CN117074361B - 校准方法、装置、清洗机和存储介质 - Google Patents
校准方法、装置、清洗机和存储介质 Download PDFInfo
- Publication number
- CN117074361B CN117074361B CN202311095986.0A CN202311095986A CN117074361B CN 117074361 B CN117074361 B CN 117074361B CN 202311095986 A CN202311095986 A CN 202311095986A CN 117074361 B CN117074361 B CN 117074361B
- Authority
- CN
- China
- Prior art keywords
- near infrared
- pure water
- infrared spectrum
- sample
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000004140 cleaning Methods 0.000 title claims abstract description 38
- 238000003860 storage Methods 0.000 title claims abstract description 8
- 238000002329 infrared spectrum Methods 0.000 claims abstract description 83
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 72
- 230000009466 transformation Effects 0.000 claims abstract description 27
- 238000001228 spectrum Methods 0.000 claims abstract description 25
- 239000011159 matrix material Substances 0.000 claims abstract description 24
- 238000012546 transfer Methods 0.000 claims abstract description 24
- 238000004445 quantitative analysis Methods 0.000 claims description 20
- 238000012937 correction Methods 0.000 claims description 12
- 238000009499 grossing Methods 0.000 claims description 7
- 238000007781 pre-processing Methods 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 5
- 230000000694 effects Effects 0.000 abstract description 5
- 238000002835 absorbance Methods 0.000 description 3
- 239000007788 liquid Substances 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 239000003153 chemical reaction reagent Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003918 potentiometric titration Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 235000012431 wafers Nutrition 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
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/359—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light
-
- 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
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B40/00—Technologies aiming at improving the efficiency of home appliances, e.g. induction cooking or efficient technologies for refrigerators, freezers or dish washers
