CN117556327A - 一种红缨子高粱病虫害检测方法 - Google Patents
一种红缨子高粱病虫害检测方法 Download PDFInfo
- Publication number
- CN117556327A CN117556327A CN202311588986.4A CN202311588986A CN117556327A CN 117556327 A CN117556327 A CN 117556327A CN 202311588986 A CN202311588986 A CN 202311588986A CN 117556327 A CN117556327 A CN 117556327A
- Authority
- CN
- China
- Prior art keywords
- confidence
- detector
- red
- sorghum
- tassel
- 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.)
- Withdrawn
Links
- 241000607479 Yersinia pestis Species 0.000 title claims abstract description 60
- 240000006394 Sorghum bicolor Species 0.000 title claims abstract description 59
- 235000011684 Sorghum saccharatum Nutrition 0.000 title claims abstract description 52
- 201000010099 disease Diseases 0.000 title claims description 40
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 title claims description 40
- 238000000034 method Methods 0.000 title claims description 39
- 241000238631 Hexapoda Species 0.000 title claims description 30
- 238000001514 detection method Methods 0.000 claims abstract description 63
- 230000003595 spectral effect Effects 0.000 claims abstract description 29
- 230000035945 sensitivity Effects 0.000 claims abstract description 21
- 238000012545 processing Methods 0.000 claims abstract description 18
- 240000000275 Persicaria hydropiper Species 0.000 claims abstract description 11
- 235000017337 Persicaria hydropiper Nutrition 0.000 claims abstract description 11
- 238000007781 pre-processing Methods 0.000 claims abstract description 4
- 238000012544 monitoring process Methods 0.000 claims description 58
- 238000010521 absorption reaction Methods 0.000 claims description 36
- 238000004364 calculation method Methods 0.000 claims description 23
- 230000008569 process Effects 0.000 claims description 15
- 238000001228 spectrum Methods 0.000 claims description 12
- 238000007689 inspection Methods 0.000 claims description 11
- 238000004458 analytical method Methods 0.000 claims description 6
- 230000002159 abnormal effect Effects 0.000 claims description 5
- 238000012795 verification Methods 0.000 claims description 3
- 229910052805 deuterium Inorganic materials 0.000 description 28
- YZCKVEUIGOORGS-OUBTZVSYSA-N Deuterium Chemical compound [2H] YZCKVEUIGOORGS-OUBTZVSYSA-N 0.000 description 25
- 238000004440 column chromatography Methods 0.000 description 10
- 230000002829 reductive effect Effects 0.000 description 8
