开云优惠体育网页版入口

专利名称：一种植物蛋白肉活性组分检测方法及系统

专利类型：发明专利

专利申请号：CN202410300364.5

专利申请（专利权）人：河南双汇投资发展股份有限公司
权利人地址：河南省漯河市牡丹江路288号

专利发明（设计）人：赵建生,李骏,单吉祥,郑彩燕,周海珍,李欢,黄娟,王继,吴中伟,董明杰

专利摘要：本发明公开了一种植物蛋白肉活性组分检测方法及系统，涉及食品检测领域。所述方法包括：获取目标植物蛋白肉的预定活性检测组分信息；获取目标植物蛋白肉的多个合成工序，并进行活性成分影响识别，得到多个关键工序节点；通过采样模块对多个关键工序节点执行样品采集，得到多阶段样品采集结果；对多阶段样品采集结果进行活性组分检测，得到多阶段检测结果；对多个关键工序节点的活性组分进行含量关系识别，得到多阶段组分含量比例系数；对多阶段检测结果进行校验，得到校验偏差；以校验偏差值对多阶段检测结果进行反馈修正，得到活性组分检测结果。解决了现有技术中活性组分检测结果不准确的技术问题，达到了提高检测准确度的技术效果。

主权利要求：
1.一种植物蛋白肉活性组分检测方法，其特征在于，所述方法包括：获取目标植物蛋白肉的预定活性检测组分信息；
获取所述目标植物蛋白肉的多个合成工序，并对所述多个合成工序进行活性成分影响识别，得到多个关键工序节点；
建立所述多个关键工序节点与采样模块的连接，通过所述采样模块对所述多个关键工序节点执行样品采集，得到多阶段样品采集结果；
基于所述预定活性检测成分信息匹配活性成分检测平台，对所述多阶段样品采集结果进行活性组分检测，得到多阶段检测结果；
获取所述多个关键工序节点的预设合成反应路线与预设反应机理，对多个关键工序节点的活性组分进行含量关系识别，得到多阶段组分含量比例系数；
基于所述多阶段组分含量比例系数对所述多阶段检测结果进行校验，得到校验偏差；
若所述校验偏差值处于预定偏差范围内，以所述校验偏差值对所述多阶段检测结果进行反馈修正，得到活性组分检测结果；
所述获取所述目标植物蛋白肉的多个合成工序，并对所述多个合成工序进行活性成分影响识别，得到多个关键工序节点，包括：获取所述多个合成工序中的第一合成工序，并对所述第一合成工序进行历史合成数据挖掘，得到第一组分含量记录数据集和第二组分含量记录数据集；
其中，所述第一组分含量记录数据集为所述第一合成工序执行前的活性组分记录数据，所述第二组分含量记录数据集为所述第一合成工序执行后的活性组分记录数据；
基于所述第一组分含量记录数据集和所述第二组分含量记录数据集执行工序执行前后的组分含量比对，得到第一组分含量偏差数据集；
对所述第一组分含量偏差数据集进行离散值评价，基于离散值评价结果进行数据修整，得到第一组分标定含量偏差；
若所述第一组分标定含量偏差大于或等于预定偏差阈值，将所述第一合成工序添加至所述多个关键工序节点；
所述得到多阶段组分含量比例系数，包括：
基于所述预设合成反应路线对所述多个关键工序节点执行序列化处理，得到工序节点序列；
提取所述工序节点序列中的第一节点和第二节点，其中，所述第一节点和所述第二节点为相邻的两个工序节点；
基于所述预设反应机理对所述第一节点和所述第二节点进行同一活性组分含量比例识别，得到第一组分含量比例系数；
将所述第一组分含量比例系数添加至所述多阶段组分含量比例系数。
2.如权利要求1所述的方法，其特征在于，所述对所述第一组分含量偏差数据集进行离散值评价，基于离散值评价结果进行数据修整，得到第一组分标定含量偏差，包括：对所述第一组分含量偏差数据集进行数据集群拟合，获得第一拟合数据集群；
计算所述第一拟合数据集群的第一异常概率；
若所述第一异常概率小于预定异常概率，对所述第一拟合数据集群中的数据进行均值计算，得到所述第一组分标定含量偏差。
3.如权利要求2所述的方法，其特征在于，所述计算所述第一拟合数据集群的第一异常概率，包括：获取所述第一拟合数据集群与所述第一组分含量偏差数据集的第一差集；
