本發(fā)明涉及數(shù)據(jù)處理，具體涉及一種lims實驗室系統(tǒng)的可視化交互方法及設備。
背景技術：
1、實驗室信息管理系統(tǒng)（lims）是支撐實驗室樣品流轉、數(shù)據(jù)管理、流程管控、合規(guī)審計的核心數(shù)字化工具，廣泛應用于食品檢測、環(huán)境檢測、生物檢測、藥品檢測等各類實驗室場景。lims系統(tǒng)通常采用圖表、看板、流程圖示等方式對樣品檢測、設備狀態(tài)、任務進度及質(zhì)量數(shù)據(jù)進行可視化展示，并通過篩選、點擊鉆取、拖拽調(diào)整、異常預警、查看導出等常規(guī)交互操作實現(xiàn)數(shù)據(jù)查詢與流程監(jiān)控。
2、現(xiàn)有的問題：由于實驗室儀器輸出、傳感器信號易受電磁干擾、電壓波動、環(huán)境噪聲、接觸不良等因素影響，采集到的原始實時數(shù)據(jù)往往存在隨機噪聲、脈沖干擾、野值、抖動等問題，若直接送入可視化界面或用于控制邏輯，會導致原始信號曲線出現(xiàn)不規(guī)則抖動與畸變，降低可視化展示的清晰度與可讀性，掩蓋真實檢測特征，同時會引發(fā)交互界面異常波動、誤觸發(fā)、自動判定可靠性下降等問題。
技術實現(xiàn)思路
1、本發(fā)明提供一種lims實驗室系統(tǒng)的可視化交互方法及設備，以解決現(xiàn)有的問題。
2、本發(fā)明的一種lims實驗室系統(tǒng)的可視化交互方法及設備采用如下技術方案：
3、本發(fā)明一個實施例提供了一種lims實驗室系統(tǒng)的可視化交互方法，該方法包括以下步驟：
4、獲取lims實驗室系統(tǒng)內(nèi)同批次同類型樣品的原始檢測信號；將原始檢測信號劃分為若干個檢測信號段；
5、根據(jù)檢測信號段之間的差異情況，確定每個檢測信號段的穩(wěn)健非正常得分；對所有檢測信號段進行聚類操作，獲取若干個聚類簇；根據(jù)每個聚類簇中檢測信號段的穩(wěn)健非正常得分的大小，從所有聚類簇中篩選出基準正常聚類簇與異常聚類簇；根據(jù)基準正常聚類簇與異常聚類簇中檢測信號段之間的差異情況，結合異常聚類簇數(shù)量以及異常聚類簇中檢測信號段數(shù)量，確定原始檢測信號的疑似干擾因子；
6、根據(jù)異常聚類簇中檢測信號段之間的相似情況，以及與基準正常聚類簇中檢測信號段之間的匹配情況，確定原始檢測信號的自身問題嚴重性；根據(jù)原始檢測信號的疑似干擾因子與自身問題嚴重性的大小，確定原始檢測信號所需的步長因子；
7、根據(jù)原始檢測信號所需的步長因子，對原始檢測信號進行自適應濾波，獲取濾波后的檢測信號，并進行l(wèi)ims實驗室系統(tǒng)的可視化交互。
8、進一步地，所述確定每個檢測信號段的穩(wěn)健非正常得分，包括的具體步驟如下：
9、將每個檢測信號段與其他所有檢測信號段之間的dtw距離值的中位數(shù)，記為每個檢測信號段的穩(wěn)健非正常得分。
10、進一步地，所述從所有聚類簇中篩選出基準正常聚類簇與異常聚類簇，包括的具體步驟如下：
11、將每個聚類簇中所有檢測信號段的穩(wěn)健非正常得分的均值，記為每個聚類簇的非正常值，將最小非正常值對應的聚類簇，記為基準正常聚類簇；
12、將除基準正常聚類簇之外的聚類簇，均記為異常聚類簇。
13、進一步地，所述確定原始檢測信號的疑似干擾因子，包括的具體步驟如下：
14、將原始檢測信號中所有檢測信號段的數(shù)量，記為信號段總數(shù)；
15、將所有異常聚類簇中所有檢測信號段的數(shù)量，記為異常信號段數(shù)量；
16、將異常信號段數(shù)量與信號段總數(shù)的比值，記為異常數(shù)量占比；
17、將異常聚類簇的數(shù)量與所有聚類簇的數(shù)量的比值，記為異常類型占比；
18、在基準正常聚類簇中，將最小穩(wěn)健非正常得分對應的檢測信號段，記為基準正常檢測信號段；
19、將基準正常檢測信號段與所有異常聚類簇中所有檢測信號段之間的dtw距離值的均值，記為差異表現(xiàn)程度；
20、根據(jù)異常數(shù)量占比與異常類型占比以及差異表現(xiàn)程度，確定原始檢測信號的疑似干擾因子。
21、進一步地，所述根據(jù)異常數(shù)量占比與異常類型占比以及差異表現(xiàn)程度，確定原始檢測信號的疑似干擾因子，包括的具體步驟如下：
22、將異常數(shù)量占比與異常類型占比的均值與差異表現(xiàn)程度的乘積，記為原始檢測信號的疑似干擾因子。
23、進一步地，所述確定原始檢測信號的自身問題嚴重性，包括的具體步驟如下：