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (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)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本申请公开了一种校准方法、装置、清洗机和存储介质，涉及机械校准技术领域，所述方法包括：获取清洗机中流入纯水时的纯水近红外光谱；根据所述纯水近红外光谱和标准光谱，获取转移变换矩阵，所述标准光谱为纯水流入校准后的所述清洗机后得到的光谱；获取所述清洗机中流入样品时的样品近红外光谱；根据所述转移变换矩阵，对所述样品近红外光谱进行校准。解决了现有技术中清洗机中光路校准困难的问题，达到了可以快速准确低成本的实现光路校准的效果。
Description
技术领域
本发明涉及一种校准方法、装置、清洗机和存储介质，属于机械校准技术领域。
背景技术
半导体清洗液是半导体硅片生产过程中常用的溶液，使用中需要监测其使用过程中溶液的消耗情况，需要进行及时的补液。目前通常采用电位滴定法进行含量检测，其耗时耗力且具有明显滞后性。
为了提高检测效率，部分厂家提出通过近红外光谱对溶液含量进行检测，进而实现实时无试剂消耗的效果。然而由于各家工艺的不同，近红外光的光路可能会有所偏差，并且长时间之后近红外光的光路也会变化，因此如何对光路进行校准已经成为困扰业内人士的重要难题之一。
发明内容
本发明的目的在于提供一种校准方法、装置和存储介质，用于解决现有技术中存在的问题。
为达到上述目的，本发明提供如下技术方案：
根据第一方面，本发明实施例提供了一种校准方法，所述方法包括：
获取清洗机中流入纯水时的纯水近红外光谱；
根据所述纯水近红外光谱和标准光谱，获取转移变换矩阵，所述标准光谱为纯水流入校准后的所述清洗机后得到的光谱；
获取所述清洗机中流入样品时的样品近红外光谱；
根据所述转移变换矩阵，对所述样品近红外光谱进行校准。
可选地，所述根据所述纯水近红外光谱和标准光谱，获取转移变换矩阵，包括：
对所述纯水近红外光谱进行预处理，所述预处理包括移动平滑处理和/或标准化处理；
根据预处理后的所述纯水近红外光谱和所述标准光谱，获取所述转移变换矩阵。
可选地，所述根据预处理后的所述纯水近红外光谱和所述标准光谱，获取所述转移变换矩阵，包括：
通过预设校正方法对预处理后的所述纯水近红外光谱和所述标准光谱进行校正，得到所述转移变换矩阵。
可选地，所述预设校正方法包括分段直接校正PDS、SST、差谱和商谱中的至少一种。
可选地，所述方法还包括：
将校正后的所述样品近红外光谱输入至定量分析模型，获取得到所述样品的组分信息，所述定量分析模型为根据不同溶液的近红外光谱及其对应的组分信息构建的模型。
第二方面，提供了一种校准方法，所述方法包括：
获取清洗机中流入纯水时的纯水近红外光谱；
根据所述纯水近红外光谱以及定量分析模型，获取得到所述纯水的预测含量信息；所述定量分析模型为根据不同溶液的近红外光谱及其对应的组分信息构建的模型；
根据所述预测含量信息以及所述纯水的标准含量信息，得到偏差信息；
获取所述清洗机中流入样品时的样品近红外光谱；
根据所述样品近红外光谱以及所述定量分析模型，计算所述样品的预测样品含量信息；
根据所述预测样品含量信息以及所述偏差信息，对所述预测样品含量信息进行校准。
第三方面，提供了一种校准装置，所述装置包括存储器和处理器，所述存储器中存储有至少一条程序指令，所述处理器通过加载并执行所述至少一条程序指令以实现如第一方面或者第二方面所述的方法。
第四方面，提供了一种清洗机，所述清洗机中包括存储器和处理器，所述存储器中存储有至少一条程序指令，所述处理器通过加载并执行所述至少一条程序指令以实现如第一方面或者第二方面所述的方法。
第五方面，提供了一种计算机存储介质，所述计算机存储介质中存储有至少一条程序指令，所述至少一条程序指令被处理器加载并执行以实现如第一方面或者第二方面所述的方法。
通过获取清洗机中流入纯水时的纯水近红外光谱；根据所述纯水近红外光谱和标准光谱，获取转移变换矩阵，所述标准光谱为纯水流入校准后的所述清洗机后得到的光谱；获取所述清洗机中流入样品时的样品近红外光谱；根据所述转移变换矩阵，对所述样品近红外光谱进行校准。解决了现有技术中清洗机中光路校准困难的问题，达到了可以快速准确低成本的实现光路校准的效果。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，并可依照说明书的内容予以实施，以下以本发明的较佳实施例并配合附图详细说明如后。
附图说明
图1为本发明一个实施例提供的校准方法的方法流程图；
图2为本发明一个实施例提供的校准方法的方法流程图。
具体实施方式
下面将结合附图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例，都属于本发明保护的范围。
在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
此外，下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
请参考图1，其示出了本申请一个实施例提供的校准方法的方法流程图，如图1所示，所述方法包括：
步骤101，获取清洗机中流入纯水时的纯水近红外光谱；
在清洗机的近红外光路中流入纯水，获取此时的纯水近红外光谱。本申请选用纯水进行校准，安全且成本较低。
