CN117554256A - 参数率定方法及装置、电子设备和存储介质 - Google Patents

参数率定方法及装置、电子设备和存储介质 Download PDF

Info

Publication number
CN117554256A
CN117554256A CN202311507862.9A CN202311507862A CN117554256A CN 117554256 A CN117554256 A CN 117554256A CN 202311507862 A CN202311507862 A CN 202311507862A CN 117554256 A CN117554256 A CN 117554256A
Authority
CN
China
Prior art keywords
coefficient
calibration coefficient
spectrum information
rating
calibration
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
Application number
CN202311507862.9A
Other languages
English (en)
Inventor
请求不公布姓名
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.)
Quantaeye Beijing Technology Co ltd
Original Assignee
Quantaeye Beijing 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 Quantaeye Beijing Technology Co ltd filed Critical Quantaeye Beijing Technology Co ltd
Priority to CN202311507862.9A priority Critical patent/CN117554256A/zh
Publication of CN117554256A publication Critical patent/CN117554256A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/06—Investigating concentration of particle suspensions
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/02—Investigating particle size or size distribution
    • G01N15/0205—Investigating particle size or size distribution by optical means
    • 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

Landscapes

  • Chemical & Material Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Biochemistry (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Analytical Chemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Dispersion Chemistry (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本公开涉及一种参数率定方法及装置、电子设备和存储介质，该方法包括：获取光源发出的至少两路光经过含泥沙的水体后的第一光谱信息；建立至少表征光谱信息与率定系数之间对应关系的第一映射关系；根据所述第一映射关系，确定与所述第一光谱信息对应的目标率定系数，所述目标率定系数用于率定泥沙含量检测设备的参数。这样，通过本公开的方法，可以使得测量设备准确地测定当前水体中泥沙含量。而且，可以在测量水体中泥沙含量的同时自动地对测量设备参数进行率定，有效地提高了泥沙含量的测量效率。

