CN114530216A - 光谱分析方法、装置及可读存储介质 - Google Patents

光谱分析方法、装置及可读存储介质 Download PDF

Info

Publication number
CN114530216A
CN114530216A CN202011319624.1A CN202011319624A CN114530216A CN 114530216 A CN114530216 A CN 114530216A CN 202011319624 A CN202011319624 A CN 202011319624A CN 114530216 A CN114530216 A CN 114530216A
Authority
CN
China
Prior art keywords
attribute
analysis
configuration information
analysis result
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.)
Pending
Application number
CN202011319624.1A
Other languages
English (en)
Inventor
何骥鸣
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.)
China Mobile Communications Group Co Ltd
China Mobile IoT Co Ltd
Original Assignee
China Mobile Communications Group Co Ltd
China Mobile IoT 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 China Mobile Communications Group Co Ltd, China Mobile IoT Co Ltd filed Critical China Mobile Communications Group Co Ltd
Priority to CN202011319624.1A priority Critical patent/CN114530216A/zh
Publication of CN114530216A publication Critical patent/CN114530216A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
    • G16C20/70—Machine learning, data mining or chemometrics
    • 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
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
    • G16C20/20—Identification of molecular entities, parts thereof or of chemical compositions
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Medical Informatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Crystallography & Structural Chemistry (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Databases & Information Systems (AREA)
  • Computing Systems (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Immunology (AREA)
  • General Physics & Mathematics (AREA)
  • Biochemistry (AREA)
  • Analytical Chemistry (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明提供了一种光谱分析方法、装置及可读存储介质，涉及光谱分析技术领域，该光谱分析方法包括：接收电子设备发送的检测对象的光谱；根据预先存储的属性配置信息和光谱分析模型，对所述光谱进行分析，以确定所述检测对象的属性分析结果，其中，所述属性配置信息是针对不同检测对象使用相同的配置格式配置而成的信息，用于供所述光谱分析模型调用；将所述属性分析结果反馈至所述电子设备。这样，在需要新增或者更新检测对象的属性分析方法时，只需要在云端服务器中的属性配置信息中进行相应的新增或者更新即可，无需单独对编写好的分析方法的代码进行调整，从而简化了代码开发工作，同时有利于对检测对象的扩展。

