CN116465838A - 一种溶液浓度一致性检测方法 - Google Patents
一种溶液浓度一致性检测方法 Download PDFInfo
- Publication number
- CN116465838A CN116465838A CN202310122080.7A CN202310122080A CN116465838A CN 116465838 A CN116465838 A CN 116465838A CN 202310122080 A CN202310122080 A CN 202310122080A CN 116465838 A CN116465838 A CN 116465838A
- Authority
- CN
- China
- Prior art keywords
- concentration
- solution
- color system
- data
- spectrum
- 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.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 19
- 238000001228 spectrum Methods 0.000 claims abstract description 70
- 239000000243 solution Substances 0.000 claims abstract description 69
- 238000012706 support-vector machine Methods 0.000 claims abstract description 21
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 14
- 238000004519 manufacturing process Methods 0.000 claims abstract description 13
- 239000011259 mixed solution Substances 0.000 claims abstract description 12
- 238000001914 filtration Methods 0.000 claims abstract description 9
- 238000000034 method Methods 0.000 claims description 28
- 238000004043 dyeing Methods 0.000 claims description 24
- 230000003595 spectral effect Effects 0.000 claims description 21
- 238000004364 calculation method Methods 0.000 claims description 14
- 238000012937 correction Methods 0.000 claims description 10
- 238000005259 measurement Methods 0.000 claims description 9
- 239000000523 sample Substances 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 7
- 238000012549 training Methods 0.000 claims description 6
- 238000002474 experimental method Methods 0.000 claims description 5
- 239000000126 substance Substances 0.000 claims description 5
- 239000011159 matrix material Substances 0.000 claims description 4
- 239000012488 sample solution Substances 0.000 claims description 4
- 230000000007 visual effect Effects 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 2
- 239000003086 colorant Substances 0.000 claims description 2
- 239000002989 correction material Substances 0.000 claims description 2
- 238000002372 labelling Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 claims description 2
