CN116735848B - 一种样本检测用的装置及其控制方法 - Google Patents
一种样本检测用的装置及其控制方法 Download PDFInfo
- Publication number
- CN116735848B CN116735848B CN202310895432.2A CN202310895432A CN116735848B CN 116735848 B CN116735848 B CN 116735848B CN 202310895432 A CN202310895432 A CN 202310895432A CN 116735848 B CN116735848 B CN 116735848B
- Authority
- CN
- China
- Prior art keywords
- real
- detection
- dielectric constant
- sample
- spectral line
- 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
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 103
- 238000000034 method Methods 0.000 title claims abstract description 40
- 150000001875 compounds Chemical class 0.000 claims abstract description 17
- 230000003595 spectral effect Effects 0.000 claims description 63
- 238000001228 spectrum Methods 0.000 claims description 59
- 239000013598 vector Substances 0.000 claims description 28
- 239000011159 matrix material Substances 0.000 claims description 26
- 230000007613 environmental effect Effects 0.000 claims description 20
- 238000000354 decomposition reaction Methods 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 12
- 238000012163 sequencing technique Methods 0.000 claims description 12
- 238000012937 correction Methods 0.000 claims description 11
- 238000013507 mapping Methods 0.000 claims description 9
- 238000010276 construction Methods 0.000 claims description 6
- 238000009825 accumulation Methods 0.000 claims description 3
- 238000006116 polymerization reaction Methods 0.000 claims description 3
- 238000009434 installation Methods 0.000 claims description 2
- 239000000523 sample Substances 0.000 description 55
- 230000008569 process Effects 0.000 description 16
- 230000005540 biological transmission Effects 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 238000002329 infrared spectrum Methods 0.000 description 7
- 230000001276 controlling effect Effects 0.000 description 6
- 239000012472 biological sample Substances 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 239000000126 substance Substances 0.000 description 4
- 238000004566 IR spectroscopy Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000010521 absorption reaction Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 238000006073 displacement reaction Methods 0.000 description 3
- 230000005684 electric field Effects 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 150000001720 carbohydrates Chemical class 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000012217 deletion Methods 0.000 description 2
- 230000037430 deletion Effects 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 102000039446 nucleic acids Human genes 0.000 description 2
- 108020004707 nucleic acids Proteins 0.000 description 2
- 150000007523 nucleic acids Chemical class 0.000 description 2
- 102000004169 proteins and genes Human genes 0.000 description 2
- 108090000623 proteins and genes Proteins 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 241000257303 Hymenoptera Species 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003153 chemical reaction reagent Substances 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000019637 foraging behavior Effects 0.000 description 1
