[发明专利]基于云服务器的质量检测系统有效

专利信息
申请号: 201610655957.9 申请日: 2016-08-11
公开(公告)号: CN106323889B 公开(公告)日: 2019-04-05
发明(设计)人: 张立国;倪力军 申请(专利权)人: 上海赛诚医药科技有限公司
主分类号: G01N21/31 分类号: G01N21/31;G01N21/33;G01N21/3563;G01N21/359;G01N21/65
代理公司: 上海翼胜专利商标事务所(普通合伙) 31218 代理人: 翟羽;曾人泉
地址: 201102 上海市*** 国省代码: 上海;31
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 云服务器 校正 智能终端 检测 质量检测系统 预测结果 调用 产品质量检测 模型数据库 仪器数据库 查询检测 校正模型 样品性质 仪器连接 预测模型 质量检测 返回 网络化 预测 数据库 存储 互联网
【权利要求书】:

1.一种云服务器,其特征在于,包括仪器数据库、云仪器、校正数据库、算法数据库、样品数据库以及模型数据库;

所述仪器数据库用于存储进行质量检测的检测仪器的仪器序列号、检测样品种类、检测时间、积累使用时间以及最近一次校正时间;

所述云仪器为在所述云服务器上根据激励源产生的所述检测仪器的虚拟响应信号的数据列;

所述校正数据库用于存储所述检测仪器上产生的校正模型和所述检测仪器进行校正所采用的校正算法;

所述算法数据库用于存储建立待测样品成分预测的建模算法;

所述样品数据库用于存储待测样品的样品名称、产地、仪器检测值、化学成分值;

所述模型数据库用于存储根据所述样品数据库及所述算法数据库建立的预测待测样品中成分的样品性质预测模型及模型参数。

2.根据权利要求1所述的云服务器,其特征在于,所述校正数据库存储的校正算法包含神经元网络算法、基因算法、随机森林树算法、多项式拟合算法、偏最小二乘回归算法、多元线性回归算法以及逻辑回归算法的至少其中之一。

3.根据权利要求1所述的云服务器,其特征在于,所述算法数据库存储的建模算法包括KNN保形映射算法、偏最小二乘回归算法、SIMCA算法、PCA算法、多项式拟合算法、多元线性回归算法、逻辑回归算法、随机森林树算法,神经元网络算法以及基因算法的至少其中之一。

4.根据权利要求1所述的云服务器,其特征在于,所述云服务器还包括用户数据库,所述用户数据库用于存储用户的用户名称、待测样品种类、待测样品产地、待测样品检测批数、待测样品检测时间。

5.根据权利要求1所述的云服务器,其特征在于,所述云服务器由一个或多个服务器组成。

6.一种基于云服务器的质量检测系统,其特征在于,包括检测仪器、智能终端以及权利要求1-5任意一项所述的云服务器;

所述检测仪器为具有无线通讯功能的光谱仪,所述光谱仪为紫外光谱仪、可见光光谱仪、近红外光谱仪、红外光谱仪、拉曼光谱仪以及多源复合光谱仪的其中之一,所述检测仪器用于对待测样品进行检测;

所述云服务器用于接收所述智能终端获取的所述检测仪器的仪器序列号,并根据所接收到的仪器序列号在所述云服务器的所述仪器数据库中查询所述检测仪器的状态,以判别所述检测仪器的检测信号是否需要校正;

若所述检测仪器的检测信号需要校正,所述云服务器调用所述云服务器的所述云仪器对所述检测仪器的检测信号进行校正,并形成校正模型存入所述云服务器的所述校正数据库中,之后对待测样品的性质进行预测,预测结果返回所述智能终端;

若所述检测仪器的检测信号不需校正,所述云服务器调用所述模型数据库中存储的样品性质预测模型对待测样品的性质进行预测,预测结果返回所述智能终端。

7.根据权利要求6所述的基于云服务器的质量检测系统,其特征在于,所述云服务器调用所述云服务器的所述云仪器对所述检测仪器的检测信号进行校正,并形成校正模型存入所述云服务器的所述校正数据库中,之后对待测样品的性质进行预测进一步为:所述云服务器调用所述算法数据库中的建模算法和所述样品数据库中的数据进行模型优化,获得待测样品的样品性质预测模型以对待测样品的性质进行预测,并将获得的待测样品的样品性质预测模型存于所述模型数据库中。

8.根据权利要求6所述的基于云服务器的质量检测系统,其特征在于,当所述云服务器包括用户数据库时,将所述预测结果存于用户数据库中。

9.根据权利要求6所述的基于云服务器的质量检测系统,其特征在于,所述检测仪器与所述智能终端通过无线通讯方式连接,所述智能终端与所述云服务器通过无线通讯方式连接。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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上海赛诚医药科技有限公司,未经上海赛诚医药科技有限公司许可,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/201610655957.9/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top