康正检测方法开发及技术支持测试

Ⅰ 甲醛测试最好用的方法是什么

家庭检测甲醛最为简单的方法就是采用甲醛测试盒，但是检测可能受到温度、湿度以及空间大小的影响，要想准确的检测出室内甲醛含量，建议多准备一些测试盒，计算平均值。介绍完如何测量室内甲醛浓度，接下来就给大家带来一些高效的除醛方法▪

1.通风

开窗通风是室内除甲醛零成本的方法，也是一种较为实用的方法。不过通风法也有诸多限制，这与房子的户型和位置都有一定的关系，而且装修材料中的甲醛释放年限非常久，仅仅用开窗通风这一种方法治理室内甲醛问题见效太慢，通风法只能作为一种治理甲醛的辅助方法。

Ⅱ 机床刀具磨损，一般都采用什么方法检测

刀具状态检测方法可分为直接测量法和间接测量法。

1.直接测量法
直接测量法能够识别刀刃外观、表面质量或几何形状的变化，一般只能在不切削时进行，它有两个明显的缺点：一是要求停机检测；二是不能检测出加工过程中出现的刀具突然破损。国内外采用的刀具磨损量的直接测量法有：电阻测量法、刀具工件间距测量法、光学测量法、放电电流测量法、射线测量法、微结构镀层法及计算机图像处理法。
（1）电阻测量法
该方法利用待测切削刃与传感器接触产生的电信号脉冲，来测量待测刀具的实际磨损状态。该方法的优点在于传感器价格低廉，缺点是传感器的选材必须十分注意，既要有良好的可切削性，又要对刀具寿命无明显的影响，而且工作不太可靠，因为切屑和刀具上的积屑可能引起传感器接触部分短路，从而影响精度。
（2）刀具工件间距测量法
切削过程中随着刀具的磨损，刀具与工件间的距离减小，此距离可用电子千分尺、超声波测量仪、气动测量仪、电感位移传感器等进行测量。但是这种方法的灵敏度易受工件表面温度、表面品质、冷却液及工件尺寸等因素的影响，使其应用收到一定限制。
（3）光学测量法
光学测量法的原理是磨损区比未磨损区有更强的光反射能力，刀具磨损越大，刀刃反光面积就越大，传感器检测的光通量就越大。由于热应力引起的变形及切削力引起的刀具位移都影响检测结果，所以该方法所测得的结果并非真实的磨损量，而是包含了上述因素在内的一个相对值，此法在刀具直径较大时效果较好。
（4）放电电流测量法
将切削力刀具与传感器之间加上高压电，在测量回路中流过的（弧光放电）电流大小就取决于刀刃的几何形状（即刀尖到放电电极间的距离）。该方法的优点是可以进行在线检测，检测崩齿、断刀等刀具几何尺寸的变化，但不能精确地测量刀刃的几何尺寸。
（5）射线测量法
将有放射性的物质掺入刀具材料内，当刀具磨损时，放射性的物质微粒就会随切屑一起通过一个预先设计好的射线测量器。射线测量器中所测得的量是同刀具磨损密切相关的，射线剂量的大小就反映了刀具磨损量的大小。该法的最大弱点是放射性物质对环境的污染大，对人体健康非常不利。此外，尽管此法可以测量刀具的磨损量，并不能准确地测定刀具切削刃的状态。因此，该法仅适用于某些特殊场合，不宜广泛采用。
（6）微结构镀层法
将微结构导电镀层同刀具的耐磨保护层结合在一起。微结构导电镀层的电阻随着刀具磨损状态的变化而变化，磨损量越大，电阻就越小。当刀具出现崩齿、折断及过度磨损现象时，电阻趋于零。该方法的优点是检测电路简单，检测精度高，可以实现在线检测。缺点是对微结构导电镀层的要求很高：要具有良好的耐磨性、耐高温性和抗冲击性能。
（7）计算机图像处理法
计算机图像处理法是一种快捷、无接触、无磨损的检测方法，它可以精确地检测每个刀刃上不同形式的磨损状态。这种检测系统通常由CCD摄像机、光源和计算机构成。但由于光学设备对环境的要求很高，而实际生产中刀具的工作环境非常恶劣（如冷却介质、切屑等），故该方法目前仅适用于实验室自动检测。