Description

光谱分析方法、装置及可读存储介质
技术领域
本发明涉及光谱分析技术领域，尤其涉及一种光谱分析方法、装置及可读存储介质。
背景技术
随着光谱分析技术的发展，光谱分析技术已经在各个领域得到应用，如农业、汽车、生物、化学、食品、印刷、造纸等等。目前，现有的光谱分析方法需要针对每个检测对象编写对应的分析方法，当某一检测对象的属性、适用条件、综合属性或者分析规则等因素发生变化时，则需要对编写好的分析方法的代码进行调整，从而使得代码开发工作过于复杂，不利于检测对象的扩展。
发明内容
本发明实施例提供一种光谱分析方法、装置及可读存储介质，以解决现有的光谱分析方法代码开发工作过于复杂，不利于检测对象的扩展的问题。
为了解决上述技术问题，本发明是这样实现的：
第一方面，本发明实施例提供了一种光谱分析方法，该方法包括：
接收电子设备发送的检测对象的光谱；
根据预先存储的属性配置信息和光谱分析模型，对所述光谱进行分析，以确定所述检测对象的属性分析结果，其中，所述属性配置信息是针对不同检测对象使用相同的配置格式配置而成的信息，用于供所述光谱分析模型调用；
将所述属性分析结果反馈至所述电子设备。
第二方面，本发明实施例还提供了一种光谱分析方法，该方法包括：
获取检测对象的光谱；
将所述检测对象的光谱发送至云端服务器，并接收所述云端服务器对所述光谱进行分析得到的属性分析结果，其中，所述云端服务器中预先存储有属性配置信息和光谱分析模型，所述属性配置信息是针对不同检测对象使用相同的配置格式配置而成的信息，用于供所述光谱分析模型调用；
将所述属性分析结果进行展示。
第三方面，本发明实施例还提供了一种光谱分析装置，该装置包括：
接收模块，用于接收电子设备发送的检测对象的光谱；
分析模块，用于根据预先存储的属性配置信息和光谱分析模型，对所述光谱进行分析，以确定所述检测对象的属性分析结果，其中，所述属性配置信息是针对不同检测对象使用相同的配置格式配置而成的信息，用于供所述光谱分析模型调用；
反馈模块，用于将所述属性分析结果反馈至所述电子设备。
第四方面，本发明实施例还提供了一种光谱分析装置，该装置包括：
获取模块，用于获取检测对象的光谱；
第二发送和接收模块，用于将所述检测对象的光谱发送至云端服务器，并接收所述云端服务器对所述光谱进行分析得到的属性分析结果，其中，所述云端服务器中预先存储有属性配置信息和光谱分析模型，所述属性配置信息是针对不同检测对象使用相同的配置格式配置而成的信息，用于供所述光谱分析模型调用；
展示模块，用于将所述属性分析结果进行展示。
第五方面，本发明实施例还提供了一种计算机可读存储介质，计算机可读存储介质上存储计算机程序，计算机程序被处理器执行时实现上述的光谱分析方法的步骤。
本发明实施例中，通过接收电子设备发送的检测对象的光谱；根据预先存储的属性配置信息和光谱分析模型，对所述光谱进行分析，以确定所述检测对象的属性分析结果，其中，所述属性配置信息是针对不同检测对象使用相同的配置格式配置而成的信息，用于供所述光谱分析模型调用；将所述属性分析结果反馈至所述电子设备。这样，在需要新增或者更新检测对象的属性分析方法时，只需要在云端服务器中的属性配置信息中进行相应的新增或者更新即可，无需单独对编写好的分析方法的代码进行调整，从而简化了代码开发工作，同时有利于对检测对象的扩展。
附图说明
图1为本申请实施例提供的光谱分析方法的流程图之一；
图2a至图2d为本申请实施例提供的属性配置信息的示意图；
图3为本发明实施例提供的第一配置信息的配置界面的示意图；
图4为本发明实施例提供的第二配置信息的配置界面的示意图；
图5为本发明实施例提供的第三配置信息的配置界面的示意图；
图6为本申请实施例提供的又一属性配置信息的示意图；
图7为本申请实施例提供的光谱分析方法的流程图之二；
图8为本发明实施例提供的光谱分析装置的结构示意图之一；
图9为本发明实施例提供的光谱分析装置的结构示意图之二；
图10为本发明实施例提供的光谱分析***的工作原理图。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。在下面的描述中，提供诸如具体的配置和组件的特定细节仅仅是为了帮助全面理解本发明的实施例。因此，本领域技术人员应该清楚，可以对这里描述的实施例进行各种改变和修改而不脱离本发明的范围和精神。另外，为了清楚和简洁，省略了对已知功能和构造的描述。
参见图1，图1为本申请实施例提供的光谱分析方法的流程图之一。如图1所示，本发明实施例提供的光谱分析方法，具体包括以下步骤：
步骤S100，接收电子设备发送的检测对象的光谱。
其中，上述电子设备可以与光谱仪和云端服务器连接，电子设备可以控制光谱仪采集检测对象的光谱，并将采集到的光谱上传至云端服务器。具体地，该电子设备与光谱仪可以通过有线方式连接，也可以通过无线方式连接，本申请不做具体限定。该电子设备可以为手机、平板电脑、笔记本电脑、掌上电脑、车载电子设备、可穿戴设备、超级移动个人计算机(ultra-mobile personal computer，UMPC)、上网本或者个人数字助理(personaldigital assistant，PDA)等设备。
步骤S200，根据预先存储的属性配置信息和光谱分析模型，对光谱进行分析，以确定检测对象的属性分析结果；其中，属性配置信息是针对不同检测对象使用相同的配置格式配置而成的信息，用于供光谱分析模型调用。
其中，云端服务器中预先存储有属性配置信息和光谱分析模型，该属性配置信息是针对不同检测对象使用相同的配置格式配置而成的信息，用于供光谱分析模型调用。云端服务器在获取到监测对象的光谱后，可以根据光谱分析模型确定监测对象的属性预测值，再将监测对象的属性预测值与属性配置信息进行匹配，从而得到检测对象的属性分析结果。