步骤102，根据所述纯水近红外光谱和标准光谱，获取转移变换矩阵，所述标准光谱为纯水流入校准后的所述清洗机后得到的光谱；
可选地，本步骤包括：
第一，对所述纯水近红外光谱进行预处理，所述预处理包括移动平滑处理和/或标准化处理；
本步骤包括：
(1)、对纯水近红外光谱进行移动平滑处理；
Ax’＝(Ax-n+Ax-n+1+…+Ax+n-1+Ax+n)/(2n+1)；其中，x为波长，2n+1为平滑窗口数，Ax为x波长点的纯水近红外光谱，Ax’为x波长点移动平滑后的纯水近红外光谱。
(2)、对移动平滑后的纯水近红外光谱进行标准化处理。
标准化后的纯水近红外光谱为：
其中，Ax’为标准化后的x波长点的纯水近红外光谱，Ax为x波长点的原始吸光度；为x波长点的平均吸光度；Std(Ax)为x波长点吸光度的标准差。
以上表达式仅以对原始纯水近红外光谱进行标准化处理来举例说明，实际实现时，若先对纯水近红外光谱进行移动平滑处理之后进行标准化，则上述表达式中的Ax即为移动平滑后的纯水近红外光谱。
第二，根据预处理后的所述纯水近红外光谱和所述标准光谱，获取所述转移变换矩阵。
通过预设校正方法对预处理后的所述纯水近红外光谱和所述标准光谱进行校正，得到所述转移变换矩阵。其中，预设校正方法包括PDS(piecewise directstandardization，分段直接校正)、SST(spectral space transformation，光谱空间变换)、深度自编码器神经网络、差谱和商谱中的至少一种。
实际实现时，可以进行分段校正或者全段校正，并且实际实现时，可以根据实际需求选择对应的校正方法，对此并不做限定。
步骤103，获取所述清洗机中流入样品时的样品近红外光谱；
本步骤与步骤101类似，不同的是流入的液体不同，在此不再赘述。
步骤104，根据所述转移变换矩阵，对所述样品近红外光谱进行校准。
在得到样品近红外光谱之后，即可根据转移变换矩阵对样品近红外光谱进行校准。实际实现时，可以通过转移变换矩阵对样品红外光谱进行转换，转换后的样品近红外光谱即为校准后的样品近红外光谱。
可选地，为了获取得到样品的组分信息，上述方法还可以包括：
将校正后的所述样品近红外光谱输入至定量分析模型，获取得到所述样品的组分信息，所述定量分析模型为根据不同溶液的近红外光谱及其对应的组分信息构建的模型。组分信息用于表示样品中各个组分的含量。
综上所述，通过获取清洗机中流入纯水时的纯水近红外光谱；根据所述纯水近红外光谱和标准光谱，获取转移变换矩阵，所述标准光谱为纯水流入校准后的所述清洗机后得到的光谱；获取所述清洗机中流入样品时的样品近红外光谱；根据所述转移变换矩阵，对所述样品近红外光谱进行校准。解决了现有技术中清洗机中光路校准困难的问题，达到了可以快速准确低成本的实现光路校准的效果。
请参考图2，其示出了本申请一个实施例提供的校准方法的方法流程图，如图2所示，所述方法包括：
步骤201，获取清洗机中流入纯水时的纯水近红外光谱；
本步骤与上述实施例中的步骤101类似，在此不再赘述。
步骤202，根据所述纯水近红外光谱以及定量分析模型，获取得到所述纯水的预测含量信息；
其中，所述定量分析模型为根据不同溶液的近红外光谱及其对应的组分信息构建的模型。并且，在本实施例中，不同溶液包括纯水。
实际实现时，将纯水近红外光谱输入至定量分析模型，通过定量分析模型输出得到纯水的预测含量信息。
步骤203，根据所述预测含量信息以及所述纯水的标准含量信息，得到偏差信息；
由于光路可能会带来偏差，因此上述预测含量信息与标准含量信息可能会不同，本申请将预测含量信息和标准含量信息进行比较，即可得到偏差信息。
步骤204，获取所述清洗机中流入样品时的样品近红外光谱；
步骤205，根据所述样品近红外光谱以及所述定量分析模型，计算所述样品的预测样品含量信息；
步骤205，根据所述预测样品含量信息以及所述偏差信息，对所述预测样品含量信息进行校准。
在得到预测样品含量信息之后，即可根据偏差信息得到样品的实际含量信息。
综上所述，通过获取清洗机中流入纯水时的纯水近红外光谱；根据所述纯水近红外光谱以及定量分析模型，获取得到所述纯水的预测含量信息；所述定量分析模型为根据不同溶液的近红外光谱及其对应的组分信息构建的模型；根据所述预测含量信息以及所述纯水的标准含量信息，得到偏差信息；获取所述清洗机中流入样品时的样品近红外光谱；根据所述样品近红外光谱以及所述定量分析模型，计算所述样品的预测样品含量信息；根据所述预测样品含量信息以及所述偏差信息，对所述预测样品含量信息进行校准。解决了现有技术中清洗机中光路校准困难的问题，达到了可以快速准确低成本的实现光路校准的效果。
本申请还提供了一种校准装置，所述装置包括存储器和处理器，所述存储器中存储有至少一条程序指令，所述处理器通过加载并执行所述至少一条程序指令以实现如上所述的方法。
本申请还提供了一种清洗机，所述清洗机中包括存储器和处理器，所述存储器中存储有至少一条程序指令，所述处理器通过加载并执行所述至少一条程序指令以实现如上所述的方法。
本申请还提供了一种计算机存储介质，所述计算机存储介质中存储有至少一条程序指令，所述至少一条程序指令被处理器加载并执行以实现如上所述的方法。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式，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 (7)