- 238000010801 machine learning Methods 0.000 abstract 1
- 238000009472 formulation Methods 0.000 description 5
- 239000000203 mixture Substances 0.000 description 5
- 238000002798 spectrophotometry method Methods 0.000 description 4
- 238000012546 transfer Methods 0.000 description 4
- 239000004744 fabric Substances 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000012086 standard solution Substances 0.000 description 2
- 238000002835 absorbance Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000001890 transfection Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
-
- 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
- G01N21/01—Arrangements or apparatus for facilitating the optical investigation
-
- 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
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Spectrometry And Color Measurement (AREA)
Abstract
本发明涉及一种溶液浓度一致性检测方法，分别采集不同色系不同浓度的光谱数据，保留不同色系最优光谱通道数据，处理后的数据训练非线性支持向量机回归模型，生成模型，用模型预测跟缸中混合溶液不同色系浓度值，根据浓度差，调整跟缸中每个色系的克重以及水重；本发明应用了特征工程中的方差过滤算法高效地识别了每个色系最优特征，应用了机器学习算法高效地拟合了浓度与光谱之间的关系，生成了支持向量机回归模型，能够快速高效地计算出混合液中每个色系的浓度值，能够解决实际生产过程中不能实时监测的场景问题。
Description
技术领域
本发明涉及印染行业中染色技术领域，尤其涉及一种溶液浓度一致性检测方法。
背景技术
溶液浓度一致性检测是监测生产中跟缸溶液是否与打样中标准液浓度是否一致，是提高染色成品与打样样品一致的有效途径；在生产中，跟缸溶液浓度与打样中标准液浓度浓度差直接影响最终的染色成品；浓度差越小，染色成品就越接近样品，反之浓度差越大，染色成品越偏离样品。
现有印染行业中，移染值分析方法是在未染色的织物在移染后测得的染料溶度与已染织物(原染布)在移染后测得的染料浓度之比值，该方法只适合单一染料测定，不能测定混合浓液的浓度，在实际生产中，无法及时调整印染方案；分光光度法是通过测定被测物质在特定波长处或一定波长范围内光的吸收度，对该物质进行定性和定量分析的方法，目前分光光度法还处于理论研究阶段，并没有解决实际项目中浓度一致性问题。移染值分析方法和分光光度法针对不同配方每次都需要大量实验，耗费人力；另外移染值分析方法和分光光度法只适合行业专业人员进行实验操作，不具备普适性；测试时间周期长。为了解决上述问题，本发明提出了一种溶液浓度一致性检测方法。
发明内容
本发明的目的是提供一种溶液浓度一致性检测方法，本发明解决的问题不仅可以测定单一染料浓度，而且能够测定混合染料浓度；离线保存的模型具备实时高效地测定染料浓度值，应用该模型可以实时监测生产过程中跟缸中溶液浓度变化，可以解决实际生产过程中不能实时监测的场景问题；
为了解决上述问题，本发明是通过以下技术方案实现的：
步骤1：为了解决现有印染溶液一致性检测方法每次场景都需要专业的实验人员进行大量的化学实验测溶液溶度，耗费人力、实验周期长以及不具备场景普适性，现有印染溶液一致性检测方法在实际生产项目过程中，无法及时调整印染方案，只适合单一染料测定，不适合混合染料测定以及现有印染溶液一致性检测方法不能实现实时在线可视化分析等问题，需要单独采集不同色系不同浓度的光谱数据，应用特征选择中的方差过滤方法找到每个色系的最优光谱通道，保留不同色系不同浓度的最优光谱数据，删除多余通道数据；
步骤2：应用步骤1采集的不同色系溶液光谱数据以及浓度标签数据训练支持向量机回归模型，保存支持向量机回归模型；