需要说明的是，属性配置信息中至少包括检测对象的属性和该属性对应的分析规则。其中，属性的个数可以为一个，也可以为多个，本申请不做具体限定。分析规则包括多个属性值区间范围和每个属性值区间范围对应的分析结果，用于根据监测对象的属性预测值所属的属性值区间范围，确定该监测对象的属性预测值的分析结果。根据监测对象的属性的不同，分析规则可以分为定性分析和定量分析，在定量分析中，可以根据监测对象的属性预测值得到该属性的等级。例如，当检测对象为苹果时，属性可以包括苹果的酸度、甜度等，分析规则可以为根据苹果的酸度、甜度等任一属性的属性值区间范围设置不同的分析结果，假设该属性预测值在第一属性值区间范围，则该属性预测值对应的分析结果为第一属性值区间范围对应的分析结果；假设该属性预测值在第二属性值区间范围，则该属性预测值对应的分析结果为第二属性值区间范围对应的分析结果，依次类推。具体可参考图2a和图2b。如图2a和图2b所示，当苹果的甜度的属性预测值大于等于0，且小于10，则苹果的甜度的分析结果为低；当苹果的甜度的属性预测值大于等于10，且小于15，则苹果的甜度的分析结果为中；当苹果的甜度的属性预测值大于等于15，则苹果的甜度的分析结果为高。
在定性分析中，可以根据监测对象的属性预测值得到该属性的类别。定性分析结果没有取整时可以输入取整范围，如果定性分析结果已经取整，则属性值范围的起始值和终止值均为同一个整数。例如，当检测对象为布匹时，属性可以包括纯棉定性，分析规则则可以根据成分中绵的占比设置不同的分析结果类型，具体如图2c和图2d所示。其中，图2c为匹配纯棉定性未取整配置，当纯棉定性的属性预测值大于等于0，且小于0.8，则分析结果为非纯棉；当纯棉定性的属性预测值大于等于0.8，则分析结果为纯棉。图2d为匹配纯棉定性已取整配置，当纯棉定性的属性预测值等于0，则分析结果为非纯棉；当纯棉定性的属性预测值等于1，则分析结果为纯棉。
当然，属性配置信息还可以包括属性的适用条件，该适用条件是指当检测对象为某一群体时，需要根据群体中的不同的检测对象的不同条件来限定该属性的适用范围，例如，当体脂检测中的性别、年龄等。当检测对象为人体时，属性可以包括体脂等，可以将性别、年龄作为适用条件，分析规则则可以根据该检测对象的性别、年龄以及体脂的属性值区间范围设置不同的分析结果，如“偏瘦”、“健康”、“警戒”、“微胖”、“肥胖”等。
当然，除了对检测对象的单个属性的属性配置信息进行设置外，还可以针对该检测对象的多个属性来分析其综合属性，以及综合分析结果，例如，可以基于苹果的酸度和甜度两个属性来得到苹果的酸甜比，或者基于苹果的酸度、甜度和酸甜比得到苹果的综合分析结果等。
步骤S300，将属性分析结果反馈至电子设备。
云端服务器在获取到属性分析结果后，可以将属性分析结果发送至电子设备，由此方便用户在电子设备对属性分析结果进行查看。
在本实施例中，用户可以根据云端服务器中的统一的配置格式对不同的检测对象的各个属性进行灵活配置，这样在需要新增或者更新检测对象的属性分析方法时，只需要在云端服务器中的属性配置信息中进行相应的新增或者更新即可，无需单独对编写好的分析方法的代码进行调整，从而简化了代码开发工作，同时有利于对检测对象的扩展。
进一步地，属性配置信息包括第一配置信息，第一配置信息包括检测对象的第一属性，以及第一属性的分析规则；
上述步骤S200，根据预先存储的属性配置信息和光谱分析模型，对光谱进行分析，以确定检测对象的属性分析结果，包括：
步骤S210，根据第一属性和光谱分析模型，获取第一属性的属性预测值。
其中，上述属性配置信息包括第一配置信息，该第一配置信息包括检测对象的第一属性，以及第一属性的分析规则；该第一属性是指检测对象的单个的属性，如苹果的酸度、甜度等。云端服务器在获取到电子设备发送的检测对象的光谱后，根据预先设置的光谱分析模型对光谱进行分析，得到检测对象的属性预测值。
需要说明的是，该光谱分析模型可以是基于每个检测对象的每个属性而建立的单独的光谱分析模型，也可以是基于各个检测对象的各个属性而建立的统一的光谱分析模型，本申请不做具体限定。
步骤S211，根据第一属性的分析规则，确定属性预测值的第一分析结果。
步骤S212，将第一分析结果确定为检测对象的属性分析结果。
在获取检测对象的属性预测值后，可以将属性预测值与该第一属性的分析规则进行匹配，从而确定出该属性预测值的第一分析结果。具体地，该第一属性的分析规则包括多个属性值区间范围和每个属性值区间范围对应的分析结果，用于根据监测对象的属性预测值所属的属性值区间范围，确定该监测对象的属性预测值的分析结果。例如，假设该属性预测值在第一属性值区间范围，则该属性预测值对应的分析结果为第一属性值区间范围对应的分析结果；假设该属性预测值在第二属性值区间范围，则该属性预测值对应的分析结果为第二属性值区间范围对应的分析结果，依次类推。
具体地，第一配置信息的配置界面如图3所示，在图3所示的界面中，用户可以针对每种检测对象设置其对应的第一属性名称、适用条件和分析规则，对于无需适用条件的属性，只需填写属性名称和分析规则；而对于需要适用条件的属性，则可以根据实际需要对适用条件进行设置。针对各种检测对象的各第一属性均可以采用上述方式进行配置，由此可以完成各种检测对象的各第一属性的第一配置信息。
在本实施例中，在云端服务器预先存储有第一配置信息后，可以通过云端服务器得到检测对象的第一属性的第一分析结果，这样在需要新增或者更新检测对象的第一属性的分析方法时，只需要在云端服务器中的第一配置信息中进行相应的新增或者更新即可，无需单独对编写好的分析方法的代码进行调整，从而简化了代码开发工作，同时有利于对检测对象的扩展。
进一步地，属性配置信息还包括第二配置信息，第二配置信息包括根据多个第一属性之间的关系而确定的第二属性，以及第二属性的分析规则；
在上述步骤S211，根据第一属性的分析规则，确定属性预测值的第一分析结果之后，包括：
步骤S220，根据多个第一属性对应的第一分析结果，以及多个第一属性之间的关系，获取第二属性的计算结果。
