CN116804668B - 一种食盐碘含量检测数据标识方法及系统 - Google Patents
一种食盐碘含量检测数据标识方法及系统 Download PDFInfo
- Publication number
- CN116804668B CN116804668B CN202311063396.XA CN202311063396A CN116804668B CN 116804668 B CN116804668 B CN 116804668B CN 202311063396 A CN202311063396 A CN 202311063396A CN 116804668 B CN116804668 B CN 116804668B
- Authority
- CN
- China
- Prior art keywords
- deviation
- detection
- detection data
- analysis result
- index
- 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 371
- 150000003839 salts Chemical class 0.000 title claims abstract description 99
- ZCYVEMRRCGMTRW-UHFFFAOYSA-N 7553-56-2 Chemical compound [I] ZCYVEMRRCGMTRW-UHFFFAOYSA-N 0.000 title claims abstract description 73
- 229910052740 iodine Inorganic materials 0.000 title claims abstract description 73
- 239000011630 iodine Substances 0.000 title claims abstract description 73
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000004458 analytical method Methods 0.000 claims abstract description 215
- 238000012937 correction Methods 0.000 claims abstract description 44
- 230000005540 biological transmission Effects 0.000 claims abstract description 31
- 238000012545 processing Methods 0.000 claims abstract description 25
- 230000007246 mechanism Effects 0.000 claims abstract description 22
- 238000004519 manufacturing process Methods 0.000 claims abstract description 15
- 238000004364 calculation method Methods 0.000 claims description 17
- 238000004891 communication Methods 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 11
- 235000002639 sodium chloride Nutrition 0.000 description 80
- 238000012797 qualification Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 10
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- FAPWRFPIFSIZLT-UHFFFAOYSA-M Sodium chloride Chemical compound [Na+].[Cl-] FAPWRFPIFSIZLT-UHFFFAOYSA-M 0.000 description 3
- 150000002496 iodine Chemical class 0.000 description 3
- 239000011780 sodium chloride Substances 0.000 description 3
- 230000000977 initiatory effect Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000002425 crystallisation Methods 0.000 description 1
- 230000008025 crystallization Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000007738 vacuum evaporation Methods 0.000 description 1
- 238000005406 washing 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
- G01N33/02—Food
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- 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
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Food Science & Technology (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Chemical & Material Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Pathology (AREA)
- Immunology (AREA)
- Medicinal Chemistry (AREA)
- Analytical Chemistry (AREA)
- General Health & Medical Sciences (AREA)
- Biochemistry (AREA)
