色谱数据图处理方法、计算机设备和计算机可读存储介质技术

本公开的实施例公开了色谱数据图处理方法、计算机设备和计算机可读存储介质。该方法的一具体实施方式包括：获取预设历史时间段内色谱仪产生的色谱数据图集；对于色谱数据图集中的每个色谱数据图，执行如下处理步骤：基于设定的色谱图像识别模型，确定色谱数据图是否为扰动色谱数据图；响应于确定色谱数据图不为扰动色谱数据图，输出色谱数据图；将色谱数据图输入至预先训练的异常色谱图像识别模型中，得到异常色谱图像识别结果，其中，异常色谱图像识别结果表征色谱数据图是否为异常色谱数据图；响应于确定异常色谱图像识别结果表征色谱数据图为异常色谱数据图，对色谱数据图进行标记，得到标记色谱数据图。该实施方式缩短了技术人员的解析时间。技术人员的解析时间。技术人员的解析时间。

【技术实现步骤摘要】
色谱数据图处理方法、计算机设备和计算机可读存储介质


[0001]本公开的实施例涉及色谱分析领域，具体涉及色谱数据图处理方法、计算机设备和计算机可读存储介质。

技术介绍

[0002]色谱仪是进行色谱分析的装置，灵敏度和自动化程度高，被广泛应用在化学产品分析实验中。目前，对于色谱数据图的分析，通常采用的方式为：将所生成的各个色谱数据图发送至技术人员的电脑终端进行解析。然而，采用上述方式通常会存在以下技术问题：由于色谱数据图较多，未进行分类，导致技术人员需要花费的解析时间较长。