- 230000007423 decrease Effects 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 7
- 241000196324 Embryophyta Species 0.000 description 6
- 230000008859 change Effects 0.000 description 6
- 230000009467 reduction Effects 0.000 description 6
- 230000005526 G1 to G0 transition Effects 0.000 description 5
- 238000004817 gas chromatography Methods 0.000 description 5
- 238000004811 liquid chromatography Methods 0.000 description 5
- 230000005855 radiation Effects 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 239000004065 semiconductor Substances 0.000 description 4
- 239000000243 solution Substances 0.000 description 4
- -1 deuterium ions Chemical class 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 239000005556 hormone Substances 0.000 description 3
- 229940088597 hormone Drugs 0.000 description 3
- 239000007788 liquid Substances 0.000 description 3
- 239000002207 metabolite Substances 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 238000005192 partition Methods 0.000 description 3
- 238000004445 quantitative analysis Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 230000032683 aging Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 150000002484 inorganic compounds Chemical class 0.000 description 2
- 229910010272 inorganic material Inorganic materials 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 150000002894 organic compounds Chemical class 0.000 description 2
- 238000012856 packing Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000010183 spectrum analysis Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000003313 weakening effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 239000012491 analyte Substances 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 230000001010 compromised effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000005281 excited state Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 230000031700 light absorption Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- WFKWXMTUELFFGS-UHFFFAOYSA-N tungsten Chemical compound [W] WFKWXMTUELFFGS-UHFFFAOYSA-N 0.000 description 1
- 229910052721 tungsten Inorganic materials 0.000 description 1
- 239000010937 tungsten Substances 0.000 description 1
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/10—Pre-processing; Data cleansing
- G06F18/15—Statistical pre-processing, e.g. techniques for normalisation or restoring missing data