- 230000031700 light absorption Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000000386 microscopy Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000010287 polarization Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000011524 similarity measure Methods 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N35/00—Automatic analysis not limited to methods or materials provided for in any single one of groups G01N1/00 - G01N33/00; Handling materials therefor
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N35/00—Automatic analysis not limited to methods or materials provided for in any single one of groups G01N1/00 - G01N33/00; Handling materials therefor
- G01N35/00584—Control arrangements for automatic analysers
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N35/00—Automatic analysis not limited to methods or materials provided for in any single one of groups G01N1/00 - G01N33/00; Handling materials therefor
- G01N2035/00178—Special arrangements of analysers
- G01N2035/00306—Housings, cabinets, control panels (details)
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Pathology (AREA)
- Immunology (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Biochemistry (AREA)
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Hematology (AREA)
- Medicinal Chemistry (AREA)
- Food Science & Technology (AREA)
- Urology & Nephrology (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明涉及检测设备技术领域,特别是一种样本检测用的装置及其控制方法,包括检测台,所述检测台的左右两侧对称设置有第一导轨与第一伺服电机,所述第一导轨上滑动连接有第一导向块,所述第一导轨的两侧设置有第一轴承,所述第一轴承之间转动连接有第一螺纹丝杆,所述第一伺服电机的输出端与所述第一螺纹丝杆的一端配合连接,所述第一螺纹丝杆上配合连接有第一螺纹滑块,所述第一螺纹滑块与第一导向块之间连接有连接块,实现了全自动扫描检测的功能,能够快速确定出待检测样本中各化合物的实际含量。
Description
技术领域
本发明涉及检测设备技术领域,特别是一种样本检测用的装置及其控制方法。
背景技术
近年来,在生物医学研究、医疗诊断等领域,准确检测和识别生物样本中化学成分含量的重要性日益凸显。目前,传统的生物样本检测方法主要依靠化学试剂和显微镜等设备进行分析,但这些方法存在着昂贵、耗时以及用户依赖的局限性。随着人工智能技术的发展,利用机器学习和深度学习算法处理大规模生物数据集的能力也大大提高,使得人工智能成为一种有前景的解决方案。通过红外光谱可以鉴定和识别生物样本中的化学组成及对应含量,如蛋白质、核酸、糖类等。相比传统的生物样本检测方法,基于光谱图像的生物样本检测方法具有以下优势:非接触式检测、快速高效、准确可靠。它能够提供全谱范围的信息,从而更详尽地揭示样本的特征和特性,为生物医学研究、医疗诊断和食品安全等领域的应用提供重要支持。然而,目前的红外光谱检测装置的控制精度较低,并且运行过程中设备平稳性较差,所采集到的光谱图受检测环境影响程度较大,导致所采集到的光谱图像的可靠性较低,检测结果可靠性较低;另外,目前的红外光谱检测装置的智能化、自动化程度较低,不能够智能生成检测结果。
发明内容
本发明克服了现有技术的不足,提供了一种样本检测用的装置及其控制方法。
为达到上述目的本发明采用的技术方案为:
本发明第一方面公开了一种样本检测用的装置,包括检测台,所述检测台的左右两侧对称设置有第一导轨与第一伺服电机,所述第一导轨上滑动连接有第一导向块,所述第一导轨的两侧设置有第一轴承,所述第一轴承之间转动连接有第一螺纹丝杆,所述第一伺服电机的输出端与所述第一螺纹丝杆的一端配合连接,所述第一螺纹丝杆上配合连接有第一螺纹滑块,所述第一螺纹滑块与第一导向块之间连接有连接块;
在两块所述连接块之间架设有滑动支架,所述滑动支架上设置有第二导轨与第二伺服电机,所述第二导轨上滑动连接有第二导向块,所述滑动支架上还设置有两个第二轴承,两个所述第二轴承之间转动连接有第二螺纹丝杆,所述第二伺服电机的输出端与所述第二螺纹丝杆的一端配合连接,所述第二螺纹丝杆上配合连接有第二螺纹滑块,所述第二螺纹滑块与第二导向块之间连接有安装板;
所述安装板上设置有第三导轨与第三伺服电机,所述第三导轨上滑动连接有第三导向块,所述安装板上还设置有两个第三轴承,两个所述第三轴承之间转动连接第三螺纹丝杆,所述第三伺服电机的输出端与所述第三螺纹丝杆的一端配合连接,所述第三螺纹丝杆上配合连接有第三螺纹滑块,所述第三螺纹滑块与第三导向块之间连接有安装架;
所述安装架上转动连接有光谱检测仪。
进一步地,本发明的一个较佳实施例中,所述安装架上安装有第一步进电机,所述第一步进电机的输出端与第一旋转轴的一端配合连接,所述第一旋转轴的另一端与所述光谱检测仪固定连接。
进一步地,本发明的一个较佳实施例中,所述检测台上还设置有背板,所述背板上固定安装有支撑板,所述支撑板上固定安装有第二步进电机,所述第二步进电机的输出端与第二旋转轴的一端配合连接,所述第二旋转轴的另一端固定连接有样本固定夹,所述样本固定夹上开设有固定孔。