统计所述第一差集中的第一差集数据量；
统计所述第一组分含量偏差数据集中的第一数据总量；
以所述第一差集数据量与所述第一数据总量的比值作为所述第一异常概率。
4.如权利要求1所述的方法，其特征在于，得到校验偏差之后，还包括：若所述校验偏差值不处于所述预定偏差范围内，对所述多个关键工序节点进行异常节点定位，获得第一异常节点和第一异常活性组分；
获取所述第一异常节点的工序执行环境信息；
对所述工序执行环境信息与所述第一异常活性组分执行组分变异识别，得到第一变异概率；
若所述第一变异概率大于或等于预定变异概率，对所述第一异常节点进行合成环境预警。
5.如权利要求4所述的方法，其特征在于，所述得到第一变异概率，包括：获取所述第一异常活性组分的第一稳定温度区间；
对所述工序执行环境信息与所述第一稳定温度区间进行偏差比对，基于比对结果生成所述第一变异概率。
6.一种植物蛋白肉活性组分检测系统，其特征在于，用于实施权利要求1?5任意一项所述的一种植物蛋白肉活性组分检测方法，所述系统包括：信息获取模块，所述信息获取模块用于获取目标植物蛋白肉的预定活性检测组分信息；
第一识别模块，所述第一识别模块用于获取所述目标植物蛋白肉的多个合成工序，并对所述多个合成工序进行活性成分影响识别，得到多个关键工序节点；
采集模块，所述采集模块用于建立所述多个关键工序节点与采样模块的连接，通过所述采样模块对所述多个关键工序节点执行样品采集，得到多阶段样品采集结果；
检测模块，所述检测模块用于基于所述预定活性检测成分信息匹配活性成分检测平台，对所述多阶段样品采集结果进行活性组分检测，得到多阶段检测结果；
第二识别模块，所述第二识别模块用于获取所述多个关键工序节点的预设合成反应路线与预设反应机理，对多个关键工序节点的活性组分进行含量关系识别，得到多阶段组分含量比例系数；
校验模块，所述校验模块用于基于所述多阶段组分含量比例系数对所述多阶段检测结果进行校验，得到校验偏差； 修正模块，所述修正模块用于若所述校验偏差值处于预定偏差范围内，以所述校验偏差值对所述多阶段检测结果进行反馈修正，得到活性组分检测结果。 说明书 : 一种植物蛋白肉活性组分检测方法及系统技术领域[0001] 本发明涉及食品检测领域，具体涉及一种植物蛋白肉活性组分检测方法及系统。背景技术[0002] 随着健康饮食的日益受到重视，植物蛋白肉作为一种营养丰富、健康环保的新型食品，正逐渐受到消费者的青睐。植物蛋白肉不仅具有与动物肉相似的口感和质地，而且富含多种必需氨基酸和微量元素，对于改善人们的膳食结构、促进可持续发展具有重要意义。然而，为了确保植物蛋白肉的质量和安全性，对其活性组分的准确检测显得至关重要。现有的植物蛋白肉活性组分的检测方法，在样品采集和活性成分分析之间存在断层，缺乏多阶段的全面评估，导致结果的准确性和可靠性不高。此外，现有方法在校验偏差和反馈修正方面缺乏有效手段，无法对检测结果进行及时准确的校正，影响了最终活性组分检测结果的准确性。发明内容[0003] 本申请实施例提供了一种植物蛋白肉活性组分检测方法及系统，解决了现有技术中活性组分检测结果不准确的技术问题。[0004] 鉴于上述问题，本申请实施例提供了一种植物蛋白肉活性组分检测方法及系统。[0005] 本申请实施例的第一个方面，提供了一种植物蛋白肉活性组分检测方法，所述方法包括：[0006] 获取目标植物蛋白肉的预定活性检测组分信息；[0007] 获取所述目标植物蛋白肉的多个合成工序，并对所述多个合成工序进行活性成分影响识别，得到多个关键工序节点；[0008] 建立所述多个关键工序节点与采样模块的连接，通过所述采样模块对所述多个关键工序节点执行样品采集，得到多阶段样品采集结果；[0009] 基于所述预定活性检测成分信息匹配活性成分检测平台，对所述多阶段样品采集结果进行活性组分检测，得到多阶段检测结果；[0010] 获取所述多个关键工序节点的预设合成反应路线与预设反应机理，对多个关键工序节点的活性组分进行含量关系识别，得到多阶段组分含量比例系数；[0011] 基于所述多阶段组分含量比例系数对所述多阶段检测结果进行校验，得到校验偏差；[0012] 若所述校验偏差值处于预定偏差范围内，以所述校验偏差值对所述多阶段检测结果进行反馈修正，得到活性组分检测结果。