- Probability & Statistics with Applications (AREA)
- Automatic Analysis And Handling Materials Therefor (AREA)
Abstract
本发明公开了一种食盐碘含量检测数据标识方法及系统,涉及数据处理技术领域,该方法包括:设置检测传输窗口,获得N个检测数据集合;利用数据处理模块判断N个检测数据集合是否符合碘含量要求,获得第一标识结果;以盐的来源为索引,获得第一偏离度分析结果;根据食盐的生产工艺进行类工艺偏离分析,获得第二偏离度分析结果;获得第三偏离度分析结果;利用meanshift跟踪算法进行偏离修正分析,获得第二标识结果;根据第一标识结果和第二标识结果生成目标检测机构的检测数据标识结果。本发明解决了现有技术中存在食盐碘含量检测数据标识可靠度低、标识结果准确性不高的技术问题,达到了提高标识结果可靠性的技术效果。
Description
技术领域
本发明涉及数据处理技术领域,具体涉及一种食盐碘含量检测数据标识方法及系统。
背景技术
随着食盐碘含量检测需求量越来越多,对于检测数据的分析效率和质量提出了更高的要求。目前,对检测数据主要是以求取平均值的方式,来获取不同检测结果距离平均值的差异程度。然而,在实际分析过程中,由于食盐不同来源、加工方式以及生产设备优劣程度的影响,导致检测数据之间偏差较大,检测数据的聚集程度距离平均值的偏差也较大。以偏差较大的分析结果作为依据,获得的数据标识结果也偏差较大,不能提供可靠的参考。现有技术中存在食盐碘含量检测数据标识可靠度低、标识结果准确性不高的技术问题。
发明内容
本申请提供了一种食盐碘含量检测数据标识方法及系统,用于针对解决现有技术中存在食盐碘含量检测数据标识可靠度低、标识结果准确性不高的技术问题。
鉴于上述问题,本申请提供了一种食盐碘含量检测数据标识方法及系统。
本申请的第一个方面,提供了一种食盐碘含量检测数据标识方法,其中,应用于碘含量检测系统,所述碘含量检测系统与数据传输端口、数据处理模块和数据标识模块通信连接,所述方法包括:
设置检测传输窗口,在所述检测传输窗口内通过数据传输端口获取目标检测机构的盐检测碘量仪的检测数据,获得N个检测数据集合,N为大于等于1的整数;
利用数据处理模块判断N个检测数据集合是否符合碘含量要求,获得第一判断结果,且通过数据标识模块根据所述第一判断结果获得第一标识结果,其中,所述第一标识结果包括具有合格标识的P1个检测数据集合和具有不合格标识的P2个检测数据集合,P1+P2=N;
以盐的来源为索引,分别对所述N个检测数据集合进行类来源偏离度分析,获得第一偏离度分析结果;
根据食盐的生产工艺对所述N个检测数据集合进行类工艺偏离分析,获得第二偏离度分析结果;
调取N个检测用户在历史检测窗口内的N个历史检测数据集合,与所述N个检测数据集合进行同比分析,获得第三偏离度分析结果;
利用meanshift跟踪算法分别对所述第一偏离度分析结果、第二偏离度分析结果进行偏离修正分析,获得第一修正偏离度分析结果、第二修正偏离度分析结果;
利用数据标识模块根据第一修正偏离度分析结果、第二修正偏离度分析结果和第三偏离度分析结果分别对N个检测数据集合进行数据标识,获得第二标识结果;
根据所述第一标识结果和第二标识结果生成所述目标检测机构的检测数据标识结果。
本申请的第二个方面,提供了一种食盐碘含量检测数据标识系统,所述系统包括:
检测数据集合获得模块,所述检测数据集合获得模块用于设置检测传输窗口,在所述检测传输窗口内通过数据传输端口获取目标检测机构的盐检测碘量仪的检测数据,获得N个检测数据集合,N为大于等于1的整数;
第一标识结果获得模块,所述第一标识结果获得模块用于利用数据处理模块判断N个检测数据集合是否符合碘含量要求,获得第一判断结果,且通过数据标识模块根据所述第一判断结果获得第一标识结果,其中,所述第一标识结果包括具有合格标识的P1个检测数据集合和具有不合格标识的P2个检测数据集合,P1+P2=N;
第一偏离度分析结果获得模块,所述第一偏离度分析结果获得模块用于以盐的来源为索引,分别对所述N个检测数据集合进行类来源偏离度分析,获得第一偏离度分析结果;
第二偏离度分析结果获得模块,所述第二偏离度分析结果获得模块用于根据食盐的生产工艺对所述N个检测数据集合进行类工艺偏离分析,获得第二偏离度分析结果;
第三偏离度分析结果获得模块,所述第三偏离度分析结果获得模块用于调取N个检测用户在历史检测窗口内的N个历史检测数据集合,与所述N个检测数据集合进行同比分析,获得第三偏离度分析结果;
偏离修正分析模块,所述偏离修正分析模块用于利用meanshift跟踪算法分别对所述第一偏离度分析结果、第二偏离度分析结果进行偏离修正分析,获得第一修正偏离度分析结果、第二修正偏离度分析结果;
第二标识结果获得模块,所述第二标识结果获得模块用于利用数据标识模块根据第一修正偏离度分析结果、第二修正偏离度分析结果和第三偏离度分析结果分别对N个检测数据集合进行数据标识,获得第二标识结果;
检测数据标识结果获得模块,所述检测数据标识结果获得模块用于根据所述第一标识结果和第二标识结果生成所述目标检测机构的检测数据标识结果。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
本申请通过设置检测传输窗口,在检测传输窗口内通过数据传输端口获取目标检测机构的盐检测碘量仪的检测数据,获得N个检测数据集合,N为大于等于1的整数,然后利用数据处理模块判断N个检测数据集合是否符合碘含量要求,获得第一判断结果,且通过数据标识模块根据第一判断结果获得第一标识结果,其中,第一标识结果包括具有合格标识的P1个检测数据集合和具有不合格标识的P2个检测数据集合,P1+P2=N,进而以盐的来源为索引,分别对N个检测数据集合进行类来源偏离度分析,获得第一偏离度分析结果,然后根据食盐的生产工艺对N个检测数据集合进行类工艺偏离分析,获得第二偏离度分析结果,进而调取N个检测用户在历史检测窗口内的N个历史检测数据集合,与N个检测数据集合进行同比分析,获得第三偏离度分析结果,然后利用meanshift跟踪算法分别对第一偏离度分析结果、第二偏离度分析结果进行偏离修正分析,获得第一修正偏离度分析结果、第二修正偏离度分析结果,通过利用数据标识模块根据第一修正偏离度分析结果、第二修正偏离度分析结果和第三偏离度分析结果分别对N个检测数据集合进行数据标识,获得第二标识结果,进而根据第一标识结果和第二标识结果生成目标检测机构的检测数据标识结果。达到了提高对食盐碘含量检测数据进行可靠标识,提高标识准确性的技术效果。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例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为本申请实施例提供的一种食盐碘含量检测数据标识方法流程示意图;