进一步地,本发明的一个较佳实施例中,所述第一导轨沿长度方向按照预设间隔设置有若干第一安装孔,所述第一安装孔内设置有第一光电传感器。
进一步地,本发明的一个较佳实施例中,所述第二导轨沿长度方向按照预设间隔设置有若干第二安装孔,所述第二安装孔内设置有第二光电传感器。
进一步地,本发明的一个较佳实施例中,所述第三导轨沿长度方向按照预设间隔设置有若干第三安装孔,所述第三安装孔内设置有第三光电传感器。
本发明第二方面公开了一种样本检测用的装置的控制方法,应用于任一项所述的一种样本检测用的装置,包括以下步骤:
获取待检测样本的尺寸参数,以及获取光谱检测仪的性能参数,将待检测样本的尺寸参数与光谱检测仪的性能参数导入蚁群算法进行反复构造,生成光谱检测仪的预设检测路径;
基于所述预设检测路径生成第一伺服电机、第二伺服电机、第三伺服电机第一步进电机以及第二步进电机的预设控制程序,并使得第一伺服电机、第二伺服电机、第三伺服电机第一步进电机以及第二步进电机按照预设控制程序运行,以带动光谱检测仪按照预设路径对待检测样本进行扫描检测,得到待检测样本的实际光谱图;
获取检测环境中的实时环境参数,根据所述实时环境参数数确定出检测环境中的实时介电常数,将所述实时介电常数与预设介电常数进行比较;
若所述实时介电常数不大于预设介电常数,则不对所述实际光谱图进行修正处理;若所述实时介电常数大于预设介电常数,则对所述实际光谱图进行修正处理;
根据所述实际光谱图确定出待检测样本中各化合物的实际含量。
进一步地,本发明的一个较佳实施例中,获取检测环境中的实时环境参数,根据所述实时环境参数数确定出检测环境中的实时介电常数,具体为:
通过大数据网络获取在各环境参数组合时所对应的介电常数,构建数据库,将在各环境参数组合时所对应的介电常数导入所述数据库中,得到特性数据库;
获取检测环境中的实时环境参数,将所述实时环境参数导入所述特性数据库中,通过协方差矩阵算法计算所述实时环境参数与各环境参数组合之间的协方差,基于所述协方差确定出所述实时环境参数与各环境参数组合之间的重合度,得到多个重合度;
建立排序表,将多个所述重合度导入所述排序表中进行排序,排序完成后,提取出最大重合度,获取与最大重合度对应的环境参数组合,根据与最大重合度对应的环境参数组合确定出当前检测环境中的实时介电常数。
进一步地,本发明的一个较佳实施例中,若所述实时介电常数大于预设介电常数,则对所述实际光谱图进行修正处理,具体为:
通过FAST角点检测算法对所述实际光谱图进行特征提取,获取得到实际光谱图中的谱线;建立向量分解模型,将所述谱线导入所述向量分解模型中进行分解,得到特征谱线矩阵;
获取特征谱线矩阵中的特征谱线向量,对所述特征谱线向量进行标准化处理,以便确保不同特征谱线向量之间的数值范围一致;构建特征空间,将标准化后的特征谱线向量中的每个元素映射到特征空间上,使得每个标准化后的特征谱线向量以点的形式映射在特征空间上,得到若干向量映射点;
在所述特征空间中选取任一向量映射点作为构建原点,基于所述构建原点生成平面坐标系,将所述特征谱线矩阵导入所述平面坐标系中进行奇异值分解,得到奇异点的矩阵特征值,根据所述矩阵特征值生成奇异点的坐标数集;将所述奇异点的坐标数集导入绝对坐标系中进行修正处理,得到一次修正后的实际光谱图;
对所述一次修正后的实际光谱图进行特征提取,得到若干特征匹配点;通过局部离群因子算法计算每一特征匹配点的局部离群因子值;将每一特征匹配点的局部离群因子值与预设阈值进行比较;
将局部离群因子值大于预设阈值的特征匹配点标记为局部离群点,根据所述局部离群点确定出谱线缺失区域;并通过局部匹配算法对所述局部离群点进行聚积匹配处理,得到若干局部匹配点,并获取若干局部匹配点的三维点云数据,根据若干局部匹配点的三维点云数据生成谱线缺失区域的局部特征;
分别对各谱线缺失区域的局部特征进行聚合处理,以对谱线缺失区域进行重构,得到重构后的谱线缺失区域,将重构后的谱线缺失区域与谱线进行组合,得到二次修正后的实际光谱图。
进一步地,本发明的一个较佳实施例中,根据所述实际光谱图确定出待检测样本中各化合物的实际含量,具体为:
预制大量的不同含量化合物对应的参照样本,并获取各参照样本对应的参照光谱图,构建知识图谱,并各参照样本对应的参照光谱图导入所述知识图谱中;
将所述实际光谱图导入所述知识图谱中,通过欧几里得距离算法计算所述实际光谱图与各参照光谱图之间的欧几里得距离值,得到多个欧几里得距离值;
建立序列表,将多个所述欧几里得距离值导入所述序列表中进行大小排序,并提取出最小欧几里得距离值;
获取与最小欧几里得距离值对应的参照光谱图,根据与最小欧几里得距离值对应的参照光谱图确定出待检测样本中各化合物的实际含量。
本发明解决了背景技术中存在的技术缺陷,本发明具备以下有益效果:通过螺纹丝杆传动的方式进行传动,进一步提高控制精度,减少控制误差,提高检测结果可靠性与检测精度;并且能够自动规划出检测路径,实现了全自动扫描检测的功能,能够快速确定出待检测样本中各化合物的实际含量;并且能够有效消除因介电常数过大而导致光谱图出现冗余与局部缺失的问题,得到清晰度、完整度高的光谱图,进一步提高检测精度与检测结果可靠性。
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实施例的附图。
图1为本装置的第一立体结构示意图;
图2为本装置的第二立体结构示意图;
图3为本装置的第三立体结构示意图;
图4为本装置的第四立体结构示意图;
图5为本装置的第五立体结构示意图。
附图标记说明如下:101、检测台;102、第一导轨;103、第一伺服电机;104、第一导向块;105、第一轴承;106、第一螺纹丝杆;107、第一螺纹滑块;108、连接块;109、滑动支架;201、第二导轨;202、第二伺服电机;203、第二导向块;204、第二轴承;205、第二螺纹丝杆;206、第二螺纹滑块;207、安装板;208、第三导轨;209、第三伺服电机;301、第三导向块;302、第三轴承;303、第三螺纹丝杆;304、第三螺纹滑块;305、安装架;306、光谱检测仪;307、第一步进电机;308、背板;309、支撑板;401、第二步进电机;402、样本固定夹;403、固定孔;404、第一光电传感器;405、第二光电传感器;406、第三光电传感器。
具体实施方式
为了能够更加清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述,这些附图均为简化的示意图,仅以示意方式说明本发明的基本结构,因此其仅显示与本发明有关的构成,需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
本发明第一方面公开了一种样本检测用的装置,如图1、3所示,包括检测台101,所述检测台101的左右两侧对称设置有第一导轨102与第一伺服电机103,所述第一导轨102上滑动连接有第一导向块104,所述第一导轨102的两侧设置有第一轴承105,所述第一轴承105之间转动连接有第一螺纹丝杆106,所述第一伺服电机103的输出端与所述第一螺纹丝杆106的一端配合连接,所述第一螺纹丝杆106上配合连接有第一螺纹滑块107,所述第一螺纹滑块107与第一导向块104之间连接有连接块108。