其中，上述属性配置信息还包括第二配置信息，该第二配置信息包括根据多个第一属性之间的关系而确定的第二属性，以及第二属性的分析规则。例如，假设检测对象为苹果，且苹果的第一属性包括苹果的糖分、酸度等属性，则可以根据苹果的第一属性对苹果的第二属性进行设置，苹果的第二属性可以为苹果的糖酸比等。
具体地，第二配置信息的配置界面如图4所示，在图4所示的界面中，用户可以针对每种检测对象设置其对应的第二属性名称、选择与第二属性关联的第一属性和分析规则，该分析规则可以基于多个第一属性之间的关系确定计算公式，再根据该计算公式得到的计算结果，确定该第二属性的第二分析结果。继续基于上述举例进行说明，假设需要在图4所示的界面配置苹果的糖酸比，则需要在第二属性名称一栏填写“苹果的糖酸比”；选择属性一栏，则需要选择糖分(a)和酸度(b)；计算公式一栏，则需要使用选择的第一属性的变量名，列出第一属性之间的关系，如苹果的糖酸比为：a/b；第二属性的分析规则则是设置多个属性值区间范围和每个属性值区间范围对应的分析结果。
由此，在云端服务器在获取到多个第一属性对应的第一分析结果后，可以根据预先设置的第二配置信息进一步确定多个第一属性之间的关系，并根据多个第一属性之间的关系，即第二配置信息中配置的计算公式，计算第二属性的计算结果。
步骤S221，根据第二属性的分析规则，确定计算结果的第二分析结果。
具体地，该第二属性的分析规则包括多个属性值区间范围和每个属性值区间范围对应的分析结果，用于根据监测对象的计算结果所属的属性值区间范围，确定该第二属性的分析结果，得到计算结果的第二分析结果。
步骤S222，将第一分析结果和第二分析结果确定为检测对象的属性分析结果。
将第一属性的第一分析结果和第二属性的第二分析结果确定为检测对象的属性分析结果，发送给电子设备，供用户参考。
在本实施例中，在云端服务器预先存储有第二配置信息后，可以通过云端服务器得到检测对象的第二属性的第二分析结果，这样在需要新增或者更新检测对象的第二属性的分析方法时，只需要在云端服务器中的第二配置信息中进行相应的新增或者更新即可，无需单独对编写好的分析方法的代码进行调整，从而简化了代码开发工作，同时有利于对检测对象的扩展。
进一步地，属性配置信息还包括第三配置信息，第三配置信息包括根据第一属性和第二属性之间的关系而确定的第三属性，以及第三属性的分析规则；
在上述步骤S221，根据第二属性的分析规则，确定计算结果的第二分析结果之后，包括：
步骤S230，根据第一属性对应的第一分析结果和第二属性对应的第二分析结果，以及第一属性和第二属性之间的关系，确定第三属性的第三分析结果。
其中，上述属性配置信息还包括第三配置信息，第三配置信息包括根据第一属性和第二属性之间的关系而确定的第三属性，以及第三属性的分析规则。该第三属性可以为对检测对象的第三属性的简称，如综合评价、健康度、品质分析、总体结论等。
具体地，第三配置信息的配置界面如图5所示，在图5所示的界面中，用户可以针对每种检测对象设置其对应的第三属性名称、选择与第三属性关联的第一属性和第二属性和分析规则。继续基于上述举例进行说明，假设需要在图5所示的界面配置苹果的综合评价，则需要在第三属性名称一栏填写“苹果的综合评价”；选择第一属性一栏，则可以选择糖分、酸度等第一属性；选择第二属性一栏，则可以选择糖酸比等第二属性；在分析规则一栏中可以基于第一属性的第一分析结果和第二属性的第二分析结果之间的关系确定综合评价，即第三属性的第三分析结果。这样，通过将苹果的糖分、酸度等第一属性及糖酸比等第二属性相结合，对苹果的风味品质进行综合评价，这种方法可以克服在酸糖比结果相同的情况下，糖分、酸度不同而导致的风味差异不能体现的缺点。
由此，在云端服务器在获取到多个第一属性对应的第一分析结果和第二属性的第二分析结果后，可以根据预先设置的第三配置信息进一步确定该检测对象的第三属性，得到第三属性的第三分析结果。
步骤S231，将第一分析结果、第二分析结果和第三分析结果确定为检测对象的属性分析结果。
将第一属性的第一分析结果、第二属性的第二分析结果和第三属性的第三分析结果确定为检测对象的属性分析结果，发送给电子设备，供用户参考。
在本实施例中，在云端服务器预先存储有第三配置信息后，可以通过云端服务器得到检测对象的第三属性的第三分析结果，这样在需要新增或者更新检测对象的第三属性的分析方法时，只需要在云端服务器中的第三配置信息中进行相应的新增或者更新即可，无需单独对编写好的分析方法的代码进行调整，从而简化了代码开发工作，同时有利于对检测对象的扩展。同时，由于可以配置第三配置信息，可以将第一分析结果和第二分析结果进行综合评价，由此得到检测对象的综合分析结果，使得分析结果更为全面。
进一步地，第二配置信息和第三配置信息还包括展示标识。
在本实施例中，上述第二配置信息和第三配置信息还包括展示标识。在进行光谱分析前，用户可以在云端服务器分别对第二配置信息和第三配置信息中的展示标识进行设置，在通过云端服务器进行光谱分析后，电子设备可以根据用户之前设置的展示标识确定是否需要将第二分析结果和第三分析结果进行展示。由此，通过这种方式可以满足不同用户的使用需求，灵活地对分析结果进行展示，提高用户的使用体验。
进一步地，第一配置信息还包括第一属性的适用条件；
在上述步骤S200，根据预先存储的属性配置信息和光谱分析模型，对光谱进行分析，以确定检测对象的属性分析结果之前，包括：
步骤S400，将第一属性的适用条件发送至电子设备，并接收电子设备基于第一属性的适用条件反馈的目标适用条件，其中，目标适用条件为第一属性的适用条件中的任一条件。
