一种基于计算机程序微生物发酵过程的智能测量方法技术

本发明专利技术公开了一种基于计算机程序微生物发酵过程的智能测量方法，属于微生物发酵过程测量领域。本发明专利技术通过提供一个智能化的微生物发酵过程测量系统，所述的系统包括测试开关请求和测试结果展示模块、测试请求处理模块、测试请求相应模块；所述的测试开关请求和测试结果展示模块包括电子终端、存储在电子终端的请求程序和展示程序；所述的请求处理模块包含请求数据处理程序、请求响应数据处理程序；所述的测试请求响应模块包括信号接收模块、执行机构。通过该系统实现对微生物发酵过程精确测量，测量结果能够通过自然数据或图标的形式展示在电子终端上，测量开始和结束的指令在电子终端进行操作，不需要人为控制，完全实现智能化。

【技术实现步骤摘要】
一种基于计算机程序微生物发酵过程的智能测量方法
本专利技术涉及一种基于计算机程序微生物发酵过程的智能测量方法，属于微生物发酵过程测量领域。
技术介绍
微生物发酵过程是利用微生物的新陈代谢活动来获取目标产物的过程，为了好的控制发酵过程，需要利用实时分析工具对微生物发酵过程中的重要参数行快速监测。美国食品和药物管理局都认为生物传感器和光谱仪器结合过程分析技术(PAT)是生物发酵过程监测的有效工具可以在整个发酵过程中实时监测生物、化学和物理变量。生物传感器作为发酵过程监测有着体积小巧和便于使用的优势，但是其应用范围不如光谱仪器，一些生物传感器更是造价不菲。利用光谱技术进行发酵过程监测的优势在于速度、灵敏度和安全性。近年来光谱技术结合化学计量学进行定量定性分析已经具有非常广泛的应用，主要的化学计量方法有多元线性回归(MLR)方法、主成分分析(PCR)方法和偏最小二乘法(PLS)方法等等，其中采用PLS作为近红外光谱分析的应用最多，由于光谱的高维度和强相关性，需要对光谱数据进行必要的预处理。近红外光谱模型的建立一般包括剔除奇异样本、划分样本集、选择区间并建立模型。很多学者利用光谱分析技术结合多种计量方法，对比优选出最佳的模型并应用到各个领域。上述学者利用近红外光谱分析技术对相关领域做出了突出的贡献，但是厂商配套的近红外光谱分析软件(如Antaris近红外光谱仪配套的TQAnalyst光谱分析软件)的处理精度低、处理速度慢、处理结果展示不直观，测试开始和关闭需要人来手动控制，智能化程度低。
技术实现思路
本专利技术针对现有技术存在的上述不足，提出一种基于计算机程序微生物发酵过程的智能测量方法。本专利技术提供的方法通过采用提供一个智能化的微生物发酵过程测量系统，所述的系统包括测试开关请求和测试结果展示模块、测试请求处理模块、测试请求相应模块；实现对微生物发酵过程精确测量，测量结果能够通过自然数据或图标的形式展示在电子终端上，测量开始和结束的指令在电子终端进行操作，不需要人为控制，完全实现智能化。本专利技术通过以下技术方案实现：一种基于计算机程序微生物发酵过程的智能测量方法的专利技术，通过提供一个智能化的微生物发酵过程测量系统，所述的系统包括测试开关请求和测试结果展示模块、测试请求处理模块、测试请求相应模块；所述的测试开关请求和测试结果展示模块包括电子终端、存储在电子终端的请求程序和展示程序；所述的请求处理模块包含请求数据处理程序、请求响应数据处理程序；所述的测试请求响应模块包括信号接收模块、执行机构。所述的电子终端的请求程序和展示程序为安装在电子终端上的APP应用或WEB应用；所述的测试请求程序在APP应用上的体现为一个通过点击可以触发请求开始测试和请求关闭测试的按钮；所述的展示程序能够向服务器请求测试结果数据，能够展示服务器返回的测试结果数据，能够将服务器返回的数据通过图标的形式展示。可选地，所述的电子终端可以是，但不限于个人电脑(personalcomputer，PC)、平板电脑(personaldigitalassistant，PDA)、智能手机。所述的测试请求处理模块能够判断所述的请求是否合法，请求合法则向测试请求响应模块发送信号；所述的信号为测试开始信号、测试关闭信号、系统异常信号。所述的请求响应数据处理程序包括解析光谱数据程序、计算光谱数据程序；所述的计算光谱数据程序包括剔除异常样本、分割样本集、选择区间、建立模型。所述的剔除异常样本是：调用oushi()、mashi()、mtkl()对光谱数据进行处理，调用tichuyichang()对oushi()、mashi()、mtkl()返回的结果进行处理，调用所述的oushi()是根据欧式距离方法的思想使用java编写的计算机程序，所述的mashi()是根据马氏距离方法的思想使用java编写的计算机程序；所述的mtkl()是根据蒙特卡洛思想使用java编写的计算机程序。所述的oushi()方法代码是：所述的mashi()方法代码是：所述的mtkl()方法代码是：所述的分割样本集处理流程是：读取AlgorithmsController.java文件，执行getSpxy()函数，返回结果；所述的AlgorithmsController.java是用于划分出校正集和验证集样本所述的getSpxy()方法代码是：所述的选择区间处理流程是，读取AlgorithmsController.java文件，执行getSiPLS()函数；返回区间范围；所述的getSiPLS()函数是调用python编写的SiPLS服务，SiPLS的输入为校正集的所有样本，输出为自校正误差最小的联合区间，其步骤是：首先将样本的特征波长划分为5等份，联合其中2等分建立偏最小二乘模型，偏最小二乘模型为python库函为sklearn.cross_decomposition的PLSRegression，采用自校正均方根误差来判别优劣，选择出最佳的联合区间。所述的SiPLS()核心代码如下：print("最好的RMSECV＝",minresult[0],"区间为：[",minresult[1],",",minresult[2],"]")。所述的建立模型是，读取AlgorithmsController.java文件，执行getPLS()函数，所述的getPLS()函数是调用python编写的PLS服务，输入为校正集和验证集，输出为最佳模型，其过程是通过调用python的PLSRegression库来建立对校正集建立模型，对验证集进行模型测试，返回模型为常数项和系数。所述的测试请求响应模块包括信号接收模块、执行机构；所述的信号接受模块能够接收信号请求处理模块发出的信号，能够根据信号请求处理模块发出的信号来控制执行机构；所述的执行机构是改装过的光谱仪，该光谱仪的开关部分连接继电器，继电器根据信号接受接收模块发出的信号来吸合、断开，从而控制光谱仪开始工作、断开工作。附图说明图1是一个智能化的微生物发酵过程测量系统框图。图2是一个智能化的微生物发酵过程测量系统流程图。图3是请求响应数据处理程序的流程图。图4是剔除样本流程图。图5是mtkl()函数流程图。图6是getSpxy()函数流程图。图7是getSiPLS()函数流程图。图8是getPLS()函数流程图。图9是电子终端展示图。图10是现有软件的数据分析结果图。具体实施方式下面结合附图对本专利技术具体实施方式做进一步详细说明：本实施例在以本专利技术技术方案为前提下进行实施，给出了详细的实施方式和过程，但本专利技术的保护范围不限于下述的实施例。实施例1：一、构建系统如图1所示，构建一个智能化的微生物发酵过程测量系统。使用stm32作为主控器，外围电路、WIFI模块组成信号接收模块(1)；使用光谱仪作为执行机构(2)使用继电器(3)连接信号接收模块(1)和执行机构(2)；信号接收模块(1)、继电器(3)和执行机构(2)组成测试请求响应模块；使用计算机(4)来存储请求处理模块程序、请求数据响应模块程序；使用智能手机作为电子终端(5)，开关请求和测试结果展示模块程序存储在电子终端(5)内；计算机(4)和测试请求响应模块通过WIFI无线网络联系；电子终端上存储的测试开关请求和测试结果展示模块本文档来自技高网...

