换一批基于格拉姆角场与并行KConvNeXt的采样系统异常压力检测
Anomalous pressure detection in sampling systems based on Gramian angular field and parallel KConvNeXt
摘要为提高全自动生化分析仪的测试精度与检测效率,提出一种基于格拉姆角场(GAF)与并行KConvNeXt网络的检测模型,以准确判定采样系统在采样过程中由样本针堵塞所产生的异常情况.首先运用GAF方法,将一维采样压力信号的时间序列转化为二维图像.随后,采用改进的注意力机制结合并行双通道KConvNeXt网络对压力信号进行分类,最终实现94.58%的分类准确率.实验结果表明,提出的方法能有效捕捉采样压力信号的关键特征,为生化分析仪采样系统异常压力检测提供一种高效的解决方案,具有重要的实际应用价值.
更多相关知识
分类号
R318（医用一般科学）
栏目名称
DOI
10.3969/j.issn.1005-202X.2025.09.009
发布时间
2025-10-17（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家重点研发计划（2019YFE0122600）
- 浏览0
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