图2为本申请实施例提供的一种食盐碘含量检测数据标识方法中获得第一判断结果的流程示意图;
图3为本申请实施例提供的一种食盐碘含量检测数据标识方法中将N个第一偏离度作为第一偏离度分析结果的流程示意图;
图4为本申请实施例提供的一种食盐碘含量检测数据标识系统结构示意图。
附图标记说明:检测数据集合获得模块11,第一标识结果获得模块12,第一偏离度分析结果获得模块13,第二偏离度分析结果获得模块14,第三偏离度分析结果获得模块15,偏离修正分析模块16,第二标识结果获得模块17,检测数据标识结果获得模块18。
具体实施方式
本申请通过提供了一种食盐碘含量检测数据标识方法及系统,用于针对解决现有技术中存在食盐碘含量检测数据标识可靠度低、标识结果准确性不高的技术问题。
下面将结合本申请实施例中的附图,对本申请实施例中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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
需要说明的是,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或服务器不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或模块。
实施例一
如图1所示,本申请提供了一种食盐碘含量检测数据标识方法,其中,应用于碘含量检测系统,所述碘含量检测系统与数据传输端口、数据处理模块和数据标识模块通信连接,所述方法包括:
步骤S100:设置检测传输窗口,在所述检测传输窗口内通过数据传输端口获取目标检测机构的盐检测碘量仪的检测数据,获得N个检测数据集合,N为大于等于1的整数;
在一个可能的实施例中,所述数据传输端口用于对盐检测碘量仪器检测到的数据上传至碘含量检测系统中。所述数据处理模块用于对上传的检测数据进行处理分析。所述数据标识模块用于根据处理分析的结果进行数据标识。通过将所述碘含量检测系统与数据传输端口、数据处理模块和数据标识模块进行通信连接,可以进行数据传输、分析、标识等功能。所述检测传输窗口是对盐检测碘量仪进行数据提取的时间段,可以是3个小时、5个小时、12个小时等。
具体的,通过数据传输端口对检测传输窗口对应时间段内所述目标检测机构的盐检测碘量仪进行数据采集,获得所述N个检测数据集合。其中,所述目标检测机构是进行食盐碘含量检测的任意一家机构。所述N个检测数据集合对应N个检测用户,N为大于等于1的整数。从而为后续进行检测数据处理分析提供基础分析数据。
步骤S200:利用数据处理模块判断N个检测数据集合是否符合碘含量要求,获得第一判断结果,且通过数据标识模块根据所述第一判断结果获得第一标识结果,其中,所述第一标识结果包括具有合格标识的P1个检测数据集合和具有不合格标识的P2个检测数据集合,P1+P2=N;
进一步的,如图2所示,本申请实施例步骤S200还包括:
步骤S210:获得碘含量检测指标集合;
步骤S220:根据所述碘含量检测指标集合构建所述数据处理模块的合格判断分支;
步骤S230:将所述N个检测数据集合输入所述合格判断分支中,获得所述第一判断结果。
进一步的,本申请实施例步骤S220还包括:
步骤S221:从所述碘含量检测指标集合中不放回随机选取一个检测指标作为第一检测指标,将所述第一检测指标的合格指标参数存储至第一判断节点,其中,所述第一判断节点用于判断输入的N个检测数据集合是否满足存储的第一检测指标的合格指标参数,且将不满足的检测数据集合添加进第一不合格节点;
步骤S222:从所述碘含量检测指标集合中不放回随机选取一个检测指标作为第二检测指标,将所述第二检测指标的合格指标参数存储至第二判断节点,其中,所述第二判断节点用于判断输入的N个检测数据集合是否满足存储的第二检测指标的合格指标参数,且将不满足的检测数据集合添加进第二不合格节点;
步骤S223:再次从所述碘含量检测指标集合中不放回随机选取一个检测指标作为第Q检测指标,将所述第Q检测指标的合格指标参数存储至第Q判断节点,其中,所述第Q判断节点用于判断输入的N个检测数据集合是否满足存储的第Q检测指标的合格指标参数,且将不满足的检测数据集合添加进第Q不合格节点,将满足的检测数据集合添加进第一合格节点,Q为所述碘含量检测指标集合中指标数量;
步骤S224:根据所述第一判断节点、第二判断节点、第Q判断节点生成所述合格判断分支;
步骤S225:将第一不合格节点、第二不合格节点、第Q不合格节点作为第一判断结果中的不合格结果,将所述第一合格节点作为所述第一判断结果中的合格结果。
在本申请的一个实施例中,利用数据处理模块对N个检测数据集合是否满足碘含量要求进行分析判断,获得所述第一判断结果。其中,所述第一判断结果是对N个检测数据集合的合格性进行判断获得的结果。进而,将第一判断结果输入数据标识模块中,根据第一判断结果对N个检测数据集合分别进行标识,并根据是否合格获得第一标识结果。其中,所述第一标识结果是从检测数据食盐碘含量合格性的角度,对N个检测数据集合进行标识,包括具有合格标识的P1个检测数据集合和具有不合格标识的P2个检测数据集合。合格标识中包括合格率,不合格标识中包括不合格率,P1+P2=N。达到了从检测是否合格的角度进行数据标识的技术效果。
具体而言,所述碘含量检测指标集合是对食盐中的碘含量进行检测,确定食盐是否合格的指标集合,包括纯度、盐碘含量均数、标准差、变异系数、碘盐覆盖率、碘盐合格率、合格碘盐使用率等指标。所述数据处理模块中包括合格判断分支,用于对食盐碘含量是否合格进行判断,基于所述碘含量检测指标集合构建所述合格判断分支。进而,将所述N个检测数据集合分别输入所述合格判断分支中进行合格性判断,获得所述第一判断结果。
具体的,从所述碘含量检测指标集合中不放回随机选取一个检测指标作为第一检测指标,将所述第一检测指标的合格指标参数存储至第一判断节点,其中,所述第一判断节点用于判断输入的N个检测数据集合是否满足存储的第一检测指标的合格指标参数,且将不满足的检测数据集合添加进第一不合格节点。也就是说,通过第一判断节点对检测数据集合中不满足存储于第一判断节点中的第一检测指标的合格指标参数的检测数据集合进行筛选,添加进第一不合格节点中进行存储。基于同样的原理,从所述碘含量检测指标集合中不放回随机选取一个检测指标作为第二检测指标,将所述第二检测指标的合格指标参数存储至第二判断节点,其中,所述第二判断节点用于判断输入的N个检测数据集合是否满足存储的第二检测指标的合格指标参数,且将不满足的检测数据集合添加进第二不合格节点。