2.间接测量法
间接测量法利用刀具磨损或将要破损时的状态对不同的工作参数的影响效果，测量反映刀具磨损、破损的各种影响程度的参量，能在刀具切削时进行检测，不影响切削加工过程，其不足之处在于检测到的各种过程信号中含有大量的干扰因素。尽管如此，随着信号分析处理技术、模式识别技术的发展，这一方法己成为一种主流方法，并取得了很好的效果。国内外采用的刀具磨损的间接测量法有：切削力测量法、机械功率测量法、声发射、热电压测量法、振动信号及多信息融合检测。
（1）声发射信号测量法
声发射技术用于监测刀具的磨、破损是近年来声发射在无损检测领域方面新开辟的一个应用领域。其原理是当固体材料在发生变形、断裂和相变时会引起应变能的迅速释放，声发射就是随之产生的弹性应力波。当刀具破损时可检测到幅值较高的AE信号。声发射刀具监控技术被公认是一种最具潜力的新型监控技术，进入80年代以来，国内外致力于开发和应用该技术，已获得较大成果。早在1977年Iwatak和Moriwaki提出了用声发射技术对刀具磨损进行在线检测。在此基础上，Moriwaki提出了声发射刀具破损检测方法。Kannatey-Asibu和Dornfeld从理论上研究了声发射信号的频谱特征，并结合模式识别方法实现了对刀具破损的在线监测。我国声发射监测技术研究尽管起步较晚，但发展迅速。黄惟公采用包络分析法求取刀具磨损中声发射信号的包络线，用时序模型的参数作为特征值，通过神经网络对刀具磨损方程进行辨识，实验证明效果良好；李晓利对镗削过程中的典型AE信号进行FFT分析，通过在频域里AE信号幅值的变化反映刀具磨损状态；袁哲俊对切削过程中的声发射信号进行小波包分解，获取信号各频段的能量分布，以此作为信号特征，并建立基于模糊推理的快速神经网络模型识别刀具磨损状态。由日本Murakami Giken公司研制的chip-55A型刀具破损监控仪采用声发射监控技术，实施对加工过程中刀具状态的监控，该产品与其公司生产的数控铣床配套使用，效果良好。
（2）切削力信号测量法
切削力变化是切削过程中与刀具磨、破损状态最为密切相关的一种物理现象。采用切削力作为检测信号，具有拾取容易，反应迅速、灵敏等优点，是在线方法中研究较多、很有希望突破的一种方法，所以是加工中心和FMS中测量刀具破损的常用方法。
基于切削力的监测方法，采用的监测数据主要有切削分力，切削分力比，动态切削力的频谱和相关函数等。当刀具破损时，切削力变化敏感。当刀具破损较小时，刀具切削刃不锋利，使切削力增强:当产生崩刃或断刀时，切削深度减少或没有，使切削力剧减。在监测切削力时，在X,Y,Z三个方向上同时对Fx,Fy,Fz三个分力进行测量，依靠装在每个电机上的伺服放大器测量出进给电机和主轴电机的电流变化，并把电流变化传给力阀，在显示器上读出被测量的力，从而判断刀具是否破损。1977年，日本东京电机大学的村幸辰从理论和实验两方面深入研究了不同加工条件和刀具磨损状态下各切削力的变化规律，发现在一定条件下切削分力比是一个能灵敏反映刀具磨损变化的特征量，据此他提出了切削力比监测法；1984年，Lan和Dornfeld的研究表明，切向力和进给力对刀具破损具有较高的敏感性；Shiraishi等通过对加工过程的测量、检测和控制技术的对比研究指出刀具失效的力监测法是最有潜力的方法，有着广阔的工业应用前景，扭矩监测和切削力法一样具有相同的研究价值；成刚虎采用了频段均方值法通过切削力监测刀具的磨损状态；万军利用切削力模型和最小二乘法实现模型自动跟踪加工过程特性变化，从而获取刀具磨损量。在切削力监控技术方面具有代表性的成果是瑞典Sandvik Coromant公司推出的TM-BU-1001型刀具监控仪，该系统采用的力传感器可安装于主轴轴承、进给丝杠，可设置三个门限，一旦超限自动报警。
（3）功率测量法
功率测量法也是工业生产中应用潜力很大的方法。该方法是通过测定主轴负荷功率或电流电压相位差及电流波形变化等来确定切削过程中刀具是否破损。该方法具有信号检测方便，可以避免切削环境中切屑、油、烟、振动等因素的干扰，易于安装。潘建岳在对加工中心钻削过程功率信号分析的基础上，提出并采用功率数据的归原处理方法，以此建立了钻头磨损在线监控系统；刘晓胜将回归分析技术和模糊分类相结合，建立了镗削切削参数与电流之间的数学模型，间接的反映刀具磨损量与镗削切削参数的内在联系，并利用功率信号识别刀具磨损量；郭兴提出一种基于人工神经网络的铣刀破损功率监控方法，建立了一个铣刀破损功率监控系统，实验表明该系统能够灵敏的检测出刀具破损并实施监控。袁哲俊系统的研究了切削过程中刀具异常对主电机功率影响的规律，提出了用主电机功率的瞬时值、导数值、静态平均值和动态均方值等多个参数综合监控钻削过程刀具异常状态；万军利用离散自回归AR模型对功率信号进行处理，其模型参数通过适应算法在每个信号采样时刻进行递归修正，以适应切削状况，同时为了区别刀具磨损和切削条件改变引起的功率信号变化，文章引入了归一化偏差处理，当刀具切出工件时其归一化偏差明显比刀具磨损时归一化偏差的变化要小，监控时设报警门限，当归一化偏差超限时，即刻报警，具有良好的效果。成功应用电机功率监控技术具有代表性的厂家是美国Cincinnati milacron公司，该公司开发的刀具监控系统与本公司生产的马刀系列立式加工中心配套使用。