1.一种校准方法，其特征在于，所述方法包括：
获取清洗机中流入纯水时的纯水近红外光谱；
根据所述纯水近红外光谱和标准光谱，获取转移变换矩阵，所述标准光谱为纯水流入校准后的所述清洗机后得到的光谱；
获取所述清洗机中流入样品时的样品近红外光谱；
根据所述转移变换矩阵，对所述样品近红外光谱进行校准，
其中，所述根据所述纯水近红外光谱和标准光谱，获取转移变换矩阵，包括：
对所述纯水近红外光谱进行预处理，所述预处理包括移动平滑处理和/或标准化处理；
根据预处理后的所述纯水近红外光谱和所述标准光谱，获取所述转移变换矩阵；
其中，所述根据预处理后的所述纯水近红外光谱和所述标准光谱，获取所述转移变换矩阵，包括：
通过预设校正方法对预处理后的所述纯水近红外光谱和所述标准光谱进行校正，得到所述转移变换矩阵。
2.根据权利要求1所述的方法，其特征在于，所述预设校正方法包括分段直接校正PDS、光谱空间变换SST、差谱和商谱中的至少一种。
3.根据权利要求1或2所述的方法，其特征在于，所述方法还包括：
将校正后的所述样品近红外光谱输入至定量分析模型，获取得到所述样品的组分信息，所述定量分析模型为根据不同溶液的近红外光谱及其对应的组分信息构建的模型。
4.一种校准方法，其特征在于，所述方法包括：
获取清洗机中流入纯水时的纯水近红外光谱；
根据所述纯水近红外光谱以及定量分析模型，获取得到所述纯水的预测含量信息；所述定量分析模型为根据不同溶液的近红外光谱及其对应的组分信息构建的模型；
根据所述预测含量信息以及所述纯水的标准含量信息，得到偏差信息；
获取所述清洗机中流入样品时的样品近红外光谱；
根据所述样品近红外光谱以及所述定量分析模型，计算所述样品的预测样品含量信息；
根据所述预测样品含量信息以及所述偏差信息，对所述预测样品含量信息进行校准。
5.一种校准装置，其特征在于，所述装置包括存储器和处理器，所述存储器中存储有至少一条程序指令，所述处理器通过加载并执行所述至少一条程序指令以实现如权利要求1至4任一所述的方法。
6.一种清洗机，其特征在于，所述清洗机中包括存储器和处理器，所述存储器中存储有至少一条程序指令，所述处理器通过加载并执行所述至少一条程序指令以实现如权利要求1至4任一所述的方法。
7.一种计算机存储介质，其特征在于，所述计算机存储介质中存储有至少一条程序指令，所述至少一条程序指令被处理器加载并执行以实现如权利要求1至4任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311095986.0A CN117074361B (zh) | 2023-08-29 | 2023-08-29 | 校准方法、装置、清洗机和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311095986.0A CN117074361B (zh) | 2023-08-29 | 2023-08-29 | 校准方法、装置、清洗机和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117074361A CN117074361A (zh) | 2023-11-17 |
| CN117074361B true CN117074361B (zh) | 2024-02-09 |
Family
ID=88719343
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311095986.0A Active CN117074361B (zh) | 2023-08-29 | 2023-08-29 | 校准方法、装置、清洗机和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117074361B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102042967A (zh) * | 2010-11-18 | 2011-05-04 | 上海衡伟信息技术有限公司 | 一种基于近红外光谱技术的葡萄糖水溶液快速识别方法 |
| CN102230888A (zh) * | 2011-06-16 | 2011-11-02 | 浙江大学 | 一种检测塑化剂含量的方法 |
| CN103175805A (zh) * | 2013-03-11 | 2013-06-26 | 楚广诣 | 一种近红外光谱测定污水中cod和bod5指标的方法 |
| CN104833654A (zh) * | 2015-05-13 | 2015-08-12 | 华润三九医药股份有限公司 | 利用近红外光谱法快速检测野菊花药材的方法及应用 |
| CN108007898A (zh) * | 2017-09-04 | 2018-05-08 | 无锡济民可信山禾药业股份有限公司 | 一种快速的艾片药材检测方法 |
| CN108562557A (zh) * | 2018-06-29 | 2018-09-21 | 无锡济民可信山禾药业股份有限公司 | 一种甘草药材的近红外光谱检测方法 |
-
2023