Description

参数率定方法及装置、电子设备和存储介质
技术领域
本公开涉及测量技术领域，尤其涉及一种参数率定方法及装置、电子设备和存储介质。
背景技术
水体中的泥沙含量可以反应水体的环境特性、水体附近区域水土流失程度等。因此，测定水体中泥沙含量在规划、防洪、水资源的利用和保护以及水土保持等方面的工作中起着重要作用。
在相关技术中，可以使用测量设备从水体中获得光谱信息，根据光谱信息确定水体中的泥沙含量。但是由于水体的差异，需要先率定设备参数。有时，需要针对同一水体，多次获得光谱信息、进行分析，调整测量设备的参数，大大降低了测量水体泥沙含量的效率。
发明内容
有鉴于此，本公开提出了一种参数率定方案。
根据本公开的一方面，提供了一种参数率定方法，其特征在于，包括：获取光源发出的至少两路光经过含泥沙的水体后的第一光谱信息；建立至少表征光谱信息与率定系数之间对应关系的第一映射关系；根据所述第一映射关系，确定与所述第一光谱信息对应的目标率定系数，所述目标率定系数用于率定泥沙含量检测设备的参数。
在一种可能的实现方式中，所述建立至少表征光谱信息与率定系数之间对应关系的第一映射关系，包括：获取多个第一数据，所述第一数据至少包含：第二光谱信息，及所述第二光谱信息对应的第二率定系数；对所述第二率定系数进行分类，得到所述多个第一数据对应的多个第一类别；根据单个所述第一类别对应的第二率定系数，确定单个所述第一类别对应的标准率定系数；将各所述第二光谱信息与各所述标准率定系数的映射关系，作为所述第一映射关系。
在一种可能的实现方式中，所述对所述第二率定系数进行分类，得到所述多个第一数据对应的多个第一类别，包括：确定各所述第二率定系数的分布区间、分布区间的中间值、半峰宽；利用所述分布区间的中间值和半峰宽，在所述分布区间内划分出至少三个子区间，单个所述子区间对应一个所述第一类别；所述根据单个所述第一类别对应的第二率定系数，确定单个所述第一类别对应的标准率定系数，包括：将单个子区间的中间值，作为单个所述第一类别对应的标准率定系数。
在一种可能的实现方式中，所述第一映射关系表征光谱信息、水质信息与率定系数的映射关系，所述建立至少表征光谱信息与率定系数之间对应关系的第一映射关系，包括：获取在利用光谱信息测定水体泥沙含量过程中，得到的多个第二数据，单个所述第二数据包括：第三光谱信息，第三水质信息及所述第三光谱信息对应的第三率定系数；将各所述第三率定系数进行分类，得到所述多个第二数据对应的多个第二类别；根据单个所述第二类别对应的第三率定系数，确定单个所述第二类别对应的标准率定系数；将各所述第三光谱信息与各所述标准率定系数的映射关系，作为所述第一映射关系。
在一种可能的实现方式中，所述确定与所述第一光谱信息对应的目标率定系数，包括：将所述第一光谱信息，输入至第一率定系数模型，确定出所述目标率定系数；所述第一率定系数模型的训练过程包括：获取多个第一样本数据，单个所述第一样本数据至少包括：第一光谱信息样本，及所述第一光谱信息样本对应的第一率定系数样本；根据各所述第一率定系数样本，确定与各所述第一样本数据对应的第三类别，单个所述第三类别对应一个标准率定系数；将单个所述第一光谱信息样本，以及对应的标准率定系数，输入至所述第一率定系数模型，得到第一率定系数估计值；确定单个所述第一率定系数估计值与对应的标准率定系数的第一差异；利用多个所述第一差异，调整所述第一率定系数模型，直至满足预设条件。
在一种可能的实现方式中，所述确定与所述第一光谱信息对应的目标率定系数，包括：将所述第一光谱信息及所述水体的水质信息，输入第二率定系数模型，确定出所述目标率定系数；所述第二率定系数模型的训练过程包括：获取光谱信息测定水体泥沙含量过程中，得到的多个第二样本数据，单个所述第二样本数据至少包括：第二光谱信息样本、第二水质信息，及所述第二光谱信息样本对应的第二率定系数样本；根据各所述第二率定系数样本，确定与各所述第二光谱信息样本对应的第四类别，单个所述第四类别对应一个标准率定系数；将单个所述第二光谱信息样本以及对应的标准率定系数，输入至所述第二率定系数模型，得到第二率定系数估计值；确定单个所述第二率定系数估计值与对应的标准率定系数的第二差异；利用多个所述第二差异，调整所述第二率定系数模型，直至满足预设条件。
在一种可能的实现方式中，所述光谱信息包括：全光谱信息。
根据本公开的另一方面，提供了一种参数率定装置，包括：
第一光谱信息获取单元，用于获取光源发出的至少两路光经过含泥沙的水体后的第一光谱信息；
第一映射关系确定单元，用于建立至少表征光谱信息与率定系数之间对应关系的第一映射关系；
目标率定系数确定单元，用于根据所述第一映射关系，确定与所述第一光谱信息对应的目标率定系数，所述目标率定系数用于率定泥沙含量检测设备的参数。
在一种可能的实现方式中，所述第一映射关系确定单元，包括：
第一数据获取单元，用于获取多个第一数据，所述第一数据至少包含：第二光谱信息，及所述第二光谱信息对应的第二率定系数；
第一类别确定单元，用于对所述第二率定系数进行分类，得到所述多个第一数据对应的多个第一类别；
标准率定系数确定单元A，用于根据单个所述第一类别对应的第二率定系数，确定单个所述第一类别对应的标准率定系数；
第一映射关系确定子单元A，用于将各所述第二光谱信息与各所述标准率定系数的映射关系，作为所述第一映射关系。
在一种可能的实现方式中，所述第一类别确定单元，包括：
中间值、半峰宽确定单元，用于确定各所述第二率定系数的分布区间、分布区间的中间值、半峰宽；
子区间确定单元，用于利用所述分布区间的中间值和半峰宽，在所述分布区间内划分出至少三个子区间，单个所述子区间对应一个所述第一类别；
所述标准率定系数确定单元A，包括：
标准率定系数确定子单元，用于将单个子区间的中间值，作为单个所述第一类别对应的标准率定系数。
在一种可能的实现方式中，所述第一映射关系表征光谱信息、水质信息与率定系数的映射关系，所述第一映射关系确定单元，包括：
第二数据获取单元，用于获取在利用光谱信息测定水体泥沙含量过程中，得到的多个第二数据，单个所述第二数据包括：第三光谱信息，第三水质信息及所述第三光谱信息对应的第三率定系数；
第二类别确定单元，用于，用于将各所述第三率定系数进行分类，得到所述多个第二数据对应的多个第二类别；
标准率定系数确定单元B，用于，用于根据单个所述第二类别对应的第三率定系数，确定单个所述第二类别对应的标准率定系数；
第一映射关系确定子单元B，用于将各所述第三光谱信息与各所述标准率定系数的映射关系，作为所述第一映射关系。