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种红缨子高粱病虫害检测方法,步骤包括采集红缨子高粱病虫害检测中所用UV检测器的灵敏度浮动信息和光谱波形状态信息并进行预处理,对红缨子高粱病虫害检测流程的建立置信有效性模型,并计算置信有效性指数,将计算所得置信有效性指数与预设的置信有效性指数阈值进行比对,根据比对结果进行信号分类处理,根据获得的信号类型对红缨子高粱病虫害检测流程的准确性进行误差程度分级,并进行预警处理,本发明通过对红缨子高粱病虫害检测流程置信有效性指数进行计算,对红缨子高粱病虫害检测流程运作状态进行综合分析,判断误差隐患并发出预警提示,便于工作人员及时发现误差隐患状态,并及时处理,防止数据处理准确性降低的风险发生。
Description
技术领域
本发明涉及化学分析领域,更具体地说,本发明是一种红缨子高粱病虫害检测方法。
背景技术
柱色谱法是一种用于分离混合物中各种成分的分析技术,它基于不同物质在柱状填充物上的分配行为,通过控制流动相(移动相)和静相(固定相)之间的相互作用,实现混合物中各组分的分离,柱色谱法广泛应用于化学、生物化学、环境科学等领域,常被用于检测和定量分析有机和无机化合物。
现有的用于植物病虫害检测分析的柱色谱法,运用氘灯对样本进行照射,但氘灯是一种气体灯,灯丝随通电逐渐磨损,氘气体可能存在缓慢的泄漏问题,氘灯的照射强度随使用状态不断变化,通行的氘灯处置方法是按照通电时间或实验次数对氘灯使用寿命进行规划安排,但具体应用的每个氘灯的老化速度是不完全相同的,缺乏针对具体的氘灯老化状态监测方法以验证红缨子高粱病虫害检测的准确性和可信性的方法。
为解决上述缺陷,现提出一种技术方案。
发明内容
本发明的目的是提供一种红缨子高粱病虫害检测方法,以解决背景技术中的不足。
为了实现上述目的,本发明提供如下技术方案,一种红缨子高粱病虫害检测方法,具体步骤包括:
采集红缨子高粱病虫害检测中所使用UV检测器的灵敏度浮动信息和光谱波形状态信息,并对UV检测器的灵敏度浮动信息和光谱波形状态信息进行预处理;
根据预处理后的灵敏度浮动信息和光谱波形状态信息对红缨子高粱病虫害检测流程的建立置信有效性模型,并计算置信有效性指数;
将计算所得置信有效性指数与预设的置信有效性指数阈值进行比对,根据比对结果进行信号分类处理;
根据获得的信号类型对红缨子高粱病虫害检测流程的准确性进行误差程度分级,并进行预警处理。
在一个优选地实施方式中,灵敏度浮动信息包括基线输出漂移系数和偏置电压监测波动系数,光谱波形状态信息包括波形宽度一致性系数;
在一个优选地实施方式中,基线输出漂移系数的计算方法;
S101、获取UV检测器基线检查在T时间内进行基线检查的电流数据并将电流数据标定为Re,并整合为电流数据集合,其中e={1,2,3…m}为数据编号,且m为正整数;
S102、根据预设的电流最低限值Cmin对数据集合中的电流数据进行比对,提取低于电流最低限值Cmin的电流数据,标记低于电流最低限值Cmin的电流数据为Lw,并整合为异常数据集合,其中w为编号,且w={1,2,3…n},其中n为正整数;
S103、计算电流数据集合的标准差,计算表达式为 式中,/>为电流数据集合的均值,即/>计算异常数据集合的均值/>
S104、计算基线输出漂移系数
在一个优选地实施方式中,偏置电压监测波动系数的计算方法;
S201、获取对UV检测器光电二极管的最佳监测频率范围,并将对UV检测器光电二极管的最佳监测频率范围标定为Lr1-Lr2;
S202、获取T时间内对UV检测器光电二极管的偏置电压监测频率数据,并将T时间内对UV检测器光电二极管的偏置电压监测频率数据标定为Sl,其中l为数据编号,且l={1,2,3…k};
S203、将T时间内对UV检测器光电二极管的偏置电压监测频率低于最佳监测频率范围Lr1-Lr2的数据整合为数据集合,将T时间内对UV检测器光电二极管的偏置电压监测频率低于最佳监测频率范围Lr1-Lr2的数据标定为Pc,并以c标记低于最佳监测频率范围Lr1-Lr2的数据编号,即c={1,2,3…k},其中k为正整数;
S204、计算低于最佳监测频率范围Lr1-Lr2的数据集合的标准差,则标准差式中,/>为低于最佳监测频率范围Lr1-Lr2的数据的平均值,其计算表达式为/>
S205、计算偏置电压监测波动系数的表达式为
在一个优选地实施方式中,波形宽度一致性系数的计算方法;
S301、按周期t对UV检测器的光谱吸收峰进行检测,获取UV检测器按规定信号对标准样本进行检测的光谱吸收峰宽度数据,将UV检测器按规定信号对标准样本进行检测的光谱吸收峰宽度的数据标记为Hbx,其中b为UV检测器按规定信号对标准样本进行检测的光谱吸收峰宽度的序号,且b={1,2,3…h},其中h为正整数,x为标准样本中各成分的编号,且x={1,2,3…j},其中j为正整数;
S302、将UV检测器按规定信号对标准样本进行检测的光谱吸收峰宽度的数据整合为数据集合,计算UV检测器按规定信号对标准样本进行检测的光谱吸收峰宽度的数据集合的标准差,计算表达式为 其中/>为UV检测器按规定信号对标准样本进行检测的光谱吸收峰宽度均值,即/>
S303、计算波形宽度一致性系数的表达式为
在一个优选地实施方式中,建立置信有效性模型并计算置信有效性指数的逻辑;
根据基线输出漂移系数Bd、偏置电压监测波动系数Fg和波形宽度一致性系数Wp进行综合分析,建立置信有效性模型,计算红缨子高粱病虫害检测流程的置信有效性指数,置信有效性指数的计算表达式为式中,α、β、γ分别为基线输出漂移系数Bd、偏置电压监测波动系数Fg和波形宽度一致性系数Wp的比例系数,且α、β、γ均大于0。
在一个优选地实施方式中,将计算所得置信有效性指数与预设的置信有效性指数阈值进行比对,根据比对结果进行信号分类处理的逻辑;
