数据挖掘与人工智能技术探讨

  • 格式:pdf
  • 大小:1.36 MB
  • 文档页数:2

下载文档原格式

  / 2
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
$ 食品中农药监测技术的具体应用 3.1 生化检测法
生化检测法是当前常用的一种农药残留检测法,它分为酶 抑制法和酶联免疫发,这两种当中比较常见的是酶抑制法,这 种方法的原理是有机磷和氨基甲酸酯与胆碱酯酶的反应,在实 验中需要用一些生物的农药抑制特性。这种方法具有很多优 点:它的检验时间较短一般 20min左右就能出成果,而且可以 在短时间内对大量样品进行检验。但是这种方法也有一定的 局限性,这种方法受到反应原理的限制,智能检验氨基甲酸酯 类的农药,一般施用这种农药的多是蔬菜和水果,对一些粮食 作物这种方法可能不适用。并且在检验时有可能出现因为稳 定性低而产生的误差。酶联免疫发的原理是利用抗原与抗体 的特异性结合和可逆性结合的特性,随着技术的成熟这种技术 已经被试剂盒的形式批量生产出来,具有检测准确率高且操作 简单的特性。但是这种方法也有自身的一定的限制,要应用这 种方法需要制备大量的抗体,目前我国在相关的技术方面还比 较匮乏,很多情况下抗体还需要从外国进口,这无疑加大了检 验的成本。目 前 这 种 方 法 适 合 的 农 药 残 留 检 测 范 围 一 般 在 005~5mg。 3.2 高效液相色谱法
人工智能的想法来源于实际的劳动,是在生产技术中不断 地被发现和发展的。早期人们都是直接控制生产劳动工具,到 了工业革命后,人们开始用蒸汽来驱动机车及其运转,到进一 步发明发电机,开始形成初步的控制技术,到现在成熟地利用 电力来进行拓展勘查,如地质勘探和深海探测,这其中已经开 始形成一套成熟的控制理论,控制策略也在不断完善,人类在 生产中不断地改进技术,为了提高控制精度,加快控制的响应 速度,人工智能控制技术应运而生。 1.2 大数据技术与人工智能发展的关系
大数据是指大量信息项之间的数据处理,对特定范围或扇 区内的特征物理量,比如数量、属性、趋势等。最终对这些数据
进行处理,从多个方面系统地理解某一具体事物。而人工智能 是指研究和开发用于模拟、扩展人类智能的形式,并且在不断 地革新控制方法,进行应用系统的新技术科学。
根据人工智能的定义我们不难看出,人工智能本身就是一 门技术科学。在技术的发展上又与以往的直接生产经验分离, 只有借助大数据才能更好的发展。通过收集和分析技术参数, 大数据使用计算机系统智能地重新设计算法,从技术操作中完 成人类难以完成的工作,而人工智能又能迅速的对数据进行处 理,挖掘所需信息。 数据挖掘的定义和研究现状 2.1 数据挖掘的定义
பைடு நூலகம்
引言 今天的社会已进入人工智能时代,计算机技术已经开始应
用于社会生产 和 日 常 生 活 的 各 个 方 面,并 且 开 始 融 入 人 工 智 能,人工智能的应用极大地改善了我们的生活,提高了工作效 率,并开始取代人类完成危险和复杂的工作,大数据时代的到 来,有效提高了数据的使用效率。互联网时代产生了大量的数 据信息,人工智能的发展离不开对数据信息的处理,所以对于 人工智能 的 未 来 发 展 而 言,在 信 息 数 据 的 挖 掘 方 面 也 十 分 重要。 大数据挖掘技术推动了人工智能的发展 1.1 人工智能的发展
技术与市场 2019年 第26卷 第5期
技术应用
数据挖掘与人工智能技术探讨
聂 华
(陕西职业技术学院,陕西 西安 710038)
摘 要:人工智能技术在现代生活中发挥着越来越重要的作用,互联网时代带来了海量的数据信息,如何加速对数据的 挖掘也是未来研究的重要方向。主要介绍了大数据挖掘技术是如何推动人工智能的发展,并对数据挖掘的含义进行了 阐述,结合工作经验对大数据挖掘技术与人工智能的关系进行了分析。 关键词:大数据;人工智能;技术 doi:10.3969/j.issn.1006-8554.2019.05.053
数据挖掘是现在关注的一个研究方面,是揭示数据中存在 的模式和数据关系的一门学科,它的研究重点偏向对大型可观 察数据库的处理。数据挖掘技术的出现,进一步拓展了人工智 能应用领域。数据挖掘包括对数据的提取,以及进行分析的过 程,前者主要是需要从信息众多而且复杂的数据库中提取有用 的信息,后者则是进行比较,对需要的功能进行数据的分析,形 成智能系统。 2.2 数据挖掘的研究现状
数据挖掘反复的过程,需要不断循环挖掘的过程,也正是 通过这种不断挖掘,从而来实现到用户的要求。数据挖掘的发 展阶段如图 1所示。
图 1 数据挖掘过程
今天的数据挖掘应用主要集中在电信、农业、银行、电力、 人工智能和数据挖掘技术的发展前景
化学品和药品等领域,应用广泛,但是实际上深入的应用还远 3.1 在日常生产中的应用
未普及。根据 Gartner的报告,数据挖掘在未来的 10年仍将会
现在的生活生产离不开互联网,将人工智能技术应用于互
是重点的研究对象,并且数据挖掘也开始成为一个独立的专业 联网也是一个必然趋势,人工智能的应用能为人们的生活提供
学科。
(下转第 131页)
129
技术与市场 2019年 第26卷 第5期
这种方法简称为 HPLC,它应用的原理是测定农药中的氨 基甲酸酯和碱性物质反应而产生的甲氨含量,在检测中甲氨可 以和苯二醛反应产生具有高度荧光的物质。一般该种方法多 适用于沸点高且热稳定性差的农药监测,这种方法在监测中需 要使用的检测仪也较多。在产生荧光反应后采用柱后衍生法 和荧光检测器就能判定农药的含量是否超标。 3.3 蛋白质组分析技术
这种方法主要是检测作物是否为转基因生物的方法,通过 蛋白质组分的对比找出不同点就能确定蛋白的差异信息。这 种方法需要借助质谱分析仪来完成。 % 农药残留检测前处理技术的发展趋势
农药残留检测的前处理部分不仅是保证百姓餐桌安全的 关键,也是保证我国农副产品出口质量的关键。随着当前科技
技术应用
的不断发展,越来越多的农药残留物检测指标标准出台,这就 更要求前处理技术要持续进步。随着国际合作的不断深入,当 前各国对检验的指标有了初步的认同,国际相关检验组织也不 断出台新的技术标准,未来的前处理技术将朝着更加简便、更 加科学、减少污染、更加高效、灵敏度精准度更高、仪器集成化 程度高、自动化程度强以及更小更便捷的方向发展。随着一些 便携设备的普及,在将来有可能出现帮助人们随时随地就可以 完成农药监测的仪器。像微波辅助萃取技术这种高自动化程 度高精确度的方法在理论和实践中快速进步,相信未来的农药 监测一定能够获得更高水平的进步。