在本实施例中，如果第一配置信息中预先配置有第一属性的适用条件，由于适用条件较多，且云端服务器无法直接获知检测对象的目标适用条件，因而需要云端服务器将第一属性的适用条件发送至电子设备，并在电子设备上展示，以供用户基于展示的多个适用条件选择目标适用条件。例如，假设用户在图3所示的配置界面需要配置图6所示的人体体脂的第一配置信息，其中，在图6所示的人体体脂的第一配置信息中，由于人体可包括男和女两种性别，不同性别的分析规则存在差异，且每个年龄阶段不同，其分析规则也不同，因而需要根据性别和年龄设置不同的分析规则。这样，用户在配置时，需要针对每种性别和每个年龄阶段设置不同的分析规则，以方便后续对人体体脂进行光谱分析时，能针对检测对象的实际性别和实际年龄进行分析，从而提高分析结果的准确性。通过采用上述方式，可以实现针对某一检测群体进行统一的配置格式配置，并在对该检测群体中的某一检测对象进行光谱分析时，只需要对该检测对象的目标适用条件进行确定即可，由此，无需针对每种适用条件单独配置分析规则，从而节约了用户的配置时间。
除此之外，本申请实施例还提供了一种光谱分析方法。参见图7，图7为本申请实施例提供的光谱分析方法的流程图之二。如图7所示，该光谱分析方法，具体包括以下步骤：
步骤S500，获取检测对象的光谱。
其中，检测对象可以为农业品、汽车、食品、人体等任一对象。获取检测对象的光谱的方式是，先通过光谱仪采集检测对象的光谱，再将光谱仪采集到的检测对象的光谱发送至电子设备，由此电子设备可以获取到检测对象的光谱。在本实施例中，电子设备与光谱仪连接，这样，电子设备也可以实现对光谱仪的控制，例如，启动光谱仪开始采集光谱，或者停止光谱仪采集光谱。
步骤S600，将检测对象的光谱发送至云端服务器，并接收云端服务器对光谱进行分析得到的属性分析结果，其中，云端服务器中预先存储有属性配置信息和光谱分析模型，属性配置信息是针对不同检测对象使用相同的配置格式配置而成的信息，用于供光谱分析模型调用。
电子设备在获取到检测对象的光谱后，可以将该光谱发送至云端服务器，云端服务器在获取到监测对象的光谱后，可以根据光谱分析模型确定监测对象的属性预测值，再将监测对象的属性预测值与属性配置信息进行匹配，从而得到检测对象的属性分析结果，并将检测对象的属性分析结果发送至电子设备。
步骤S700，将属性分析结果进行展示。
电子设备接收该属性分析结果，并对该属性分析结果进行展示，以供用户参考。
在本实施例中，通过将属性配置信息和光谱分析模型预设在云端服务器中，由云端服务器来完成对光谱的分析，而非电子设备来完成，这样有利于减小光谱分析对电子设备的资源的占用率。另外，由于属性配置信息和光谱分析模型是预设在云端服务器，这样也可以支持多个电子设备同时发起光谱分析请求，从而提高光谱分析的效率。
进一步地，属性配置信息包括第一配置信息，第一配置信息包括检测对象的第一属性、第一属性的分析规则，以及第一属性的适用条件；该光谱分析方法包括：
步骤S500，获取检测对象的光谱。
其中，检测对象可以为农业品、汽车、食品、人体等任一对象。获取检测对象的光谱的方式是，先通过光谱仪采集检测对象的光谱，再将光谱仪采集到的检测对象的光谱发送至电子设备，由此电子设备可以获取到检测对象的光谱。在本实施例中，电子设备与光谱仪连接，这样，电子设备也可以实现对光谱仪的控制，例如，启动光谱仪开始采集光谱，或者停止光谱仪采集光谱。
步骤S800，接收并显示云端服务器反馈的第一属性的适用条件。
电子设备还可以接收云端服务器发送的第一配置信息，并判断第一配置信息中是否包括第一属性的适用条件，当判定第一配置信息中包括第一属性的适用条件时，则需要对第一属性的适用条件进行展示，以供用户参考；当判定第一配置信息中未包括第一属性的适用条件时，则不需要对第一属性的适用条件进行展示。
步骤S900，接收用户对第一属性的适用条件的输入操作，根据输入操作确定目标适用条件，其中，目标适用条件为第一属性的适用条件中的任一条件。
在电子设备展示第一属性的适用条件后，电子设备可以接收用户对第一属性的适用条件的输入操作，该输入操作可以为点击、滑动等任意操作，本申请不做具体限定。电子设备可以根据用户的输入操作，从多个适用条件中确定目标适用条件。
其中，上述步骤S800和步骤S900可以在上述步骤S500之前执行，或者之后执行，也与上述步骤S500可以同时执行。
步骤S1000，将检测对象的光谱和目标适用条件发送至云端服务器，并接收云端服务器对光谱进行分析得到的属性分析结果。
电子设备在获取到检测对象的光谱和目标适用条件后，可以将该光谱和目标适用条件发送至云端服务器，云端服务器在获取到监测对象的光谱后，可以根据光谱分析模型确定监测对象的属性预测值，再将监测对象的属性预测值与属性配置信息进行匹配，从而得到检测对象的属性分析结果，并将检测对象的属性分析结果发送至电子设备。
步骤S700，将属性分析结果进行展示。
电子设备接收该属性分析结果，并对该属性分析结果进行展示，以供用户参考。
在本实施例中，通过电子设备接收用户的输入操作，对第一配置信息中的第一属性的适用条件进行选择，从而确定目标适用条件，由此可以实现针对某一检测群体进行统一的配置格式配置，并在对该检测群体中的某一检测对象进行光谱分析时，只需要对该检测对象的目标适用条件进行确定即可，由此，无需针对每种适用条件单独配置分析规则，从而节约了用户的配置时间。
进一步地，属性配置信息还包括第二配置信息和第三配置信息，第二配置信息和第三配置信息还包括展示标识；
上述步骤S700，将属性分析结果进行展示，包括：
根据展示标识，对属性分析结果进行展示。
在本实施例中，上述第二配置信息和第三配置信息还包括展示标识。在进行光谱分析前，用户可以在云端服务器分别对第二配置信息和第三配置信息中的展示标识进行设置，在通过云端服务器进行光谱分析后，电子设备可以根据用户之前设置的展示标识确定是否需要将第二分析结果和第三分析结果进行展示。由此，通过这种方式可以满足不同用户的使用需求，灵活地对分析结果进行展示，提高用户的使用体验。
除此之外，本申请还提供了一种光谱分析装置。参见图8，图8为本申请实施例提供的光谱分析装置的结构示意图。如图8所示，该光谱分析装置800包括：