将计算所得红缨子高粱病虫害检测流程的置信有效性指数与预设的置信有效性指数阈值进行比对,若计算所得置信有效性指数大于等于预设置信有效性指数,则生成UV置信信号,若计算所得置信有效性指数小于预设置信有效性指数,则生成UV可疑信号。
在一个优选地实施方式中,对红缨子高粱病虫害检测流程的准确性进行误差程度分级,并进行预警处理的逻辑;
根据生成的UV可疑信号进行处理策略分析,当接收到比对校验模块所生成的UV可疑信号后,预警通报模块根据UV可疑信号产生后T时间内红缨子高粱病虫害检测流程的连续若干个置信有效性指数数据整合生成数据集合,并将数据集合内的置信有效性指数进行标定为Lu,其中u为置信有效性指数编号,即u={1,2,3…d},其d为正整数;
计算数据集合内若干个置信有效性指数的标准差,并将置信有效性指数的标准差标定为Po,并将置信有效性指数标准差Po与预设的置信有效性指数标准差阈值Pi进行对比;
若Po大于等于Pi,则对红缨子高粱病虫害检测流程标记为高可疑等级,提示工作人员在UV检测器的检测过程存在严重误差隐患,需要立即对UV检测器进行检测维护;
若Po小于Pi,则对红缨子高粱病虫害检测流程标记为低可疑等级,提示工作人员在UV检测器的检测过程存在低误差隐患,不需要对UV检测器进行检测维护。
在上述技术方案中,本发明提供的技术效果和优点:
本发明通过对红缨子高粱病虫害检测流程的置信有效性指数进行检测,当发现UV检测器的检测数据处理的准确性和可信性出现异常时,对红缨子高粱病虫害检测流程运作状态进行综合分析,判断误差隐患并发出预警提示,一方面便于工作人员及时感知误差隐患状态,对误差隐患进行及时检验,有效防止数据处理的准确性降低导致的风险发生,进而有效地防止数据处理效率降低,另一方面便于工作人员检测红缨子高粱病虫害检测流程综合状态,便于工作人员进行检测管理,提高工作效率。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例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中记载的一些实施例,对于本领域普通技术人员来讲,还可以根据这些附图获得其他的附图。
图1为本发明的方法流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整的描述,显然,所描述的实施例仅仅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。
请参阅图1所示,本发明是一种红缨子高粱病虫害检测方法,所述方法的具体步骤如下:
采集红缨子高粱病虫害检测中所使用UV检测器的灵敏度浮动信息和光谱波形状态信息,并对UV检测器的灵敏度浮动信息和光谱波形状态信息进行预处理;
根据预处理后的灵敏度浮动信息和光谱波形状态信息对红缨子高粱病虫害检测流程的建立置信有效性模型,并计算置信有效性指数;
将计算所得置信有效性指数与预设的置信有效性指数阈值进行比对,根据比对结果进行信号分类处理;
根据获得的信号类型对红缨子高粱病虫害检测流程的准确性进行误差程度分级,并进行预警处理。
柱色谱法是一种用于分离混合物中各种成分的分析技术,它基于不同物质在柱状填充物上的分配行为,通过控制流动相(移动相)和静相(固定相)之间的相互作用,实现混合物中各组分的分离,柱色谱法广泛应用于化学、生物化学、环境科学等领域,常被用于检测和定量分析有机和无机化合物。
柱色谱法主要包括液相色谱法和气相色谱法,液相色谱法是在液体介质中进行的柱色谱法,静相可以是固体,也可以是液体;
气相色谱法是在气体介质中进行的柱色谱法,静相通常是液体。
柱色谱法的基本流程如下:
样品注射:混合物被注入色谱柱;
分离:样品中的各组分在静相和流动相的作用下发生分离,根据其在柱中的分配系数(K值)而分别在柱上停留的时间不同;
检测:通过检测器检测各组分的存在,可以是UV检测器、荧光检测器、质谱仪等。
本发明所使用的检测仪器为UV检测器,UV检测器是色谱仪中常用的一种检测器,用于检测样品中吸收紫外光的成分,可应用于液相色谱法和气相色谱法等柱色谱技术。
UV检测器的原理基于样品中某些化合物对紫外光的吸收,当被检测的分子处于激发态时,会吸收特定波长的紫外光,这种吸收被称为吸收峰,UV检测器通过测量吸收峰的强度来确定样品中特定成分的存在及其浓度。
UV检测器的主要组成部分包括:
光源:发射紫外光的光源,通常是氘灯或钨灯;
样品池:放置待检样品的容器,使样品能够被紫外光照射;
光学系统:包括透镜和光栅等,用于分散光线并选择特定波长的光;
检测器:接收透过样品的光,并将其转换为电信号,通常是光电二极管。
红缨子高粱遭受病虫害侵袭时,会产生与病虫害类型对应的特定有机物、代谢产物或内源激素,通过柱色谱法对有机物、代谢产物或内源激素的检测,可分析红缨子高粱所遭受的病虫害类型及损害程度,柱色谱法包括气相色谱法和液相色谱法,气相色谱法可用于检测红缨子高粱遭受病虫害侵袭产生的挥发性有机物,液相色谱法可用于检测红缨子高粱遭受病虫害侵袭产生的代谢产物或内源激素。
在对红缨子高粱进行柱色谱法分析时,UV检测器使用氘灯作为光源,发射紫外光对样品进行照射,使样品中的分子吸收紫外线,形成吸收峰,通过对吸收峰的分析即可检测样品中的成分及浓度信息。
氘灯是一种气体放电灯,通过灯丝通电发热发射紫外线,灯丝通电会对灯丝造成磨损,影响氘离子的产生效率,导致氘灯的照射强度降低,同时氘灯内部含有氘气体,氘气体可能发生泄漏,导致氘灯内部氘气体浓度降低,进而影响氘离子的产生和紫外线反射强度的降低。
UV检测器通过基线检查检验氘灯的紫外线照射强度,当氘灯内部氘离子的产生效率降低,紫外线照射强度减弱,而未能及时发现并替换氘灯时,可能会对红缨子高粱病虫害检测的准确性和可信性造成以下严重影响:
信号弱化:随着氘灯辐射强度的减弱,UV检测器接收到的光信号将逐渐减弱,这可能导致检测器的信噪比降低,使得较低浓度的分析物更难被准确地检测;