（4）工件尺寸测量法
加工中刀尖磨损或破损必然会引起工件尺寸发生变化，通过测量工件己加工表面的尺寸变化量，可以间接判断出刀具的磨损、破损情况。从测量方式看，有接触工件测量的接触式和测量刀具工件之间间隙的非接触式两类。测量工件尺寸方法的优点在于能直接定量给出刀具径向磨损或破损值，并可与加工精度的在线、实时补偿结合起来，保证加工质量，实现精加工中刀具磨损、破损监测的最终目标。其缺点在于，实时测量易受测试环境干扰，冷却液、切屑等影响测量结果;加工中工件、刀具的热膨胀和受力变形、主轴回转精度、进给运动精度、振动等因素也会直接影响测量的精度。此外，在加工变截面工件时，要求传感器进行准确的跟踪定位，由此也会带来定位的误差，并增加了实现的难度。
（5）切削温度测量法
切削热也是金属切削过程中的一个重要物理现象，刀具的磨损和破损将导致切削温度的骤增。测量切削温度有三种方式:(l)刀具一工件组成的自然热电偶，可以测出切削区的平均温度，不同的刀具、工件材料需进行标定;(2)固定在刀体内某点，由两种金属丝组成的热电偶，测出的是距离刀刃一定距离处某点的温度，存在温度变化时响应慢、事先准备费时的问题。(3)红外摄像系统，可测出切削区温度场分布，具有灵敏度高，响应时间短的特点，但仪器复杂、成本高，聚焦困难，难以测出切削覆盖处的刀具温度。
（6）刀具与工件接触处电阻测量法
测量原理可分为两种:一种是根据刀具磨损使刀具与工件接触面积增大而引起接触电阻减小的效应，这种方法受切削用量影响较大并有绝缘要求；二是在刀具后刀面上贴一层薄膜导体，它随着刀具磨损而消耗，根据其电阻的变化可知刀具后刀面的磨损量。此方法精度高，但需每把刀具都粘贴薄膜电阻，且在高温、高压下薄膜电阻易脱落。该方法应用于实际工况，目前还不太现实。
（7）振动频率测量法
刀具在切削过程中，工件与磨损的刀刃部侧面摩擦，会产生不同频率的振动。对这种振动的监测有两种方法:一是把振幅分成高低两部分，在切削过程中对此两部分振幅进行对比;二是把振幅分成几个独立的幅带，用微处理机对这些幅带进行不断地记录及分析，即能监测出刀具后刀面的磨损程度。美国国家标准局自动化研究所在钻削加工中利用振动信息方面取得了成功的经验。研制成的系统是利用装在工件上的加速度传感器对振动信息进行时效分析，识别钻头的磨损并判断钻头的折断。
（8）工件表面粗糙度测量法
随着刀具磨损程度的增加或破损的发生，工件己加工表面的粗糙度将呈增大趋势，据此可间接评价出刀具的磨损或破损状况。测量工件表面粗糙度的方法也可分为两类。一类是划针式接触测量，可直接得出表面粗糙度的评价参数R。此类方法仅适于静态测量。目前，绝大多数此类方法仅适用于计量室或实验室环境。另一类是非接触式光学反射测量，得出的是工件表面粗糙度的相对值，自动监测中通常采用光纤传感器和激光测试系统两种类型。此类方法测试效率高，可以不留痕迹地测量软质材料的工件表面，但事先需采用样品标定，受切削液、切屑、工件材质、振动等的影响较大。当前还达不到实际应用水平。
（9）电流信号测量法
该方法简称MCSA，利用感应电动机的定子电流作为信号分析的切入点，研究其特征与故障的对应关系。其基本原理是：随着刀具磨损的增大，切削力矩增大，机床所消耗的功率增大或电流上升，故 可实现在线检测刀具磨损。MCSA具有测试便利、信息集成度高、传动路径直接、信号提取方便、不受加工环境的影响、价格低、易于移植等特点，在机床这种传动系统封闭、一般传感器比较困难安装的场合，应该是一种值得探索的方法。
（10）热电压测量法
热电压测量法利用热点效应原理，即两种不同导体的接触点在受热时，将在两导体的另一端之间产生一个电压，这个电压的大小取决于导体的电特性 及接触点与自由端之间的温度差。当刀具和加工工件是由不同材料构成时，在刀具与工件之间就可以产生一个与切削温度相关的热电压。这个电压就可以作为刀具磨损量的一个度量，因为随着刀具磨损量的增大，热电压也随之增大。该方法的有点是价格便宜，精度较高，使用简便，特别适用于高速加工区，缺点是对传感器材料及精度要求高，只能进行间隔式检测。