接收模块801，用于接收电子设备发送的检测对象的光谱；
分析模块802，用于根据预先存储的属性配置信息和光谱分析模型，对光谱进行分析，以确定检测对象的属性分析结果，其中，属性配置信息是针对不同检测对象使用相同的配置格式配置而成的信息，用于供光谱分析模型调用；
反馈模块803，用于将属性分析结果反馈至电子设备。
进一步地，属性配置信息包括第一配置信息，第一配置信息包括检测对象的第一属性，以及第一属性的分析规则；
分析模块802，包括：
第一获取子模块，用于根据第一属性和光谱分析模型，获取第一属性的属性预测值；
第一确定子模块，用于根据第一属性的分析规则，确定属性预测值的第一分析结果；
第二确定子模块，用于将第一分析结果确定为检测对象的属性分析结果。
进一步地，属性配置信息还包括第二配置信息，第二配置信息包括根据多个第一属性之间的关系而确定的第二属性，以及第二属性的分析规则；
分析模块802，还包括：
第二获取子模块，用于根据多个第一属性对应的第一分析结果，以及多个第一属性之间的关系，获取第二属性的计算结果；
第三确定子模块，用于根据第二属性的分析规则，确定计算结果的第二分析结果；
第四确定子模块，用于将第一分析结果和第二分析结果确定为检测对象的属性分析结果。
进一步地，属性配置信息还包括第三配置信息，第三配置信息包括根据第一属性和第二属性之间的关系而确定的第三属性，以及第三属性的分析规则；
分析模块802，还包括：
第五确实子模块，用于根据第一属性对应的第一分析结果和第二属性对应的第二分析结果，以及第一属性和第二属性之间的关系，确定第三属性的第三分析结果；
第六确实子模块，用于将第一分析结果、第二分析结果和第三分析结果确定为检测对象的属性分析结果。
进一步地，第二配置信息和第三配置信息还包括展示标识。
进一步地，第一配置信息还包括第一属性的适用条件；
光谱分析装置800，还包括：
第一发送和接收模块801，用于将第一属性的适用条件发送至电子设备，并接收电子设备基于第一属性的适用条件反馈的目标适用条件，其中，目标适用条件为第一属性的适用条件中的任一条件。
本发明实施例的光谱分析装置800，能够实现前述图1至图6所示的实施例中光谱分析方法实现的各个过程，为避免重复，这里不再赘述。
除此之外，本申请还提供了一种光谱分析装置。参见图9，图9为本申请实施例提供的光谱分析装置的结构示意图。如图9所示，该光谱分析装置900包括：
获取模块901，用于获取检测对象的光谱；
第二发送和接收模块902，用于将检测对象的光谱发送至云端服务器，并接收云端服务器对光谱进行分析得到的属性分析结果，其中，云端服务器中预先存储有属性配置信息和光谱分析模型，属性配置信息是针对不同检测对象使用相同的配置格式配置而成的信息，用于供光谱分析模型调用；
展示模块903，用于将属性分析结果进行展示。
进一步地，属性配置信息包括第一配置信息，第一配置信息包括检测对象的第一属性、第一属性的分析规则，以及第一属性的适用条件；
光谱分析装置900，还包括：
第一处理模块，用于接收并显示云端服务器反馈的第一属性的适用条件；
第二处理模块，用于接收用户对第一属性的适用条件的输入操作，根据输入操作确定目标适用条件，其中，目标适用条件为第一属性的适用条件中的任一条件；
第三发送和接收模块，用于将光谱和目标适用条件发送至云端服务器，并接收云端服务器对光谱进行分析得到的属性分析结果。
进一步地，属性配置信息还包括第二配置信息和第三配置信息，第二配置信息和第三配置信息还包括展示标识；
展示模块903，具体用于：
根据展示标识，对属性分析结果进行展示。
本发明实施例的光谱分析装置900，能够实现前述图7所示的实施例中光谱分析方法实现的各个过程，为避免重复，这里不再赘述。
参见图10，图10为本发明实施例提供的光谱分析***的工作原理图。该光谱分析***包括：电子设备和云端服务器；电子设备，用于获取检测对象的光谱；将检测对象的光谱发送至云端服务器；云端服务器，用于接收电子设备发送的检测对象的光谱；根据预先存储的属性配置信息和光谱分析模型，对光谱进行分析，以确定检测对象的属性分析结果，其中，属性配置信息是针对不同检测对象使用相同的配置格式配置而成的信息，用于供光谱分析模型调用；电子设备，还用于接收属性分析结果，并将属性分析结果进行展示。
具体地，当用户在电子设备的显示界面上选择某一个检测对象时，电子设备会从云端服务器下载属性配置信息的第一配置信息，并判断第一配置信息中是否包含适用条件。如果第一配置信息中包含适用条件，则根据适用条件的名称及分支名称、数量提示用户确定目标适用条件。电子设备获得目标适用条件后，控制光谱仪采集光谱，再将获得的目标适用条件及光谱均发送给云端服务器。云端服务器首先利用光谱分析模型对光谱进行预测，得到各个第一属性的属性预测值，然后将属性预测值与第一属性的分析规则进行匹配，得出该属性预测值对应的第一分析结果。第一属性评价完成后，判断该检测对象是否配置有第二配置信息，如果该检测对象配置有第二配置信息，则利用第二配置信息中的计算公式对第二属性进行计算，然后通过计算结果与第二属性的评价规格进行匹配，得到第二属性的第二分析结果。第二属性评价完成后，判断该检测对象是否配置有第三配置信息，如果该检测对象配置有第三配置信息，则将第一分析结果、第二分析结果与第三配置信息进行匹配，得到第三分析结果。最后将第一分析结果、第二分析结果和/或第三分析结果，以及第二配置信息和第三配置信息中的展示标识进行汇总后，将汇总后的数据发送给电子设备。最后电子设备根据展示标识对第一分析结果、第二分析结果和/或第三分析结果进行展示。
本发明实施例还提供了一种计算机可读存储介质，计算机可读存储介质上存储计算机程序，计算机程序被处理器执行时实现上述的光谱分析方法的步骤。
以上的是本发明的优选实施方式，应当指出对于本技术领域的普通人员来说，在不脱离本发明的原理前提下还可以作出若干改进和润饰，这些改进和润饰也在本发明的保护范围内。