灵敏度下降:氘灯的辐射强度与UV检测器的灵敏度直接相关,当辐射强度减弱时,UV检测器的灵敏度将下降,可能导致检测限的增加,即检测器对于低浓度样品的检测能力下降;
峰形状变化:光源辐射强度的不均匀减弱可能导致吸收峰的形状变化,这可能使得峰的宽度增加,峰的对称性受到影响,从而影响峰的准确度和分辨率;
谱线漂移:氘灯辐射强度的减弱可能导致UV检测器的光谱漂移,即吸收峰的波长位置发生变化,这可能使得样品的光谱特征与参考谱线不匹配,影响定量和定性分析的准确性。
通过基线检查,检验无样品下的UV检测器信号输出状态,计算UV检测器的基线输出漂移系数。
基线输出漂移系数的获取逻辑如下:
S101、获取UV检测器基线检查在T时间内进行基线检查的电流数据并将电流数据标定为Re,并整合为电流数据集合,其中e={1,2,3…m}为数据编号,且m为正整数;
S102、根据预设的电流最低限值Cmin对数据集合中的电流数据进行比对,提取低于电流最低限值Cmin的电流数据,标记低于电流最低限值Cmin的电流数据为Lw,并整合为异常数据集合,其中w为编号,且w={1,2,3…n},其中n为正整数;
S103、计算电流数据集合的标准差,计算表达式为 式中,/>为电流数据集合的均值,即/>计算异常数据集合的均值/>
S104、计算基线输出漂移系数
由基线输出漂移系数表达式可知,UV检测器基线检查在时间T内基线检查的基线输出漂移系数越大,表明UV检测器基线检查在T时间内的准确性和集中度越差;反之,则表明UV检测器基线检查在T时间内的准确性和集中度越好;
UV检测器的通过光电二极管将光信号转换为电信号,光电二极管以反向偏置方式工作,将p型半导体连接到负极,将n型半导体连接到正极,能够增加p-n结的宽度,进而提高光电二极管的灵敏度。
提高偏置电压能保持较高的灵敏度,若电压降低,则光电二极管对光信号的灵敏度也会降低,导致较低信号特征的组织分子无法被有效检测,通过对光电二极管偏置电压的实时监测检验光电二极管灵敏度的变化,若对偏置电压实时监测的频率过低,可能会对UV检测器的检测结果产生以下影响:
灵敏度不稳定:光电二极管的灵敏度与其偏置电压有关,如果对偏置电压实时监测的频率不稳定,可能导致UV检测器灵敏度不一致或不稳定,这将直接影响到光电二极管对UV光信号的检测性能;
信噪比降低:若对偏置电压实时监测的频率不稳定,不能及时识别过度波动的偏置电压,导致不稳定的偏置电压可能引入电流波动,导致信号中噪声的增加,这将降低光电二极管的信噪比,影响信号的清晰度和可靠性;
响应时间变化:偏置电压的变化可能影响光电二极管的响应时间,响应时间的变化可能导致对快速变化的光信号响应不及时,影响检测器对瞬时光事件的捕捉;
系统稳定性受损:在光电二极管作为系统的一部分时,不稳定的偏置电压可能会影响整个系统的稳定性,尤其是在需要长时间稳定运行的应用中,稳定的偏置电压是至关重要的。
通过获取对光电二极管的偏置电压监测频率计算偏置电压监测波动系数,具体步骤如下:
S201、获取对UV检测器光电二极管的最佳监测频率范围,并将对UV检测器光电二极管的最佳监测频率范围标定为Lr1-Lr2;
需要说明的是,通过对光电二极管的监测频率的压力测试,调整监测频率以满足对光电二极管实时偏置电压的连贯性准确性要求,同时保持UV检测器的正常检测流程不存在性能干扰,最佳监测频率范围由本领域专业技术人员根据实际情况进行测试设定;
S202、获取T时间内对UV检测器光电二极管的偏置电压监测频率数据,并将T时间内对UV检测器光电二极管的偏置电压监测频率数据标定为Sl,其中l为数据编号,且l={1,2,3…k};
S203、将T时间内对UV检测器光电二极管的偏置电压监测频率低于最佳监测频率范围Lr1-Lr2的数据整合为数据集合,将T时间内对UV检测器光电二极管的偏置电压监测频率低于最佳监测频率范围Lr1-Lr2的数据标定为Pc,并以c标记低于最佳监测频率范围Lr1-Lr2的数据编号,即c={1,2,3…k},其中k为正整数;
S204、计算低于最佳监测频率范围Lr1-Lr2的数据集合的标准差,则标准差式中,/>为低于最佳监测频率范围Lr1-Lr2的数据的平均值,其计算表达式为/>
S205、计算偏置电压监测波动系数的表达式为
根据偏置电压监测波动系数的计算表达式可知,对UV检测器光电二极管的偏置电压监测波动系数越大,则对UV检测器光电二极管的准确性可信性越差,反之,对UV检测器光电二极管的偏置电压监测波动系数越小,则红缨子高粱病虫害检测流程的准确性可信性越好;
光电二极管将光信号转换为电信号后生成光谱分析,在光电信号保持一致的情况下,生成的光谱吸收峰宽度保持一致,若氘灯的照射强度降低,可能会对UV检测器的光谱分析的吸收峰生成产生如下影响:
分辨率降低:吸收峰宽度的增加会降低相邻峰之间的分辨率,使得分辨不同组分变得更为困难;
定量分析误差:吸收峰宽度的增加可能导致定量分析的误差,因为峰的积分区域可能变得更加模糊;
峰的形状改变:峰的形状可能从尖锐的对称形状变为更加展宽或不对称,这可能影响峰的识别和解释;
通过计算光谱吸收峰的波形宽度一致性系数,检验氘灯照射强度的一致性水平,具体步骤如下:
波形宽度一致性系数的计算方法如下:
S301、按周期t对UV检测器的光谱吸收峰进行检测,获取UV检测器按规定信号对标准样本进行检测的光谱吸收峰宽度数据,将UV检测器按规定信号对标准样本进行检测的光谱吸收峰宽度的数据标记为Hbx,其中b为UV检测器按规定信号对标准样本进行检测的光谱吸收峰宽度的序号,且b={1,2,3…h},其中h为正整数,x为标准样本中各成分的编号,且x={1,2,3…j},其中j为正整数;
需要说明的是,标准样本为已知成分种类及各成分浓度的样本,规定信号为已知波长及强度的紫外光信号,标准样本及规定信号均由本领域技术人员根据具体情况进行设定;