Ⅲ 大数据科学家需要掌握的几种异常值检测方法

引言

异常值检测与告警一直是工业界非常关注的问题，自动准确地检测出系统的异常值，不仅可以节约大量的人力物力，还能尽早发现系统的异常情况，挽回不必要的损失。个推也非常重视大数据中的异常值检测，例如在运维部门的流量管理业务中，个推很早便展开了对异常值检测的实践，也因此积累了较为丰富的经验。本文将从以下几个方面介绍异常值检测。

1、异常值检测研究背景

2、异常值检测方法原理

3、异常值检测应用实践

异常值检测研究背景

异常值，故名思议就是不同于正常值的值。 在数学上，可以用离群点来表述，这样便可以将异常值检测问题转化为数学问题来求解。

异常值检测在很多场景都有广泛的应用，比如：

1、流量监测

互联网上某些服务器的访问量，可能具有周期性或趋势性：一般情况下都是相对平稳的，但是当受到某些黑客攻击后，其访问量可能发生显着的变化，及早发现这些异常变化对企业而言有着很好的预防告警作用。

2、金融风控

正常账户中，用户的转账行为一般属于低频事件，但在某些金融诈骗案中，一些嫌犯的账户就可能会出现高频的转账行为，异常检测系统如果能发现这些异常行为，及时采取相关措施，则会规避不少损失。

3、机器故障检测

一个运行中的流水线，可能会装有不同的传感器用来监测运行中的机器，这些传感器数据就反应了机器运行的状态，这些实时的监测数据具有数据量大、维度广的特点，用人工盯着看的话成本会非常高，高效的自动异常检测算法将能很好地解决这一问题。