如图2、4所示,在两块所述连接块108之间架设有滑动支架109,所述滑动支架109上设置有第二导轨201与第二伺服电机202,所述第二导轨201上滑动连接有第二导向块203,所述滑动支架109上还设置有两个第二轴承204,两个所述第二轴承204之间转动连接有第二螺纹丝杆205,所述第二伺服电机202的输出端与所述第二螺纹丝杆205的一端配合连接,所述第二螺纹丝杆205上配合连接有第二螺纹滑块206,所述第二螺纹滑块206与第二导向块203之间连接有安装板207。
如图2、4所示,所述安装板207上设置有第三导轨208与第三伺服电机209,所述第三导轨208上滑动连接有第三导向块301,所述安装板207上还设置有两个第三轴承302,两个所述第三轴承302之间转动连接第三螺纹丝杆303,所述第三伺服电机209的输出端与所述第三螺纹丝杆303的一端配合连接,所述第三螺纹丝杆303上配合连接有第三螺纹滑块304,所述第三螺纹滑块304与第三导向块301之间连接有安装架305;
所述安装架305上转动连接有光谱检测仪306。
需要说明的是,通过控制第一伺服电机103启动,从而带动第一螺纹丝杆106转动,使得第一螺纹滑块107能够沿着第一螺纹丝杆106上来回滑动,并且在第一螺纹滑块107滑动的过程中,第一螺纹滑块107会带动连接块108一同移动,从而带动滑动支架109一同移动,从而实现带动光谱检测仪306沿着检测台101的X轴方向移动的功能,从而使得光谱检测仪306能够沿着检测台101的X轴方向对待检测样本进行扫描检测;并且在第一螺纹滑块107移动的过程中,通过第一导向块104与第一导轨102进行导向,避免在滑动过程中发生移位现象,提高光谱检测仪306在检测扫描过程中的稳定性;并且通过螺纹丝杆传动的方式进行传动,进一步提高控制精度,减少控制误差,提高检测结果可靠性。
通过控制第二伺服电机202启动,从而带动第二螺纹丝杆205转动,使得第二螺纹滑块206能够沿着第二螺纹丝杆205上来回滑动,并且在第二螺纹滑块206滑动的过程中,第二螺纹滑块206会带动安装板207一同移动,从而实现带动光谱检测仪306沿着检测台101的Y轴方向移动的功能,从而使得光谱检测仪306能够沿着检测台101的Y轴方向对待检测样本进行扫描检测;并且在第二螺纹滑块206移动的过程中,通过第二导向块203与第二导轨201进行导向,避免在滑动过程中发生移位现象,提高光谱检测仪306在检测扫描过程中的稳定性;并且通过螺纹丝杆传动的方式进行传动,进一步提高控制精度,减少控制误差,提高检测结果可靠性。
通过控制第三伺服电机209启动,从而带动第三螺纹丝杆303转动,使得第三螺纹滑块304能够沿着第三螺纹丝杆303上来回滑动,并且在第三螺纹滑块304滑动的过程中,第三螺纹滑块304会带动安装架305一同移动,从而实现带动光谱检测仪306沿着检测台101的Z轴方向移动的功能,从而使得光谱检测仪306能够沿着检测台101的Z轴方向对待检测样本进行扫描检测;并且在第三螺纹滑块304移动的过程中,通过第三导向块301与第三导轨208进行导向,避免在滑动过程中发生移位现象,提高光谱检测仪306在检测扫描过程中的稳定性;并且通过螺纹丝杆传动的方式进行传动,进一步提高控制精度,减少控制误差,提高检测结果可靠性。
如图2所示,所述安装架305上安装有第一步进电机307,所述第一步进电机307的输出端与第一旋转轴的一端配合连接,所述第一旋转轴的另一端与所述光谱检测仪306固定连接。
需要说明的是,通过控制第一步进电机307转动预设圈数,从而带动第一旋转轴转动一定角度,从而使得光谱检测仪306倾斜一定角度,以实现调控光谱检测仪306的扫描角度的功能,从而满足多种检测需求,提高装置的多用性。
如图2、3所示,所述检测台101上还设置有背板308,所述背板308上固定安装有支撑板309,所述支撑板309上固定安装有第二步进电机401,所述第二步进电机401的输出端与第二旋转轴的一端配合连接,所述第二旋转轴的另一端固定连接有样本固定夹402,所述样本固定夹402上开设有固定孔403。
需要说明的是,通过样本固定夹402可以将待检测样本固定住,具体而言,可以通过紧固螺钉、紧固螺栓等锁紧装置穿过将待检测样本上的连接孔以及穿过样本固定夹402上的固定孔403,从而将待检测样本锁紧在样本固定夹402上。并且可以通过第二步进电机401启动,从而带动第二旋转轴旋转一定角度,从而带动待检测样本转动一定角度,从而使得光谱检测仪306能够检测样本的背面、侧面等,实现一次性全方位检测,不需要进行多次装夹,提高检测效率。
如图5所示,所述第一导轨102沿长度方向按照预设间隔设置有若干第一安装孔,所述第一安装孔内设置有第一光电传感器404。
所述第二导轨201沿长度方向按照预设间隔设置有若干第二安装孔,所述第二安装孔内设置有第二光电传感器405。
所述第三导轨208沿长度方向按照预设间隔设置有若干第三安装孔,所述第三安装孔内设置有第三光电传感器406。
需要说明的是,通过第一光电传感器404获取第一导向块104的第一实时位置信息,将所述第一实时位置信息与第一预设位置信息进行比较,得到第一位置偏差;若所述第一位置偏差大于第一预设阈值,则生成基于所述第一位置偏差对第一伺服电机103进行调控,以对第一导向块104的位置进行纠正。
通过第二光电传感器405获取第二导向块203的第二实时位置信息,将所述第二实时位置信息与第二预设位置信息进行比较,得到第二位置偏差;若所述第二位置偏差大于第二预设阈值,则生成基于所述第二位置偏差对第二伺服电机202进行调控,以对第二导向块203的位置进行纠正。
通过第三光电传感器406获取第三导向块301的第三实时位置信息,将所述第三实时位置信息与第三预设位置信息进行比较,得到第三位置偏差;若所述第三位置偏差大于第三预设阈值,则生成基于所述第三位置偏差对第三伺服电机209进行调控,以对第三导向块301的位置进行纠正。
综上所述,通过各光电传感器可以实时监测各导向块的位置信息,当各导向块发生位置偏移情况时,能够通过控制相应伺服电机进行纠偏,从而确保光谱检测仪306的位置精度,提高扫描精度,提高检测结果的可靠性。
本发明第二方面公开了一种样本检测用的装置的控制方法,应用于任一项所述的一种样本检测用的装置,包括以下步骤:
获取待检测样本的尺寸参数,以及获取光谱检测仪的性能参数,将待检测样本的尺寸参数与光谱检测仪的性能参数导入蚁群算法进行反复构造,生成光谱检测仪的预设检测路径;
基于所述预设检测路径生成第一伺服电机、第二伺服电机、第三伺服电机第一步进电机以及第二步进电机的预设控制程序,并使得第一伺服电机、第二伺服电机、第三伺服电机第一步进电机以及第二步进电机按照预设控制程序运行,以带动光谱检测仪按照预设路径对待检测样本进行扫描检测,得到待检测样本的实际光谱图;
获取检测环境中的实时环境参数,根据所述实时环境参数数确定出检测环境中的实时介电常数,将所述实时介电常数与预设介电常数进行比较;
若所述实时介电常数不大于预设介电常数,则不对所述实际光谱图进行修正处理;若所述实时介电常数大于预设介电常数,则对所述实际光谱图进行修正处理;