在一种可能的实现方式中，所述目标率定系数确定单元，包括：
目标率定系数子单元A，用于将所述第一光谱信息，输入至第一率定系数模型，确定出所述目标率定系数；
所述第一率定系数模型的训练过程包括：
获取多个第一样本数据，单个所述第一样本数据至少包括：第一光谱信息样本，及所述第一光谱信息样本对应的第一率定系数样本；
根据各所述第一率定系数样本，确定与各所述第一样本数据对应的第三类别，单个所述第三类别对应一个标准率定系数；
将单个所述第一光谱信息样本，以及对应的标准率定系数，输入至所述第一率定系数模型，得到第一率定系数估计值；
确定单个所述第一率定系数估计值与对应的标准率定系数的第一差异；
利用多个所述第一差异，调整所述第一率定系数模型，直至满足预设条件。
在一种可能的实现方式中，所述目标率定系数确定单元，包括：
目标率定系数子单元B，用于将所述第一光谱信息及所述水体的水质信息，输入第二率定系数模型，确定出所述目标率定系数；
所述第二率定系数模型的训练过程包括：
获取光谱信息测定水体泥沙含量过程中，得到的多个第二样本数据，单个所述第二样本数据至少包括：第二光谱信息样本、第二水质信息，及所述第二光谱信息样本对应的第二率定系数样本；
根据各所述第二率定系数样本，确定与各所述第二光谱信息样本对应的第四类别，单个所述第四类别对应一个标准率定系数；
将单个所述第二光谱信息样本以及对应的标准率定系数，输入至所述第二率定系数模型，得到第二率定系数估计值；
确定单个所述第二率定系数估计值与对应的标准率定系数的第二差异；
利用多个所述第二差异，调整所述第二率定系数模型，直至满足预设条件。
在一种可能的实现方式中，所述光谱信息包括：全光谱信息。
根据本公开的另一方面，提供了一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为在执行所述存储器存储的指令时，实现上述方法。
根据本公开的另一方面，提供了一种非易失性计算机可读存储介质，其上存储有计算机程序指令，其中，所述计算机程序指令被处理器执行时实现上述方法。
根据本公开的另一方面，提供了一种计算机程序产品，包括计算机可读代码，或者承载有计算机可读代码的非易失性计算机可读存储介质，当所述计算机可读代码在电子设备的处理器中运行时，所述电子设备中的处理器执行上述方法。
在本公开实施例中，获取光源发出的至少两路光经过含泥沙的水体后的第一光谱信息。由于光谱信息中隐含了水体中的泥沙类型，且至少两路光的光谱信息可以准确确定出泥沙粒径，所以第一映射关系隐含了泥沙类型、粒径信息与率定系数的对应关系。因此，使用由第一映射关系确定的与第一光谱信息对应的目标率定系数，调整测量设备参数，可以使得测量设备准确地测定当前水体中泥沙含量。而且，可以在测量水体中泥沙含量的同时自动地对测量设备参数进行率定，有效地提高了泥沙含量的测量效率。
根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。
附图说明
包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本公开的示例性实施例、特征和方面，并且用于解释本公开的原理。
图1提供本公开实施例的参数率定方法的流程示意图。
图2提供本公开实施例的参数率定装置的结构示意图。
图3提供本公开实施例的一种用于参数率定的电子设备的结构示意图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
另外，为了更好的说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。
水体中的泥沙含量可以反应水体的环境特性、水体附近区域水土流失程度等。因此，测定水体中泥沙含量在规划、防洪、水资源的利用和保护以及水土保持等方面的工作中起着重要作用。
在相关技术中，可以使用测量设备获得光经过水体后的光谱信息，再根据光谱信息确定水体中的泥沙含量。但是每次测量，都需要先对测量设备进行参数率定，测量效率较低。
各种水体中的泥沙类型、粒径不相同：即使同一水体中不同季节、或者在不同事件的影响下也会使得水体中的泥沙类型、粒径发生改变。而，光信号在水体中传播时，会受到泥沙的影响，而发生信号损失。不同的泥沙类型、粒径使得光信号损失的程度也不相同，进而确定的光谱信息也不相同。这也说明，在测量设备得到的光谱信息中会隐含着水体中泥沙类型、粒径等信息。所以，即使两个水体中泥沙含量相同，由于泥沙的类型、粒径等因素，两个水体对应的光谱信息有可能并不相同。如果对这两个水体进行测量前，不分别率定测量设备的参数，那么测得的两个泥沙含量可能是不相同的，导致测量结果不准确。因此，每次测量前，都要对测量设备进行参数率定。也就是说，每次使用测量设备都需要重新标定的主要原因是：每次所测量的水体中泥沙的粒类型、粒径有所不同。
本公开利用光谱信息隐含泥沙类型、粒径等信息这一特性，在测量水体中泥沙含量的同时自动地对测量设备参数进行率定，有效地提高了泥沙含量测量效率。
图1提供本公开实施例的参数率定方法的流程示意图。如图1所示，该方法包括：
S11，获取光源发出的至少两路光经过含泥沙的水体后的第一光谱信息。
在本公开实施例中，光源可以发出至少两路光。该至少两路光的入射角度可以在0°至135°之间。光源发出的光经过同一水体后可以发生前向散射，和/或，背散射，并产生多个光信号。这里的光信号可以为光源发出的光在水体中发生散射后，再经过转换所得到的电信号。可选的，光源发出的光可以包括：可见光、紫外光和红外光。光源发出的波段可以为400nm至4000nm之间的光。优选的，光源可以发出波长在400nm至1000nm之间的光，例如：400nm、500nm、650nm、700nm、760nm、800nm、900nm、950nm、1000nm等等，这里就不再一一赘述。光源发出的光可以包括多个波段。这样可以适用于常见粒径的泥沙含量检测，减少光源数量，降低成本。
第一光谱信息可以包括：至少两路光经过含泥沙的水体后，各自对应的吸收光谱，和/或，散射光谱等。
S12，根据至少表征光谱信息与率定系数之间对应关系的第一映射关系，确定与所述第一光谱信息对应的目标率定系数，所述目标率定系数用于率定泥沙含量检测设备的参数。
在本公开实施例中，率定系数可以为泥沙含量检测设备的基准参数的系数。该基准参数可以为设备出厂设置对应的参数，或者，设备某一模式对应的参数。基准参数可以自由设定。在确定目标率定系数后，可以将目标率定系数与基准参数进行运算，直接得出测量设备适用于在当前水体测量的参数。示例性地，率定系数可以为率定后的参数与基准参数的比值或差值。
