，3，...，m}，m为正整数；标记的各个数据项构成第一标记数据；
在预设的提取时间间隔的前时间点，分别提取温度数据、气压数据和颗粒物数据中的实时温度、实时气压和实时颗粒物浓度并分别取值标记为SWj-1、SQj-1和SKj-1；标记的各个数据项构成第二标记数据；
第一标记数据和第二标记数据构成环境标记集。
3.根据权利要求2所述的一种基于实验室的智能控制系统，其特征在于，将环境标记集中的各项数据进行联立整合并对实验室内环境的变化情况进行分析评估，包括：将环境标记集中的各项数据进行联立整合，通过公式计算获取实验室内环境的状态系数ZTX；该公式为：
Figure QLYQS_3
式中，a1、a2、a3为不同的比例系数且均大于零；SWj、SQj和SKj分别为预设的提取时间间隔的后时间点对应的实时温度、实时气压和实时颗粒物浓度；SWj-1、SQj-1和SKj-1分别为预设的提取时间间隔的前时间点对应的实时温度、实时气压和实时颗粒物浓度。
4.根据权利要求3所述的一种基于实验室的智能控制系统，其特征在于，将状态系数与预设的状态评估阈值进行匹配来对实验室内环境的变化情况进行分析评估；若状态系数小于状态评估阈值，则生成第一状态信号；
若状态系数不小于状态评估阈值且不大于状态评估阈值的k%，k为大于一百的实数，则生成第二状态信号并生成实验室环境状态异常的预警和提示；
若状态系数大于状态评估阈值的k%，则生成第三状态信号并生成相应的控制指令来对对应的异常进行控制；
第一状态信号、第二状态信号和第三状态信号构成环境评估集。
5.根据权利要求4所述的一种基于实验室的智能控制系统，其特征在于，对对应的异常进行控制，包括：
根据第三状态信号获取状态系数整数部分的数值并将其与预设的异常范围集进行匹配，得到对应的异常范围及其对应的异常类型，根据异常类型生成对应的异常指令并对对应异常类型自动进行控制和处理。
6.根据权利要求5所述的一种基于实验室的智能控制系统，其特征在于，各个异常范围对应的异常类型分别为温度异常、气压异常和颗粒物异常；对对应异常类型自动进行控制和处理，包括控制喷水器开始喷水以及实验室断电。
CN202210844831.1A 2022-07-18 2022-07-18 一种基于实验室的智能控制系统 Active CN115327897B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210844831.1A CN115327897B (zh) 2022-07-18 2022-07-18 一种基于实验室的智能控制系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210844831.1A CN115327897B (zh) 2022-07-18 2022-07-18 一种基于实验室的智能控制系统

Publications (2)

Publication Number Publication Date
CN115327897A CN115327897A (zh) 2022-11-11
CN115327897B true CN115327897B (zh) 2023-03-28

Family

ID=83917275

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210844831.1A Active CN115327897B (zh) 2022-07-18 2022-07-18 一种基于实验室的智能控制系统

Country Status (1)

Country Link
CN (1) CN115327897B (zh)

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112907196A (zh) * 2019-12-04 2021-06-04 洛阳华清天木生物科技有限公司 一种基于实验过程大数据分析的实验室安全准入系统和方法
US11513496B2 (en) * 2019-12-19 2022-11-29 ExxonMobil Technology and Engineering Company Systems and methods of monitoring and controlling an industrial process
CN111443609B (zh) * 2020-04-16 2023-03-07 成都三业嘉豪科技有限公司 一种基于物联网的实验室环境自适应调节方法
CN112525268A (zh) * 2021-01-22 2021-03-19 九江职业技术学院 一种基于计算机物联网的实验室监控系统
CN113487216A (zh) * 2021-07-22 2021-10-08 广东真迪科教设备有限公司 一种基于人工智能的实验室动态管理方法、系统及设备
CN113706960B (zh) * 2021-08-29 2023-01-20 华中科技大学同济医学院附属协和医院 一种基于vr技术的护理操作练习平台及使用方法
CN114358242A (zh) * 2021-11-23 2022-04-15 合肥中南光电有限公司 一种异质结电池生产监控系统及方法
CN114640752B (zh) * 2022-03-28 2024-02-09 杭州海康威视系统技术有限公司 一种实验学习的辅助方法及装置

Also Published As

Publication number Publication date
CN115327897A (zh) 2022-11-11

Similar Documents

Publication Publication Date Title
US20160117944A1 (en) System and Method for Evaluating Experiment Teaching Achievement
CN113592019B (zh) 基于多模型融合的故障检测方法、装置、设备及介质
CN113780691A (zh) 数据测试方法、装置、电子设备及存储介质
CN112052850A (zh) 车牌识别方法、装置、电子设备及存储介质
CN114519524A (zh) 基于知识图谱的企业风险预警方法、装置及存储介质
CN116089250B (zh) 一种人机交互优化管理系统及管理方法
CN113504935A (zh) 软件开发质量评估方法、装置、电子设备及可读存储介质
CN112396547A (zh) 基于无监督学习的课程推荐方法、装置、设备及介质
CN116755985A (zh) 基于大数据和数据分析的平台智能监测管理系统
CN115373357A (zh) 基于物联网的工业生产安全管理系统、方法及设备
CN111985545A (zh) 基于人工智能的目标数据检测方法、装置、设备及介质
CN113313211B (zh) 文本分类方法、装置、电子设备及存储介质
CN115327897B (zh) 一种基于实验室的智能控制系统
CN117557199A (zh) 一种基于数学模型的智慧仓储方法、系统及存储介质
CN112288371A (zh) 通关检验方法、装置、电子设备及计算机可读存储介质
CN113065607A (zh) 图像检测方法、装置、电子设备及介质
CN116562894A (zh) 车险理赔欺诈风险识别方法、装置、电子设备及存储介质
CN114676859B (zh) 基于物联网的综合安全防护系统及方法
CN113010868B (zh) 一种在线测试认证考试管理系统
CN115691251A (zh) 基于物联网的工业操作教学实训系统、方法及设备
CN113011164B (zh) 数据质量检测方法、装置、电子设备及介质
CN114610980A (zh) 基于网络舆情的黑产识别方法、装置、设备及存储介质
CN113128440A (zh) 基于边缘设备的目标物识别方法、装置、设备及存储介质
CN115792135B (zh) 一种用于车辆车内空气质量的测试方法、系统及介质
CN114548825B (zh) 投诉工单失真检测方法、装置、设备及存储介质

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