实验室样品物流管理系统开发与设计

为了对实验室样品进行有效管理,尤其是异地远程受理的器具样品管理,从样品接收、识别、流转、储运、处置等管理环节入手,探讨运用物联网识别技术开发设计样品物流管理系统,通过信息化手段对样品进行全过程跟踪管理,确保样品管理在质量体系内运行,达到检测实验室样品管理的科学性,从而保证检测数据的准确性。     

浅谈检验检测机构样品处置

本文简要论述了检验检测机构和实验室样品管理和处置的流程,包含样品在接收、标识、传递、制备、保护、留存、清理或返回过程中的控制要求。阐述了材料测试实验室样品管理的工作程序和注意事项。     

检测实验室的样品标识与实际应用

检测实验室的样品标识管理对于保护实验室和客户利益十分重要,本文结合赤峰地区检测实验室单位的实际应用情况,对样品标识的实际管理方法进行了阐述,认为建立惟一标识系统是样品标识管理的有效方法。     

RFID技术在样品管理工作中的应用

近年来,质检事业飞速发展,但对质检管理工作科学化、标准化、规范化的要求也越来越高。实验室大幅增加的检验业务量带来的是以几何倍增长的样品数量。如何有效管理好被检样品,避免样品丢失或在流转过程中因混淆最终导致检验结果的根本性错误,成为一个迫切需要解决的问题。从某种角度上讲,实验室对样品管理的能力代表着实验室的管理水平。RFID技术的广泛应用为更好地解决这一课题提供了技术支撑。它可以确保样品在任何时候都不会发生识别错误。能够有效保证样品的唯一性及可溯源性,从而提高质检管理工作的水平。     

ATR-FTIR快速识别鞋底材料的方法研究

为建立鞋底材料的快速识别方法,采用衰减全反射傅里叶变换红外光谱(ATR-FTIR)仪测试橡胶(异戊胶、丁苯胶和顺丁胶)、聚乙烯、聚氯乙烯、聚氨酯、热塑性橡胶和乙烯-乙酸乙烯酯共聚物8种常用鞋底原材料,并对采集的红外光谱图进行详细解析,分析各类鞋底材料主要的特征官能团及其对应的红外吸收峰,据此建立常用鞋底材料的ATR-FTIR标准谱图库。采用该方法实测未知鞋底样品,根据谱图解析可以对样品的材料进行分析判别,证明利用建立的标准谱图库通过软件比较检索的方法可以更加快速方便地识别鞋底材料。     

标识管理在实验室管理中的应用

<正>标识在人们的生活中不可或缺,它是人们有效识别不同事物的明确标记。在实验室管理中,面对大量的资料、众多的仪器、多样的样品、不同的作业区域等,要提高工作效率,不致出现差错,做好标识管理显得尤为重要。在《实验室资质认定     

深度神经网络在螺旋桨叶片数识别中的应用

从调制(Demodulation on Noise, DEMON)谱谐波簇中提取的结构特征可以建立用于螺旋桨叶片数识别的模板。使用模板匹配算法进行螺旋桨叶片数识别时,存在依赖模板库和置信度准则、算法约束条件多、无法发现缺失模板等问题。本文提出了一种将深度神经网络(Deep Neural Network, DNN)应用于螺旋桨叶片数识别的方法,该方法仅在训练深度神经网络时使用模板库,克服了识别过程中对模板库和置信度准则的依赖。此外,通过提取识别错误项,可以找到缺失模板,实现了对模板库数据的补充。使用该算法对大量实测数据进行检测,发现深度神经网络具有更高的识别正确率,而且识别过程更加简单可靠。     

能力验证中存在的问题与对策

通过参加中国合格评定国家认可委员会举办的首届能力验证论坛,结合实际分析了实验室能力验证中存在的诸多问题。提出了建立能力验证交流机制和平台、专业常态化组织、样品库、项目库和计划列表、充分利用能力验证结果和加大宣传力度等对策。     

国家环境保护总局标准样品研究所

北京天宝物华生物技术有限公司是一家以优势技术；优势资源形成的具有天然产物分离提取的系统能力，并致力于为药品、保健品、食品和化妆品行业提供高品质天然原料和服务的高新技术企业。作为全国标准样品技术委员会天然产物标样“专业工作组的技术依托单位，天宝物华已获得“天然产物国家标准样品核心实验室”的授权并承担“天然产物国家标准样品库”和“天然产物标准样品专业工作组秘书处”的组织管理工作,     

测温仪表量值比对分析

为验证山东省各地市计量检定机构对测温仪表的检定能力,2015年山东省计量科学研究院热工计量研究所作为主导实验室组织开展测温仪表(配热电阻)计量检定量值比对工作。参比实验室严格按照规定的比对方案进行实验,主导实验室负责对比对数据进行汇总分析,采用归一化偏差方法分析评价比对结果。参比样品的比对数据真实,结果可信,较为客观地反映了山东省各参比实验室的检定、校准水平及测温仪表计量标准装置的现状,有效识别了各参加比对实验室存在的问题,对促进实验室检定能力的提高具有重要意义。     

基于RFID超市智能库架管理系统设计

针对射频识别(RFID)技术应用的广泛前景,设计了一个基于RFID的超市智能库架管理系统的框架.该系统通过将识别解决方案与无线传感器网络技术相结合,实现对超市的库架管理情况进行准确的识别、记录、统计,不仅节省了人力,也提高了工作效率.     