具体的,当再次从所述碘含量检测指标集合中不放回随机选取一个检测指标作为第Q检测指标,将所述第Q检测指标的合格指标参数存储至第Q判断节点时,由于第Q判断节点为最后一个判断节点,以此,其具有一个不合格节点,为第Q不合格节点,用于存储不满足第Q检测指标的合格指标参数的检测数据集合,以及还具有一个合格节点,其中,所述第一合格节点用于对满足第一检测指标、第二检测指标以及第Q检测指标的检测数据集合进行存储。
具体的,通过根据第一判断节点、第二判断节点、第Q判断节点获得所述合格判断分支。进而,将第一不合格节点、第二不合格节点、第Q不合格节点中存储的检测数据集合作为第一判断结果中的不合格结果,将第一合格节点中存储的检测数据集合作为第一判断结果中的合格结果。达到了快速、准确的对N个检测数据集合是否合格进行判断的技术效果。
步骤S300:以盐的来源为索引,分别对所述N个检测数据集合进行类来源偏离度分析,获得第一偏离度分析结果;
进一步的,如图3所示,本申请实施例步骤S300还包括:
步骤S310:提取所述N个检测数据集合中食盐来源信息;
步骤S320:以所述食盐来源信息为索引对所述N个检测数据集合进行分类,确定K个检测数据分类簇,K为食盐来源信息中食盐来源的数量;
步骤S330:分别对K个检测数据分类簇进行均值求取,获得K个均值集合;
步骤S340:遍历所述K个检测数据分类簇与K个均值集合进行差值计算,获得N个偏离度集合;
步骤S350:对所述N个偏离度集合分别进行加权计算,获得N个第一偏离度,将所述N个第一偏离度作为所述第一偏离度分析结果。
在一个可能的实施例中,通过以盐的来源为索引,对N个检测数据集合先进行分类,进而对每一类进行偏离度分析,获得所述第一偏离度分析结果。其中,所述第一偏离度分析结果反映了不同盐的来源的食盐进行碘含量检测与检测均值之间的偏离程度。通过首先对N个检测数据集合按照盐的来源进行分类,进而,进行偏离度分析,达到了提高分析准确性的技术效果。
在一个实施例中,从所述N个检测数据集合中提取食盐来源信息,其中,所述食盐来源信息用于对检测的食盐原材料的来源进行描述,包括海盐、湖盐、井矿盐、岩盐等。以食盐来源信息为索引,将属于同一来源的检测数据集合划分为一类,组成一个检测数据分类簇,从而获得K个检测数据分类簇。其中,所述K为食盐来源信息中食盐来源的数量,当食盐来源为海盐、湖盐、井矿盐时,K为3。
进而,根据K个检测数据分类簇中的数据对每个检测数据分类簇进行均值求取,获得K个均值集合。其中,所述K个均值集合反映了不用食盐来源生产加工的食盐之间的平均情况。然后,将所述K个检测数据分类簇中的检测数据集合分别与K个均值集合进行差值计算,获得N个偏离度集合,每个偏离度集合中包括多个检测指标参数与均值的差值情况。进而,按照预设指标权重比,对N个偏离度集合分别进行加权计算,获得N个第一偏离度。
步骤S400:根据食盐的生产工艺对所述N个检测数据集合进行类工艺偏离分析,获得第二偏离度分析结果;
其中,所述食盐的生产工艺包括真空蒸发制盐工艺、浓缩结晶工艺、粉碎洗涤工艺等。基于与第一偏离度分析结果同样的分析方法,以食盐的生产工艺为索引,对N个检测数据按照不同的生产工艺进行分类,获得第二偏离度分析结果。其中,所述第二偏离度分析结果是从食盐生产工艺的维度,对同一食盐生产工艺下的N个检测数据集合的数据与均值的偏离程度进行分析获得的结果。
步骤S500:调取N个检测用户在历史检测窗口内的N个历史检测数据集合,与所述N个检测数据集合进行同比分析,获得第三偏离度分析结果;
具体而言,所述进行同比分析是指对N个检测用户在历史检测窗口内已经检测分析过的N个历史检测数据集合中的检测数据,分别与N个检测数据集合进行同比分析,确定在历史时间段内与当前检测同一时期的检测数据之间的偏离情况进行分析,将同比分析的差值结果作为所述第三偏离度分析结果。达到了对同时期每个检测用户的检测结果变动情况进行分析的技术效果。
步骤S600:利用meanshift跟踪算法分别对所述第一偏离度分析结果、第二偏离度分析结果进行偏离修正分析,获得第一修正偏离度分析结果、第二修正偏离度分析结果;
进一步的,本申请实施例步骤S600还包括:
步骤S610:计算所述第一偏离度分析结果中的第一偏离度均值,将所述第一偏离度均值作为跟踪初始点;
步骤S620:根据所述跟踪初始点设置距离阈值,根据所述距离阈值对所述第一偏离度分析结果进行筛选,获得目标第一偏离度分析结果;
步骤S630:以所述跟踪初始点为迭代起始点,结合所述目标第一偏离度分析结果,利用跟踪公式获得迭代带权中心点;
步骤S640:判断所述迭代带权中心点与跟踪初始点的距离差是否满足预设差值,若满足,则根据所述距离差对第一偏离度分析结果进行修正,获得第一修正偏离度分析结果;
步骤S650:若不满足,则以迭代带权中心点为跟踪初始点继续进行迭代。
进一步的,所述利用meanshift跟踪算法分别对所述第一偏离度分析结果、第二偏离度分析结果进行偏离修正分析,本申请实施例步骤S600还包括:
所述跟踪公式为:
;
其中,为迭代带权中心点对应的第一偏离度,为高斯函数,i为目标
第一偏离度分析结果中的第一偏离度数量,i为大于等于1的整数,为目标第一偏离度分
析结果中的第i个第一偏离度,为跟踪初始点对应的第一偏离度。
进一步的,所述则根据所述距离差对第一偏离度分析结果进行修正,获得第一修正偏离度分析结果,本申请实施例步骤S600还包括:
步骤S660:计算所述迭代带权中心对应的第一偏离度与跟踪初始点对应的第一偏离度之间的差值,获得所述距离差;
步骤S670:根据所述距离差对第一偏离度分析结果中的第一偏离度进行叠加,获得第一修正偏离度分析结果。
在一个可能的实施例中,所述meanshift跟踪算法是用于对凌乱分布的散点最大密度处进行追踪分析的算法。由于第一偏离度分析结果、第二偏离度分析结果都是与均值进行分析后获得的结果,而均值受到所有检测数据集合中数据的影响,当最大值或/和最小值附近出现的点比较少时,均值会比实际的数据集中值高/低,从而影响偏离度分析结果的可靠性。因此,通过利用meanshift跟踪算法对第一偏离度分析结果、第二偏离度分析结果中偏离度集中较密集区域进行追踪确定,根据结果进行修正,从而使偏离度分析结果更贴合于真实数据分析情况,提高偏离度分析结果的可靠性,同时,通过均值分析获得的第一偏离度分析结果、第二偏离度分析结果,达到了为后续修正降低计算量,提升分析效率的技术效果。