在一个示例中，可以根据经验值建立第一映射关系。
在另一个示例中，可以在使用测量设备实际测量水体泥沙含量时，获得不同水体中的多个测量信息。单个测量信息中可以包括至少两个光路经过含泥沙水体后的光谱信息、以及对应的率定系数。将这多个测量信息进行聚类，确定出第一映射关系。
在另一个示例中，可以使用这多个测量信息对模型进行训练，训练好的模型将包含该第一映射关系。本公开实施例对于确定第一映射关系的方法不做限定。
由于，第一映射关系至少表征光谱信息与率定系数的对应关系，所以可以确定出第一光谱信息对应的目标率定系数。然后，使用目标率定系数对泥沙含量检测设备进行参数率定。
在本公开实施例中，获取光源发出的至少两路光经过含泥沙的水体后的第一光谱信息。由于光谱信息中隐含了水体中的泥沙类型，且至少两路光的光谱信息可以准确确定出泥沙粒径，所以第一映射关系隐含了泥沙类型、粒径信息与率定系数的对应关系。因此，使用由第一映射关系确定的与第一光谱信息对应的目标率定系数，调整测量设备参数，可以使得测量设备准确地测定当前水体中泥沙含量。而且，可以在测量水体中泥沙含量的同时自动地对测量设备参数进行率定，有效地提高了泥沙含量的测量效率。
在一种可能的实现方式中，所述方法还包括：获取多个第一数据，所述第一数据至少包含：第二光谱信息，及所述第二光谱信息对应的第二率定系数；根据各所述第二率定系数，确定所述多个第一数据对应的多个第一类别；根据单个所述第一类别对应的第二率定系数，确定单个所述第一类别对应的标准率定系数；将各所述第二光谱信息与各所述标准率定系数的映射关系，作为所述第一映射关系。
多个第一数据可以为在使用测量设备实际测量水体泥沙含量时，获得的不同水体中的多个测量信息。其中，单个第一数据中的第二光谱信息可以为一次泥沙含量测量时得到的光谱信息；单个第一数据中的第二率定系数可以为一次泥沙含量测量中率定后的测量设备对应的率定系数。
在本公开实施例中，可以将各第二率定系数进行分类，得到多个第一类别。示例性地，可以设置至少二个阈值，将各第二率定系数与各阈值比较。按照各第二率定系数与阈值的大小关系，划分出多个第一类别。在另一个示例中，可以对各第二率定系数进行聚类分析，得到多个第一类别。由于单个第二率定系数可以包含在一个第一数据中，所以，这些第一类别也可以作为各第一数据对应的类别。单个第一类别可以对应多个第一数据，即，单个第一类别可以对应多个第二率定系数。可以根据单个第一类别对应的第二率定系数，确定出该第一类别对应的标准率定系数。例如，确定单个第一类别对应的第二率定系数的均值，或者中位数，将该均值或者中位数作为该第一类别对应的标准率定系数。本公开示例对于标准率定系数的确定方法不做限定。
单个第一类别可以对应一个标准率定系数。那么，同属于一个第一类别的第二光谱信息可以对应一个标准率定系数。因此，可以建立各第二光谱信息与各标准率定系数的映射关系，并将该映射关系作为第一映射关系。
在本公开实施例中，通过对第一数据进行分类，确定多个第一类别，并为各第一类别确定标准率定系数，以确定出各第二光谱信息与标准率定系数的映射关系，进而得到第一映射关系。提高了确定第一映射关系的效率。
在一种可能的实现方式中，所述根据各第二率定系数，确定所述多个第一数据对应的多个第一类别，包括：确定各所述第二率定系数的分布区间、分布区间的中间值、半峰宽；利用所述分布区间的中间值和半峰宽，在所述分布区间内划分出至少三个子区间，单个所述子区间对应一个所述第一类别；所述根据单个所述第一类别对应的第二率定系数，确定单个所述第一类别对应的标准率定系数，包括：将单个子区间的中间值，作为单个所述第一类别对应的标准率定系数。
在本公开实施例中，可以根据各第二率定系数的数值，确定第二率定系数的分布区间、分布区间的中间值、半峰宽。示例性地，可将各第二率定系数中的最大数值作为分布区间的上限，将各第二率定系数中的最小值作为分布区间的下限。可以在该分布区间中绘制第二率定系数的第一分布图，分布区间的中间值可以为第一分布图的峰值位置对应的第二率定系数。半峰宽可以为第一分布图的峰值一半的位置对应的第二率定系数，与分布区间的中间值的差值。
例如，分布区间的中间值与半峰宽之差对应率定系数A，分布区间的中间值与半峰宽之和对应率定系数B，其中，率定系数A小于率定系数B。这样一来，各第二率定系数的最小值与率定系数A可以构成第一子区间；率定系数A和率定系数B可以构成第二子区间；率定系数B和各第二率定系数的最大值可以构成第三子区间。在一种可能的实现方式中，可以确定各子区间的中间值，进而将单个子区间划分成两个数值区间。即，得到更多的子区间。单个子区间可以对应一个第一类别。这样，可以根据需要划分出第一类别，提高确定第一类别的效率，也提高了本方法的普适性。
在本公开实施例中，可以针对各子区间绘制第二分布图，单个子区间的中间值可以为单个子区间对应的第二分布图的峰值位置的第二率定系数。可以将单个子区间的中间值作为单个第一类别对应的标准率定系数。这样，可以提高确定出标准率定系数的准确性和效率。
在一种可能的实现方式中，所述第一映射关系表征光谱信息、水质信息与率定系数的映射关系，所述方法还包括：获取在利用光谱信息测定水体泥沙含量过程中，得到的多个第二数据，单个所述第二数据包括：第三光谱信息，第三水质信息及所述第三光谱信息对应的第三率定系数；根据各所述第三率定系数，确定所述多个第二数据对应的多个第二类别；根据单个所述第二类别对应的第三率定系数，确定单个所述第二类别对应的标准率定系数；将各所述第三光谱信息与各所述标准率定系数的映射关系，作为所述第一映射关系。
水质信息至少包括以下一种：所述水体的温度、电导率、溶解氧含量、酸碱度、浊度。水质信息也会影响水体泥沙含量的测量。
多个第二数据可以为在使用测量设备实际测量水体泥沙含量时，获得不同水体中的多个测量信息。其中，单个第二数据中的第三光谱信息可以为一次泥沙含量测量时得到的光谱信息；单个第二数据中的第三水质信息可以表征一次泥沙含量测量时水体的水质状态；单个第二数据中的第三率定系数可以为一次泥沙含量测量中率定后的测量设备对应的率定系数。
在本公开实施例中，可以将各第三率定系数进行分类，得到多个第二类别。由于单个第三率定系数可以包含在一个第二数据中，所以，这些第二类别也可以是各第二数据对应的类别。单个第二类别可以对应多个第二数据，即，单个第二类别可以对应多个第三率定系数。可以根据单个第二类别对应的第三率定系数，确定出该第二类别对应的标准率定系数。例如，确定单个第二类别对应的第三率定系数的均值或者中位数，将该均值或者中位数作为该第二类别对应的标准率定系数。