S302、将UV检测器按规定信号对标准样本进行检测的光谱吸收峰宽度的数据整合为数据集合,计算UV检测器按规定信号对标准样本进行检测的光谱吸收峰宽度的数据集合的标准差,计算表达式为 其中/>为UV检测器按规定信号对标准样本进行检测的光谱吸收峰宽度均值,即/>
S303、计算波形宽度一致性系数的表达式为
由波形宽度一致性系数的表达式可知,UV检测器的光谱吸收峰生成的波形宽度一致性系数越大,则UV检测器运行的准确性和可信性越差,反之,UV检测器的光谱吸收峰生成的波形宽度一致性系数越小,则红缨子高粱病虫害检测流程运行的准确性和可信性越好;
根据基线输出漂移系数Bd、偏置电压监测波动系数Fg和波形宽度一致性系数Wp进行综合分析,建立置信有效性模型,计算红缨子高粱病虫害检测流程的置信有效性指数,置信有效性指数的计算表达式为式中,α、β、γ分别为基线输出漂移系数Bd、偏置电压监测波动系数Fg和波形宽度一致性系数Wp的比例系数,且α、β、γ均大于0;
将计算所得红缨子高粱病虫害检测流程的置信有效性指数与预设的置信有效性指数阈值进行比对,若计算所得置信有效性指数大于等于预设置信有效性指数,则生成UV置信信号,若计算所得置信有效性指数小于预设置信有效性指数,则生成UV可疑信号;
根据生成的UV可疑信号进行处理策略分析,当接收到比对校验模块所生成的UV可疑信号后,预警通报模块根据UV可疑信号产生后T时间内红缨子高粱病虫害检测流程的连续若干个置信有效性指数数据整合生成数据集合,并将数据集合内的置信有效性指数进行标定为Lu,其中u为置信有效性指数编号,即u={1,2,3…d},其d为正整数;
计算数据集合内若干个置信有效性指数的标准差,并将置信有效性指数的标准差标定为Po,并将置信有效性指数标准差Po与预设的置信有效性指数标准差阈值Pi进行对比,根据对比结果进行预警处理,处理逻辑如下:
若Po大于等于Pi,则对红缨子高粱病虫害检测流程标记为高可疑等级,提示工作人员在UV检测器的检测过程存在严重误差隐患,需要立即对UV检测器进行检测维护;
若Po小于Pi,则对红缨子高粱病虫害检测流程标记为低可疑等级,提示工作人员在UV检测器的检测过程存在低误差隐患,不需要进行检测维护。
本发明通过对红缨子高粱病虫害检测流程的置信有效性指数进行检测,当发现UV检测器的检测数据处理的准确性和可信性出现异常时,对红缨子高粱病虫害检测流程运作状态进行综合分析,判断误差隐患并发出预警提示,一方面便于工作人员及时感知误差隐患状态,对误差隐患进行及时检验,有效防止数据处理的准确性降低导致的风险发生,进而有效地防止数据处理效率降低,另一方面便于工作人员检测红缨子高粱病虫害检测流程综合状态,便于工作人员进行检测管理,提高工作效率。
上述公式均是去量纲取其数值计算,公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式,公式中的预设参数由本领域的技术人员根据实际情况进行设置。
上述实施例,可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时,上述实施例可以全部或部分地以计算机程序货物的形式实现。所述计算机程序货物包括一个或多个计算机指令或计算机程序。在计算机上加载或执行所述计算机指令或计算机程序时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以为通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集合的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质。半导体介质可以是固态硬盘。
应理解,在本申请的各种实施例中,上述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
所述功能如果以软件功能单元的形式实现并作为独立的货物销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件货物的形式体现出来,该计算机软件货物存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(read-only memory,ROM)、随机存取存储器(ranPim access memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
Claims (8)
1.一种红缨子高粱病虫害检测方法,其特征在于:具体步骤包括;
采集红缨子高粱病虫害检测中所使用UV检测器的灵敏度浮动信息和光谱波形状态信息,并对UV检测器的灵敏度浮动信息和光谱波形状态信息进行预处理;
根据预处理后的灵敏度浮动信息和光谱波形状态信息对红缨子高粱病虫害检测流程的建立置信有效性模型,并计算置信有效性指数;
将计算所得置信有效性指数与预设的置信有效性指数阈值进行比对,根据比对结果进行信号分类处理;
根据获得的信号类型对红缨子高粱病虫害检测流程的准确性进行误差程度分级,并进行预警处理。
2.根据权利要求1所述的一种红缨子高粱病虫害检测方法,其特征在于:灵敏度浮动信息包括基线输出漂移系数和偏置电压监测波动系数,光谱波形状态信息包括波形宽度一致性系数。
3.根据权利要求2所述的一种红缨子高粱病虫害检测方法,其特征在于:基线输出漂移系数的计算方法;
S101、获取UV检测器基线检查在T时间内进行基线检查的电流数据并将电流数据标定为Re,并整合为电流数据集合,其中e={1,2,3…m}为数据编号,且m为正整数;