[0013] 本申请实施例的第二个方面，提供了一种植物蛋白肉活性组分检测系统，所述系统包括：[0014] 信息获取模块，所述信息获取模块用于获取目标植物蛋白肉的预定活性检测组分信息；[0015] 第一识别模块，所述第一识别模块用于获取所述目标植物蛋白肉的多个合成工序，并对所述多个合成工序进行活性成分影响识别，得到多个关键工序节点；[0016] 采集模块，所述采集模块用于建立所述多个关键工序节点与采样模块的连接，通过所述采样模块对所述多个关键工序节点执行样品采集，得到多阶段样品采集结果；[0017] 检测模块，所述检测模块用于基于所述预定活性检测成分信息匹配活性成分检测平台，对所述多阶段样品采集结果进行活性组分检测，得到多阶段检测结果；[0018] 第二识别模块，所述第二识别模块用于获取所述多个关键工序节点的预设合成反应路线与预设反应机理，对多个关键工序节点的活性组分进行含量关系识别，得到多阶段组分含量比例系数；[0019] 校验模块，所述校验模块用于基于所述多阶段组分含量比例系数对所述多阶段检测结果进行校验，得到校验偏差；[0020] 修正模块，所述修正模块用于若所述校验偏差值处于预定偏差范围内，以所述校验偏差值对所述多阶段检测结果进行反馈修正，得到活性组分检测结果。[0021] 本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：[0022] 首先，获取目标植物蛋白肉的预定活性检测组分信息。接着，获取目标植物蛋白肉的多个合成工序，并对这些工序进行活性成分影响识别，以得到多个关键工序节点。然后，建立这些关键工序节点与采样模块的连接，通过采样模块对这些关键工序节点执行样品采集，得到多阶段样品采集结果。利用预定活性检测成分信息匹配活性成分检测平台，对多阶段样品采集结果进行活性组分检测，得到多阶段检测结果。接着，获取这些关键工序节点的预设合成反应路线与预设反应机理，对这些节点的活性组分进行含量关系识别，以得到多阶段组分含量比例系数。最后，基于多阶段组分含量比例系数对多阶段检测结果进行校验，得到校验偏差。如果校验偏差值在预定偏差范围内，将校验偏差值用于对多阶段检测结果进行反馈修正，从而得到活性组分检测结果。解决了现有技术中活性组分检测结果不准确的技术问题，达到了提高检测准确度的技术效果。附图说明[0023] 为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍，显而易见的，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。[0024] 图1为本申请实施例提供的一种植物蛋白肉活性组分检测方法流程示意图；[0025] 图2为本申请实施例提供的一种植物蛋白肉活性组分检测系统结构示意图。[0026] 附图标记说明：信息获取模块11，第一识别模块12，采集模块13，检测模块14，第二识别模块15，校验模块16，修正模块17。具体实施方式[0027] 本申请实施例通过提供一种植物蛋白肉活性组分检测方法及系统，解决了现有技术中活性组分检测结果不准确的技术问题。[0028] 下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整的描述。显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。[0029] 需要说明的是，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或服务器不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其他步骤或模块。