再例如，可以确定各所述第三率定系数的分布区间、分布区间的中间值、半峰宽；利用所述第三率定系数的分布区间的中间值和半峰宽，在所述第三率定系数的分布区间内划分出至少三个子区间，单个所述子区间对应一个所述第二类别；将单个子区间的中间值(在单个子区间上的第三率定系数分布的峰值对应的第三率定系数)，作为单个所述第二类别对应的标准率定系数。
单个第二类别可以对应一个标准率定系数。同属于一个第二类别的第三光谱信息(第三水质信息)可以对应一个标准率定系数。因此，可以建立各第三光谱信息以及第三水质信息，与各标准率定系数的映射关系，并将该映射关系作为第一映射关系。
在本公开实施例中，通过对第二数据进行分类，确定多个第二类别。并为各第二类别确定标准率定系数，以确定出各第三光谱信息以及第三水质信息，与标准率定系数的映射关系，即得到第一映射关系。提高了确定第一映射关系的效率。由于第二数据中不仅包含光谱信息和率定系数，还包括水质信息，所以使用该第一映射关系，可以提高确定目标率定系数的准确性。
在一种可能的实现方式中，所述确定与所述第一光谱信息对应的目标率定系数，包括：将所述第一光谱信息，输入至第一率定系数模型，确定出所述目标率定系数；所述第一率定系数模型的训练过程包括：获取多个第一样本数据，单个所述第一样本数据至少包括：第一光谱信息样本，及所述第一光谱信息样本对应的第一率定系数样本；根据各所述第一率定系数样本，确定与各所述第一样本数据对应的第三类别，单个所述第三类别对应一个标准率定系数；将单个所述第一光谱信息样本，以及对应的标准率定系数，输入至所述第一率定系数模型，得到第一率定系数估计值；确定单个所述第一率定系数估计值与对应的标准率定系数的第一差异；利用多个所述第一差异，调整所述第一率定系数模型，直至满足预设条件。
多个第一样本数据可以为在使用测量设备实际测量水体泥沙含量时，获得不同水体中的多个测量信息。其中，单个第一样本数据中的第一光谱信息样本可以为一次泥沙含量测量时得到的光谱信息；单个第一样本数据中的第一率定系数样本可以为一次泥沙含量测量中率定后的测量设备对应的率定系数。
在本公开实施例中，可以使用第一率定系数模型确定目标率定系数。可以利用多个第一样本数据训练第一率定系数模型。
本公开实施例中的各第三类别可以与各第一类别相同。各第三类别对应的标准率定系数可以与各第一类别对应的标准率定系数相同。可以采用确定第一类别的方法来确定各第三类别，也可以采用确定第一类别对应的标准率定系数的方法确定各第三类别对应的标准率定系数。前文已经介绍了确定第一类别的方法，以及确定第一类别对应的标准率定系数的方法，这里不再赘述。可以将单个第一样本数据对应的标准率定系数，作为该第一样本数据的真值。单个第一光谱信息样本可以对应一个标准率定系数。
训练第一率定系数模型时，可以将单个第一光谱信息样本，以及和该第一光谱信息样本对应的标准率定系数作为一组训练数据。第一率定系数模型可以接收各组训练数据，分别输出与各组训练数据一一对应的第一率定系数估计值。然后，可以利用各第一率定系数估计值与所对应的标准率定系数之间的第一差异，调整第一率定系数模型。例如：调整第一率定模型的参数。当满足预设条件时，停止训练。这里的预设条件可以为调整模型的次数，或者可以为第一差异落入预设的数值区间。
在本公开实施例中，训练第一率定系数模型前，先将第一样本数据分类，即确定各第一样本数据所属的第三类别。这样可以确定出各第一样本数据对应的真值。由于确定真值的方法，与建立第一映射关系时确定各第一类别对应的标准率定系数的方法相同，所以这样训练出的第一率定系数模型可以根据光谱信息准确地确定出目标率定系数，而且提高了确定目标率定系数的效率。另外，可以批量确定真值，提高了训练效率。
在一种可能的实现方式中，所述确定与所述第一光谱信息对应的目标率定系数，包括：将所述第一光谱信息及所述水体的水质信息，输入第二率定系数模型，确定出所述目标率定系数；所述第二率定系数模型的训练过程包括：获取光谱信息测定水体泥沙含量过程中，得到的多个第二样本数据，单个所述第二样本数据至少包括：第二光谱信息样本、第二水质信息，及所述第二光谱信息样本对应的第二率定系数样本；根据各所述第二率定系数样本，确定与各所述第二光谱信息样本对应的第四类别，单个所述第四类别对应一个标准率定系数；将单个所述第二光谱信息样本以及对应的标准率定系数，输入至所述第二率定系数模型，得到第二率定系数估计值；确定单个所述第二率定系数估计值与对应的标准率定系数的第二差异；利用多个所述第二差异，调整所述第二率定系数模型，直至满足预设条件。
多个第二样本数据可以为在使用测量设备实际测量水体泥沙含量时，获得不同水体中的多个测量信息。其中，单个第二样本数据中的第二光谱信息样本可以为一次泥沙含量测量时得到的光谱信息；单个第二样本数据中的第二水质信息可以表征一次泥沙含量测量时水体的水质状态；单个第二样本数据中的第二率定系数样本可以为一次泥沙含量测量中率定后的测量设备对应的率定系数。
在本公开实施例中，可以使用第二率定系数模型确定目标率定系数。可以利用多个第二样本数据训练第二率定系数模型。
本公开实施例中的各第四类别可以与各第二类别相同。各第四类别对应的标准率定系数可以与各第二类别对应的标准率定系数相同。可以采用确定第二类别的方法来确定各第四类别，也可以采用确定第二类别对应的标准率定系数的方法确定各第四类别对应的标准率定系数。前文已经介绍了确定第二类别的方法，以及确定第二类别对应的标准率定系数的方法，这里不再赘述。可以将单个第二样本数据对应的标准率定系数，作为该第二样本数据的真值。单个第二光谱信息样本可以对应一个标准率定系数。
训练第二率定系数模型时，可以将单个第二光谱信息样本，以及和该第二光谱信息样本对应的标准率定系数作为一组训练数据。第二率定系数模型可以接收各组训练数据，输出分别与各组训练数据一一对应的第二率定系数估计值。然后，可以利用各第二率定系数估计值与所对应的标准率定系数之间的第二差异，调整第二率定系数模型。例如：调整第二率定模型的参数。当满足预设条件时，停止训练。这里的预设条件可以为调整模型的次数，或者可以为第二差异落入预设的数值区间。
在本公开实施例中，训练第二率定系数模型前，先将第二样本数据分类，即确定各第二样本数据所属的第四类别。这样可以确定出各第二样本数据对应的真值。由于确定真值的方法，与建立第一映射关系时确定各第二类别对应的标准率定系数的方法相同，所以这样训练出的第二率定系数模型可以根据光谱信息准确地确定出目标率定系数，而且提高了确定目标率定系数的效率。另外，可以批量确定真值，提高了训练效率。