S102、根据预设的电流最低限值Cmin对数据集合中的电流数据进行比对,提取低于电流最低限值Cmin的电流数据,标记低于电流最低限值Cmin的电流数据为Lw,并整合为异常数据集合,其中w为编号,且w={1,2,3…n},其中n为正整数;
S103、计算电流数据集合的标准差,计算表达式为 式中,/>为电流数据集合的均值,即/>计算异常数据集合的均值/>
S104、计算基线输出漂移系数
4.根据权利要求2所述的一种红缨子高粱病虫害检测方法,其特征在于:偏置电压监测波动系数的计算方法;
S201、获取对UV检测器光电二极管的最佳监测频率范围,并将对UV检测器光电二极管的最佳监测频率范围标定为Lr1-Lr2;
S202、获取T时间内对UV检测器光电二极管的偏置电压监测频率数据,并将T时间内对UV检测器光电二极管的偏置电压监测频率数据标定为Sl,其中l为数据编号,且l={1,2,3…k};
S203、将T时间内对UV检测器光电二极管的偏置电压监测频率低于最佳监测频率范围Lr1-Lr2的数据整合为数据集合,将T时间内对UV检测器光电二极管的偏置电压监测频率低于最佳监测频率范围Lr1-Lr2的数据标定为Pc,并以c标记低于最佳监测频率范围Lr1-Lr2的数据编号,即c={1,2,3…k},其中k为正整数;
S204、计算低于最佳监测频率范围Lr1-Lr2的数据集合的标准差,则标准差式中,/>为低于最佳监测频率范围Lr1-Lr2的数据的平均值,其计算表达式为/>
S205、计算偏置电压监测波动系数的表达式为
5.根据权利要求2所述的一种红缨子高粱病虫害检测方法,其特征在于:波形宽度一致性系数的计算方法;
S301、按周期t对UV检测器的光谱吸收峰进行检测,获取UV检测器按规定信号对标准样本进行检测的光谱吸收峰宽度数据,将UV检测器按规定信号对标准样本进行检测的光谱吸收峰宽度的数据标记为Hbx,其中b为UV检测器按规定信号对标准样本进行检测的光谱吸收峰宽度的序号,且b={1,2,3…h},其中h为正整数,x为标准样本中各成分的编号,且x={1,2,3…j},其中j为正整数;
S302、将UV检测器按规定信号对标准样本进行检测的光谱吸收峰宽度的数据整合为数据集合,计算UV检测器按规定信号对标准样本进行检测的光谱吸收峰宽度的数据集合的标准差,计算表达式为 其中/>为UV检测器按规定信号对标准样本进行检测的光谱吸收峰宽度均值,即/>
S303、计算波形宽度一致性系数的表达式为
6.根据权利要求1所述的一种红缨子高粱病虫害检测方法,其特征在于:建立置信有效性模型并计算置信有效性指数的逻辑;
根据基线输出漂移系数Bd、偏置电压监测波动系数Fg和波形宽度一致性系数Wp进行综合分析,建立置信有效性模型,计算红缨子高粱病虫害检测流程的置信有效性指数,置信有效性指数的计算表达式为式中,α、β、γ分别为基线输出漂移系数Bd、偏置电压监测波动系数Fg和波形宽度一致性系数Wp的比例系数,且α、β、γ均大于0。
7.根据权利要求6所述的一种红缨子高粱病虫害检测方法,其特征在于:将计算所得置信有效性指数与预设的置信有效性指数阈值进行比对,根据比对结果进行信号分类处理的逻辑;
将计算所得红缨子高粱病虫害检测流程的置信有效性指数与预设的置信有效性指数阈值进行比对,若计算所得置信有效性指数大于等于预设置信有效性指数,则生成UV置信信号,若计算所得置信有效性指数小于预设置信有效性指数,则生成UV可疑信号。
8.根据权利要求7所述的一种红缨子高粱病虫害检测方法,其特征在于:对红缨子高粱病虫害检测流程的准确性进行误差程度分级,并进行预警处理的逻辑;
根据生成的UV可疑信号进行处理策略分析,当接收到比对校验模块所生成的UV可疑信号后,预警通报模块根据UV可疑信号产生后T时间内红缨子高粱病虫害检测流程的连续若干个置信有效性指数数据整合生成数据集合,并将数据集合内的置信有效性指数进行标定为Lu,其中u为置信有效性指数编号,即u={1,2,3…d},其d为正整数;
计算数据集合内若干个置信有效性指数的标准差,并将置信有效性指数的标准差标定为Po,并将置信有效性指数标准差Po与预设的置信有效性指数标准差阈值Pi进行对比;
若Po大于等于Pi,则对红缨子高粱病虫害检测流程标记为高可疑等级,提示工作人员在UV检测器的检测过程存在严重误差隐患,需要立即对UV检测器进行检测维护;
若Po小于Pi,则对红缨子高粱病虫害检测流程标记为低可疑等级,提示工作人员在UV检测器的检测过程存在低误差隐患,不需要对UV检测器进行检测维护。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311588986.4A CN117556327A (zh) | 2023-11-27 | 2023-11-27 | 一种红缨子高粱病虫害检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311588986.4A CN117556327A (zh) | 2023-11-27 | 2023-11-27 | 一种红缨子高粱病虫害检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117556327A true CN117556327A (zh) | 2024-02-13 |
Family
ID=89820284
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311588986.4A Withdrawn CN117556327A (zh) | 2023-11-27 | 2023-11-27 | 一种红缨子高粱病虫害检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117556327A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117909186A (zh) * | 2024-03-20 | 2024-04-19 | 深圳清华大学研究院 | 一种虚拟现实展示系统 |