实施例一[0030] 如图1所示，本申请实施例提供了一种植物蛋白肉活性组分检测方法，其中，方法包括：[0031] 获取目标植物蛋白肉的预定活性检测组分信息；[0032] 预定活性检测组分信息包括蛋白质、多肽、氨基酸、矿物质、维生素等活性成分，获取目标植物蛋白肉的预定活性检测组分信息可以为后续的植物蛋白肉活性组分检测提供明确的目标和依据。[0033] 获取所述目标植物蛋白肉的多个合成工序，并对所述多个合成工序进行活性成分影响识别，得到多个关键工序节点；[0034] 植物蛋白肉的生产过程中包括多个合成工序，植物蛋白经过化学分离、加热、挤压、冷却、定型等工艺处理，生成植物蛋白肉。每个合成工序都对活性成分产生不同程度的影响，通过对每个合成工序进行活性成分影响识别，可以评估每个步骤对活性组分的贡献和潜在影响。[0035] 进一步而言，所述获取所述目标植物蛋白肉的多个合成工序，并对所述多个合成工序进行活性成分影响识别，得到多个关键工序节点，包括：[0036] 获取所述多个合成工序中的第一合成工序，并对所述第一合成工序进行历史合成数据挖掘，得到第一组分含量记录数据集和第二组分含量记录数据集；[0037] 其中，所述第一组分含量记录数据集为所述第一合成工序执行前的活性组分记录数据，所述第二组分含量记录数据集为所述第一合成工序执行后的活性组分记录数据；[0038] 基于所述第一组分含量记录数据集和所述第二组分含量记录数据集执行工序执行前后的组分含量比对，得到第一组分含量偏差数据集；[0039] 对所述第一组分含量偏差数据集进行离散值评价，基于离散值评价结果进行数据修整，得到第一组分标定含量偏差；[0040] 若所述第一组分标定含量偏差大于或等于预定偏差阈值，将所述第一合成工序添加至所述多个关键工序节点。[0041] 从多个合成工序中选取一个工序作为第一合成工序，对第一合成工序进行历史合成数据挖掘，从而获得第一组分含量记录数据集和第二组分含量记录数据集，这两个数据集提供了工序执行前后活性组分含量的直接对比依据。其中，第一组分含量记录数据集反映了第一合成工序执行前的活性组分含量情况，而第二组分含量记录数据集则记录了该工序执行后的活性组分含量情况。通过对第一组分含量记录数据集和第二组分含量记录数据集进行比对，可以得到第一组分含量偏差数据集，第一组分含量偏差数据集反映了第一合成工序执行前后活性组分含量的变化情况。为了确保数据的准确性和可靠性，需要对第一组分含量偏差数据集进行离散值评价，以便识别并排除可能存在的异常值或错误数据。基于离散值评价的结果，可以进行数据修整，得到更为准确的第一组分标定含量偏差。最后，将第一组分标定含量偏差与预定偏差阈值进行比较。如果第一组分标定含量偏差大于或等于预定偏差阈值，则将第一合成工序添加至多个关键工序节点中。[0042] 进一步而言，所述对所述第一组分含量偏差数据集进行离散值评价，基于离散值评价结果进行数据修整，得到第一组分标定含量偏差，包括：[0043] 对所述第一组分含量偏差数据集进行数据集群拟合，获得第一拟合数据集群；[0044] 计算所述第一拟合数据集群的第一异常概率；[0045] 若所述第一异常概率小于预定异常概率，对所述第一拟合数据集群中的数据进行均值计算，得到所述第一组分标定含量偏差。[0046] 从第一组分含量偏差数据集中随机抽取一定数量的样本点，用于初步拟合一个模型，计算数据集中所有点到拟合模型的距离，以此来评估模型的适应度。同时，设置一个阈值，只有距离小于该阈值的点才被认为是模型的内点（即符合模型的数据点）。统计被当前模型视为内点的数量。重复迭代，选择内点数量最多的模型作为最终的最佳模型。最佳模型确定后，所有被该模型识别为内点的数据点构成第一拟合数据集群。通过计算第一拟合数据集群得到第一异常概率。比较第一异常概率与预定异常概率，如果第一异常概率小于预定异常概率，则对第一拟合数据集群中的数据进行均值计算，以得到第一组分标定含量偏差。