步骤3：采集跟缸中光谱数据，应用步骤1计算得出的最优光谱通道保留对应色系的光谱数据，处理后的数据作为非线性支持向量机回归模型的输入，得出对应色系在混合溶液中的浓度值；
步骤4：跟缸中溶液每个色系的浓度与打样中溶液每个色系的浓度进行数值比较，若跟缸中溶液每个色系的浓度小于打样中溶液每个色系的浓度，则需要增加该色系配方克重；若跟缸中溶液每个色系的浓度大于打样中溶液每个色系的浓度，则需要增加水重；
本发明有益效果是：
1、不仅可以高效测定单一染料的浓度值，而且可以高效地测定混合染料中不同色系的浓度值；
2、采集的样本数据训练生成模型，保存模型，利用支持向量机模型能够快速高效地计算出混合液中每个色系的浓度值；
3、此方法弥补了传统测量方法的弊端，结合了人工智能技术能够高效地解决实际生产过程中不能实时监测的场景问题；
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
图1一种溶液浓度一致性检测方法流程图
图2 EVE YELLOW 3GL配方光谱曲线一致性比对图
图3 EVERZOL Blue BB配方光谱曲线一致性比对图
图4 EVERZOL TQ BLUE G 133％配方光谱曲线一致性比对图
图5 混合溶液光谱曲线一致性比对图
具体实施方式
以下结合具体实施过程对本方明作进一步描述，但并不因此而限制本发明的保护范围。
为了解决不仅可以测定单一染料浓度，而且能够测定混合染料浓度问题以及具备高效实时地测定染料浓度值问题，结合图1-图5对本发明进行了详细说明，其具体实施步骤如下：
步骤1：为了解决现有印染溶液一致性检测方法每次场景都需要专业的实验人员进行大量的化学实验测溶液溶度，耗费人力、实验周期长以及不具备场景普适性，现有印染溶液一致性检测方法在实际生产项目过程中，无法及时调整印染方案，只适合单一染料测定，不适合混合染料测定以及现有印染溶液一致性检测方法不能实现实时在线可视化分析等问题，需要单独采集不色系溶液不同浓度的光谱数据，应用特征选择中的方差过滤方法找到每个色系的最优光谱通道，保留不同色系不同浓度的最优光谱数据，删除多余通道数据，其具体计算过程如下：
步骤1.1：应用光谱的透射原理，采集不色系溶液不同浓度的光谱数据。由于硬件差异，每台采光设备不可能做的完全一样，这里光谱数据就出现了台差问题；就算同一台设备在不同时间段也会出现波动，这里光谱数据就出现了时差问题。为了解决上述时差和台差问题，制定了以下单点校正方案；
1.在时差中表现为：一台设备测量两个物体，第二天继续测量这两个物体；虽然同一个物体两天的光谱数据存在差异，但是两个物体的两天光谱变化趋势是一致的。
2.在台差中表现为：两台设备测量两个物体，得到四条光谱数据；虽然同一物体两台设备数据存在差异，但是同一设备下不同物体的光谱数据比值(或其他操作)与另一台设备的比值是一致。
3.校正材料：纯水
4.校正方案：
1)每台设备出厂时，采集纯水一次，作为校正光谱
2)使用时，根据使用场景，选择了单点校正方案。
假设现在有原始光谱S，纯水J
单点校正：
s＝S/J
3)根据校正后的光谱数据，进行后续步骤处理。
步骤1.2：对步骤1.1已采集好的校正后的光谱数据进行浓度标注；
步骤1.3：应用步骤1.1采集的同色系溶液不同浓度的光谱数据构建成一个矩阵(n,m)；n代表采集了n条数据，m代表光谱通道个数；应用特征工程中的方差过滤方法对矩阵(n,m)中每一列进行方差运算得到每个光谱通道的波动方差值；波动方差值越大该通道越能代表该色系的特征，反之，波动方差值越小，该通道具备该色系的信息越少，选取通道波动方差值大于设定的阈值的通道作为该色系的最优通道，不同色系循环步骤1.3得到对应色系的最优通道；保留不同色系溶液的光谱数据中的最优光谱通道数据，去掉多余通道数据；
步骤2：应用步骤1采集的不同色系溶液光谱数据以及浓度标签数据训练支持向量机回归模型，保存支持向量机回归模型，其具体计算过程如下：
如果颜色有n个，则应用步骤1采集的不同色系溶液光谱数据以及浓度标签数据训练n个非线性支持向量机回归模型；模型参数可以根据实际生产中设置不同数值，这里非线性支持向量机SVM回归模型可调参数具体设置如下：
1)KERNEL选型rbf
2)MAX_ITER设置为5000
3)C_RANGE中START设置为-5、STOP设置为15、NUM设置为10、BASE设置为2；GAMMA_RANGE中START设置为-9、STOP设置为3、NUM设置为13、BASE设置为2；
步骤3：采集跟缸中溶液光谱数据，应用步骤1计算得出的每个色系最优光谱通道保留对应色系的光谱数据，处理后的数据作为非线性支持向量机回归模型的输入，得出对应色系在混合溶液中的浓度值；
步骤4：跟缸中溶液每个色系的浓度与打样中溶液每个色系的浓度进行数值比较，若跟缸中溶液每个色系的浓度小于打样中溶液每个色系的浓度，则需要增加该色系配方克重；若跟缸中溶液每个色系的浓度大于打样中溶液每个色系的浓度，则需要增加水重；其具体计算过程如下：
若Cai>Cbi，则用以下公式1进行单个色系克重计算；