在一种可能的实现方式中，所述光谱信息包括：全光谱信息。可以适用于在含有不同粒径、不同类型的泥沙的水体中进行泥沙含量测量时，率定设备参数。
图2提供本公开实施例的参数率定装置的结构示意图。如图2所示，该装置200包括：
第一光谱信息获取单元201，用于获取光源发出的至少两路光经过含泥沙的水体后的第一光谱信息；
第一映射关系确定单元202，用于建立至少表征光谱信息与率定系数之间对应关系的第一映射关系；
目标率定系数确定单元203，用于根据所述第一映射关系，确定与所述第一光谱信息对应的目标率定系数，所述目标率定系数用于率定泥沙含量检测设备的参数。
在一种可能的实现方式中，所述第一映射关系确定单元202，包括：
第一数据获取单元，用于获取多个第一数据，所述第一数据至少包含：第二光谱信息，及所述第二光谱信息对应的第二率定系数；
第一类别确定单元，用于对所述第二率定系数进行分类，得到所述多个第一数据对应的多个第一类别；
标准率定系数确定单元A，用于根据单个所述第一类别对应的第二率定系数，确定单个所述第一类别对应的标准率定系数；
第一映射关系确定子单元A，用于将各所述第二光谱信息与各所述标准率定系数的映射关系，作为所述第一映射关系。
在一种可能的实现方式中，所述第一类别确定单元，包括：
中间值、半峰宽确定单元，用于确定各所述第二率定系数的分布区间、分布区间的中间值、半峰宽；
子区间确定单元，用于利用所述分布区间的中间值和半峰宽，在所述分布区间内划分出至少三个子区间，单个所述子区间对应一个所述第一类别；
所述标准率定系数确定单元A，包括：
标准率定系数确定子单元，用于将单个子区间的中间值，作为单个所述第一类别对应的标准率定系数。
在一种可能的实现方式中，所述第一映射关系表征光谱信息、水质信息与率定系数的映射关系，所述第一映射关系确定单元202，包括：
第二数据获取单元，用于获取在利用光谱信息测定水体泥沙含量过程中，得到的多个第二数据，单个所述第二数据包括：第三光谱信息，第三水质信息及所述第三光谱信息对应的第三率定系数；
第二类别确定单元，用于，用于将各所述第三率定系数进行分类，得到所述多个第二数据对应的多个第二类别；
标准率定系数确定单元B，用于，用于根据单个所述第二类别对应的第三率定系数，确定单个所述第二类别对应的标准率定系数；
第一映射关系确定子单元B，用于将各所述第三光谱信息与各所述标准率定系数的映射关系，作为所述第一映射关系。
在一种可能的实现方式中，所述目标率定系数确定单元203，包括：
目标率定系数子单元A，用于将所述第一光谱信息，输入至第一率定系数模型，确定出所述目标率定系数；
所述第一率定系数模型的训练过程包括：
获取多个第一样本数据，单个所述第一样本数据至少包括：第一光谱信息样本，及所述第一光谱信息样本对应的第一率定系数样本；
根据各所述第一率定系数样本，确定与各所述第一样本数据对应的第三类别，单个所述第三类别对应一个标准率定系数；
将单个所述第一光谱信息样本，以及对应的标准率定系数，输入至所述第一率定系数模型，得到第一率定系数估计值；
确定单个所述第一率定系数估计值与对应的标准率定系数的第一差异；
利用多个所述第一差异，调整所述第一率定系数模型，直至满足预设条件。
在一种可能的实现方式中，所述目标率定系数确定单元203，包括：
目标率定系数子单元B，用于将所述第一光谱信息及所述水体的水质信息，输入第二率定系数模型，确定出所述目标率定系数；
所述第二率定系数模型的训练过程包括：
获取光谱信息测定水体泥沙含量过程中，得到的多个第二样本数据，单个所述第二样本数据至少包括：第二光谱信息样本、第二水质信息，及所述第二光谱信息样本对应的第二率定系数样本；
根据各所述第二率定系数样本，确定与各所述第二光谱信息样本对应的第四类别，单个所述第四类别对应一个标准率定系数；
将单个所述第二光谱信息样本以及对应的标准率定系数，输入至所述第二率定系数模型，得到第二率定系数估计值；
确定单个所述第二率定系数估计值与对应的标准率定系数的第二差异；
利用多个所述第二差异，调整所述第二率定系数模型，直至满足预设条件。
在一种可能的实现方式中，所述光谱信息包括：全光谱信息。
在一些实施例中，本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法，其具体实现可以参照上文方法实施例的描述，为了简洁，这里不再赘述。
本公开实施例还提出一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述方法。计算机可读存储介质可以是易失性或非易失性计算机可读存储介质。
本公开实施例还提出一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为在执行所述存储器存储的指令时，实现上述方法。
本公开实施例还提供了一种计算机程序产品，包括计算机可读代码，或者承载有计算机可读代码的非易失性计算机可读存储介质，当所述计算机可读代码在电子设备的处理器中运行时，所述电子设备中的处理器执行上述方法。
图3提供本公开实施例的一种用于参数率定的电子设备的结构示意图。例如，电子设备1900可以被提供为一服务器或终端设备。参照图3，电子设备1900包括处理组件1922，其进一步包括一个或多个处理器，以及由存储器1932所代表的存储器资源，用于存储可由处理组件1922的执行的指令，例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1922被配置为执行指令，以执行上述方法。
电子设备1900还可以包括一个电源组件1926被配置为执行电子设备1900的电源管理，一个有线或无线网络接口1950被配置为将电子设备1900连接到网络，和一个输入输出接口1958(I/O接口)。电子设备1900可以操作基于存储在存储器1932的操作系统，例如Windows ServerTM，Mac OS XTM，UnixTM,LinuxTM，FreeBSDTM或类似。
在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器1932，上述计算机程序指令可由电子设备1900的处理组件1922执行以完成上述方法。
本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