24、在所有異常聚類簇中所有檢測信號段中，將每個檢測信號段與其他所有檢測信號段之間的dtw距離值中的最小值的反比例歸一化值，記為每個檢測信號段的自身存在質(zhì)量異常概率；
25、將所有異常聚類簇中任意一個檢測信號段，記為參考檢測信號段；
26、根據(jù)參考檢測信號段與基準正常檢測信號段的匹配情況，確定參考檢測信號段的異常持續(xù)出現(xiàn)表現(xiàn)值；
27、將參考檢測信號段的異常持續(xù)出現(xiàn)表現(xiàn)值與自身存在質(zhì)量異常概率中的最大值，記為參考檢測信號段的自身問題表現(xiàn)值；
28、將所有異常聚類簇中所有檢測信號段的自身問題表現(xiàn)值的均值，記為原始檢測信號的自身問題嚴重性。
29、進一步地，所述確定參考檢測信號段的異常持續(xù)出現(xiàn)表現(xiàn)值，包括的具體步驟如下：
30、對參考檢測信號段與基準正常檢測信號段進行匹配，獲取一條最優(yōu)匹配路徑，所述最優(yōu)匹配路徑上的每個節(jié)點對應一組匹配距離；
31、在最優(yōu)匹配路徑上，獲取所有節(jié)點的匹配距離均值以及匹配距離標準差，將所述匹配距離標準差與預設系數(shù)相乘，再將乘積結果與所述匹配距離均值相加，所得和值定義為分割閾值，將匹配距離大于分割閾值的節(jié)點，記為異常節(jié)點，以相鄰異常節(jié)點組成異常路徑段；統(tǒng)計每個異常路徑段的長度，將所有異常路徑段的長度的均值，記為長度閾值，將所有異常路徑段的長度的和值，記為總長度，將長度大于長度閾值的所有異常路徑段的長度的和值，記為連續(xù)長度，將連續(xù)長度與總長度的比值，記為參考檢測信號段的異常持續(xù)出現(xiàn)表現(xiàn)值。
32、進一步地，所述確定原始檢測信號所需的步長因子，包括的具體步驟如下：
33、根據(jù)原始檢測信號的自身問題嚴重性與疑似干擾因子，確定原始檢測信號所需的步長因子調(diào)整系數(shù)；
34、將預設步長因子上限減去預設步長因子下限的差值，記為步長因子范圍值，將原始檢測信號所需的步長因子調(diào)整系數(shù)與步長因子范圍值的乘積與預設步長因子下限的和值，記為原始檢測信號所需的步長因子。
35、進一步地，所述確定原始檢測信號所需的步長因子調(diào)整系數(shù)，包括的具體步驟如下：
36、對于原始檢測信號，將預設常數(shù)與自身問題嚴重性的和值與疑似干擾因子的乘積，記為濾波效果要求系數(shù)，將濾波效果要求系數(shù)的反比例歸一化值，記為原始檢測信號所需的步長因子調(diào)整系數(shù)。
37、本發(fā)明還提出了一種lims實驗室系統(tǒng)的可視化交互設備，包括存儲器、處理器以及存儲在存儲器上并可在處理器上運行的計算機程序，所述處理器執(zhí)行所述存儲器存儲的計算機程序，以實現(xiàn)前述所述的一種lims實驗室系統(tǒng)的可視化交互方法的步驟。
38、本發(fā)明的技術方案的有益效果是：
39、在本發(fā)明實施例中，獲取lims實驗室系統(tǒng)內(nèi)同批次同類型樣品的原始檢測信號，并劃分為若干個檢測信號段，根據(jù)檢測信號段之間的差異情況，確定每個檢測信號段的穩(wěn)健非正常得分，對所有檢測信號段進行聚類操作，獲取若干個聚類簇，根據(jù)每個聚類簇中檢測信號段的穩(wěn)健非正常得分的大小，從所有聚類簇中篩選出基準正常聚類簇與異常聚類簇，根據(jù)基準正常聚類簇與異常聚類簇中檢測信號段之間的差異情況，結合異常聚類簇數(shù)量以及異常聚類簇中檢測信號段數(shù)量，確定原始檢測信號的疑似干擾因子，由此根據(jù)同一種類、同一批次的檢測樣品的檢測信號具有高度相似性的特征，分析疑似的噪聲干擾嚴重大小，以保障濾波的去噪效果。根據(jù)異常聚類簇中檢測信號段之間的相似情況，以及與基準正常聚類簇中檢測信號段之間的匹配情況，確定原始檢測信號的自身問題嚴重性，由此分析檢測樣品自身存在的問題，保障濾波時保持樣品自身存在質(zhì)量異常特征。根據(jù)原始檢測信號的疑似干擾因子與自身問題嚴重性的大小，確定原始檢測信號所需的步長因子，用以對原始檢測信號進行自適應濾波，獲取濾波后的檢測信號，并進行l(wèi)ims實驗室系統(tǒng)的可視化交互。至此本發(fā)明通過提升原始檢測信號的濾波效果，能夠有效去除環(huán)境干擾、電路噪聲與隨機波動，使檢測信號更加平滑、穩(wěn)定、特征清晰。一方面顯著改善可視化展示效果，提高信號曲線的可讀性、規(guī)范性與可追溯性。另一方面大幅提升系統(tǒng)交互的可靠性、流暢性與自動化程度，降低人工干預與誤判概率，從而提高整個快速檢測流程的準確性、穩(wěn)定性與檢測效率。