异常值检测方法原理

本文主要将异常值检测方法分为两大类：一类是基于统计的异常值检测，另一类是基于模型的异常值检测。

基于统计的方法  

基于模型的方法

1、基于统计的异常值检测方法

常见的基于统计的异常值检测方法有以下2种，一种是基于3σ法则，一种是基于箱体图。

3σ法则  

箱体图

3σ法则是指在样本服从正态分布时，一般可认为小于μ-3σ或者大于μ+3σ的样本值为异常样本，其中μ为样本均值，σ为样本标准差。在实际使用中，我们虽然不知道样本的真实分布，但只要真实分布与正太分布相差不是太大，该经验法则在大部分情况下便是适用的。

箱体图也是一种比较常见的异常值检测方法，一般取所有样本的25%分位点Q1和75%分位点Q3，两者之间的距离为箱体的长度IQR，可认为小于Q1-1.5IQR或者大于Q3+1.5IQR的样本值为异常样本。

基于统计的异常检测往往具有计算简单、有坚实的统计学基础等特点，但缺点也非常明显，例如需要大量的样本数据进行统计，难以对高维样本数据进行异常值检测等。

2、基于模型的异常值检测

通常可将异常值检测看作是一个二分类问题，即将所有样本分为正常样本和异常样本，但这和常规的二分类问题又有所区别，常规的二分类一般要求正负样本是均衡的，如果正负样本不均匀的话，训练结果往往会不太好。但在异常值检测问题中，往往面临着正（正常值）负（异常值）样本不均匀的问题，异常值通常比正常值要少得多，因此需要对常规的二分类模型做一些改进。

基于模型的异常值检测一般可分为有监督模型异常值检测和无监督模型异常值检测，比较典型的有监督模型如oneclassSVM、基于神经网络的自编码器等。 oneclassSVM就是在经典的SVM基础上改进而来，它用一个超球面替代了超平面，超球面以内的值为正常值，超球面以外的值为异常值。

经典的SVM  

1

 基于模型的方法

2

基于神经网络的自编码器结构如下图所示。

自编码器（AE）

将正常样本用于模型训练，输入与输出之间的损失函数可采用常见的均方误差，因此检测过程中，当正常样本输入时，均方误差会较小，当异常样本输入时，均方误差会较大，设置合适的阈值便可将异常样本检测出来。但该方法也有缺点，就是对于训练样本比较相近的正常样本判别较好，但若正常样本与训练样本相差较大，则可能会导致模型误判。

无监督模型的异常值检测是异常值检测中的主流方法，因为异常值的标注成本往往较高，另外异常值的产生往往无法预料，因此有些异常值可能在过去的样本中根本没有出现过， 这将导致某些异常样本无法标注，这也是有监督模型的局限性所在。 较为常见的无监督异常值检测模型有密度聚类（DBSCAN）、IsolationForest（IF）、RadomCutForest（RCF）等，其中DBSCAN是一种典型的无监督聚类方法，对某些类型的异常值检测也能起到不错的效果。该算法原理网上资料较多，本文不作详细介绍。

IF算法最早由南京大学人工智能学院院长周志华的团队提出，是一种非常高效的异常值检测方法，该方法不需要对样本数据做任何先验的假设，只需基于这样一个事实——异常值只是少数，并且它们具有与正常值非常不同的属性值。与随机森林由大量决策树组成一样，IsolationForest也由大量的树组成。IsolationForest中的树叫isolation tree，简称iTree。iTree树和决策树不太一样，其构建过程也比决策树简单，因为其中就是一个完全随机的过程。

假设数据集有N条数据，构建一颗iTree时，从N条数据中均匀抽样(一般是无放回抽样)出n个样本出来，作为这颗树的训练样本。

在样本中，随机选一个特征，并在这个特征的所有值范围内（最小值与最大值之间）随机选一个值，对样本进行二叉划分，将样本中小于该值的划分到节点的左边，大于等于该值的划分到节点的右边。

这样得到了一个分裂条件和左、右两边的数据集，然后分别在左右两边的数据集上重复上面的过程，直至达到终止条件。 终止条件有两个，一个是数据本身不可再分(只包括一个样本，或者全部样本相同)，另外一个是树的高度达到log2(n)。 不同于决策树，iTree在算法里面已经限制了树的高度。不限制虽然也可行，但出于效率考虑，算法一般要求高度达到log2(n)深度即可。

把所有的iTree树构建好了，就可以对测试数据进行预测了。预测的过程就是把测试数据在iTree树上沿对应的条件分支往下走，直到达到叶子节点，并记录这过程中经过的路径长度h(x)，即从根节点，穿过中间的节点，最后到达叶子节点，所走过的边的数量(path length)。最后，将h(x)带入公式，其中E(.)表示计算期望，c(n)表示当样本数量为n时，路径长度的平均值，从而便可计算出每条待测数据的异常分数s(Anomaly Score)。异常分数s具有如下性质：

1）如果分数s越接近1，则该样本是异常值的可能性越高；

2）如果分数s越接近0，则该样本是正常值的可能性越高；

RCF算法与IF算法思想上是比较类似的，前者可以看成是在IF算法上做了一些改进。针对IF算法中没有考虑到的时间序列因素，RCF算法考虑了该因素，并且在数据样本采样策略上作出了一些改进，使得异常值检测相对IF算法变得更加准确和高效，并能更好地应用于流式数据检测。

