一种用于化学发光仪器的智能化数据处理方法与流程

本发明涉及数据处理，具体涉及一种用于化学发光仪器的智能化数据处理方法。

背景技术：

1、化学发光仪器是一种用于检测和分析化学发光现象的仪器。它利用化学反应产生的光信号，通过光电转换装置将光信号转换为电信号，从而实现对发光现象的观测、定量分析和质量控制。并且化学发光仪器的应用范围广泛，可以用于生命科学、医学、环境监测、食品安全等多个领域中的检测、分析和研究任务。它具备快速、敏感、无损和高通量分析的优点，为相关领域的研究和应用提供了强大的工具。

2、现有的问题：化学发光仪器精度智能化检测的现有方法是通过测量一系列已知浓度的标准溶液，构建标准曲线，通过实际曲线与标准曲线的对比，得到实际曲线对应的溶液浓度。但由于是同一种物质，当该溶液在不同浓度下的发光信号强度的变化较小时，其识别率较低，会导致检测结果不准确。

技术实现思路

1、本发明提供一种用于化学发光仪器的智能化数据处理方法，以解决现有的问题。

2、本发明的一种用于化学发光仪器的智能化数据处理方法采用如下技术方案：

3、本发明一个实施例提供了一种用于化学发光仪器的智能化数据处理方法，该方法包括以下步骤：

4、使用化学发光仪器采集待测溶液和若干个标准溶液在不同波长数据值下的发光强度信号，得到待测溶液的实际曲线和标准溶液的标准曲线；使用emd分解，得到每个标准曲线对应的imf分量序列，以及所有标准曲线对应的imf分量序列中的标准序数值；

5、根据标准序数值对应的每个imf分量中相邻波长数据值对应的发光信号强度之间的差异，确定标准序数值对应的每个imf分量中每个波长数据值的极值性；

6、根据每个标准序数值对应的所有imf分量中同一波长数据值对应的发光信号强度和极值性，确定每个标准序数值对应的所有imf分量中同一波长数据值的初始重要性；

7、根据每个标准序数值对应的所有imf分量之间的差异，确定每个标准序数值对应的权重；根据所有标准序数值对应的权重、所有标准序数值对应的所有imf分量中同一波长数据值的初始重要性，确定所有标准曲线中同一波长数据值的重要性；

8、根据所有标准曲线中同一波长数据值的重要性，确定每个标准曲线对应的拼接序列；根据所有拼接序列构成训练集，通过训练集训练得到神经网络；将待测溶液的实际曲线对应的拼接序列输入到神经网络中，得到待测溶液的浓度。

9、进一步地，所述使用emd分解，得到每个标准曲线对应的imf分量序列，以及所有标准曲线对应的imf分量序列中的标准序数值，包括的具体步骤如下：

10、对每条标准曲线进行emd分解，得到每条标准曲线分解出的若干个imf分量；

11、将每条标准曲线分解出的所有imf分量从高频到低频排序，得到每条标准曲线对应的imf分量序列；

12、在所有标准曲线对应的imf分量序列中，当相同序数值的数量等于预设的标准溶液的数量时，将所述序数值记为标准序数值。

13、进一步地，所述根据标准序数值对应的每个imf分量中相邻波长数据值对应的发光信号强度之间的差异，确定标准序数值对应的每个imf分量中每个波长数据值的极值性，包括的具体步骤如下：

14、将任意一个标准序数值对应的任意一个imf分量中的任意一个波长数据值，记为目标波长数据值；

15、在目标波长数据值与其相邻的所有波长数据值对应的发光信号强度中，若目标波长数据值对应的发光信号强度既不是极大值、也不是极小值时，将目标波长数据值的极值性设置为预设的极值性；

16、若目标波长数据值对应的发光信号强度是极大值或者极小值时，根据目标波长数据值对应的发光信号强度与其相邻波长数据值对应的发光信号强度之间的差异，确定目标波长数据值的极值性。

17、进一步地，所述若目标波长数据值对应的发光信号强度是极大值或者极小值时，根据目标波长数据值对应的发光信号强度与其相邻波长数据值对应的发光信号强度之间的差异，确定目标波长数据值的极值性，包括的具体步骤如下：

18、若目标波长数据值对应的发光信号强度是极大值时，将目标波长数据值对应的发光信号强度减去目标波长数据值相邻的所有波长数据值对应的发光信号强度中的最大值，记为目标波长数据值对应的极大差异；

19、将目标波长数据值对应的极大差异除以目标波长数据值对应的发光信号强度，记为目标波长数据值的极值性；

20、若目标波长数据值对应的发光信号强度是极小值时，将目标波长数据值相邻的所有波长数据值对应的发光信号强度中的最小值减去目标波长数据值对应的发光信号强度，记为目标波长数据值对应的极小差异；

21、将目标波长数据值对应的极小差异除以目标波长数据值相邻的所有波长数据值对应的发光信号强度中的最小值，记为目标波长数据值的极值性。

22、进一步地，所述根据每个标准序数值对应的所有imf分量中同一波长数据值对应的发光信号强度和极值性，确定每个标准序数值对应的所有imf分量中同一波长数据值的初始重要性，包括的具体步骤如下：