- 2023-08-29 CN CN202311095986.0A patent/CN117074361B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102042967A (zh) * | 2010-11-18 | 2011-05-04 | 上海衡伟信息技术有限公司 | 一种基于近红外光谱技术的葡萄糖水溶液快速识别方法 |
| CN102230888A (zh) * | 2011-06-16 | 2011-11-02 | 浙江大学 | 一种检测塑化剂含量的方法 |
| CN103175805A (zh) * | 2013-03-11 | 2013-06-26 | 楚广诣 | 一种近红外光谱测定污水中cod和bod5指标的方法 |
| CN104833654A (zh) * | 2015-05-13 | 2015-08-12 | 华润三九医药股份有限公司 | 利用近红外光谱法快速检测野菊花药材的方法及应用 |
| CN108007898A (zh) * | 2017-09-04 | 2018-05-08 | 无锡济民可信山禾药业股份有限公司 | 一种快速的艾片药材检测方法 |
| CN108562557A (zh) * | 2018-06-29 | 2018-09-21 | 无锡济民可信山禾药业股份有限公司 | 一种甘草药材的近红外光谱检测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117074361A (zh) | 2023-11-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| TWI454872B (zh) | An etching solution mixing device and an etching solution concentration measuring device | |
| US8008087B1 (en) | Analysis of silicon concentration in phosphoric acid etchant solutions | |
| CN104964972A (zh) | 通过视觉传感器确定滴定终点实现滴定分析自动化的方法及装置 | |
| US9910430B2 (en) | K-nearest neighbor-based method and system to provide multi-variate analysis on tool process data | |
| CN117074361B (zh) | 校准方法、装置、清洗机和存储介质 | |
| EP4263443A1 (en) | Electrochemical digestion | |
| CN111562229A (zh) | 用于水质在线监测的双光路吸收光谱稳定测量系统及方法 | |
| CN108387534A (zh) | 测定植株含水量方法和装置 | |
| CN110441509A (zh) | 用于免疫反应物检测的定标方法、装置及终端设备 | |
| CN114739980B (zh) | 元素信息的预测方法、装置、设备及介质 | |
| US20090229995A1 (en) | Analysis of fluoride at low concentrations in acidic processing solutions | |
| KR102148076B1 (ko) | 무기이온 농도를 분석하는 방법 및 장치 | |
| CN114235275B (zh) | 压力传感器的标定方法、装置及电子设备 | |
| CN105758844B (zh) | 一种四氧化三钴中痕量硅的测定方法 | |
| WO2004081544A1 (en) | Validation and revision method of dye solution comprising single or mixed dye for prescribed recipe as standard | |
| CN104345159A (zh) | 液体分析装置 | |
| CN105548154A (zh) | 一种基于图像技术的水质氨氮浓度自动检测装置 | |
| CN113327552A (zh) | 伽马调试方法及其装置、电子设备及存储介质 | |
| CN115398212A (zh) | 锌测量 | |
| CN112116014A (zh) | 一种配电自动化设备测试数据离群值检测方法 | |
| CN117293016B (zh) | 磷化铟晶片自动清洗过程中流动硫酸用量控制的方法 | |
| CN117110412B (zh) | 一种氖同位素比值质量歧视效应校准的方法 | |
| Hyne et al. | On the temperature dependence of the reaction velocity | |
| CN110455902A (zh) | 一种环境检测多标样快速校准的方法 | |
| CN113092404B (zh) | 一种测定冠醚浓度的方法 |
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 |