本申請屬于乙腈檢測，具體涉及一種乙腈識別方法、裝置、介質及設備。
背景技術：
1、乙腈的檢測對于工業安全和環境監測至關重要。現有比色法雖能實現快速篩查，但結果判讀依賴人眼主觀觀察，易受環境光線、個體色差感知能力影響，難以實現精確量化、數據留存和遠程監控。傳統的儀器分析法則無法滿足現場、實時、快速的需求。
2、圖像識別技術雖已廣泛應用于醫療診斷、工業檢測等領域，但直接用于特定化學溶劑如乙腈的識別，亟需一種專有的、能夠將化學響應轉化為可捕獲圖像特征并將其與目標物濃度精準關聯的系統化方法。現有技術缺乏一種將特異性化學反應、圖像采集標準化、智能算法分析三者無縫集成的一體化解決方案。
技術實現思路
1、針對現有技術中的不足，本申請的目的在于提供一種乙腈識別方法、裝置、介質及設備，本申請旨在實現對乙腈的快速、客觀、精準的現場定性與定量檢測。
2、為實現上述目的，本申請提供以下技術方案：
3、一種乙腈識別方法，所述方法包括：將待測樣品與比色檢測試劑混合，獲得待測混合物；對所述待測混合物進行圖像采集；對圖像進行預處理，并對預處理后的圖像進行感興趣區域提取，獲得roi圖像；將所述roi圖像輸入乙腈識別模型，以判斷待測樣品是否為乙腈以及輸出乙腈濃度值。
4、可選的，所述對圖像進行預處理，包括：對圖像進行顏色校正；對顏色校正后的圖像進行去噪與增強處理；對去噪與增強處理后的圖像進行標準化。
5、可選的，所述對預處理后的圖像進行感興趣區域提取，獲得roi圖像，包括：對反應容器進行語義分割，獲得初始分割掩膜；基于初始分割掩膜進行自適應形態學優化與待測樣品區域識別；對所識別的待測樣品區域進行質量評估及最優感興趣區域選擇。
6、可選的，所述乙腈識別模型包括：多尺度化學感知主干網絡、多任務協同注意力模塊、雙任務并行輸出分支、不確定性估計模塊和決策融合與輸出層，其中，多尺度化學感知主干網絡用于提取roi圖像中不同尺度的圖像特征；多任務協同注意力模塊用于引導模型聚焦于roi圖像中對分類和回歸任務最關鍵的區域；雙任務并行輸出分支用于基于最關鍵的區域對乙腈進行定性識別與濃度定量回歸；不確定性估計模塊用于對模型的輸出結果進行可靠性評估；決策融合與輸出層用于整合定性識別、定量回歸以及可靠性評估信息，并輸出最終決策。
7、可選的，所述多尺度化學感知主干網絡包括底層網絡和高層網絡，其中，底層網絡用于捕獲roi圖像中顏色漸變、局部紋理與邊緣等細微的顯色模式；高層網絡通過引入滑動窗口注意力機制，用于將底層網絡提取的顏色與紋理特征轉化為多尺度高級語義表征并獲得多尺度特征圖。
8、可選的，所述多任務協同注意力模塊包括并行運行的定性注意力子網絡和定量注意力子網絡。
9、可選的，所述乙腈識別模型通過以下步驟進行訓練：構建訓練數據集，所述訓練數據集包含多個待測樣品與比色檢測試劑反應后的roi圖像，以及每個roi圖像對應的定性標簽和定量濃度標簽；對所述訓練數據集中的roi圖像進行預處理；初始化乙腈識別模型的網絡參數；利用預處理后的訓練數據集，通過多任務損失函數對所述乙腈識別模型進行端到端訓練，直至模型收斂，得到訓練好的乙腈識別模型；對訓練好的乙腈識別模型進行驗證，驗證過程中，持續監控定性任務與定量任務的性能指標以及不確定性校準情況，當各指標在連續n各訓練周期內未呈現提升，模型驗證通過，否則重新初始化模型的網絡參數。
10、本申請還提供一種乙腈識別裝置，所述裝置包括：混合模塊，用于將待測樣品與比色檢測試劑混合，獲得待測混合物；采集模塊，用于對所述待測混合物進行圖像采集；預處理模塊，用于對圖像進行預處理，并對預處理后的圖像進行感興趣區域提取，獲得roi圖像；識別模塊，用于將所述roi圖像輸入乙腈識別模型，以判斷待測樣品是否為乙腈以及輸出乙腈濃度值。
11、本申請還提供一種存儲介質，其包括指令，當其在計算機上運行時，使得計算機執行如前任一項所述的方法。
12、本申請還提供一種電子設備，所述電子設備包括：存儲器，處理器及存儲在存儲器上并可在處理器上運行的計算機程序，其中，所述處理器執行所述程序時實現如前任一項所述的方法。
13、與現有技術相比，本申請帶來的有益效果為：
14、本申請通過將特異性比色反應與深度學習圖像分析技術深度融合，構建了一套完整的乙腈自動檢測系統，其中，利用乙腈與鈷-硫氰根試劑的顯色反應將化學信息可視化，結合標準化圖像采集消除環境干擾；通過多尺度特征提取與注意力機制精準捕捉顏色特征與濃度關聯，最終借助雙任務決策融合實現同步的定性識別與定量分析，從而在現場環境下實現了對乙腈的快速、客觀與精準檢測，有效解決了傳統比色法依賴主觀判讀和儀器分析法無法現場快速應用的行業痛點。
1.一種乙腈識別方法，其特征在于，所述方法包括：
2.根據權利要求1所述的方法，其特征在于，所述對圖像進行預處理，包括：
3.根據權利要求1所述的方法，其特征在于，所述對預處理后的圖像進行感興趣區域提取，獲得roi圖像，包括：
4.根據權利要求1所述的方法，其特征在于，所述乙腈識別模型包括：
5.根據權利要求4所述的方法，其特征在于，所述多尺度化學感知主干網絡包括底層網絡和高層網絡，其中，
6.根據權利要求4所述的方法，其特征在于，所述多任務協同注意力模塊包括并行運行的定性注意力子網絡和定量注意力子網絡。
7.根據權利要求1所述的方法，其特征在于，所述乙腈識別模型通過以下步驟進行訓練：
8.一種乙腈識別裝置，其特征在于，所述裝置包括：
9.一種存儲介質，其特征在于，其包括指令，當其在計算機上運行時，使得計算機執行權利要求1～7中的任一項所述的方法。
10.一種電子設備，其特征在于，所述電子設備包括：