在一个可能的实施例中,计算所述第一偏离度分析结果中的第一偏离度均值,将第一偏离度均值作为跟踪初始点,也就是最大密度的初始寻找点。由本领域技术人员根据所述跟踪初始点设置距离阈值,其中,距离阈值是距离跟踪初始点的第一偏离度的最大偏离度差值,可以为25%等。根据所述距离阈值对所述第一偏离度分析结果进行筛选,获得符合距离阈值的第一偏离度分析结果,生成目标第一偏离度分析结果。其中,所述目标第一偏离度分析结果也就是进行最大密度寻找的范围。
具体的,以所述跟踪初始点为迭代起始点,结合所述目标第一偏离度分析结果,输入跟踪公式中,经过计算获得迭代带权中心点。其中,所述迭代带权中心点就是在最大密度寻找范围内密度比迭代起始点密度大的点。所述跟踪公式用于计算密度大于迭代起始点密度的点,也就是迭代带权中心点。所述迭代带权中心点是在迭代过程中周围密度最大的点。
在迭代过程中,判断所述迭代带权中心点与跟踪初始点的距离差是否满足预设差值,若满足,表明迭代寻找结束,则根据所述距离差对第一偏离度分析结果进行修正,获得第一修正偏离度分析结果,若不满足,则表明迭代带权中心点与跟踪初始点之间距离变动过大,以迭代带权中心点为跟踪初始点继续进行迭代。
具体而言,计算所述迭代带权中心对应的第一偏离度与跟踪初始点对应的第一偏离度之间的差值,获得所述距离差,然后将所述距离差与第一偏离度分析结果中的第一偏离度进行叠加,若距离差为正,也就是迭代带权中心对应的第一偏离度大于跟踪初始点对应的第一偏离度,则修正后的第一修正偏离度分析结果中的第一偏离度大于第一偏离度分析结果中的第一偏离度;若距离差为负,也就是迭代带权中心对应的第一偏离度大于跟踪初始点对应的第一偏离度,则修正后的第一修正偏离度分析结果中的第一偏离度小于第一偏离度分析结果中的第一偏离度。达到了获得更准确的第一修正偏离度分析结果,提高数据标识准确性的技术效果。基于同样的方式,获得第二修正偏离度分析结果。
步骤S700:利用数据标识模块根据第一修正偏离度分析结果、第二修正偏离度分析结果和第三偏离度分析结果分别对N个检测数据集合进行数据标识,获得第二标识结果;
步骤S800:根据所述第一标识结果和第二标识结果生成所述目标检测机构的检测数据标识结果。
在一个可能的实施例中,通过数据标识模块根据第一修正偏离度分析结果、第二修正偏离度分析结果和第三偏离度分析结果中的偏离度,对N个检测数据集合进行数据标识,获得第二标识结果。其中,第二标识结果反映了N个检测数据集合分别与目标检测机构在预设检测窗口内检测的同批食盐不同维度的偏离程度以及每个检测数据集合与同比上个周期的检测数据偏差程度。将所述第一标识结果和第二标识结果进行同对象融合,也就是对同一检测用户的检测数据集合进行标识,生成所述目标检测机构的检测数据标识结果。
综上所述,本申请实施例至少具有如下技术效果:
本申请通过对预设检测窗口内目标检测机构的检测数据集合进行多维度分析,从合格性和偏离度进行标识,并利用meanshift跟踪算法对均值计算获得的偏离度进行修正,获得更符合实际偏离程度的偏离度分析结果,进而,生成所述目标检测机构的检测数据标识结果。达到了提升食盐碘含量检测数据标识准确性,可靠性的技术效果。
实施例二
基于与前述实施例中一种食盐碘含量检测数据标识方法相同的发明构思,如图4所示,本申请提供了一种食盐碘含量检测数据标识系统,本申请实施例中的系统与方法实施例基于同样的发明构思。其中,所述系统包括:
检测数据集合获得模块11,所述检测数据集合获得模块11用于设置检测传输窗口,在所述检测传输窗口内通过数据传输端口获取目标检测机构的盐检测碘量仪的检测数据,获得N个检测数据集合,N为大于等于1的整数;
第一标识结果获得模块12,所述第一标识结果获得模块12用于利用数据处理模块判断N个检测数据集合是否符合碘含量要求,获得第一判断结果,且通过数据标识模块根据所述第一判断结果获得第一标识结果,其中,所述第一标识结果包括具有合格标识的P1个检测数据集合和具有不合格标识的P2个检测数据集合,P1+P2=N;
第一偏离度分析结果获得模块13,所述第一偏离度分析结果获得模块13用于以盐的来源为索引,分别对所述N个检测数据集合进行类来源偏离度分析,获得第一偏离度分析结果;
第二偏离度分析结果获得模块14,所述第二偏离度分析结果获得模块14用于根据食盐的生产工艺对所述N个检测数据集合进行类工艺偏离分析,获得第二偏离度分析结果;
第三偏离度分析结果获得模块15,所述第三偏离度分析结果获得模块15用于调取N个检测用户在历史检测窗口内的N个历史检测数据集合,与所述N个检测数据集合进行同比分析,获得第三偏离度分析结果;
偏离修正分析模块16,所述偏离修正分析模块16用于利用meanshift跟踪算法分别对所述第一偏离度分析结果、第二偏离度分析结果进行偏离修正分析,获得第一修正偏离度分析结果、第二修正偏离度分析结果;
第二标识结果获得模块17,所述第二标识结果获得模块17用于利用数据标识模块根据第一修正偏离度分析结果、第二修正偏离度分析结果和第三偏离度分析结果分别对N个检测数据集合进行数据标识,获得第二标识结果;
检测数据标识结果获得模块18,所述检测数据标识结果获得模块18用于根据所述第一标识结果和第二标识结果生成所述目标检测机构的检测数据标识结果。
进一步的,所述第一标识结果获得模块12用于执行如下方法:
获得碘含量检测指标集合;
根据所述碘含量检测指标集合构建所述数据处理模块的合格判断分支;
将所述N个检测数据集合输入所述合格判断分支中,获得所述第一判断结果。
进一步的,所述第一标识结果获得模块12用于执行如下方法:
从所述碘含量检测指标集合中不放回随机选取一个检测指标作为第一检测指标,将所述第一检测指标的合格指标参数存储至第一判断节点,其中,所述第一判断节点用于判断输入的N个检测数据集合是否满足存储的第一检测指标的合格指标参数,且将不满足的检测数据集合添加进第一不合格节点;
从所述碘含量检测指标集合中不放回随机选取一个检测指标作为第二检测指标,将所述第二检测指标的合格指标参数存储至第二判断节点,其中,所述第二判断节点用于判断输入的N个检测数据集合是否满足存储的第二检测指标的合格指标参数,且将不满足的检测数据集合添加进第二不合格节点;
再次从所述碘含量检测指标集合中不放回随机选取一个检测指标作为第Q检测指标,将所述第Q检测指标的合格指标参数存储至第Q判断节点,其中,所述第Q判断节点用于判断输入的N个检测数据集合是否满足存储的第Q检测指标的合格指标参数,且将不满足的检测数据集合添加进第Q不合格节点,将满足的检测数据集合添加进第一合格节点,Q为所述碘含量检测指标集合中指标数量;
根据所述第一判断节点、第二判断节点、第Q判断节点生成所述合格判断分支;