IF算法

RCF算法

上图展示了IF算法和RCF算法对于异常值检测的异同。我们可以看出原始数据中有两个突变异常数据值，对于后一个较大的突变异常值，IF算法和RCF算法都检测了出来，但对于前一个较小的突变异常值，IF算法没有检测出来，而RCF算法依然检测了出来，这意味着RCF有更好的异常值检测性能。

异常值检测应用实践

理论还需结合实践，下面我们将以某应用从2016.08.16至2019.09.21的日活变化情况为例，对异常值检测的实际应用场景予以介绍：

从上图中可以看出该应用的日活存在着一些显着的异常值（比如红色圆圈部分），这些异常值可能由于活动促销或者更新迭代出现bug导致日活出现了比较明显的波动。下面分别用基于统计的方法和基于模型的方法对该日活序列数据进行异常值检测。

基于3σ法则（基于统计）

RCF算法（基于模型）

从图中可以看出，对于较大的突变异常值，3σ法则和RCF算法都能较好地检测出来， 但对于较小的突变异常值，RCF算法则要表现得更好。

总结

上文为大家讲解了异常值检测的方法原理以及应用实践。综合来看，异常值检测算法多种多样 ，每一种都有自己的优缺点和适用范围，很难直接判断哪一种异常检测算法是最佳的， 具体在实战中，我们需要根据自身业务的特点，比如对计算量的要求、对异常值的容忍度等，选择合适的异常值检测算法。

接下来，个推也会结合自身实践，在大数据异常检测方面不断深耕，继续优化算法模型在不同业务场景中的性能，持续为开发者们分享前沿的理念与最新的实践方案。

Ⅳ 板材一般采用哪些方法来检测甲醛释放量

（1）穿孔萃取法：是最早开发,直到现在仍在广泛使用的方法。（目前我们公司送检的产品都是用此方法检测）
试验原理：将溶剂甲苯与被测试件共热，通过液体-固萃取使甲醛从试件中溶解出来，然后将溶解有甲醛的甲苯通过穿孔器与蒸馏水精细液-液萃取，把甲醛转溶与蒸馏水后，对溶有甲醛的蒸馏水溶液进行定量分析。用被测液的甲醛浓度，试件含水率、试件质量等计算出被测人造板的甲醛释放量，以mg/100g计，精确至0.1mg。穿孔萃取法实际上是测出人造板中所含的全部可能释放出来的甲醛。
★ 甲醛含量指标值：
E0级甲醛释放量≤3mg/100克，E0板可直接用于室内板。
E1级甲醛释放量≤8mg/100克，E1板可直接用于室内板。
E2级甲醛释放量≤30mg/100克，必须饰面处理后允许用于室内。
CARB P2→F★★★★级甲醛释放量≤1.8mg/100克，F★★★★不限制使用面积。
（2）干燥器法：日本早已将干燥器法列为国家标准。
实验原理：将盛有规定体积蒸馏水的结晶放于干燥器底部，在其上方固定的金属支架上放置被测试件，试件释放出的甲醛被蒸馏水吸收，此吸收液作为试样溶液，测定并计算试样溶液浓度，所得结果即被测人造板的甲醛释放量，以mg/l单位计。
★ 甲醛含量指标值：
E0级甲醛释放量≤0.5mg/L，E0板可直接用于室内板
E1 级甲醛释放量≤1.5mg/L，E1板可直接用于室内板。
E2级甲醛释放量≤5.0mg/L，必须饰面处理后允许用于室内。
CARB P2→F★★★★级甲醛释放量≤0.3mg/L，F★★★★不限制使用面积。
（3）气候箱法：是一种比较稳定的检测手段，我国已将1㎡气候箱法作为饰面人造板甲醛释放的仲裁检测方法。
试验原理：将1㎡表面积的人造板样品放入温度、相对湿度、空气流速和空气置换率控制在一定值的气候箱内，甲醛从样品中释放出来后与箱内的空气混合，定期抽取箱内的空气，将抽出的空气通过盛有蒸馏水的吸收瓶，空气中的甲醛全部溶于水；测定吸收液中的甲醛量及抽取的空气体积，计算出每立方空气中的甲醛含量，抽气是周期性的，直到气候箱内空气中的甲醛浓度达到稳定状态为止，以mg/m3单位计。

Ⅳ 软件测试的目标和准则是什么有哪些测试方法测试步骤有哪些

软件测试的目的;在规定的条件下对程序进行操作，以发现程序错误，衡量软件质量，并对其是否能满足设计要求进行评估。

准则：对计算机软件进行测试前，首先需遵循软件测试原则，即不完全原则的遵守。不完全原则即为若测试不完全、测试过程中涉及免疫性原则的部分较多，可对软件测试起到一定帮助。

因软件测试因此类因素具有一定程度的免疫性，测试人员能够完成的测试内容与其免疫性成正比，若想使软件测试更为流畅、测试效果更为有效，首先需遵循此类原则，将此类原则贯穿整个开发流程，不断进行测试，而并非一次性全程测试。

测试方法：

1、静态测试方法

软件代码的静态分析测验，此类过程中应用数据较少，主要过程为通过软件的静态性测试（即人工推断或计算机辅助测试）测试程序中运算方式、算法的正确性，进而完成测试过程，此类测试的优点在于能够消耗较短时间、较少资源完成对软件、软件代码的测试，能够较为明显地发现此类代码中出现的错误。

2、动态测试

计算机动态测试的主要目的为检测软件运行中出现的问题，较静态测试方式相比，其被称为动态的原因即为其测试方式主要依赖程序的运用，主要为检测软件中动态行为是否缺失、软件运行效果是否良好。