Claims (10)

1.一种参数率定方法，其特征在于，包括：
获取光源发出的至少两路光经过含泥沙的水体后的第一光谱信息；
建立至少表征光谱信息与率定系数之间对应关系的第一映射关系；
根据所述第一映射关系，确定与所述第一光谱信息对应的目标率定系数，所述目标率定系数用于率定泥沙含量检测设备的参数。
2.根据权利要求1所述的方法，其特征在于，所述建立至少表征光谱信息与率定系数之间对应关系的第一映射关系，包括：
获取多个第一数据，所述第一数据至少包含：第二光谱信息，及所述第二光谱信息对应的第二率定系数；
对所述第二率定系数进行分类，得到所述多个第一数据对应的多个第一类别；
根据单个所述第一类别对应的第二率定系数，确定单个所述第一类别对应的标准率定系数；
将各所述第二光谱信息与各所述标准率定系数的映射关系，作为所述第一映射关系。
3.根据权利要求2所述的方法，其特征在于，所述对所述第二率定系数进行分类，得到所述多个第一数据对应的多个第一类别，包括：
确定各所述第二率定系数的分布区间、分布区间的中间值、半峰宽；
利用所述分布区间的中间值和半峰宽，在所述分布区间内划分出至少三个子区间，单个所述子区间对应一个所述第一类别；
所述根据单个所述第一类别对应的第二率定系数，确定单个所述第一类别对应的标准率定系数，包括：
将单个子区间的中间值，作为单个所述第一类别对应的标准率定系数。
4.根据权利要求1所述的方法，其特征在于，所述第一映射关系表征光谱信息、水质信息与率定系数的映射关系，所述建立至少表征光谱信息与率定系数之间对应关系的第一映射关系，包括：
获取在利用光谱信息测定水体泥沙含量过程中，得到的多个第二数据，单个所述第二数据包括：第三光谱信息，第三水质信息及所述第三光谱信息对应的第三率定系数；
将各所述第三率定系数进行分类，得到所述多个第二数据对应的多个第二类别；
根据单个所述第二类别对应的第三率定系数，确定单个所述第二类别对应的标准率定系数；
将各所述第三光谱信息与各所述标准率定系数的映射关系，作为所述第一映射关系。
5.根据权利要求1所述的方法，其特征在于，所述确定与所述第一光谱信息对应的目标率定系数，包括：
将所述第一光谱信息，输入至第一率定系数模型，确定出所述目标率定系数；
所述第一率定系数模型的训练过程包括：
获取多个第一样本数据，单个所述第一样本数据至少包括：第一光谱信息样本，及所述第一光谱信息样本对应的第一率定系数样本；
根据各所述第一率定系数样本，确定与各所述第一样本数据对应的第三类别，单个所述第三类别对应一个标准率定系数；
将单个所述第一光谱信息样本，以及对应的标准率定系数，输入至所述第一率定系数模型，得到第一率定系数估计值；
确定单个所述第一率定系数估计值与对应的标准率定系数的第一差异；
利用多个所述第一差异，调整所述第一率定系数模型，直至满足预设条件。
6.根据权利要求1所述的方法，其特征在于，所述确定与所述第一光谱信息对应的目标率定系数，包括：
将所述第一光谱信息及所述水体的水质信息，输入第二率定系数模型，确定出所述目标率定系数；
所述第二率定系数模型的训练过程包括：
获取光谱信息测定水体泥沙含量过程中，得到的多个第二样本数据，单个所述第二样本数据至少包括：第二光谱信息样本、第二水质信息，及所述第二光谱信息样本对应的第二率定系数样本；
根据各所述第二率定系数样本，确定与各所述第二光谱信息样本对应的第四类别，单个所述第四类别对应一个标准率定系数；
将单个所述第二光谱信息样本以及对应的标准率定系数，输入至所述第二率定系数模型，得到第二率定系数估计值；
确定单个所述第二率定系数估计值与对应的标准率定系数的第二差异；
利用多个所述第二差异，调整所述第二率定系数模型，直至满足预设条件。
7.根据权利要求1所述的方法，其特征在于，所述光谱信息包括：全光谱信息。
8.一种参数率定装置，其特征在于，包括：
第一光谱信息获取单元，用于获取光源发出的至少两路光经过含泥沙的水体后的第一光谱信息；
第一映射关系确定单元，用于建立至少表征光谱信息与率定系数之间对应关系的第一映射关系；
目标率定系数确定单元，用于根据所述第一映射关系，确定与所述第一光谱信息对应的目标率定系数，所述目标率定系数用于率定泥沙含量检测设备的参数。
9.一种电子设备，其特征在于，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为在执行所述存储器存储的指令时，实现权利要求1至7中任意一项所述的方法。
10.一种非易失性计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现权利要求1至7中任意一项所述的方法。
CN202311507862.9A 2023-11-13 2023-11-13 参数率定方法及装置、电子设备和存储介质 Pending CN117554256A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311507862.9A CN117554256A (zh) 2023-11-13 2023-11-13 参数率定方法及装置、电子设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311507862.9A CN117554256A (zh) 2023-11-13 2023-11-13 参数率定方法及装置、电子设备和存储介质