根据所述实际光谱图确定出待检测样本中各化合物的实际含量。
需要说明的是,尺寸参数包括待检测样本的长度、宽度以及厚度等;性能参数包括光谱检测的单次极限扫描范围、使用寿命以及历史评估报告等;蚁群算法是一种模拟蚂蚁觅食行为的启发式优化算法,基本思想是通过模拟蚂蚁在搜索食物时的行为策略来求解问题,通过将待检测样本的尺寸参数与光谱检测仪的性能参数导入蚁群算法进行反复构造,从而光谱检测仪的预设检测路径,从而实现自动规划检测路径的功能。然后再根据预设检测路径生成各伺服电机的控制程序,从而通过控制各伺服电机带动光谱检测仪按照预设检测路径对样本进行扫描检测,从而获取得到样本的实际光谱图,从而实现了全自动扫描检测的功能。
此外还需要说明的是,介电常数是物质对电场的响应性质,反映了物质在电场中的极化程度。在红外光谱测量中,样品周围的介质的介电常数可以影响光的传播速度、吸收强度和谱线形状,从而对光谱的检测效果产生影响。当光在不同介电常数的介质中传播时,光的传播速度会发生变化,这会导致光谱中的波数偏移,因为红外光谱通常是以波数来表示的,因此,介电常数的变化可能会导致红外光谱峰的位置发生偏移。并且介电常数还会影响光的吸收强度。在介电常数较高的介质中,光的吸收往往会增强。这可能会导致光谱强度的改变,使得某些波段的吸收峰更显著或更弱。总的来说,样品周围的介质的介电常数会对红外光谱的宽度、位置和强度产生影响,进而可能影响到光谱的解释和分析结果。因此,在进行红外光谱分析时,需要注意样品周围介质的介电常数,以确保准确的测量和解释。
综上所述,当检测环境中的介电常数过大时,会对红外光谱的宽度、位置和强度产生影响,进而可能影响到光谱的解释和分析结果,因此此时需要对获取得到的光谱图进行修正处理。若实时介电常数不大于预设介电常数,此时说明检测环境中的介电常数不大,扫描检测得到的光谱图精度较高,此时则不需要对所述实际光谱图进行修正处理。
进一步地,本发明的一个较佳实施例中,获取检测环境中的实时环境参数,根据所述实时环境参数数确定出检测环境中的实时介电常数,具体为:
通过大数据网络获取在各环境参数组合时所对应的介电常数,构建数据库,将在各环境参数组合时所对应的介电常数导入所述数据库中,得到特性数据库;
获取检测环境中的实时环境参数,将所述实时环境参数导入所述特性数据库中,通过协方差矩阵算法计算所述实时环境参数与各环境参数组合之间的协方差,基于所述协方差确定出所述实时环境参数与各环境参数组合之间的重合度,得到多个重合度;
建立排序表,将多个所述重合度导入所述排序表中进行排序,排序完成后,提取出最大重合度,获取与最大重合度对应的环境参数组合,根据与最大重合度对应的环境参数组合确定出当前检测环境中的实时介电常数。
需要说明的是,介电常数的大小受温度、湿度以及电场强度等环境参数的影响,如温度的变化会引起材料分子或晶格结构的振动和变化,从而影响介电常数,一般情况下,随着温度的升高,材料的介电常数也会增加。水分含量对介电常数有显著影响,水分含量高,介电常数较高,因此湿度会改变材料的介电性质。因此,首先通过大数据网络获取在各环境参数组合时所对应的介电常数,如温度为35度、湿度40%、磁场强度50mT的环境参数组合所对应的介电常数,然后再获取得到特性数据库。接着,在通过如温度传感器、湿度传感器等环境参数检测设备获取在检测环境中的实时环境参数,再通过协方差矩阵算法获取得到实时环境参数与各环境参数组合之间重合度,并且筛选出最大重合度,这样一来,根据与最大重合度对应的环境参数组合确定出当前检测环境中的实时介电常数,通过以上步骤能够快速获取得到检测环境中的实时介电常数。
需要说明的是,协方差矩阵用于衡量两个随机变量之间的线性关系强度和方向。对于具有n个样本和m个特征的数据集,协方差矩阵的维度为m×m。协方差矩阵中每个元素表示对应特征之间的协方差。协方差定义为两个数集之间的相似度指标,可以对两个数据集之间的相似性进行解释和分析。相似度越高,表示两个数据集之间的重合度越高。
进一步地,本发明的一个较佳实施例中,若所述实时介电常数大于预设介电常数,则对所述实际光谱图进行修正处理,具体为:
通过FAST角点检测算法对所述实际光谱图进行特征提取,获取得到实际光谱图中的谱线;建立向量分解模型,将所述谱线导入所述向量分解模型中进行分解,得到特征谱线矩阵;
其中,FAST(Features from Accelerated Segment Test)是一种常用的特征检测算法,用于在图像中找到具有显著变化的特征点。FAST算法的主要思想是通过对像素周围的圆周像素进行快速的强度比较,来判断该像素是否为特征点。
获取特征谱线矩阵中的特征谱线向量,对所述特征谱线向量进行标准化处理,以便确保不同特征谱线向量之间的数值范围一致;构建特征空间,将标准化后的特征谱线向量中的每个元素映射到特征空间上,使得每个标准化后的特征谱线向量以点的形式映射在特征空间上,得到若干向量映射点;
在所述特征空间中选取任一向量映射点作为构建原点,基于所述构建原点生成平面坐标系,将所述特征谱线矩阵导入所述平面坐标系中进行奇异值分解,得到奇异点的矩阵特征值,根据所述矩阵特征值生成奇异点的坐标数集;将所述奇异点的坐标数集导入绝对坐标系中进行修正处理,得到一次修正后的实际光谱图;
对所述一次修正后的实际光谱图进行特征提取,得到若干特征匹配点;通过局部离群因子算法计算每一特征匹配点的局部离群因子值;将每一特征匹配点的局部离群因子值与预设阈值进行比较;
其中,局部离群因子算法是一种常用于异常检测的算法,用于识别数据集中的局部异常点。局部离群因子算法基于密度的概念,通过比较每个数据点与其邻近点的密度来确定其异常程度。
将局部离群因子值大于预设阈值的特征匹配点标记为局部离群点,根据所述局部离群点确定出谱线缺失区域;并通过局部匹配算法对所述局部离群点进行聚积匹配处理,得到若干局部匹配点,并获取若干局部匹配点的三维点云数据,根据若干局部匹配点的三维点云数据生成谱线缺失区域的局部特征;
其中,局部匹配算法的基本思想是在待匹配图像中,选取一个目标窗口或特征点,并在参考图像中搜索具有相似特征的局部区域。通过比较目标窗口和参考图像中的局部区域,获得匹配度或相似度指标,从而找到最佳的匹配点或对象。
分别对各谱线缺失区域的局部特征进行聚合处理,以对谱线缺失区域进行重构,得到重构后的谱线缺失区域,将重构后的谱线缺失区域与谱线进行组合,得到二次修正后的实际光谱图。
需要说明的是,若检测环境中的介电常数过大,则在样品周围的介质的介电常数会对红外光谱的宽度、位置和强度产生影响,导致获取得到的光谱图存在冗余与局部缺失等异常现象,而如果光谱图存在冗余与局部缺失等异常现象,则会对检测结果造成极大影响,因此若检测环境中的介电常数过大,则需要对获取得到的光谱图进行修正处理。具体来说,首先通过FAST角点检测算法对实际光谱图进行特征提取,获取得到实际光谱图中的谱线,然后将谱线导入所述向量分解模型中进行分解,得到特征谱线矩阵;并且根据特征谱线矩阵构建平面坐标系,从而在该平面坐标系中对特征谱线矩阵进行奇异值分解,得到奇异点的矩阵特征值,从而获取奇异点的坐标数集,其中奇异点便是发生冗余(偏移)的点,然后将所述奇异点的坐标数集导入绝对坐标系中进行修正处理,从而得到一次修正后的实际光谱图,通过以上方法能够对谱线中发生冗余、发生偏移的区域进行修正,从而降低谱线的冗余度,提高谱线的精度,从而提高检测精度与可靠性。