Claims (19)

1.一种光谱分析方法，其特征在于，包括：
接收电子设备发送的检测对象的光谱；
根据预先存储的属性配置信息和光谱分析模型，对所述光谱进行分析，以确定所述检测对象的属性分析结果，其中，所述属性配置信息是针对不同检测对象使用相同的配置格式配置而成的信息，用于供所述光谱分析模型调用；
将所述属性分析结果反馈至所述电子设备。
2.根据权利要求1所述的方法，其特征在于，所述属性配置信息包括第一配置信息，所述第一配置信息包括所述检测对象的第一属性，以及所述第一属性的分析规则；
所述根据预先存储的属性配置信息和光谱分析模型，对所述光谱进行分析，以确定所述检测对象的属性分析结果，包括：
根据所述第一属性和所述光谱分析模型，获取所述第一属性的属性预测值；
根据所述第一属性的分析规则，确定所述属性预测值的第一分析结果；
将所述第一分析结果确定为所述检测对象的属性分析结果。
3.根据权利要求2所述的方法，其特征在于，所述属性配置信息还包括第二配置信息，所述第二配置信息包括根据多个第一属性之间的关系而确定的第二属性，以及所述第二属性的分析规则；
在所述根据所述第一属性的分析规则，确定所述属性预测值的第一分析结果之后，包括：
根据多个第一属性对应的第一分析结果，以及所述多个第一属性之间的关系，获取所述第二属性的计算结果；
根据所述第二属性的分析规则，确定所述计算结果的第二分析结果；
所述将所述第一分析结果确定为所述检测对象的属性分析结果，包括：
将所述第一分析结果和所述第二分析结果确定为所述检测对象的属性分析结果。
4.根据权利要求3所述的方法，其特征在于，所述属性配置信息还包括第三配置信息，所述第三配置信息包括根据所述第一属性和所述第二属性之间的关系而确定的第三属性，以及所述第三属性的分析规则；
在所述根据所述第二属性的分析规则，确定所述计算结果的第二分析结果之后，包括：
根据所述第一属性对应的第一分析结果和所述第二属性对应的第二分析结果，以及所述第一属性和所述第二属性之间的关系，确定所述第三属性的第三分析结果；
所述将所述第一分析结果和所述第二分析结果确定为所述检测对象的属性分析结果，包括：
将所述第一分析结果、所述第二分析结果和所述第三分析结果确定为所述检测对象的属性分析结果。
5.根据权利要求4所述的方法，其特征在于，所述第二配置信息和所述第三配置信息还包括展示标识。
6.根据权利要求2所述的方法，其特征在于，所述第一配置信息还包括所述第一属性的适用条件；
在所述根据预先存储的属性配置信息和光谱分析模型，对所述光谱进行分析，以确定所述检测对象的属性分析结果之前，包括：
将所述第一属性的适用条件发送至所述电子设备，并接收所述电子设备基于所述第一属性的适用条件反馈的目标适用条件，其中，所述目标适用条件为所述第一属性的适用条件中的任一条件。
7.一种光谱分析方法，其特征在于，包括：
获取检测对象的光谱；
将所述检测对象的光谱发送至云端服务器，并接收所述云端服务器对所述光谱进行分析得到的属性分析结果，其中，所述云端服务器中预先存储有属性配置信息和光谱分析模型，所述属性配置信息是针对不同检测对象使用相同的配置格式配置而成的信息，用于供所述光谱分析模型调用；
将所述属性分析结果进行展示。
8.根据权利要求7所述的方法，其特征在于，所述属性配置信息包括第一配置信息，所述第一配置信息包括所述检测对象的第一属性、所述第一属性的分析规则，以及所述第一属性的适用条件；
在所述将所述检测对象的光谱发送至云端服务器，并接收所述云端服务器对所述光谱进行分析得到的属性分析结果之前，包括：
接收并显示所述云端服务器反馈的所述第一属性的适用条件；
接收用户对所述第一属性的适用条件的输入操作，根据所述输入操作确定目标适用条件，其中，所述目标适用条件为所述第一属性的适用条件中的任一条件；
所述将所述检测对象的光谱发送至云端服务器，并接收所述云端服务器对所述光谱进行分析得到的属性分析结果，包括：
将所述检测对象的光谱和所述目标适用条件发送至所述云端服务器，并接收所述云端服务器对所述光谱进行分析得到的属性分析结果。
9.根据权利要求7所述的方法，其特征在于，所述属性配置信息还包括第二配置信息和第三配置信息，所述第二配置信息和所述第三配置信息还包括展示标识；
所述将所述属性分析结果进行展示，包括：
根据所述展示标识，对所述属性分析结果进行展示。
10.一种光谱分析装置，其特征在于，包括：
接收模块，用于接收电子设备发送的检测对象的光谱；
分析模块，用于根据预先存储的属性配置信息和光谱分析模型，对所述光谱进行分析，以确定所述检测对象的属性分析结果，其中，所述属性配置信息是针对不同检测对象使用相同的配置格式配置而成的信息，用于供所述光谱分析模型调用；
反馈模块，用于将所述属性分析结果反馈至所述电子设备。
11.根据权利要求10所述的光谱分析装置，其特征在于，所述属性配置信息包括第一配置信息，所述第一配置信息包括所述检测对象的第一属性，以及所述第一属性的分析规则；
所述分析模块，包括：
第一获取子模块，用于根据所述第一属性和所述光谱分析模型，获取所述第一属性的属性预测值；
第一确定子模块，用于根据所述第一属性的分析规则，确定所述属性预测值的第一分析结果；
第二确定子模块，用于将所述第一分析结果确定为所述检测对象的属性分析结果。
12.根据权利要求11所述的光谱分析装置，其特征在于，所述属性配置信息还包括第二配置信息，所述第二配置信息包括根据多个第一属性之间的关系而确定的第二属性，以及所述第二属性的分析规则；
所述分析模块，还包括：
第二获取子模块，用于根据多个第一属性对应的第一分析结果，以及所述多个第一属性之间的关系，获取所述第二属性的计算结果；
第三确定子模块，用于根据所述第二属性的分析规则，确定所述计算结果的第二分析结果；
第四确定子模块，用于将所述第一分析结果和所述第二分析结果确定为所述检测对象的属性分析结果。
13.根据权利要求12所述的光谱分析装置，其特征在于，所述属性配置信息还包括第三配置信息，所述第三配置信息包括根据所述第一属性和所述第二属性之间的关系而确定的第三属性，以及所述第三属性的分析规则；
所述分析模块，还包括：
第五确实子模块，用于根据所述第一属性对应的第一分析结果和所述第二属性对应的第二分析结果，以及所述第一属性和所述第二属性之间的关系，确定所述第三属性的第三分析结果；
第六确实子模块，用于将所述第一分析结果、所述第二分析结果和所述第三分析结果确定为所述检测对象的属性分析结果。
14.根据权利要求13所述的光谱分析装置，其特征在于，所述第二配置信息和所述第三配置信息还包括展示标识。
15.根据权利要求11所述的光谱分析装置，其特征在于，所述第一配置信息还包括所述第一属性的适用条件；
所述光谱分析装置，还包括：
第一发送和接收模块，用于将所述第一属性的适用条件发送至所述电子设备，并接收所述电子设备基于所述第一属性的适用条件反馈的目标适用条件，其中，所述目标适用条件为所述第一属性的适用条件中的任一条件。
16.一种光谱分析装置，其特征在于，包括：
获取模块，用于获取检测对象的光谱；
第二发送和接收模块，用于将所述检测对象的光谱发送至云端服务器，并接收所述云端服务器对所述光谱进行分析得到的属性分析结果，其中，所述云端服务器中预先存储有属性配置信息和光谱分析模型，所述属性配置信息是针对不同检测对象使用相同的配置格式配置而成的信息，用于供所述光谱分析模型调用；
展示模块，用于将所述属性分析结果进行展示。
17.根据权利要求16所述的光谱分析装置，其特征在于，所述属性配置信息包括第一配置信息，所述第一配置信息包括所述检测对象的第一属性、所述第一属性的分析规则，以及所述第一属性的适用条件；
所述光谱分析装置，还包括：
第一处理模块，用于接收并显示所述云端服务器反馈的所述第一属性的适用条件；
第二处理模块，用于接收用户对所述第一属性的适用条件的输入操作，根据所述输入操作确定目标适用条件，其中，所述目标适用条件为所述第一属性的适用条件中的任一条件；
第三发送和接收模块，用于将所述光谱和所述目标适用条件发送至所述云端服务器，并接收所述云端服务器对所述光谱进行分析得到的属性分析结果。
18.根据权利要求16所述的光谱分析装置，其特征在于，所述属性配置信息还包括第二配置信息和第三配置信息，所述第二配置信息和所述第三配置信息还包括展示标识；
所述展示模块，具体用于：
根据所述展示标识，对所述属性分析结果进行展示。
19.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述的光谱分析方法的步骤；或者所述计算机程序被处理器执行时实现如权利要求7至9中任一项所述的光谱分析方法的步骤。
CN202011319624.1A 2020-11-23 2020-11-23 光谱分析方法、装置及可读存储介质 Pending CN114530216A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011319624.1A CN114530216A (zh) 2020-11-23 2020-11-23 光谱分析方法、装置及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011319624.1A CN114530216A (zh) 2020-11-23 2020-11-23 光谱分析方法、装置及可读存储介质