[0047] 进一步而言，所述计算所述第一拟合数据集群的第一异常概率，包括：[0048] 获取所述第一拟合数据集群与所述第一组分含量偏差数据集的第一差集；[0049] 统计所述第一差集中的第一差集数据量；[0050] 统计所述第一组分含量偏差数据集中的第一数据总量；[0051] 以所述第一差集数据量与所述第一数据总量的比值作为所述第一异常概率。[0052] 第一差集为属于第一组分含量偏差数据集但不在第一拟合数据集群中的数据点，这些点代表了与集群主要分布模式不符的异常值。统计第一差集中包含的数据点的数量，并统计第一组分含量偏差数据集中的总数据量。将第一差集数据量除以第一数据总量，得到的结果即为第一异常概率。[0053] 建立所述多个关键工序节点与采样模块的连接，通过所述采样模块对所述多个关键工序节点执行样品采集，得到多阶段样品采集结果；[0054] 采样模块用于对关键工序节点进行精确的样品采集，通过采样模块与多个关键工序节点的连接，可以对多个关键工序节点执行样品采集，以获得多阶段样品采集结果。[0055] 基于所述预定活性检测成分信息匹配活性成分检测平台，对所述多阶段样品采集结果进行活性组分检测，得到多阶段检测结果；[0056] 活性成分检测平台用于对样品中的活性组分进行定性和定量分析。通过预定活性检测成分信息匹配适合的活性成分检测平台，并将多阶段样品采集结果进行活性组分检测，包括对每个阶段采集的样品进行逐一分析，以获取其活性组分的含量、分布和状态等信息，从而得到多阶段检测结果。[0057] 获取所述多个关键工序节点的预设合成反应路线与预设反应机理，对多个关键工序节点的活性组分进行含量关系识别，得到多阶段组分含量比例系数；[0058] 通过获取预设合成反应路线和反应机理，并对多个关键工序节点的活性组分进行含量关系识别，可以得到多阶段组分含量比例系数。多阶段组分含量比例系数反映了活性组分在不同工序节点之间的相对含量变化。[0059] 进一步而言，所述得到多阶段组分含量比例系数，包括：[0060] 基于所述预设合成反应路线对所述多个关键工序节点执行序列化处理，得到工序节点序列；[0061] 提取所述工序节点序列中的第一节点和第二节点，其中，所述第一节点和所述第二节点为相邻的两个工序节点；[0062] 基于所述预设反应机理对所述第一节点和所述第二节点进行同一活性组分含量比例识别，得到第一组分含量比例系数；[0063] 将所述第一组分含量比例系数添加至所述多阶段组分含量比例系数。[0064] 为了得到多阶段组分含量比例系数，具体来说，根据预设的合成反应路线，将多个关键工序节点进行序列化处理。在工序节点序列中，提取出相邻的两个工序节点，分别作为第一节点和第二节点。基于预设的反应机理，对第一节点和第二节点进行同一活性组分含量比例识别，可以确定活性组分从第一节点到第二节点的含量比例关系。根据识别的同一活性组分含量比例关系，可以计算出第一组分含量比例系数，第一组分含量比例系数表示了从第一节点到第二节点，活性组分的含量如何变化。最后，将计算得到的第一组分含量比例系数添加到多阶段组分含量比例系数中。[0065] 基于所述多阶段组分含量比例系数对所述多阶段检测结果进行校验，得到校验偏差；[0066] 在得到多阶段组分含量比例系数后，需要对这些系数进行校验，以确保其准确性和可靠性。具体来说，可以将多阶段组分含量比例系数与多阶段检测结果进行比对，计算它们之间的偏差，从而得到用于评估多阶段组分含量比例系数的准确性校验偏差。[0067] 进一步而言，得到校验偏差之后，还包括：[0068] 若所述校验偏差值不处于所述预定偏差范围内，对所述多个关键工序节点进行异常节点定位，获得第一异常节点和第一异常活性组分；[0069] 获取所述第一异常节点的工序执行环境信息；[0070] 对所述工序执行环境信息与所述第一异常活性组分执行组分变异识别，得到第一变异概率；[0071] 若所述第一变异概率大于或等于预定变异概率，对所述第一异常节点进行合成环境预警。