接着,再对所述一次修正后的实际光谱图进行特征提取,得到若干特征匹配点,并且计算每一特征匹配点的局部离群因子值,将局部离群因子值大于预设阈值的特征匹配点标记为局部离群点,从而确定出谱线缺失区域,然后对谱线缺失区域进行重构,从而对缺失的实际光谱图进行补缺,得到二次修正后的实际光谱图。
综上所述,通过以上步骤能够有效消除因介电常数过大而导致光谱图出现冗余与局部缺失的问题,得到清晰度、完整度高的光谱图,进一步提高检测精度与检测结果可靠性。
进一步地,本发明的一个较佳实施例中,根据所述实际光谱图确定出待检测样本中各化合物的实际含量,具体为:
预制大量的不同含量化合物对应的参照样本,并获取各参照样本对应的参照光谱图,构建知识图谱,并各参照样本对应的参照光谱图导入所述知识图谱中;
将所述实际光谱图导入所述知识图谱中,通过欧几里得距离算法计算所述实际光谱图与各参照光谱图之间的欧几里得距离值,得到多个欧几里得距离值;
建立序列表,将多个所述欧几里得距离值导入所述序列表中进行大小排序,并提取出最小欧几里得距离值;
获取与最小欧几里得距离值对应的参照光谱图,根据与最小欧几里得距离值对应的参照光谱图确定出待检测样本中各化合物的实际含量。
需要说明的是,可以提前预制大量的不同含量化合物对应的参照样本,如不同含量的蛋白质、核酸、糖类的参照样本,并且在理想条件下获取各参照样本对应的参照光谱图,从而得到知识图谱;当获取得到实际光谱图(包括经过修正处理步骤的光谱图)后,再根据与最小欧几里得距离值对应的参照光谱图确定出待检测样本中各化合物的实际含量,通过以上方法能够快速确定出待检测样本中各化合物的实际含量。
需要说明的是,欧几里得距离是一种常用的距离度量方式,可以用于计算两个光谱图之间的相似度。
此外,所述控制方法还包括以下步骤:
通过大数据网络获取光谱检测仪在各种预设介电常数条件与预设离焦量组合时的红外光斑直径,建立第二数据库,并将光谱检测仪在各种预设介电常数条件与预设离焦量组合时的红外光斑直径导入所述第二数据库中;
获取检测过程中的实时介电常数以及实时离焦量,将所述实时介电常数与实时离焦量导入所述第二数据库中,通过灰色关联分析法计算实时介电常数与实时离焦量和预设介电常数条件与预设离焦量组合之间的相似率,得到多个相似率;
在多个相似率中提取出最大相似率,获取与最大相似率对应的预设介电常数条件与预设离焦量组合,根据与最大相似率对应的预设介电常数条件与预设离焦量组合确定出光谱检测仪在当前实时介电常数与实时离焦量条件下的预设红外光斑直径;
获取光谱检测仪的实际外光斑直径,将所述实际外光斑直径与预设红外光斑直径进行比较,得到光斑直径偏差率;
若所述光斑直径偏差率大于预设阈值,则生成故障信息,并将所述故障信息输出。
需要说明的是,离焦量表示的是光谱检测仪底部与待检测样本之间的距离。在理想条件下,光谱检测仪所发射出的红外光照射到样本上的光斑直径只与离焦量和介电常数有关,因此为了判断出光谱检测仪的光斑直径是否异常,从而判断出光谱检测仪是否发生了故障,可以先在大数据网络获取光谱检测仪在各种预设介电常数条件与预设离焦量组合时的红外光斑直径,从而得到第二数据库。接着在光谱检测仪扫描检测时,可以通过摄像机等拍摄机构获取光谱检测仪所发射出的红光照射到样板上的实际外光斑直径,若所述光斑直径偏差率大于预设阈值,此时可以说明的是实际外光斑直径与预设外光斑直径差异过大,此时说明光谱检测仪已经发生了故障,此时生成故障信息,并将故障信息传送至用户端,并且停止对样本进行检测,从而避免通过故障的光谱检测仪对样本进行检测,从而生成错误的检测结果,并且能够知会用户及时检修。综上,通过将离焦量与介电常数的因素排除,然后再通过外光斑直径判断出光谱检测仪是否发生故障,提高可靠性。
此外,所述控制方法还包括以下步骤:
若所述实时介电常数大于预设介电常数,则根据实时介电常数计算出外光斑中点在各个方向上的斑点偏移量;
在检测过程中获取光谱检测仪所发射出的红外光斑中点在各个运动轴方向上的运动关系,根据红外光斑中点在各个运动轴方向上的运动关系进行数据转换,得到红外光斑中点的实时位置信息;
根据所述斑点偏移量对红外光斑中点的实时位置信息进行修正。
需要说明的是,当介电常数过大时,会导致光谱检测仪所发射出的红外光斑发生偏移,通过本方法能够对红外光斑进行纠偏,消除环境对红外光斑的影响。
以上依据本发明的理想实施例为启示,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (8)
1.一种样本检测用的装置的控制方法,其特征在于:
包括检测台,所述检测台的左右两侧对称设置有第一导轨与第一伺服电机,所述第一导轨上滑动连接有第一导向块,所述第一导轨的两侧设置有第一轴承,所述第一轴承之间转动连接有第一螺纹丝杆,所述第一伺服电机的输出端与所述第一螺纹丝杆的一端配合连接,所述第一螺纹丝杆上配合连接有第一螺纹滑块,所述第一螺纹滑块与第一导向块之间连接有连接块;
在两块所述连接块之间架设有滑动支架,所述滑动支架上设置有第二导轨与第二伺服电机,所述第二导轨上滑动连接有第二导向块,所述滑动支架上还设置有两个第二轴承,两个所述第二轴承之间转动连接有第二螺纹丝杆,所述第二伺服电机的输出端与所述第二螺纹丝杆的一端配合连接,所述第二螺纹丝杆上配合连接有第二螺纹滑块,所述第二螺纹滑块与第二导向块之间连接有安装板;
所述安装板上设置有第三导轨与第三伺服电机,所述第三导轨上滑动连接有第三导向块,所述安装板上还设置有两个第三轴承,两个所述第三轴承之间转动连接第三螺纹丝杆,所述第三伺服电机的输出端与所述第三螺纹丝杆的一端配合连接,所述第三螺纹丝杆上配合连接有第三螺纹滑块,所述第三螺纹滑块与第三导向块之间连接有安装架;
所述安装架上转动连接有光谱检测仪;
所述控制方法包括以下步骤:
获取待检测样本的尺寸参数,以及获取光谱检测仪的性能参数,将待检测样本的尺寸参数与光谱检测仪的性能参数导入蚁群算法进行反复构造,生成光谱检测仪的预设检测路径;
基于所述预设检测路径生成第一伺服电机、第二伺服电机、第三伺服电机第一步进电机以及第二步进电机的预设控制程序,并使得第一伺服电机、第二伺服电机、第三伺服电机第一步进电机以及第二步进电机按照预设控制程序运行,以带动光谱检测仪按照预设路径对待检测样本进行扫描检测,得到待检测样本的实际光谱图;
获取检测环境中的实时环境参数,根据所述实时环境参数数确定出检测环境中的实时介电常数,将所述实时介电常数与预设介电常数进行比较;
若所述实时介电常数不大于预设介电常数,则不对所述实际光谱图进行修正处理;若所述实时介电常数大于预设介电常数,则对所述实际光谱图进行修正处理;
根据所述实际光谱图确定出待检测样本中各化合物的实际含量;
其中,若所述实时介电常数大于预设介电常数,则对所述实际光谱图进行修正处理,具体为:
通过FAST角点检测算法对所述实际光谱图进行特征提取,获取得到实际光谱图中的谱线;建立向量分解模型,将所述谱线导入所述向量分解模型中进行分解,得到特征谱线矩阵;