Publications (1)

Publication Number Publication Date
CN117554256A true CN117554256A (zh) 2024-02-13

Family

ID=89819758

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311507862.9A Pending CN117554256A (zh) 2023-11-13 2023-11-13 参数率定方法及装置、电子设备和存储介质

Country Status (1)

Country Link
CN (1) CN117554256A (zh)

Similar Documents

Publication Publication Date Title
CN108627812A (zh) 一种激光雷达大气能见度测量方法及装置
CN110887800B (zh) 一种用于光谱法水质在线监测系统的数据校准方法
US4408880A (en) Laser nephelometric system
CN111537487B (zh) 一种光学氧传感器的温度补偿方法及装置
CN109407043B (zh) 电能表校准方法、装置以及设备
CN112965048B (zh) 激光测距误差校正方法、装置、电子设备和存储介质
CN108900622A (zh) 基于物联网的数据融合方法、装置与计算机可读存储介质
WO2021104216A1 (zh) 一种用于设备模型趋势相似度的评估方法及装置
CN109580549B (zh) 物质含量的计算、定标方法及装置
US11438994B2 (en) Filament current control method and apparatus
CN110646134A (zh) 一种气压传感器的校准方法和校准装置
CN117554256A (zh) 参数率定方法及装置、电子设备和存储介质
CN116068523A (zh) 激光测距方法、装置、电子设备及可读存储介质
CN113075156B (zh) 碳酸盐矿物成分的定量方法、装置及设备、存储介质
WO2021077253A1 (zh) 测量方法、装置、可移动平台和计算机可读介质
CN110455902A (zh) 一种环境检测多标样快速校准的方法
CN115902389B (zh) 量子比特频率的测量方法、量子测控系统及量子计算机
Levin The identification of probability distributions
JPH1075218A (ja) データ群の特性境界識別方法及び装置
Brüggemann et al. Comparison of international standards concerning the capability of detection for analytical methods
CN116522067A (zh) 一种测量数据的分析方法、装置、电子设备及存储介质
CN106841972A (zh) 一种GaN发光二极管抗辐照能力无损筛选方法及装置
CN116973636A (zh) 一种s参数测试方法、装置、设备以及存储介质
CN113705857A (zh) 一种考虑多因素的智能电能表计量精度优化方法及系统
CN117629918A (zh) 提高土壤碳汇检测精准性的实测数据处理方法和装置

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