G＝(Cai-Cbi)·Vb (公式1)
若Cai<Cbi，则用以下公式2进行加水重的计算；
上式公式1与公式2中，a代表打样中样品溶液，b代表跟缸中溶液，cai为打样中样品溶液名为i色系的浓度值，cai单位为g/L；Cbi为跟缸中溶液名为i色系的浓度值；Vb为跟缸中溶液的体积，单位为L。
实施例子
1)现有打样中EVE YELLOW 3GL、EVERZOL Blue BB、EVERZOL TQ BLUE G 133％配方的光谱和浓度标签数据各为110条数据；EVE YELLOW 3GL、EVERZOL Blue BB、EVERZOL TQBLUE G 133％配方的光谱和浓度标签数据分别生成3个对应的矩阵(150,44)；应用特征选择中的方差过滤方法分别找到EVE YELLOW 3GL、EVERZOL Blue BB、EVERZOL TQ BLUE G133％配方的最优光谱通道，保留EVE YELLOW 3GL、EVERZOL Blue BB、EVERZOL TQ BLUE G133％配方的最优通道光谱数据，删除多余通道的数据。
2)经过方差过滤方法处理后的打样中EVE YELLOW 3GL、EVERZOL Blue BB、EVERZOL TQ BLUE G 133％配方光谱和克重标签数据分别训练非线性支持向量机模型，分别生成EVE YELLOW 3GL、EVERZOL Blue BB以及EVERZOL TQ BLUE G 133％三个浓度回归模型，保存模型；
3)采集跟缸中染料的光谱数据1条，采集打样中溶液光谱和浓度标签数据作为标准光谱数据，应用EVE YELLOW 3GL、EVERZOL Blue BB、EVERZOL TQ BLUE G 133％配方的最优光谱通道分割跟缸中染料的光谱数据得到跟缸中EVE YELLOW3GL、EVERZOL Blue BB、EVERZOL TQ BLUE G 133％配方的光谱数据，处理后的光谱数据作为非线性支持向量机回归模型的输入，分别得出EVE YELLOW 3GL、EVERZOL Blue BB、EVERZOL TQ BLUE G 133％配方在混合溶液中的浓度值；
4)跟缸中EVE YELLOW 3GL、EVERZOL Blue BB、EVERZOL TQ BLUE G 133％配方的浓度分别与打样中EVE YELLOW 3GL、EVERZOL Blue BB、EVERZOL TQ BLUE G 133％配方浓度进行数值比较，若跟缸中EVE YELLOW 3GL、EVERZOL Blue BB、EVERZOL TQ BLUE G 133％配方浓度分别小于打样中EVE YELLOW 3GL、EVERZOL BlueBB、EVERZOL TQ BLUE G 133％配方浓度值，则需要增加对应色系配方克重；若跟缸中EVE YELLOW 3GL、EVERZOL Blue BB、EVERZOL TQ BLUE G 133％配方浓度大于打样中EVE YELLOW 3GL、EVERZOL Blue BB、EVERZOL TQ BLUE G 133％配方浓度值，则需要增加水重。
根据跟缸中EVE YELLOW 3GL、EVERZOL Blue BB、EVERZOL TQ BLUE G 133％配方浓度Cbi等于打样中EVE YELLOW 3GL、EVERZOL Blue BB、EVERZOL TQ BLUE G 133％配方浓度Cai的情况下，取打样中EVE YELLOW 3GL、EVERZOL Blue BB、EVERZOL TQ BLUE G 133％配方对应光谱曲线和跟缸中EVE YELLOW 3GL、EVERZOL Blue BB、EVERZOL TQ BLUE G 133％配方对应光谱曲线，分别得到EVE YELLOW 3GL、EVERZOL Blue BB、EVERZOL TQ BLUE G133％配方的光谱曲线一致性对比图，也可以得到混合溶液光谱曲线一致性对比图，实验结果如下所示：
从图2、图3、图4实验结果图可以看出，打样中每个配方光谱曲线与跟缸中每个配方光谱曲线能够保持高度一致性；从图5实验结果图可以看出打样中混合溶液光谱曲线与跟缸中混合液光谱曲线能够保持高度一致性。
本领域技术人员在考虑说明书及实践这里公开的公开后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由所附的权利要求指出。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围应由所附的权利要求来限制。
Claims (5)
1.一种溶液浓度一致性检测方法，本发明涉及印染行业中染色技术领域，具体涉及一种溶液浓度一致性检测方法，其特征是，包括如下步骤：