获取特征谱线矩阵中的特征谱线向量,对所述特征谱线向量进行标准化处理,以便确保不同特征谱线向量之间的数值范围一致;构建特征空间,将标准化后的特征谱线向量中的每个元素映射到特征空间上,使得每个标准化后的特征谱线向量以点的形式映射在特征空间上,得到若干向量映射点;
在所述特征空间中选取任一向量映射点作为构建原点,基于所述构建原点生成平面坐标系,将所述特征谱线矩阵导入所述平面坐标系中进行奇异值分解,得到奇异点的矩阵特征值,根据所述矩阵特征值生成奇异点的坐标数集;将所述奇异点的坐标数集导入绝对坐标系中进行修正处理,得到一次修正后的实际光谱图;
对所述一次修正后的实际光谱图进行特征提取,得到若干特征匹配点;通过局部离群因子算法计算每一特征匹配点的局部离群因子值;将每一特征匹配点的局部离群因子值与预设阈值进行比较;
将局部离群因子值大于预设阈值的特征匹配点标记为局部离群点,根据所述局部离群点确定出谱线缺失区域;并通过局部匹配算法对所述局部离群点进行聚积匹配处理,得到若干局部匹配点,并获取若干局部匹配点的三维点云数据,根据若干局部匹配点的三维点云数据生成谱线缺失区域的局部特征;
分别对各谱线缺失区域的局部特征进行聚合处理,以对谱线缺失区域进行重构,得到重构后的谱线缺失区域,将重构后的谱线缺失区域与谱线进行组合,得到二次修正后的实际光谱图。
2.根据权利要求1所述的一种样本检测用的装置的控制方法,其特征在于,所述安装架上安装有第一步进电机,所述第一步进电机的输出端与第一旋转轴的一端配合连接,所述第一旋转轴的另一端与所述光谱检测仪固定连接。
3.根据权利要求1所述的一种样本检测用的装置的控制方法,其特征在于,所述检测台上还设置有背板,所述背板上固定安装有支撑板,所述支撑板上固定安装有第二步进电机,所述第二步进电机的输出端与第二旋转轴的一端配合连接,所述第二旋转轴的另一端固定连接有样本固定夹,所述样本固定夹上开设有固定孔。
4.根据权利要求1所述的一种样本检测用的装置的控制方法,其特征在于,所述第一导轨沿长度方向按照预设间隔设置有若干第一安装孔,所述第一安装孔内设置有第一光电传感器。
5.根据权利要求1所述的一种样本检测用的装置的控制方法,其特征在于,所述第二导轨沿长度方向按照预设间隔设置有若干第二安装孔,所述第二安装孔内设置有第二光电传感器。
6.根据权利要求1所述的一种样本检测用的装置的控制方法,其特征在于,所述第三导轨沿长度方向按照预设间隔设置有若干第三安装孔,所述第三安装孔内设置有第三光电传感器。
7.根据权利要求1所述的一种样本检测用的装置的控制方法,其特征在于,获取检测环境中的实时环境参数,根据所述实时环境参数数确定出检测环境中的实时介电常数,具体为:
通过大数据网络获取在各环境参数组合时所对应的介电常数,构建数据库,将在各环境参数组合时所对应的介电常数导入所述数据库中,得到特性数据库;
获取检测环境中的实时环境参数,将所述实时环境参数导入所述特性数据库中,通过协方差矩阵算法计算所述实时环境参数与各环境参数组合之间的协方差,基于所述协方差确定出所述实时环境参数与各环境参数组合之间的重合度,得到多个重合度;
建立排序表,将多个所述重合度导入所述排序表中进行排序,排序完成后,提取出最大重合度,获取与最大重合度对应的环境参数组合,根据与最大重合度对应的环境参数组合确定出当前检测环境中的实时介电常数。
8.根据权利要求1所述的一种样本检测用的装置的控制方法,其特征在于,根据所述实际光谱图确定出待检测样本中各化合物的实际含量,具体为:
预制大量的不同含量化合物对应的参照样本,并获取各参照样本对应的参照光谱图,构建知识图谱,并各参照样本对应的参照光谱图导入所述知识图谱中;
将所述实际光谱图导入所述知识图谱中,通过欧几里得距离算法计算所述实际光谱图与各参照光谱图之间的欧几里得距离值,得到多个欧几里得距离值;
建立序列表,将多个所述欧几里得距离值导入所述序列表中进行大小排序,并提取出最小欧几里得距离值;
获取与最小欧几里得距离值对应的参照光谱图,根据与最小欧几里得距离值对应的参照光谱图确定出待检测样本中各化合物的实际含量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310895432.2A CN116735848B (zh) | 2023-07-20 | 2023-07-20 | 一种样本检测用的装置及其控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310895432.2A CN116735848B (zh) | 2023-07-20 | 2023-07-20 | 一种样本检测用的装置及其控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116735848A CN116735848A (zh) | 2023-09-12 |
CN116735848B true CN116735848B (zh) | 2024-05-28 |
Family
ID=87918753
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310895432.2A Active CN116735848B (zh) | 2023-07-20 | 2023-07-20 | 一种样本检测用的装置及其控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116735848B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5218299A (en) * | 1991-03-25 | 1993-06-08 | Reinhard Dunkel | Method for correcting spectral and imaging data and for using such corrected data in magnet shimming |
US5572125A (en) * | 1991-03-25 | 1996-11-05 | Dunkel; Reinhard | Correction and automated analysis of spectral and imaging data |
CN111141704A (zh) * | 2020-02-21 | 2020-05-12 | 江南大学 | 一种基于近红外光谱的冰酒控温缓慢发酵过程实时监测方法 |
CN115406857A (zh) * | 2022-09-07 | 2022-11-29 | 山东天厚石油科技有限责任公司 | 一种石油生产用的原油有机氯检测装置及方法 |
CN115592272A (zh) * | 2022-10-27 | 2023-01-13 | 深圳市熹扬科技有限公司(Cn) | 一种智能激光雕刻装置及其控制方法 |
CN116227745A (zh) * | 2023-05-06 | 2023-06-06 | 中国水产科学研究院南海水产研究所 | 一种基于大数据的涉渔船舶调查分析方法及系统 |
