[发明专利]一种基于人工智能的有机物检测方法、装置及系统有效
| 申请号: | 201910256377.6 | 申请日: | 2019-04-01 |
| 公开(公告)号: | CN109916989B | 公开(公告)日: | 2021-12-10 |
| 发明(设计)人: | 岳爱东;冯慧;周灿灿;赵新玉;昌晶 | 申请(专利权)人: | 山东博戎伝创信息科技有限公司 |
| 主分类号: | G01N27/62 | 分类号: | G01N27/62 |
| 代理公司: | 济南圣达知识产权代理有限公司 37221 | 代理人: | 杨哲 |
| 地址: | 250100 山东省济南市高*** | 国省代码: | 山东;37 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 一种 基于 人工智能 有机物 检测 方法 装置 系统 | ||
1.一种基于人工智能的有机物检测方法,其特征在于,该方法包括:
接收原始检测数据文件,解析文件并按照设定峰高阈值为界限导出,得到第一检测数据;
确定第一检测数据所属的第一设定类别,将第一检测数据按照第一设定类别进行信噪比干扰排除,得到第二检测数据;
确定第二检测数据所属的第二设定类别,按照其第二设定类别对应的检测时间界限处理排除信噪比干扰的检测数据,得到第三检测数据,对第三检测数据进行有机物检测;
所述第一检测数据的设定类别包括常规快筛类有机化合物和高危险限用及响应低类有机化合物;
其中,所述将第一检测数据按照设定第一设定类别进行信噪比干扰排除的具体方法步骤包括:
所述常规快筛类有机化合物检测界限以大于第一信噪比阈值为界限,进行信噪比干扰排除;
所述高危险限用及响应低类有机化合物检测界限以大于第二信噪比阈值为界限,进行信噪比干扰排除;
所述第一信噪比阈值大于第二信噪比阈值;
或,在该方法中,所述将第一检测数据按照第一设定类别进行信噪比干扰排除的具体方法步骤包括:
接收所述常规快筛类有机化合物数据集,基于神经网络训练所述常规快筛类有机化合物的信噪比干扰排除模型;
接收所述高危险限用及响应低类有机化合物数据集,基于神经网络训练所述高危险限用及响应低类有机化合物的信噪比干扰排除模型;
将检测数据中的所述常规快筛类有机化合物根据其对应的信噪比干扰排除模型进行信噪比干扰排除;
将检测数据中的所述高危险限用及响应低类有机化合物根据其对应的信噪比干扰排除模型进行信噪比干扰排除。
2.如权利要求1所述的一种基于人工智能的有机物检测方法,其特征在于,在该方法中,所述得到第一检测数据的具体步骤包括:
解压所述原始检测数据文件;
通过质谱分析工具解析解压后的原始检测数据文件;
按照设定峰高阈值为界限导出解压后的原始检测数据文件;
得到检测数据。
3.如权利要求1所述的一种基于人工智能的有机物检测方法,其特征在于,在该方法中,所述第二设定类别包括检测拖尾类有机化合物和非检测拖尾类有机化合物;
所述检测拖尾类有机化合物的检测时间的界限在所述非检测拖尾类有机化合物的检测时间的界限的基础上进行放宽。
4.如权利要求1所述的一种基于人工智能的有机物检测方法,其特征在于,该方法还包括:对检测出的有机化合物进行伪阳性筛查,排除伪阳性有机化合物,所述伪阳性有机化合物为实际样本检测时其定量和定性离子的比值超出其标准品检测结果固定值的有机化合物。
5.一种计算机可读存储介质,其中存储有多条指令,其特征在于,所述指令适于由终端设备的处理器加载并执行如权利要求1-4任一项所述的一种基于人工智能的有机物检测方法。
6.一种终端设备,其包括处理器和计算机可读存储介质,处理器用于实现各指令;计算机可读存储介质用于存储多条指令,其特征在于,所述指令适于由处理器加载并执行如权利要求1-4任一项所述的一种基于人工智能的有机物检测方法。
7.一种基于人工智能的有机物检测装置,其特征在于,该装置基于如权利要求1-4任一项所述的一种基于人工智能的有机物检测方法,包括:
数据采集模块,被配置为接收原始检测数据文件,解析文件并按照设定峰高阈值为界限导出,得到第一检测数据;
信噪比干扰排除模块,被配置为确定第一检测数据所属的第一设定类别,将第一检测数据按照第一设定类别进行信噪比干扰排除,得到第二检测数据;
有机物检测模块,被配置为确定第二检测数据所属的第二设定类别,按照其第二设定类别对应的检测时间界限处理排除信噪比干扰的检测数据,得到第三检测数据,对第三检测数据进行有机物检测。
8.一种基于人工智能的有机物检测系统,其特征在于,该系统包括:如权利要求1-4任一项所述的一种基于人工智能的有机物检测装置和与其连接的有机化合物检测机;
所述有机化合物检测机,用于采集原始检测数据,并发送至所述的一种基于人工智能的有机物检测装置。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于山东博戎伝创信息科技有限公司,未经山东博戎伝创信息科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910256377.6/1.html,转载请声明来源钻瓜专利网。