【技术保护点】
1.一种微生物发酵过程的测量方法，其特征在于，通过提供一个智能化的微生物发酵过程测量系统来实现对微生物发酵过程的自动测量，所述的系统包括测试开关请求和测试结果展示模块、测试请求处理模块、测试请求相应模块；所述的测试开关请求和测试结果展示模块包括电子终端、存储在电子终端的请求程序和展示程序；所述的请求处理模块包含请求数据处理程序、请求响应数据处理程序；所述的测试请求响应模块包括信号接收模块、执行机构。

【技术特征摘要】
1.一种微生物发酵过程的测量方法，其特征在于，通过提供一个智能化的微生物发酵过程测量系统来实现对微生物发酵过程的自动测量，所述的系统包括测试开关请求和测试结果展示模块、测试请求处理模块、测试请求相应模块；所述的测试开关请求和测试结果展示模块包括电子终端、存储在电子终端的请求程序和展示程序；所述的请求处理模块包含请求数据处理程序、请求响应数据处理程序；所述的测试请求响应模块包括信号接收模块、执行机构。2.根据权利要求1所述的方法，其特征在于，所述的电子终端的请求程序和展示程序为安装在电子终端上的APP应用或WEB应用；所述的测试请求程序在APP应用上的体现为一个通过点击可以触发请求开始测试和请求关闭测试的按钮；所述的展示程序能够向服务器请求测试结果数据，能够展示服务器返回的测试结果数据，能够将服务器返回的数据通过图标的形式展示。3.根据权利要求1所述的方法，其特征在于，所述的电子终端是人电脑(personalcomputer，PC)或平板电脑(personaldigitalassistant，PDA)或智能手机。4.根据权利要求1所述的方法，其特征在于，所述的请求响应数据处理程序包括解析光谱数据程序、计算光谱数据程序；所述的计算光谱数据程序包括剔除异常样本、分割样本集、选择区间、建立模型；所述的剔除异常样本是：调用oushi()、mashi()、mtkl()对光谱数据进行处理，调用tichuyichang()对oushi()、mashi()、mtkl()返回的结果进行处理，调用所述的oushi()是根据欧式距离方法的思想使用java编写的计算机程序，所述的mashi()是根据马氏距离方法的思想使用java编写的计算机程序；所述的mtkl()是根据蒙特卡洛思想使用python编写的计算机程序，然后由java调用。5.根据权利要...

【专利技术属性】
技术研发人员：陈树，胡斌，
申请(专利权)人：江南大学，
类型：发明
国别省市：江苏,32