CN118051412A (zh) * | 2024-04-16 | 2024-05-17 | 深圳清华大学研究院 | 一种利用ai和ar的虚拟现实展示系统 |
-
2023
- 2023-11-27 CN CN202311588986.4A patent/CN117556327A/zh not_active Withdrawn
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117909186A (zh) * | 2024-03-20 | 2024-04-19 | 深圳清华大学研究院 | 一种虚拟现实展示系统 |
CN118051412A (zh) * | 2024-04-16 | 2024-05-17 | 深圳清华大学研究院 | 一种利用ai和ar的虚拟现实展示系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117556327A (zh) | 一种红缨子高粱病虫害检测方法 | |
Hu et al. | Evaluation of the new capture vaporizer for aerosol mass spectrometers (AMS) through field studies of inorganic species | |
US7835005B2 (en) | Gas analyzer system | |
Sonawane et al. | Bioanalytical method validation and its pharmaceutical application-a review | |
KR101281105B1 (ko) | 수용액 내 존재하는 우라늄 농도의 정량방법 | |
Kappel et al. | Evaluation strategies for isotope ratio measurements of single particles by LA-MC-ICPMS | |
EP3321656B1 (en) | Methods and apparatus for measuring small leaks from carbon dioxide sequestration facilities | |
JP2018530744A (ja) | 低濃度の硫化水素ガスの分光学的検出のための方法および装置 | |
Sulo et al. | Long-term measurement of sub-3nm particles and their precursor gases in the boreal forest | |
US7768639B1 (en) | Methods for detecting and correcting inaccurate results in inductively coupled plasma-atomic emission spectrometry | |
JP2016121926A (ja) | 光学分析装置 | |
Cai et al. | Orbitool: a software tool for analyzing online Orbitrap mass spectrometry data | |
Gamboa et al. | System for performance evaluation and calibration of low-cost gas sensors applied to air quality monitoring | |
JP6528279B2 (ja) | コンクリート中の微量元素の分析方法および分析装置 | |
CN117890327A (zh) | 一种激光甲烷传感器稳定评估方法 | |
CN105308451B (zh) | 色谱仪用数据处理装置及色谱仪用数据处理方法 | |
WO2014175363A1 (ja) | 成分濃度計測装置と方法 | |
JP4915623B2 (ja) | 化学剤検出・定量方法 | |
CN103499390A (zh) | 基于高分子材料老化试验的太阳光辐照的监测及分析方法 | |
WO2016196799A1 (en) | Systems and methods for determining an amount of fissile material in a reactor | |
Kashyap et al. | QA/QC aspects of GC-MS analytical instrument for environmental analysis | |
CN118190852B (zh) | 应用于气体检测下的组成成分识别方法及系统 | |
Espinoza-Nava et al. | Sampling and Analysis Methodology Review to Report Total PFC Emissions | |
CN118209491B (zh) | 用于光学气室的气体浓度检测评估方法及系统 | |
CN110927095B (zh) | 基于光谱能量密度的气体浓度检测方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20240213 |
|
WW01 | Invention patent application withdrawn after publication |