将第一不合格节点、第二不合格节点、第Q不合格节点作为第一判断结果中的不合格结果,将所述第一合格节点作为所述第一判断结果中的合格结果。
进一步的,所述第一偏离度分析结果获得模块13用于执行如下方法:
提取所述N个检测数据集合中食盐来源信息;
以所述食盐来源信息为索引对所述N个检测数据集合进行分类,确定K个检测数据分类簇,K为食盐来源信息中食盐来源的数量;
分别对K个检测数据分类簇进行均值求取,获得K个均值集合;
遍历所述K个检测数据分类簇与K个均值集合进行差值计算,获得N个偏离度集合;
对所述N个偏离度集合分别进行加权计算,获得N个第一偏离度,将所述N个第一偏离度作为所述第一偏离度分析结果。
进一步的,所述偏离修正分析模块16用于执行如下方法:
计算所述第一偏离度分析结果中的第一偏离度均值,将所述第一偏离度均值作为跟踪初始点;
根据所述跟踪初始点设置距离阈值,根据所述距离阈值对所述第一偏离度分析结果进行筛选,获得目标第一偏离度分析结果;
以所述跟踪初始点为迭代起始点,结合所述目标第一偏离度分析结果,利用跟踪公式获得迭代带权中心点;
判断所述迭代带权中心点与跟踪初始点的距离差是否满足预设差值,若满足,则根据所述距离差对第一偏离度分析结果进行修正,获得第一修正偏离度分析结果;
若不满足,则以迭代带权中心点为跟踪初始点继续进行迭代。
进一步的,所述偏离修正分析模块16中的所述跟踪公式为:
;
其中,为迭代带权中心点对应的第一偏离度,为高斯函数,i为目标
第一偏离度分析结果中的第一偏离度数量,i为大于等于1的整数,为目标第一偏离度分
析结果中的第i个第一偏离度,为跟踪初始点对应的第一偏离度。
进一步的,所述偏离修正分析模块16用于执行如下方法:
计算所述迭代带权中心对应的第一偏离度与跟踪初始点对应的第一偏离度之间的差值,获得所述距离差;
根据所述距离差对第一偏离度分析结果中的第一偏离度进行叠加,获得第一修正偏离度分析结果。
需要说明的是,上述本申请实施例先后顺序仅仅为了描述,不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
以上所述仅为本申请的较佳实施例,并不用以限制本申请,凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
本说明书和附图仅仅是本申请的示例性说明,且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样,倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内,则本申请意图包括这些改动和变型在内。
Claims (7)
1.一种食盐碘含量检测数据标识方法,其特征在于,应用于碘含量检测系统,所述碘含量检测系统与数据传输端口、数据处理模块和数据标识模块通信连接,所述方法包括:
设置检测传输窗口,在所述检测传输窗口内通过数据传输端口获取目标检测机构的盐检测碘量仪的检测数据,获得N个检测数据集合,N为大于等于1的整数;
利用数据处理模块判断N个检测数据集合是否符合碘含量要求,获得第一判断结果,且通过数据标识模块根据所述第一判断结果获得第一标识结果,其中,所述第一标识结果包括具有合格标识的P1个检测数据集合和具有不合格标识的P2个检测数据集合,P1+P2=N;
以盐的来源为索引,分别对所述N个检测数据集合进行类来源偏离度分析,获得第一偏离度分析结果;
根据食盐的生产工艺对所述N个检测数据集合进行类工艺偏离分析,获得第二偏离度分析结果;
调取N个检测用户在历史检测窗口内的N个历史检测数据集合,与所述N个检测数据集合进行同比分析,获得第三偏离度分析结果;
利用meanshift跟踪算法分别对所述第一偏离度分析结果、第二偏离度分析结果进行偏离修正分析,获得第一修正偏离度分析结果、第二修正偏离度分析结果;
利用数据标识模块根据第一修正偏离度分析结果、第二修正偏离度分析结果和第三偏离度分析结果分别对N个检测数据集合进行数据标识,获得第二标识结果;
根据所述第一标识结果和第二标识结果生成所述目标检测机构的检测数据标识结果;
所述以盐的来源为索引,分别对所述N个检测数据集合进行类来源偏离度分析,获得第一偏离度分析结果,包括:
提取所述N个检测数据集合中食盐来源信息;
以所述食盐来源信息为索引对所述N个检测数据集合进行分类,确定K个检测数据分类簇,K为食盐来源信息中食盐来源的数量;
分别对K个检测数据分类簇进行均值求取,获得K个均值集合;
遍历所述K个检测数据分类簇与K个均值集合进行差值计算,获得N个偏离度集合;
对所述N个偏离度集合分别进行加权计算,获得N个第一偏离度,将所述N个第一偏离度作为所述第一偏离度分析结果。
2.如权利要求1所述的方法,其特征在于,所述方法包括:
获得碘含量检测指标集合;
根据所述碘含量检测指标集合构建所述数据处理模块的合格判断分支;
将所述N个检测数据集合输入所述合格判断分支中,获得所述第一判断结果。
3.如权利要求2所述的方法,其特征在于,所述方法包括:
从所述碘含量检测指标集合中不放回随机选取一个检测指标作为第一检测指标,将所述第一检测指标的合格指标参数存储至第一判断节点,其中,所述第一判断节点用于判断输入的N个检测数据集合是否满足存储的第一检测指标的合格指标参数,且将不满足的检测数据集合添加进第一不合格节点;
从所述碘含量检测指标集合中不放回随机选取一个检测指标作为第二检测指标,将所述第二检测指标的合格指标参数存储至第二判断节点,其中,所述第二判断节点用于判断输入的N个检测数据集合是否满足存储的第二检测指标的合格指标参数,且将不满足的检测数据集合添加进第二不合格节点;
再次从所述碘含量检测指标集合中不放回随机选取一个检测指标作为第Q检测指标,将所述第Q检测指标的合格指标参数存储至第Q判断节点,其中,所述第Q判断节点用于判断输入的N个检测数据集合是否满足存储的第Q检测指标的合格指标参数,且将不满足的检测数据集合添加进第Q不合格节点,将满足的检测数据集合添加进第一合格节点,Q为所述碘含量检测指标集合中指标数量;
根据所述第一判断节点、第二判断节点、第Q判断节点生成所述合格判断分支;
将第一不合格节点、第二不合格节点、第Q不合格节点作为第一判断结果中的不合格结果,将所述第一合格节点作为所述第一判断结果中的合格结果。
4.如权利要求1所述的方法,其特征在于,所述方法包括:
计算所述第一偏离度分析结果中的第一偏离度均值,将所述第一偏离度均值作为跟踪初始点;
根据所述跟踪初始点设置距离阈值,根据所述距离阈值对所述第一偏离度分析结果进行筛选,获得目标第一偏离度分析结果;
以所述跟踪初始点为迭代起始点,结合所述目标第一偏离度分析结果,利用跟踪公式获得迭代带权中心点;