步骤1：为了解决现有印染溶液一致性检测方法每次场景都需要专业的实验人员进行大量的化学实验测溶液溶度，耗费人力、实验周期长以及不具备场景普适性，现有印染溶液一致性检测方法在实际生产项目过程中，无法及时调整印染方案，只适合单一染料测定，不适合混合染料测定以及现有印染溶液一致性检测方法不能实现实时在线可视化分析等问题，需要单独采集不同色系不同浓度的光谱数据，应用特征选择中的方差过滤方法找到每个色系的最优光谱通道，保留不同色系不同浓度的最优光谱数据，删除多余通道数据；
步骤2：应用步骤1采集的不同色系溶液光谱数据以及浓度标签数据训练支持向量机回归模型，保存支持向量机回归模型；
步骤3：采集跟缸中光谱数据，应用步骤1计算得出的最优光谱通道保留对应色系的光谱数据，处理后的数据作为非线性支持向量机回归模型的输入，得出对应色系在混合溶液中的浓度值；
步骤4：跟缸中溶液每个色系的浓度与打样中溶液每个色系的浓度进行数值比较，若跟缸中溶液每个色系的浓度小于打样中溶液每个色系的浓度，则需要增加该色系配方克重；若跟缸中溶液每个色系的浓度大于打样中溶液每个色系的浓度，则需要增加水重。
2.根据权利要求1中所述的一种溶液浓度一致性检测方法，其特征是，以上所述步骤1中具体计算过程如下：
步骤1：为了解决现有印染溶液一致性检测方法每次场景都需要专业的实验人员进行大量的化学实验测溶液溶度，耗费人力、实验周期长以及不具备场景普适性，现有印染溶液一致性检测方法在实际生产项目过程中，无法及时调整印染方案，只适合单一染料测定，不适合混合染料测定以及现有印染溶液一致性检测方法不能实现实时在线可视化分析等问题，需要单独采集不色系溶液不同浓度的光谱数据，应用特征选择中的方差过滤方法找到每个色系的最优光谱通道，保留不同色系不同浓度的最优光谱数据，删除多余通道数据，其具体计算过程如下：
步骤1.1：应用光谱的透射原理，采集不色系溶液不同浓度的光谱数据。由于硬件差异，每台采光设备不可能做的完全一样，这里光谱数据就出现了台差问题；就算同一台设备在不同时间段也会出现波动，这里光谱数据就出现了时差问题。为了解决上述时差和台差问题，制定了以下单点校正方案；
1.在时差中表现为：一台设备测量两个物体，第二天继续测量这两个物体；虽然同一个物体两天的光谱数据存在差异，但是两个物体的两天光谱变化趋势是一致的。
2.在台差中表现为：两台设备测量两个物体，得到四条光谱数据；虽然同一物体两台设备数据存在差异，但是同一设备下不同物体的光谱数据比值(或其他操作)与另一台设备的比值是一致。
3.校正材料：纯水
4.校正方案：
1)每台设备出厂时，采集纯水一次，作为校正光谱
2)使用时，根据使用场景，选择了单点校正方案。
假设现在有原始光谱S，纯水J
单点校正：
s＝S/J
3)根据校正后的光谱数据，进行后续步骤处理。
步骤1.2：对步骤1.1已采集好的校正后的光谱数据进行浓度标注；
步骤1.3：应用步骤1.1采集的同色系溶液不同浓度的光谱数据构建成一个矩阵(n,m)；n代表采集了n条数据，m代表光谱通道个数；应用特征工程中的方差过滤方法对矩阵(n,m)中每一列进行方差运算得到每个光谱通道的波动方差值；波动方差值越大该通道越能代表该色系的特征，反之，波动方差值越小，该通道具备该色系的信息越少，选取通道波动方差值大于设定的阈值的通道作为该色系的最优通道，不同色系循环步骤1.3得到对应色系的最优通道；保留不同色系溶液的光谱数据中的最优光谱通道数据，去掉多余通道数据。
3.根据权利要求1中所述的一种溶液浓度一致性检测方法，其特征是，以上所述步骤2中具体计算过程如下：
步骤2：应用步骤1采集的不同色系溶液光谱数据以及浓度标签数据训练支持向量机回归模型，保存支持向量机回归模型，其具体计算过程如下：
如果颜色有n个，则应用步骤1采集的不同色系溶液光谱数据以及浓度标签数据训练n个非线性支持向量机回归模型；模型参数可以根据实际生产中设置不同数值，这里非线性支持向量机SVM回归模型可调参数具体设置如下：
1)KERNEL选型rbf
2)MAX_ITER设置为5000
3)C_RANGE中START设置为-5、STOP设置为15、NUM设置为10、BASE设置为2；GAMMA_RANGE中START设置为-9、STOP设置为3、NUM设置为13、BASE设置为2。
4.根据权利要求1中所述的一种溶液浓度一致性检测方法，其特征是，以上所述步骤3中具体计算过程如下：
步骤3：采集跟缸中溶液光谱数据，应用步骤1计算得出的每个色系最优光谱通道保留对应色系的光谱数据，处理后的数据作为非线性支持向量机回归模型的输入，得出对应色系在混合溶液中的浓度值。
5.根据权利要求1中所述的一种溶液浓度一致性检测方法，其特征是，以上所述步骤4中具体计算过程如下：
步骤4：跟缸中溶液每个色系的浓度与打样中溶液每个色系的浓度进行数值比较，若跟缸中溶液每个色系的浓度小于打样中溶液每个色系的浓度，则需要增加该色系配方克重；若跟缸中溶液每个色系的浓度大于打样中溶液每个色系的浓度，则需要增加水重；其具体计算过程如下：
若Cai>Cbi，则用以下公式1进行单个色系克重计算；
G＝(Cai-Cbi)·Vb (公式1)
若Cai<Cbi，则用以下公式2进行加水重的计算；