3、黑盒测试

通过数据输入观察数据输出，检查软件内部功能是否正常。测试展开时，数据输入软件中，等待数据输出。数据输出时若与预计数据一致，则证明该软件通过测试，若数据与预计数据有出入，即便出入较小亦证明软件程序内部出现问题，需尽快解决。

4、白盒测试

白盒测试相对于黑盒测试而言具有一定透明性，原理为根据软件内部应用、源代码等对产品内部工作过程进行调试。测试过程中常将其与软件内部结构协同展开分析，最大优点即为其能够有效解决软件内部应用程序出现的问题，测试过程中常将其与黑盒测试方式结合，当测试软件功能较多时，白盒测试法亦可对此类情况展开有效调试。

(5)康正检测方法开发及技术支持测试扩展阅读

软件测试工具

开源测试管理工具：Bugfree、Bugzilla、TestLink、mantis zentaopms。

开源功能自动化测试工具：Watir、Selenium[1]、MaxQ、WebInject。

开源性能自动化测试工具：Jmeter、OpenSTA、DBMonster、TPTEST、Web Application Load Simulator。

其他测试工具与框架：Rational Functional Tester、Borland Silk系列工具、WinRunner、Robot等。

禅道测试管理工具：功能比较全面的测试管理工具，功能涵盖软件研发的全部生命周期，为软件测试和产品研发提供一体化的解决方案。是一款优秀的国产开源测试管理工具。

Quality Center：基于Web的测试管理工具，可以组织和管理应用程序测试流程的所有阶段，包括指定测试需求、计划测试、执行测试和跟踪缺陷。

QuickTest Professional：用于创建功能和回归测试。

LoadRunner：预测系统行为和性能的负载测试工具。

国内免费软件测试工具有：AutoRunner和TestCenter。

Ⅵ 什么方法能检测出牛奶中抗生素的具体含量

牛奶中抗生素残留的几种常用检测方法
随着奶牛饲养业的发展，抗生素在预防和治疗奶牛疾病方面得到广泛的应用。生鲜牛奶中抗生素的来源主要是：第一，治疗泌乳期病牛时使用的抗生素会从奶牛体内移行到乳腺残留进入牛奶中，资料表明治疗后的奶牛，其挤出的牛奶5天内都有抗生素残留；其二，为了预防奶牛疾病并提高产量，在奶牛饲料中添加抗生素也会造成牛奶中抗生素的残留；第三，由于牧场管理不善，挤奶、储奶没有严格的卫生制度和配套的设施，人为添加或造成牛奶抗生素的污染。
牛奶中含有抗生素，不仅对人的健康造成很大的危害，而且对乳品加工企业带来经济损失（因无法生成酸奶和奶酪）。因此必须严格控制牛奶中抗生素残留，除了要做好科学饲养、精心管理；正确挤奶和预防疾病外，还要规范抗生素的使用，按国标中有关规定，用药后的奶牛5天后所产的牛奶才可作为原料乳，并且要检测其残留。世界粮农组织（FAO）、世界卫生组织（WHO）、欧盟（EC）及美国的食品和药品管理局（FDA）等对食品中抗生素最大残留量都有明确的规定，我国也有鲜奶中抗生素残留量检验标准（GB4689.27—94）。
目前，鲜奶中抗生素残留的检测方法大致分为三类：生物测定法（微生物测定法、放射受体测定法）、免疫法（放射免疫法、荧光免疫法、酶联免疫法）、理化分析法（波谱法、色谱及联用技术）。下面介绍几种常用的牛奶中抗生素残留检测方法。
TTC法
TTC法是我国鲜奶中抗生素残留量检验标准（GB4689.27—94）的检测法，属生物检测法。其测定原理基于抗生素对微生物的抑制作用。如果牛奶中含有抗生素，则加入菌种（嗜热链球菌）经培育2.5~3小时后,加入TTC指示剂(三苯基四氮唑)不发生还原反应,所以样品呈无色状态;如果牛奶中不含抗生素,则样品呈红色.这样实验后样品颜色不变的为阳性,样品染成红色的为阴性。
TTC法的具体操作步骤:
1.菌液制备:将单菌种(嗜热链球菌)以脱脂乳为培养基,在36±1℃培养箱中培养15小时后,再以脱脂乳以至于1:1稀释待用;
2.取待检样液9mL,在80℃水浴加热5分钟后冷却到37℃以下,加活菌液1mL,在36℃±1℃水浴2小时,加入4%的TTC指示剂0.3mL, 36℃±1℃水浴培养30分钟;
3.若样液颜色不变为阳性,呈红色为阴性;若阳性的样液,再置于水浴中培养30分钟,不显色的为阳性,呈红色为阴性.
TTC法测定各种抗生素的灵敏度为:青霉素:4ppb,链霉素:500ppb,庆大霉素:400ppb,卡那霉素:5000ppb.它具有费用低,易开展的优点;缺点是耗时长，要求操作人员需有一定专业知识且实验过程中菌液的制备、水浴过程控制都要求严格遵守操作规程，否则易出现假阳性，以致出现检验结果的不稳定性。
Delvotest? sp法（戴尔沃检测法）
该法最早在香港传到广东的，其使用是基于20世纪80年代初香港要求广东出口的生奶必须“无抗”且要求采用Delvotest法检测。该方法也是生物测定法，其试剂是由荷兰DSM公司生产并由AOAC认证。原理是利用微生物—嗜热芽胞菌在64℃条件下培养2.5～3小时后会产酸,酸引起指示剂BCP(溴甲酚紫)变为黄色;若牛奶样品中不含抗生素,培养后样品呈黄色,如样品中含有抗生素, 嗜热芽胞菌生长受到抑制而无法产酸,指示剂将不变色.
Delvotest? sp 法的操作步骤:
1.以无菌操作将一片营养药片夹放入小试管内;
2.用微量移液管将0.1mL牛奶样品注入小试管内;
3.把小试管放入已预热至64℃的水浴箱或恒温器中培养;
4).定时3小时取出观察颜色变化.如果底部2/3的固体介质是黄色,则为阴性, 如果底部2/3的固体介质是紫色,则为阳性.
Delvotest? sp 法具有广谱性,可检测到?-内酰胺类抗生素在内的更多抗生素,如磺胺类、四环素类、大环内酯类、氨基糖苷类、氯霉素等，其中对青霉素和磺胺类抗生素特别灵敏. 其灵敏度为：青霉素:3ppb,链霉素:300ppb,庆大霉素:400ppb,卡那霉素:2500ppb。Delvotest? sp 法集操作方便，严格实用，容易判断，结果可靠，费用适中等优点；但也易出现假阳性，实验证明：当牛奶样品中添加微生物防腐剂（如乳酸链球菌素—Nisn）或样品中有足够的洗涤剂残留时，便可影响嗜热芽胞菌生长而使实验为阳性。
Snap?法
该方法是酶联免疫法，由美国IDEXX公司生产其检测分析仪及其试剂盒，均获得AOAC认证，它利用了竟争酶联免疫技术。其基本原理是用特异性抗体将固相载体激活，加入含待测抗原的溶液和一定量的酶标记抗原在45℃±5℃共同保温，使样品内的抗生素与内置抗生素标志物竟争与固定的抗体结合，然后进行洗涤和显色，内置抗生素标志物与固定的抗体结合形成的复合体，通过酶的作用分解可形成有色物质，通过测定色度并与参照物对照，就可以确定结果是阳性或阴性。
Snap?法操作步骤：
1.加入乳样于样品管中,摇匀,加热样品和检测板5分钟;
2.加入乳样于样品孔中,当激活圆环开始退却时,按Snap键;
3.反应4分钟,由Snap?读数仪读取并打印结果.检测读数小于1.05时判为阴性,大于1.05时判为阳性.
Snap?法是一种将酶化学反应的敏感性和抗原抗体免疫反应的特异性相结合的方法,其敏感性和特异性好,检测的灵敏度以普遍使用的?-内酰胺类计：青霉素:5ppb,阿莫西林:10ppb,氨苄西林:10ppb,头孢西林:8ppb.其他抗生素如四环素等的检测,则需购买相应的试剂来检测. Snap?法检测结果快速准确, 9分钟内即可检测出牛奶中?-内酰胺类、四环素类、磺胺类等抗生素的残留含量，且有半定量的读数，可监控牧场用药的情况；检测仪器稳定性良好，结果重现性高，整个检测过程简单方便；但需购置专用仪器和试剂，成本较高。
高效液相色谱检测法
它是一种理化检测方法,是利用抗生素分子中的基团所具有的特殊反应来测定其含量.检测的过程采用了气相色谱理论,通过高压液相和高灵敏度的检测器,分离速度快、效率高和操作自动化。一般要经过样品的提取、脱蛋白、离心、层析柱净化、衍生化等步骤，能检测抗生素的具体含量，敏感性较高，但检测程序复杂，费用较高，需购买色谱仪等检测设备，不适合小型检验室。
传统的抗生素检测方法不少,有的操作烦琐,有的实验条件要求高,有的检验时间太长;这些不仅会给乳制品生产企业造成经济上和时间上的损失,而且检测结果常常会被原辅材料和人为操作等因素所影响.鉴于牛奶中抗生素残留是涉及人类健康的公共卫生问题,乳品企业及牧场应重视和加强检测工作,应用一些简单、快速和准确性高的方法来监控产品的质量，保证消费者的健康。
http://szddi.com/foodonline/newsdetail.asp?id=15933