判断所述迭代带权中心点与跟踪初始点的距离差是否满足预设差值,若满足,则根据所述距离差对第一偏离度分析结果进行修正,获得第一修正偏离度分析结果;
若不满足,则以迭代带权中心点为跟踪初始点继续进行迭代。
5.如权利要求4所述的方法,其特征在于,所述利用meanshift跟踪算法分别对所述第一偏离度分析结果、第二偏离度分析结果进行偏离修正分析,所述方法包括:
所述跟踪公式为:
;
其中,为迭代带权中心点对应的第一偏离度,/>为高斯函数,i为目标第一偏离度分析结果中的第一偏离度数量,i为大于等于1的整数,/>为目标第一偏离度分析结果中的第i个第一偏离度,/>为跟踪初始点对应的第一偏离度。
6.如权利要求4所述的方法,其特征在于,所述则根据所述距离差对第一偏离度分析结果进行修正,获得第一修正偏离度分析结果,所述方法包括:
计算所述迭代带权中心对应的第一偏离度与跟踪初始点对应的第一偏离度之间的差值,获得所述距离差;
根据所述距离差对第一偏离度分析结果中的第一偏离度进行叠加,获得第一修正偏离度分析结果。
7.一种食盐碘含量检测数据标识系统,其特征在于,所述系统包括:
检测数据集合获得模块,所述检测数据集合获得模块用于设置检测传输窗口,在所述检测传输窗口内通过数据传输端口获取目标检测机构的盐检测碘量仪的检测数据,获得N个检测数据集合,N为大于等于1的整数;
第一标识结果获得模块,所述第一标识结果获得模块用于利用数据处理模块判断N个检测数据集合是否符合碘含量要求,获得第一判断结果,且通过数据标识模块根据所述第一判断结果获得第一标识结果,其中,所述第一标识结果包括具有合格标识的P1个检测数据集合和具有不合格标识的P2个检测数据集合,P1+P2=N;
第一偏离度分析结果获得模块,所述第一偏离度分析结果获得模块用于以盐的来源为索引,分别对所述N个检测数据集合进行类来源偏离度分析,获得第一偏离度分析结果;
第二偏离度分析结果获得模块,所述第二偏离度分析结果获得模块用于根据食盐的生产工艺对所述N个检测数据集合进行类工艺偏离分析,获得第二偏离度分析结果;
第三偏离度分析结果获得模块,所述第三偏离度分析结果获得模块用于调取N个检测用户在历史检测窗口内的N个历史检测数据集合,与所述N个检测数据集合进行同比分析,获得第三偏离度分析结果;
偏离修正分析模块,所述偏离修正分析模块用于利用meanshift跟踪算法分别对所述第一偏离度分析结果、第二偏离度分析结果进行偏离修正分析,获得第一修正偏离度分析结果、第二修正偏离度分析结果;
第二标识结果获得模块,所述第二标识结果获得模块用于利用数据标识模块根据第一修正偏离度分析结果、第二修正偏离度分析结果和第三偏离度分析结果分别对N个检测数据集合进行数据标识,获得第二标识结果;
检测数据标识结果获得模块,所述检测数据标识结果获得模块用于根据所述第一标识结果和第二标识结果生成所述目标检测机构的检测数据标识结果;
所述第一偏离度分析结果获得模块用于执行如下方法:
提取所述N个检测数据集合中食盐来源信息;
以所述食盐来源信息为索引对所述N个检测数据集合进行分类,确定K个检测数据分类簇,K为食盐来源信息中食盐来源的数量;
分别对K个检测数据分类簇进行均值求取,获得K个均值集合;
遍历所述K个检测数据分类簇与K个均值集合进行差值计算,获得N个偏离度集合;
对所述N个偏离度集合分别进行加权计算,获得N个第一偏离度,将所述N个第一偏离度作为所述第一偏离度分析结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311063396.XA CN116804668B (zh) | 2023-08-23 | 2023-08-23 | 一种食盐碘含量检测数据标识方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311063396.XA CN116804668B (zh) | 2023-08-23 | 2023-08-23 | 一种食盐碘含量检测数据标识方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116804668A CN116804668A (zh) | 2023-09-26 |
CN116804668B true CN116804668B (zh) | 2023-11-21 |
Family
ID=88079680
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311063396.XA Active CN116804668B (zh) | 2023-08-23 | 2023-08-23 | 一种食盐碘含量检测数据标识方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116804668B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117151657B (zh) * | 2023-10-30 | 2024-01-23 | 南通顺裕包装材料有限公司 | 一种塑料包装材料管理方法及系统 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106528417A (zh) * | 2016-10-28 | 2017-03-22 | 中国电子产品可靠性与环境试验研究所 | 软件缺陷智能检测方法和系统 |
CN109389321A (zh) * | 2018-10-30 | 2019-02-26 | 北京筑龙信息技术有限责任公司 | 一种价格评估方法及装置 |
CN110441819A (zh) * | 2019-08-06 | 2019-11-12 | 五季数据科技(北京)有限公司 | 一种基于均值偏移聚类分析的地震初至波自动拾取方法 |
CN114237427A (zh) * | 2022-02-22 | 2022-03-25 | 深圳市赛元微电子有限公司 | 一种高灵敏度触控压力检测方法及系统 |
CN114299688A (zh) * | 2021-12-29 | 2022-04-08 | 张璇燕 | 一种基于电子烟雾检测的烟油成分识别方法及系统 |
CN115077618A (zh) * | 2022-06-27 | 2022-09-20 | 扬州市管件厂有限公司 | 一种核级合金钢弯头的质量检测方法及系统 |
WO2022252505A1 (zh) * | 2021-06-02 | 2022-12-08 | 杭州安脉盛智能技术有限公司 | 一种基于多指标集群分析的设备状态监测方法 |