[0072] 当校验偏差值不处于预定偏差范围内，需要对多个关键工序节点进行异常节点定位。通过对比实际检测结果与理论值，可以识别出哪些节点的活性组分含量偏差较大，这些节点被标记为第一异常节点，而对应的活性组分被称为第一异常活性组分。接着，获取第一异常节点的工序执行环境信息，如温度过高可能导致变异。然后，对工序执行环境信息与第一异常活性组分执行组分变异识别。通过分析环境信息与活性组分含量之间的关系，可以评估环境因素对活性组分变异的影响程度，得到第一变异概率。如果第一变异概率大于或等于预定变异概率，系统将对第一异常节点发出合成环境预警。[0073] 进一步而言，所述得到第一变异概率，包括：[0074] 获取所述第一异常活性组分的第一稳定温度区间；[0075] 对所述工序执行环境信息与所述第一稳定温度区间进行偏差比对，基于比对结果生成所述第一变异概率。[0076] 稳定温度区间是指在这个范围内，活性组分的化学性质和活性能够保持稳定，不易发生变异。通过获取第一异常活性组分的第一稳定温度区间，可以将工序执行环境信息中的实际温度与第一稳定温度区间进行偏差比对，基于比对结果，可以生成第一变异概率。[0077] 若所述校验偏差值处于预定偏差范围内，以所述校验偏差值对所述多阶段检测结果进行反馈修正，得到活性组分检测结果。[0078] 当校验偏差值处于预定偏差范围内时，说明多阶段检测结果与理论值之间的偏差是可接受的，生产过程相对稳定。为了提高活性组分检测结果的准确性，可以利用这个校验偏差值对多阶段检测结果进行反馈修正。[0079] 综上所述，本申请实施例至少具有如下技术效果：[0080] 首先，获取目标植物蛋白肉的预定活性检测组分信息。接着，获取目标植物蛋白肉的多个合成工序，并对这些工序进行活性成分影响识别，以得到多个关键工序节点。然后，建立这些关键工序节点与采样模块的连接，通过采样模块对这些关键工序节点执行样品采集，得到多阶段样品采集结果。利用预定活性检测成分信息匹配活性成分检测平台，对多阶段样品采集结果进行活性组分检测，得到多阶段检测结果。接着，获取这些关键工序节点的预设合成反应路线与预设反应机理，对这些节点的活性组分进行含量关系识别，以得到多阶段组分含量比例系数。最后，基于多阶段组分含量比例系数对多阶段检测结果进行校验，得到校验偏差。如果校验偏差值在预定偏差范围内，将校验偏差值用于对多阶段检测结果进行反馈修正，从而得到活性组分检测结果。解决了现有技术中活性组分检测结果不准确的技术问题，达到了提高检测准确度的技术效果。实施例二[0081] 基于与前述实施例中一种植物蛋白肉活性组分检测方法相同的发明构思，如图2所示，本申请提供了一种植物蛋白肉活性组分检测系统，本申请实施例中的系统与方法实施例基于同样的发明构思。其中，系统包括：[0082] 信息获取模块11，所述信息获取模块11用于获取目标植物蛋白肉的预定活性检测组分信息；[0083] 第一识别模块12，所述第一识别模块12用于获取所述目标植物蛋白肉的多个合成工序，并对所述多个合成工序进行活性成分影响识别，得到多个关键工序节点；[0084] 采集模块13，所述采集模块13用于建立所述多个关键工序节点与采样模块的连接，通过所述采样模块对所述多个关键工序节点执行样品采集，得到多阶段样品采集结果；[0085] 检测模块14，所述检测模块14用于基于所述预定活性检测成分信息匹配活性成分检测平台，对所述多阶段样品采集结果进行活性组分检测，得到多阶段检测结果；[0086] 第二识别模块15，所述第二识别模块15用于获取所述多个关键工序节点的预设合成反应路线与预设反应机理，对多个关键工序节点的活性组分进行含量关系识别，得到多阶段组分含量比例系数；[0087] 校验模块16，所述校验模块16用于基于所述多阶段组分含量比例系数对所述多阶段检测结果进行校验，得到校验偏差；[0088] 修正模块17，所述修正模块17用于若所述校验偏差值处于预定偏差范围内，以所述校验偏差值对所述多阶段检测结果进行反馈修正，得到活性组分检测结果。