CN116213932A (zh) * | 2023-05-09 | 2023-06-06 | 深圳市赛锐琪科技有限公司 | 一种机顶盒自动化生产装置及其控制方法 |
-
2023
- 2023-07-20 CN CN202310895432.2A patent/CN116735848B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5218299A (en) * | 1991-03-25 | 1993-06-08 | Reinhard Dunkel | Method for correcting spectral and imaging data and for using such corrected data in magnet shimming |
US5572125A (en) * | 1991-03-25 | 1996-11-05 | Dunkel; Reinhard | Correction and automated analysis of spectral and imaging data |
CN111141704A (zh) * | 2020-02-21 | 2020-05-12 | 江南大学 | 一种基于近红外光谱的冰酒控温缓慢发酵过程实时监测方法 |
CN115406857A (zh) * | 2022-09-07 | 2022-11-29 | 山东天厚石油科技有限责任公司 | 一种石油生产用的原油有机氯检测装置及方法 |
CN115592272A (zh) * | 2022-10-27 | 2023-01-13 | 深圳市熹扬科技有限公司(Cn) | 一种智能激光雕刻装置及其控制方法 |
CN116227745A (zh) * | 2023-05-06 | 2023-06-06 | 中国水产科学研究院南海水产研究所 | 一种基于大数据的涉渔船舶调查分析方法及系统 |
CN116213932A (zh) * | 2023-05-09 | 2023-06-06 | 深圳市赛锐琪科技有限公司 | 一种机顶盒自动化生产装置及其控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116735848A (zh) | 2023-09-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20100063612A1 (en) | System and method for the on-machine 2-d contour measurement | |
CN109446189A (zh) | 一种工业参数离群点检测系统及方法 | |
CN110879212B (zh) | 一种基于近红外光谱监测流化床干燥过程状态的方法 | |
CN101968442B (zh) | 一种傅里叶变换光谱仪用曲柄滑块动镜扫描系统 | |
CN109785338A (zh) | 一种运动背景下螺纹关键尺寸参数的在线视觉方法 | |
US7531364B2 (en) | Clinical method for the genetic screening of newborns using tandem mass spectrometry | |
CN110260790A (zh) | 一种基于3d视觉的冲孔角钢的检测装置及其检测方法 | |
CN116735848B (zh) | 一种样本检测用的装置及其控制方法 | |
US20080042064A1 (en) | Method and apparatus on-line measurement of polymer properties | |
DE112021000391T5 (de) | Verfahren und vorrichtung zur messung von drehgeschwindigkeit einer satellitenscheibe auf einem mocvd-planetensuszeptor | |
CN201298020Y (zh) | 近红外光谱分析仪 | |
CN111220568B (zh) | 一种基于近红外光谱分析技术的苹果糖分测定装置及方法 | |
CN113394141A (zh) | 一种芯片结构缺陷的质量评估系统及方法 | |
CN115406857B (zh) | 一种石油生产用的原油有机氯检测装置及方法 | |
CN116973819B (zh) | 一种微波电磁参数三维测试方法、系统及储存介质 | |
CN116662751A (zh) | 一种基于主成分分析与杠杆值法剔除异常样本的烟叶含水率检测方法 | |
EP2857812A1 (de) | Verfahren zur Messung der Konzentration einer Gaskomponente in einem Messgas | |
CN108871231A (zh) | 一种采集带钢端面毛刺和浪形数据的方法 | |
CN114240896A (zh) | 一种基于卷积神经网络对螺柱焊焊接质量的检测方法 | |
Chang et al. | Implementation of locally weighted regression to maintain calibrations on FT-NIR analyzers for industrial processes | |
US5929993A (en) | Total film retardance monitoring system, and method of use | |
CN109059809A (zh) | 一种采集带钢上下表面毛刺和浪形数据的方法 | |
JP2008076322A (ja) | 表面検査装置 | |
CN116990236B (zh) | 采样控制方法、装置及系统 | |
CN109596539A (zh) | 一种识别目标气体中干扰气体的方法及装置 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20240424 Address after: Room 1171, C Building, 555 Dongchuan Road, Minhang District, Shanghai 201100 Applicant after: SHANGHAI BIOPROFILE BIOTECHNOLOGY Co.,Ltd. Country or region after: China Address before: 528000 room 509, No. 82, Longbao West Road, Chancheng District, Foshan City, Guangdong Province Applicant before: Guangdong Bochuang Jiahe Technology Co.,Ltd. Country or region before: China |
|
GR01 | Patent grant | ||
GR01 | Patent grant |