技术实现思路

[0003]本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
[0004]本公开的一些实施例提出了色谱数据图处理方法、计算机设备和计算机可读存储介质，来解决以上
技术介绍
部分提到的技术问题。
[0005]第一方面，本公开的一些实施例提供了一种色谱数据图处理方法，该方法包括：获取预设历史时间段内色谱仪产生的色谱数据图集；对于上述色谱数据图集中的每个色谱数据图，执行如下处理步骤：基于设定的色谱图像识别模型，确定上述色谱数据图是否为扰动色谱数据图；响应于确定上述色谱数据图不为扰动色谱数据图，输出上述色谱数据图；将上述色谱数据图输入至预先训练的异常色谱图像识别模型中，得到异常色谱图像识别结果，其中，上述异常色谱图像识别结果表征上述色谱数据图是否为异常色谱数据图；响应于确定上述异常色谱图像识别结果表征上述色谱数据图为异常色谱数据图，对上述色谱数据图进行标记，得到标记色谱数据图。
[0006]第二方面，本公开的一些实施例提供一种计算机设备，上述计算机设备包括处理器、存储器、以及存储在上述存储器上并可被上述处理器执行的计算机程序，其中上述计算机程序被上述处理器执行时，实现如上述第一方面任一实现方式所描述的方法。
[0007]第三方面，本公开的一些实施例提供一种计算机可读存储介质，上述计算机可读存储介质上存储有计算机程序，其中上述计算机程序被处理器执行时，实现如上述第一方面任一实现方式所描述的方法。
[0008]本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的色谱数据图处理方法，可以对产生的色谱数据图进行检测标记。从而实现了对色谱数据图的分类，缩短了技术人员的解析时间。首先，获取预设历史时间段内色谱仪产生的色谱数据图集。由此，为对色谱数据图的分类，提供了数据支持。其次，对于上述色谱数据图集中的每个色谱数据图，执行如下处理步骤：首先，基于设定的色谱图像识别模型，确定上述色谱数据图是否为扰动色谱数据图。由此，可以确定色谱数据图是否为对抗图像（扰动图像）。接着，响应
于确定上述色谱数据图不为扰动色谱数据图，输出上述色谱数据图。然后，将上述色谱数据图输入至预先训练的异常色谱图像识别模型中，得到异常色谱图像识别结果。其中，上述异常色谱图像识别结果表征上述色谱数据图是否为异常色谱数据图。由此，可以初步对色谱数据图进行检测识别。从而对色谱数据图进行分类。最后，响应于确定上述异常色谱图像识别结果表征上述色谱数据图为异常色谱数据图，对上述色谱数据图进行标记，得到标记色谱数据图。由此，可以对产生的色谱数据图进行检测标记。从而实现了对色谱数据图的分类，缩短了技术人员的解析时间。
附图说明
[0009]结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，元件和元素不一定按照比例绘制。
[0010]图1是根据本公开的色谱数据图处理方法的一些实施例的流程图；图2是本公开实施例提供的一种计算机设备的结构示意性框图。
具体实施方式
[0011]下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
[0012]另外还需要说明的是，为了便于描述，附图中仅示出了与有关专利技术相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
[0013]需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
[0014]需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
[0015]本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
[0016]下面将参考附图并结合实施例来详细说明本公开。
[0017]图1是根据本公开一些实施例的色谱数据图处理方法的一些实施例的流程图。示出了根据本公开的色谱数据图处理方法的一些实施例的流程100。该色谱数据图处理方法，包括以下步骤：步骤101，获取预设历史时间段内色谱仪产生的色谱数据图集。
[0018]在一些实施例中，色谱数据图处理方法的执行主体（例如服务器）可以通过有线连接或无线连接的方式获取预设历史时间段内色谱仪产生的色谱数据图集。这里，对于预设历史时间段的设定，不做限定。色谱数据图可以是指色谱图。
[0019]步骤102，对于上述色谱数据图集中的每个色谱数据图，执行如下处理步骤：步骤1021，基于设定的色谱图像识别模型，确定上述色谱数据图是否为扰动色谱数据图。
[0020]在一些实施例中，上述执行主体可以基于设定的色谱图像识别模型，确定上述色谱数据图是否为扰动色谱数据图。这里，色谱图像识别模型可以是采用对抗训练得到的。扰动色谱数据图可以是表征添加了对抗性扰动的对抗图像。即，可以将色谱数据图输入至上述色谱图像识别模型中，用于确定上述色谱数据图是否为扰动色谱数据图。
[0021]这里，上述色谱图像识别模型可以是通过对初始模型进行对抗训练增强得到的。此处的初始模型可以为图像分类模型。也就是说，在初始模型已训练完成的情况下，可以对其进行对抗训练。进而可以将对抗训练完成的初始模型作为色谱图像识别模型。既可以增强模型自身的防御能力，又可以减少对处理流程的改动。
[0022]此外，上述色谱图像识别模型也可以是单独设置的。也就是说，可以通过对抗样本图像和正向样本图像作为训练数据，对初始模型进行对抗训练，从而得到色谱图像识别模型。其中，正向样本图像通常是未增加对抗性扰动的样本图像。例如，训练初始模型所使用的样本图像。这里的初始模型可以是具有任意神经网络模型结构的模型。此时，可以将色谱图像识别模型设置在初始模型的处本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种色谱数据图处理方法，包括：获取预设历史时间段内色谱仪产生的色谱数据图集；对于所述色谱数据图集中的每个色谱数据图，执行如下处理步骤：基于设定的色谱图像识别模型，确定所述色谱数据图是否为扰动色谱数据图；响应于确定所述色谱数据图不为扰动色谱数据图，输出所述色谱数据图；将所述色谱数据图输入至预先训练的异常色谱图像识别模型中，得到异常色谱图像识别结果，其中，所述异常色谱图像识别结果表征所述色谱数据图是否为异常色谱数据图；响应于确定所述异常色谱图像识别结果表征所述色谱数据图为异常色谱数据图，对所述色谱数据图进行标记，得到标记色谱数据图。2.根据权利要求1所述的方法，其中，所述异常色谱图像识别模型是通过以下步骤训练得到的：获取样本色谱数据图集；从所述样本色谱数据图集中选择出目标样本色谱数据图；提取所述目标样本色谱数据图的显著图；基于所述显著图，对初始异常色谱图像识别模型进行训练，得到训练后的异常色谱图像识别模型。3.根据权利要求2所述的方法，其中，所述基于所述显...

【专利技术属性】
技术研发人员：王东强，冀禹璋，
申请(专利权)人：华谱科仪北京科技有限公司，
类型：发明
国别省市：