上式公式1与公式2中，a代表打样中样品溶液，b代表跟缸中溶液，cai为打样中样品溶液名为i色系的浓度值，cai单位为g/L；Cbi为跟缸中溶液名为i色系的浓度值；Vb为跟缸中溶液的体积，单位为L。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310122080.7A CN116465838A (zh) | 2023-02-06 | 2023-02-06 | 一种溶液浓度一致性检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310122080.7A CN116465838A (zh) | 2023-02-06 | 2023-02-06 | 一种溶液浓度一致性检测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116465838A true CN116465838A (zh) | 2023-07-21 |
Family
ID=87183076
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310122080.7A Pending CN116465838A (zh) | 2023-02-06 | 2023-02-06 | 一种溶液浓度一致性检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116465838A (zh) |
-
2023
- 2023-02-06 CN CN202310122080.7A patent/CN116465838A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2016179981A1 (zh) | 一种新生儿黄疸的自动检测方法及系统 | |
| CN102799895B (zh) | 基于最小二乘支持向量机的胶印油墨配色方法 | |
| CN106918594A (zh) | 一种在线分析籽棉色特征和杂质的方法 | |
| CN109811493B (zh) | 一种多组分染料染色过程自动给液方法 | |
| CN105957111A (zh) | 序列遥感影像的色调一致性校正方法及系统 | |
| CN105187819A (zh) | 一种工业彩色相机颜色响应测试与校正装置及方法 | |
| CN106204662A (zh) | 一种多光源环境下的图像颜色恒常方法 | |
| CN109914120A (zh) | 一种染料配方的设计方法 | |
| CN115855809A (zh) | 一种基于光谱重建的纺织品色牢度自动评级方法 | |
| CN116465838A (zh) | 一种溶液浓度一致性检测方法 | |
| CN117730655A (zh) | 水稻种子活力定量分析方法、装置、设备及存储介质 | |
| CN112215410B (zh) | 基于改进深度学习的电力负荷预测方法 | |
| CN113781476A (zh) | 基于图像处理的纺织品染色质量评估方法与系统 | |
| Xie et al. | An algorithm for online detection of colour differences in warp knitted fabrics | |
| CN115578553B (zh) | 一种基于时序图像序列的甲醛的快速检测方法 | |
| CN208752022U (zh) | 基于树莓派的深度学习机器视觉自动在线验布装置 | |
| CN115797838A (zh) | 一种泡沫染色的多设备联合控制方法及系统 | |
| CN113192034B (zh) | 基于反向传播神经网络的混合染液浓度检测方法 | |
| CN115713720A (zh) | 一种基于视频图像的智能分析方法 | |
| Shengxian et al. | A colour constancy algorithm based on neural network and application | |
| CN113295625A (zh) | 基于极端梯度提升的机器视觉染料浓度光谱检测方法 | |
| Luta et al. | A noncontact pH level sensing indicator using computer vision and knowledge-based systems | |
| CN110530838A (zh) | 一种多组分染料配伍性评价方法 | |
| CN114564888A (zh) | 一种基于数据驱动的纺织印染智能配色方法 | |
| CN112945897A (zh) | 一种连续太赫兹图像非均匀性校正方法 |
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 |