[0089] 进一步的，所述第一识别模块12用于执行如下方法：[0090] 获取所述多个合成工序中的第一合成工序，并对所述第一合成工序进行历史合成数据挖掘，得到第一组分含量记录数据集和第二组分含量记录数据集；[0091] 其中，所述第一组分含量记录数据集为所述第一合成工序执行前的活性组分记录数据，所述第二组分含量记录数据集为所述第一合成工序执行后的活性组分记录数据；[0092] 基于所述第一组分含量记录数据集和所述第二组分含量记录数据集执行工序执行前后的组分含量比对，得到第一组分含量偏差数据集；[0093] 对所述第一组分含量偏差数据集进行离散值评价，基于离散值评价结果进行数据修整，得到第一组分标定含量偏差；[0094] 若所述第一组分标定含量偏差大于或等于预定偏差阈值，将所述第一合成工序添加至所述多个关键工序节点。[0095] 进一步的，所述第一识别模块12用于执行如下方法：[0096] 对所述第一组分含量偏差数据集进行数据集群拟合，获得第一拟合数据集群；[0097] 计算所述第一拟合数据集群的第一异常概率；[0098] 若所述第一异常概率小于预定异常概率，对所述第一拟合数据集群中的数据进行均值计算，得到所述第一组分标定含量偏差。[0099] 进一步的，所述第一识别模块12用于执行如下方法：[0100] 获取所述第一拟合数据集群与所述第一组分含量偏差数据集的第一差集；[0101] 统计所述第一差集中的第一差集数据量；[0102] 统计所述第一组分含量偏差数据集中的第一数据总量；[0103] 以所述第一差集数据量与所述第一数据总量的比值作为所述第一异常概率。[0104] 进一步的，所述第二识别模块15用于执行如下方法：[0105] 基于所述预设合成反应路线对所述多个关键工序节点执行序列化处理，得到工序节点序列；[0106] 提取所述工序节点序列中的第一节点和第二节点，其中，所述第一节点和所述第二节点为相邻的两个工序节点；[0107] 基于所述预设反应机理对所述第一节点和所述第二节点进行同一活性组分含量比例识别，得到第一组分含量比例系数；[0108] 将所述第一组分含量比例系数添加至所述多阶段组分含量比例系数。[0109] 进一步的，所述修正模块17用于执行如下方法：[0110] 若所述校验偏差值不处于所述预定偏差范围内，对所述多个关键工序节点进行异常节点定位，获得第一异常节点和第一异常活性组分；[0111] 获取所述第一异常节点的工序执行环境信息；[0112] 对所述工序执行环境信息与所述第一异常活性组分执行组分变异识别，得到第一变异概率；[0113] 若所述第一变异概率大于或等于预定变异概率，对所述第一异常节点进行合成环境预警。[0114] 进一步的，所述修正模块17用于执行如下方法：[0115] 获取所述第一异常活性组分的第一稳定温度区间；[0116] 对所述工序执行环境信息与所述第一稳定温度区间进行偏差比对，基于比对结果生成所述第一变异概率。[0117] 需要说明的是，上述本申请实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。[0118] 以上所述仅为本申请的较佳实施例，并不用以限制本申请，凡在本申请的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。[0119] 本说明书和附图仅仅是本申请的示例性说明，且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样，倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内，则本申请意图包括这些改动和变型在内。

专利地区：河南

专利申请日期：2024-03-15

专利公开日期：2024-11-22

专利公告号：CN118258967B