Publications (1)

Publication Number Publication Date
CN114530216A true CN114530216A (zh) 2022-05-24

Family

ID=81618824

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011319624.1A Pending CN114530216A (zh) 2020-11-23 2020-11-23 光谱分析方法、装置及可读存储介质

Country Status (1)

Country Link
CN (1) CN114530216A (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1992939A1 (en) * 2007-05-16 2008-11-19 National University of Ireland, Galway A kernel-based method and apparatus for classifying materials or chemicals and for quantifying the properties of materials or chemicals in mixtures using spectroscopic data.
CN106680227A (zh) * 2017-02-20 2017-05-17 绍兴文理学院 用于成分检测的光谱分析***及光谱分析方法
CN207689356U (zh) * 2017-12-26 2018-08-03 深圳和而泰数据资源与云技术有限公司 一种光谱检测服务器及***
WO2019129271A1 (en) * 2017-12-29 2019-07-04 Sengled Co., Ltd. Method for electronic device authentication and firmware update, and electronic device
WO2019195971A1 (zh) * 2018-04-09 2019-10-17 深圳达闼科技控股有限公司 光谱分析方法、装置、电子设备及计算机可读存储介质
CN110597812A (zh) * 2019-09-09 2019-12-20 上海钧正网络科技有限公司 菜单配置方法、装置、终端及可读存储介质
CN111239054A (zh) * 2018-11-28 2020-06-05 中移物联网有限公司 一种光谱分析模型应用方法和装置
CN111327679A (zh) * 2020-01-19 2020-06-23 苏宁云计算有限公司 一种规则解析方法及装置

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1992939A1 (en) * 2007-05-16 2008-11-19 National University of Ireland, Galway A kernel-based method and apparatus for classifying materials or chemicals and for quantifying the properties of materials or chemicals in mixtures using spectroscopic data.
CN106680227A (zh) * 2017-02-20 2017-05-17 绍兴文理学院 用于成分检测的光谱分析***及光谱分析方法
CN207689356U (zh) * 2017-12-26 2018-08-03 深圳和而泰数据资源与云技术有限公司 一种光谱检测服务器及***
WO2019129271A1 (en) * 2017-12-29 2019-07-04 Sengled Co., Ltd. Method for electronic device authentication and firmware update, and electronic device
WO2019195971A1 (zh) * 2018-04-09 2019-10-17 深圳达闼科技控股有限公司 光谱分析方法、装置、电子设备及计算机可读存储介质
CN111239054A (zh) * 2018-11-28 2020-06-05 中移物联网有限公司 一种光谱分析模型应用方法和装置
CN110597812A (zh) * 2019-09-09 2019-12-20 上海钧正网络科技有限公司 菜单配置方法、装置、终端及可读存储介质
CN111327679A (zh) * 2020-01-19 2020-06-23 苏宁云计算有限公司 一种规则解析方法及装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
FUKUHARA, M，等: "Feature visualization of Raman spectrum analysis with deep convolutional neural network", ANALYTICA CHIMICA ACTA, vol. 1087, 31 December 2019 (2019-12-31), pages 11 - 19 *
姚海琼，等: "自适应对象模型体系结构研究", 计算机应用研究, no. 09, 28 September 2004 (2004-09-28), pages 121 - 124 *

Similar Documents

Publication Publication Date Title
US11222273B2 (en) Service recommendation method, apparatus, and device
CN110968767B (zh) 排序引擎训练方法及装置、业务卡排序方法及装置
EP3499375A1 (en) Predicting quality of an information system using system dynamics modelling and machine learning
CN106483274A (zh) 体外诊断试剂互联网校准和修正质控***及其实现方法
CN112306793A (zh) 用于监控网页的方法和装置
CN111274490A (zh) 咨询信息的处理方法和装置
CN111242666A (zh) 基于大数据分析的门店选址方法、存储介质及服务器端
CN109634986B (zh) ***监测方法、装置、计算机及计算机可读存储介质
US11275665B2 (en) Analysis system
CN114530216A (zh) 光谱分析方法、装置及可读存储介质
CN107247657B (zh) 用于展示网页坐标点击量的方法、装置和***
US20180190384A1 (en) Automated genetic test counseling
US20200065631A1 (en) Produce Assessment System
CN110689177A (zh) 订单准备时间的预测方法和装置，电子设备及存储介质
CN113568735B (zh) 数据处理方法及***
CN114944219A (zh) 基于人工智能的心理量表推荐方法及装置、存储介质
CN113379285A (zh) 建筑环境监测方法、装置、设备、存储介质及程序产品
CN110084298B (zh) 用于检测图像相似度的方法及装置
CN112565904A (zh) 视频片段推送方法、装置、服务器以及存储介质
CN113763080A (zh) 推荐物品的确定方法、装置、电子设备和存储介质
CN111462879A (zh) 即时检测设备的管理方法、***、终端设备和存储介质
CN110647653A (zh) 歌曲推荐方法、装置及计算机存储介质
CN114936310B (zh) 图表显示方法、装置、电子设备和计算机可读介质
CN111414103B (zh) 用于生成指令的方法及装置
CN114647685B (zh) 一种数据处理方法、装置、设备及介质

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