CN115496424A (zh) * | 2022-11-09 | 2022-12-20 | 广东能创科技有限公司 | 一种甲醇制氢工艺安全管理方法及系统 |
CN116011703A (zh) * | 2023-02-08 | 2023-04-25 | 莒县环境监测站 | 一种动态环境监测站的管理方法及系统 |
CN116243097A (zh) * | 2023-05-11 | 2023-06-09 | 新风光电子科技股份有限公司 | 基于大数据的电能质量检测方法 |
CN116305671A (zh) * | 2023-05-23 | 2023-06-23 | 山东伟国板业科技有限公司 | 一种人造板的生产线监测方法及系统 |
CN116312882A (zh) * | 2023-02-17 | 2023-06-23 | 宝胜高压电缆有限公司 | 一种聚丙烯电缆生产工艺优化方法及系统 |
-
2023
- 2023-08-23 CN CN202311063396.XA patent/CN116804668B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106528417A (zh) * | 2016-10-28 | 2017-03-22 | 中国电子产品可靠性与环境试验研究所 | 软件缺陷智能检测方法和系统 |
CN109389321A (zh) * | 2018-10-30 | 2019-02-26 | 北京筑龙信息技术有限责任公司 | 一种价格评估方法及装置 |
CN110441819A (zh) * | 2019-08-06 | 2019-11-12 | 五季数据科技(北京)有限公司 | 一种基于均值偏移聚类分析的地震初至波自动拾取方法 |
WO2022252505A1 (zh) * | 2021-06-02 | 2022-12-08 | 杭州安脉盛智能技术有限公司 | 一种基于多指标集群分析的设备状态监测方法 |
CN114299688A (zh) * | 2021-12-29 | 2022-04-08 | 张璇燕 | 一种基于电子烟雾检测的烟油成分识别方法及系统 |
CN114237427A (zh) * | 2022-02-22 | 2022-03-25 | 深圳市赛元微电子有限公司 | 一种高灵敏度触控压力检测方法及系统 |
CN115077618A (zh) * | 2022-06-27 | 2022-09-20 | 扬州市管件厂有限公司 | 一种核级合金钢弯头的质量检测方法及系统 |
CN115496424A (zh) * | 2022-11-09 | 2022-12-20 | 广东能创科技有限公司 | 一种甲醇制氢工艺安全管理方法及系统 |
CN116011703A (zh) * | 2023-02-08 | 2023-04-25 | 莒县环境监测站 | 一种动态环境监测站的管理方法及系统 |
CN116312882A (zh) * | 2023-02-17 | 2023-06-23 | 宝胜高压电缆有限公司 | 一种聚丙烯电缆生产工艺优化方法及系统 |
CN116243097A (zh) * | 2023-05-11 | 2023-06-09 | 新风光电子科技股份有限公司 | 基于大数据的电能质量检测方法 |
CN116305671A (zh) * | 2023-05-23 | 2023-06-23 | 山东伟国板业科技有限公司 | 一种人造板的生产线监测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116804668A (zh) | 2023-09-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116804668B (zh) | 一种食盐碘含量检测数据标识方法及系统 | |
CN112637132B (zh) | 一种网络异常检测方法、装置、电子设备和存储介质 | |
CN101893704A (zh) | 一种基于粗糙集的雷达辐射源信号识别方法 | |
CN110020712B (zh) | 一种基于聚类的优化粒子群bp网络预测方法和系统 | |
CN111046018B (zh) | 基于多目标优化的发电设备运行工况库构建方法和装置 | |
CN110737874A (zh) | 一种基于空间关系的流域水质监测异常值检测方法 | |
CN108932301A (zh) | 数据填充方法及装置 | |
CN111401460A (zh) | 一种基于限值学习的异常电量数据辨识方法 | |
CN111931601B (zh) | 齿轮箱错误类别标签修正系统及方法 | |
CN112288597A (zh) | 一种基于层次聚类和直方图算法的能耗在线异常检测方法 | |
CN112395382A (zh) | 基于变分自编码器的船舶异常航迹数据检测方法和装置 | |
CN114116829A (zh) | 异常数据分析方法、异常数据分析系统和存储介质 | |
CN113139570A (zh) | 一种基于最优混合估值的大坝安全监测数据补全方法 | |
CN115408925A (zh) | 用于隧道施工的岩体参数预测方法和装置 | |
CN117251798A (zh) | 一种基于两层渐进式的气象设备异常检测方法 | |
CN115576981A (zh) | 一种基于有监督算法与无监督算法相结合的异常检测方法 | |
CN117314016A (zh) | 基于bim技术的水利工程在线监控方法 | |
CN110751201B (zh) | 基于纹理特征变换的sar装备任务失效成因推理方法 | |
CN116662832A (zh) | 一种基于聚类和主动学习的训练样本选择方法 | |
CN116823047A (zh) | 基于蒙特卡洛-可变模糊集的湖泊富营养化评价方法 | |
CN115204323B (zh) | 基于种子多特征的聚类及综合的方法、系统、设备及介质 | |
CN113554079B (zh) | 一种基于二次检测法的电力负荷异常数据检测方法及系统 | |
CN108182492B (zh) | 一种资料同化方法及装置 | |
CN115309948A (zh) | 一种基于运动轨迹自动识别的渔船作业方法 | |
CN112613521B (zh) | 基于数据转换的多层次数据分析系统及方法 |
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 |