一种用于肉源掺假快检的多通道样品处理器

    公开(公告)号:CN118883211A

    公开(公告)日:2024-11-01

    申请号:CN202411088645.5

    申请日:2024-08-09

    IPC分类号: G01N1/28 G01N1/34

    摘要: 本发明涉及生化检测样品制备,提供了一种用于肉源掺假快检的多通道样品处理器,包括壳体,多个设于壳体内的粉碎装置,以及与粉碎装置连接的供水装置;粉碎装置包括竖直固定设于壳体内的锥形的粉碎管,设于粉碎管内的锥形的粉碎辊,设于粉碎管与粉碎辊之间上方的进料管,设于粉碎辊外壁的螺旋状的粉碎条,用以驱动粉碎辊转动的第一驱动装置,可拆卸设于粉碎管下端的样品管,以及开设于样品管下端的滤水孔;粉碎管和粉碎辊均为上大下小结构;供水装置包括水泵,与水泵连接的出水管,以及多个与出水管连接的喷水管;一个喷水管设于一个粉碎管上端。本发明的用于肉源掺假快检的多通道样品处理器,其能够高效地同时对多个肉类样品进行检测前处理。

    一种用于顶空检测中纤维类样品的前处理装置

    公开(公告)号:CN116773303A

    公开(公告)日:2023-09-19

    申请号:CN202311049018.6

    申请日:2023-08-21

    IPC分类号: G01N1/28

    摘要: 本发明属于气体检测的领域,提供了一种用于顶空检测中纤维类样品的前处理装置,包括压力瓶,第一盖体,滑动设于压力瓶内的置物装置,以及与置物装置可拆卸连接的驱动装置;置物装置包括中空的置物盒,设于置物盒靠近第一盖体一端的连接孔,设于连接孔处的连接管,以及多个设于置物盒上下两端的透气孔;驱动装置包括连接杆,与连接杆可拆卸连接的驱动杆,以及用以驱动驱动杆沿轴向运动的驱动机构;连接管设于置物盒内部;连接杆与连接管可拆卸连接,驱动杆穿过第一盖体后与连接杆连接。本发明的用于顶空检测中纤维类样品的前处理装置,其能够有效地对顶空样品进行前处理,提高样品中挥发气体的挥发量。

    一种用于顶空检测中纤维类样品的前处理装置

    公开(公告)号:CN116773303B

    公开(公告)日:2023-10-24

    申请号:CN202311049018.6

    申请日:2023-08-21

    IPC分类号: G01N1/28

    摘要: 本发明属于气体检测的领域,提供了一种用于顶空检测中纤维类样品的前处理装置,包括压力瓶,第一盖体,滑动设于压力瓶内的置物装置,以及与置物装置可拆卸连接的驱动装置;置物装置包括中空的置物盒,设于置物盒靠近第一盖体一端的连接孔,设于连接孔处的连接管,以及多个设于置物盒上下两端的透气孔;驱动装置包括连接杆,与连接杆可拆卸连接的驱动杆,以及用以驱动驱动杆沿轴向运动的驱动机构;连接管设于置物盒内部;连接杆与连接管可拆卸连接,驱动杆穿过第一盖体后与连接杆连接。本发明的用于顶空检测中纤维类样品的前处理装置,其能够有效地对顶空样品进行前处理,提高样品中挥发气体的挥发量。

    基于机器学习聚类算法的材质结构归类方法及系统

    公开(公告)号:CN114492572B

    公开(公告)日:2022-10-28

    申请号:CN202111575177.0

    申请日:2021-12-21

    IPC分类号: G06K9/62 G06N20/00

    摘要: 本发明提供了基于机器学习聚类算法的材质结构归类方法及系统,步骤如下:建立数据集:征集多层复合膜的材质结构样本数据,并获取样本数据的离散型维度特征以及连续型维度特征;特征预处理:对特征值进行标准化处理;通过聚类算法对特征预处理后的数据集进行聚类分析,然后进行建模,以模型输出的聚类结果对模型进行评估,得到最优聚类算法;输出基于所述最优聚类算法得到的模型的聚类结果,根据该聚类结果统计材质结构被归入各类别的数据量占该材质结构总数据量的百分比,选取占比最大的类别作为归类结果。本发明根据人工智能技术来对复合膜维度特征进行分析,通过处理样本数据的5个维度特征,实现了对各种材质结构的精确归类。

    基于机器学习聚类算法的材质结构归类方法及系统

    公开(公告)号:CN114492572A

    公开(公告)日:2022-05-13

    申请号:CN202111575177.0

    申请日:2021-12-21

    IPC分类号: G06K9/62 G06N20/00

    摘要: 本发明提供了基于机器学习聚类算法的材质结构归类方法及系统,步骤如下:建立数据集:征集多层复合膜的材质结构样本数据,并获取样本数据的离散型维度特征以及连续型维度特征;特征预处理:对特征值进行标准化处理;通过聚类算法对特征预处理后的数据集进行聚类分析,然后进行建模,以模型输出的聚类结果对模型进行评估,得到最优聚类算法;输出基于所述最优聚类算法得到的模型的聚类结果,根据该聚类结果统计材质结构被归入各类别的数据量占该材质结构总数据量的百分比,选取占比最大的类别作为归类结果。本发明根据人工智能技术来对复合膜维度特征进行分析,通过处理样本数据的5个维度特征,实现了对各种材质结构的精确归类。