23、在每个标准序数值对应的所有imf分量中，统计同一波长数据值在所有imf分量中对应的发光信号强度和极值性，根据所述极值性的均值和所述发光信号强度的方差，确定每个标准序数值对应的所有imf分量中同一波长数据值的初始重要性。

24、进一步地，所述根据所述极值性的均值和所述发光信号强度的方差，确定每个标准序数值对应的所有imf分量中同一波长数据值的初始重要性对应的具体计算公式为：

25、

26、其中s为第i个标准序数值对应的所有imf分量中同一波长数据值的初始重要性，z为第i个标准序数值对应的imf分量的数量，为同一波长数据值对应在第i个标准序数值对应的第j个imf分量中的极值性，v为同一波长数据值对应在第i个标准序数值对应的所有imf分量中的发光信号强度的方差。

27、进一步地，所述根据每个标准序数值对应的所有imf分量之间的差异，确定每个标准序数值对应的权重，包括的具体步骤如下：

28、在每个标准序数值对应的所有imf分量中，计算任意两个imf分量的余弦相似度，将一减去所述两个imf分量的余弦相似度的差值，记为所述两个imf分量的差异性；

29、将每个标准序数值对应的所有imf分量的差异性的均值，记为每个标准序数值对应的权重。

30、进一步地，所述根据所有标准序数值对应的权重、所有标准序数值对应的所有imf分量中同一波长数据值的初始重要性，确定所有标准曲线中同一波长数据值的重要性，包括的具体步骤如下：

31、将每个标准序数值对应的权重与每个标准序数值对应的所有imf分量中同一波长数据值的初始重要性的乘积，记为每个标准序数值下的同一波长数据值的重要性；

32、根据所有标准序数值下的同一波长数据值的重要性，确定所有标准曲线中同一波长数据值的重要性。

33、进一步地，所述根据所有标准序数值下的同一波长数据值的重要性，确定所有标准曲线中同一波长数据值的重要性对应的具体计算公式为：

34、

35、其中m为所有标准曲线中同一波长数据值的重要性，为所有标准曲线对应的imf分量序列中第x个标准序数值对应的权重，y为所有标准曲线对应的imf分量序列中的标准序数值的数量，为所有标准曲线对应的imf分量序列中第x个标准序数值对应的所有imf分量中同一波长数据值的初始重要性，为所有标准曲线对应的imf分量序列中第x个标准序数值下的同一波长数据值的重要性，norm()为线性归一化函数。

36、进一步地，所述根据所有标准曲线中同一波长数据值的重要性，确定每个标准曲线对应的拼接序列，包括的具体步骤如下：

37、将重要性大于预设的重要性阈值的波长数据值，记为特征波长数据值；

38、使用多项式拟合的方法，对每条标准曲线中所有特征波长数据值对应的发光信号强度进行曲线拟合，得到拟合曲线，记为每条标准曲线的特征标准曲线；

39、在标准曲线上，从左至右依次统计每个波长数据值对应的发光信号强度，得到标准序列；

40、在特征标准曲线上，从左至右依次统计每个波长数据值对应的发光信号强度，得到特征标准序列；

41、将特征标准序列中的数据从左至右依次排列在对应的标准序列中的最后一个数据之后，得到标准序列对应的拼接序列。

42、本发明的技术方案的有益效果是：

43、本发明实施例中，通过对标准溶液的标准曲线进行emd分解，得到每个标准曲线对应的imf分量序列，并获取所有标准曲线对应的imf分量序列中的标准序数值，根据标准序数值对应的每个imf分量中相邻波长数据值对应的发光信号强度之间的差异，确定标准序数值对应的每个imf分量中每个波长数据值的极值性，再结合每个标准序数值对应的所有imf分量中同一波长数据值对应的发光信号强度，确定每个标准序数值对应的所有imf分量中同一波长数据值的初始重要性。根据每个标准序数值对应的所有imf分量之间的差异，确定每个标准序数值对应的权重，从而得到所有标准曲线中同一波长数据值的重要性，进而确定每个标准曲线对应的拼接序列，根据所有拼接序列构成训练集，通过训练集训练得到所需的神经网络，将待测溶液的实际曲线对应的拼接序列输入到所需的神经网络中，得到待测溶液的浓度。其通过emd分解得到不同尺度下的分量数据，通过不同尺度下的分量数据，得到每个波长在每个尺度下的随浓度变化的变化程度，有助于后续的特征波长的提取，并通过将每个尺度下的所有分量数据的差异性作为权重，对每个尺度下的波段重要性进行加权，得到了更加精确的重要性，有助于后续的神经网络识别，再通过对特征波长进行拟合，得到拟合曲线，避免了少量波长导致的重要特征被原始曲线中特征影响，导致的特征损失，最后通过将重要数据构成的特征标准曲线和标准曲线，得到拼接序列，作为神经网络输入，较大提高了神经网络对不同溶液的浓度识别精度和准确度。