多质量体系条件下样品的规范化管理

样品的规范化管理是实验室建设的重要管理内容之一。结合实验室自身实际情况,对各体系的样品管理要求进行高度整合是多质量体系条件下样品管理得以规范化的关键。本文介绍了笔者所在实验室在CNAS、CMA(含食品检验机构资质认定)和GLP条件下,如何实现样品管理规范化的具体做法和经验。     

基于曲波系数加权融合的人脸识别

为了提高人脸识别率和缩短识别时间,研究了基于曲波变换的人脸识别技术。考虑到传统曲波变换无法将多尺度多方向的曲波特征进行最优表示且其特征维数过大的缺点,提出了一种基于自适应加权融合的曲波变换和独立分量分析(ICA)的人脸识别算法。该算法通过曲波变换提取原始人脸图像的最优尺度和方向上的曲波系数,并对这些特征系数进行多方向上的融合,根据类别可分离性的判据原则对融合后的系数进行加权,以减少特征数量,提高处理速度;通过独立分量分析降维,将这些特征投影到更具表达力的空间,以获取有效特征,减少冗余信息,便于最近邻分类器进行人脸识别。基于在奥利维帝研究实验室(ORL)人脸库、Yale B人脸库和AR人脸库对该算法进行了测试,结果表明,其识别率分别达到98%、97%和98.57%,单幅图片的识别时间分别为65.43,158.94和20.37ms,从而验证了其实用性。     

论实验室有毒有害样品的流转管理

有毒有害样品在试验室中客观存在,实验室或多或少都会接触到此类样品,因此,搞好对有毒有害样品的管理,对维护人身安全、实验安全、保护环境有着重要意义.建立流转的特殊流程、进而对其流转关键控制点进行严格控制,是搞好实验室有毒有害样品管理的关键.     

碳酸钠含量测定实验室人员检验能力验证

对实验室检验人员(QC)原子吸收分光光度法检验能力进行验证,确认其检测能力是否持续有效,以采取纠正及预防措施。2个药企32名检测人员采用相同检测方法,于同时、同环境中对同一样本含量进行检测,采用稳健统计技术,Z比分数评价各参加实验室的测试结果,以结果的中位值作为注射用头孢他啶钠碳酸钠含量测定的指定值,以NIQR作为变动性度量值。制备样品的采用单因子方差分析进行均匀性检验,稳定性采用t检验法进行考察。结果表示参加本次能力验证的32名检测人员中,2名为不满意,1名为有问题。采用稳健统计技术,Z比分数评价各参加实验室的测试结果,能准确反映数据的统计特征,有效识别检验人员检验质量控制问题,是药企监控实验室的持续检测能力,识别实验室问题并采取纠正措施,提高质量管理水平的的重要举措。     

分类算法在纹理识别研究中的应用

本文将机器学习中最常用的两种分类算法——K近邻法和支持向量机应用到纹理识别的研究中,以Oumx、Brodatz以及CUReT三个公共纹理库中的纹理图像为研究对象,分别使用K近邻法、支持向量机算法进行纹理识别实验,并对最终的识别结果做了分析与比较。综合三个纹理库的识别结果,我们发现相较于K近邻法,支持向量机的识别效果较好,能够较准确的实现对纹理图像的识别。     

检测实验室的样品管理

从实验室样品管理的重要性入手,对样品管理的制度化、样品标识系统、样品状态描述、样品储存、清理等方面进行探讨,达到检测实验室样品管理的科学性、公正性。     

检测实验室的样品管理

从实验室样品管理的重要性入手,对样品管理的制度化、样品标识系统、样品状态描述、样品储存、清理等方面进行探讨,达到检测实验室样品管理的科学性、公正性。     

基于OpenCV的椭圆特征识别算法改进

由于工业测量领域的需要,采用VC相机进行椭圆识别提取的应用越来越多。通常采取的做法是基于开源计算机视觉库Open CV,进行特征识别与提取。但在实际应用场景,直接使用Open CV库提取椭圆效果并不能达到预期。本次研究主要讨论现存的两个问题:其一,使用OpenCV提供的ellipse函数进行拟合椭圆时,会将矩形轮廓也进行拟合,这会对结果产生干扰;其二,在实际应用场景中,进行识别面积和点数过滤时,由于提取的轮廓并不完整,所以不能反应真实识别的面积和点数。本文针对这两个现存问题进行算法改进,以使工业领域的椭圆识别准确率更高。     

实验室的内部质量控制

<正>0引言实验室质量控制是对于检测活动相关的全部过程的控制。按照不同的方法可以将实验室质量控制进行分类,包括有其他实验室参与的实验室外部质量控制和仅由本实验室自己组织实施的实验室内部质量控制两部分。还可分为环境质量控制、设备质量控制、样品质量控制、方法质量控制,以及结果质量控制(样品检测过程质量控制)等。本文仅对实验室内部质量控制进行研究,不涉及实验室外部质量控制。在实际检测工作中,由于影响实验室检测结果