液体检测方法、装置、设备及存储介质

专利主权项内容

1.一种液体检测方法，其特征在于，所述液体检测方法应用于液体检测系统，所述液体检测系统包括液路设备以及安装于所述液路设备中的传感器、泵和阀门，所述液体检测方法包括：获取待检样品以及所述待检样品的检测事项，并根据所述检测事项确定所述待检样品对应的检测试剂，其中，所述检测事项包括检测配比和反应条件；调整所述液路设备中的泵和阀门，根据所述反应条件将所述检测配比对应容量的待检样品和检测试剂输入所述液路设备中，并通过所述传感器实时采集所述液路设备内的反应数据；根据预设的闭环控制算法和所述反应数据对所述液路设备中的泵和阀门进行动态调整，直至所述待检样品和检测试剂反应完成，其中，所述根据预设的闭环控制算法和所述反应数据对所述液路设备中的泵和阀门进行动态调整，直至所述待检样品和检测试剂反应完成包括：根据预设的闭环控制算法确定所述反应数据的实时设定值，并确定所述实时设定值和所述反应数据之间的反应偏差值；获取所述待检样品和检测试剂的反应时间，并根据所述反应偏差值和预设的比例增益因子计算比例偏差值；根据所述待检样品和检测试剂反应时间对所述反应偏差值进行累加，得到积分偏差值；计算所述反应偏差值的变化率，并根据所述变化率与预设的微分增益因子计算微分偏差值；根据所述比例偏差值、积分偏差值和微分偏差值确定所述泵和阀门的控制信号；根据所述控制信号实时动态控制所述泵和阀门，直至所述待检样品和检测试剂反应完成；所述传感器还包括光谱传感器；当所述待检样品和检测试剂反应完成时，通过所述光谱传感器获取混合反应物中各反应物质的光谱参数，其中，所述混合反应物为所述待检样品和检测试剂反应完成后得到的多种反应物质；在所述根据预设的闭环控制算法和所述反应数据对所述液路设备中的泵和阀门进行动态调整，直至所述待检样品和检测试剂反应完成之前，获取所述混合反应物的训练数据，其中，所述混合反应物包括第一反应物质和第二反应物质，所述训练数据包括所述第一反应物质和第二反应物质在各实际反应物质浓度下的历史光谱参数；初始化所述第一反应物质和第二反应物质的第一特征表示和第二特征表示；分别将各训练数据和对应的第一特征表示/或第二特征表示输入至对应的反应物质的初始子模型中，通过所述初始子模型对输入的训练数据和第一特征表示/或第二特征表示进行浓度检测，分别得到所述第一反应物质和第二反应物质对应的当前检测浓度；根据所述第一反应物质和所述第二反应物质的当前检测浓度和所述实际反应物质浓度分别计算预设的损失函数，分别得到所述第一反应物质和所述第二反应物质的损失函数值；判断所述第一反应物质和/或所述第二反应物质的损失函数值是否大于预设损失阈值；若所述第一反应物质的损失函数值大于预设损失阈值，则将所述第二反应物质的当前检测浓度作为第一特征表示，并返回至分别将各训练数据和对应的第一特征表示/或第二特征表示输入至对应的反应物质的初始子模型中的步骤，直至所述第一反应物质的损失函数值不大于预设损失阈值；若所述第二反应物质的损失函数值大于预设损失阈值，将所述第一反应物质的当前检测浓度作为第二特征表示，并返回至分别将各训练数据和对应的第一特征表示/或第二特征表示输入至对应的反应物质的初始子模型中的步骤，直至所述第二反应物质的损失函数值不大于预设损失阈值；当所述第一反应物质和/或所述第二反应物质的损失函数值不大于预设损失阈值，将对应的初始子模型作为检测子模型；根据所述第一反应物质和所述第二反应物质的检测子模型，组成所述混合反应物的浓度检测模型；所述检测子模型由卷积神经网络和双向长短期记忆网络构成；将所述待检样品和检测试剂反应完成时各反应物质的光谱参数输入所述浓度检测模型对应的各检测子模型中，通过对应的检测子模型中的卷积神经网络获取对应的反应物质的光谱参数的局部空间信息；将所述局部空间信息输入所述检测子模型的双向长短期记忆网络中，通过所述双向长短期记忆网络提取对应的光谱参数的时间序列信息；将各光谱参数的时间序列信息输入所述浓度检测模型的输出层中，通过所述输出层将所述各光谱参数的时间序列信息映射至对应的反应物质的浓度上，得到各反应物质的反应物浓度。 更多数据：