反应原理
本产品主要是利用抗原与抗体的特异性免疫化学反应的基本原理来进行的。在整个反应当中,样品中氯霉素含量越多，反应呈色就越淡。反之，样品中氯霉素含量越少，则呈色越深。
试剂盒组成
1、微量测试孔：每条8孔，每板12条
2、氯霉素标准溶液：
0ppb、0.05ppb、0.15ppb、0.45ppb、1.35 ppb、4.05 ppb，1.5ml/瓶
3、10倍浓缩萃取稀释液：一瓶，30ml/瓶
4、10倍浓缩洗涤液：一瓶，30 ml /瓶
5、氯霉素酶标记物： 一瓶，8 ml/瓶
6、底物溶液：一瓶，12 ml/瓶
7、反应终止液：一瓶，13 ml/瓶
使用说明
A、注意事项
1、使用前先将氯霉素标准溶液6瓶，浓缩萃取稀释液，浓缩洗涤液，酶标记物，底物溶液及微量测试孔条置于室温下，回温30分钟。
2、原倍萃取稀释液及洗涤液配制
用蒸馏水将10倍浓缩萃取稀释液及浓缩洗涤液分别以1： 9的比例稀释(即1mL浓缩液+9mL蒸馏水)，即可作为样品萃取稀释液与微孔板清洗液。
3、回温后，取出所需微量测试孔条，将剩余板条立即放回铝箔袋中用胶带封好，置于4oC保存。
B、样品制备
1.待测物为生乳，则依以下方法进行处理 (5倍稀释)
取100ul待测生乳加入400ul萃取稀释液，振荡混合后备用。
2.待测物为蜂蜜，则依以下方法进行处理
a.取2g蜂蜜、4ml蒸馏水与2ml 乙酸乙酯置入离心管中，震荡约5分钟，使其充分混合均匀。
b.离心10分钟(3000rpm)，取0.5ml上清液(乙酸乙酯)至玻璃管中，于50℃下氮气吹干(温度请勿超过50oC)。
c.加入0.5ml萃取稀释液，震荡约10秒钟后备用。
3. 待测物为血清、则依以下方法进行处理
a.抽取待检动物血液，离心或静置取其较透明之上层液(血清层)使用，注意不要有溶血。
b.将3ml血清加入离心管中，再加入6ml乙酸乙酯，震荡混合约30秒。
c.离心10分钟(3000rpm)，取2ml上层液(乙酸乙酯)至玻璃管中，于50oC下氮气吹干。
d.于此玻璃管中加入正己烷2ml，先将残余物完全溶解后，再加入1 ml萃取稀释液，震荡约30秒钟。
e. 离心10分钟(3000 rpm)，用吸管吸去上层液(正己烷) 及中间乳化层部分，弃掉。再吸取下层液(水层)备用。
f.若有乳化现象，请先将大部分上层液(正己烷)取出后，再将玻璃管置入80oC水中，隔水加热约5~10分钟，可改善乳化情形。
4. 待测物为鸡肉或鱼、虾，则依以下方法进行处理
a.将3克样品剪碎后放入50 ml离心管中，再加入6ml乙酸乙酯，并以均质机均质约1分钟，再震荡约30秒。
b.离心10分钟(3000rpm)，取2ml上清液(乙酸乙酯)至玻璃管中，于50oC下氮气吹干。
c.于此玻璃管中加入正己烷2 ml，先将残余物完全溶解后(若未能完全溶解，可能会导致回收率降低)，再加入1 ml萃取稀释液，震荡约30秒钟。
d.离心10分钟(3000 rpm)，用吸管吸去上层液(正己烷) 及中间乳化层部分，弃掉。再吸取下层液(水层)备用。
e.若有乳化现象，请先将大部分上层液(正己烷)取出后，再将玻璃管置入80oC水中，隔水加热约5~10分钟，可改善乳化情形。待测物为血清、则依以下方法进行处理
5.待测物为内脏(肝、心等)，则依以下方法进行处理(5倍稀释)
同上述步骤a~d，但下层液吸出后，再以萃取稀释液稀释5倍(即下层液50ul加萃取稀释液200ml)。
6.待测物为饲料，则依以下方法进行处理(10倍稀释)
同上述步骤a~d，但下层液吸出后，再以萃取稀释液稀释10倍(即下层液30ul加萃取稀释液270ml)。
C、操作步骤
本产品的酶标记物与氯霉素标准溶液均直接使用，无需再稀释。
1、于适当微孔中分别加入100mL标准溶液(0,0.05,0.15,0.45,1.35和4.05ppb)。
2、在另外的微孔中加入100mL 已完成前处理的样品溶液。
3、再于每一微孔中另再加入50mL酶标记物。
4、轻敲盘子四周，使其充分混合后于室温下避光静置温育1小时。
5、将微孔中的反应液甩掉，再将洗液加满每一微孔后甩掉，重复洗3次。
6、最后一次甩掉后，在吸水纸上拍干。
7、于每一微孔中加入底物溶液100mL后，轻敲盘子四周，使其充分混合。
8、于室温下避光静置温育20分钟。
9、于每一微孔中加入100mL反应终止液。
10、用酶标仪于波长450nm下判读。
D、判定
1. 计算B/B0值。用样品或标准液吸光度值(B)除以零标准吸光度值(B0)再乘以100%。
2. 以B/B0值为纵坐标，以标样浓度的对数值为横坐标，做标准半对数曲线。
3. 根据每个样品的B/B0值就可从曲线上读出相对应样品的浓度。
4. 由于样品经过了预先稀释，因此根据标准曲线所得出的样品浓度一定要再乘以其稀释倍数。
E、标准曲线

F、灵敏度
氯霉素试剂检测盒的平均检测下限为 0.05ppb，此浓度之吸光值与阴性标准溶液(0ppb)之吸光值有明显的差异。
G、 特异性
针对以下抗生素进行交叉反应之测试，结果如下：
Chloramphenicol =100%
Chloramphenicol(free base) <0.1%
Gentamycin <0.1%
Tetracycline <0.1%
Penicillin G <0.1%
Sulfamethazine <0.1%
H、再现性
针对氯霉素检测试剂盒精密度测试，重复6次，所得不同浓度标准溶液的吸光值变异系数(%CV)如图2所示，显示氯霉素试剂盒有很高的再现性:

I、回收率
生乳(添加1.0ppb)104~117%
蜂蜜(添加0.3ppb)90~110%
虾及鱼肉(添加0.5ppb)95~110%
鸡肉(添加0.5ppb) 90~120%
血清(添加0.5ppb)100~120%
内脏(添加1.0ppb) 100~120%
饲料(添加2.0ppb)80~110%

氯霉素检测试剂盒
简介
氯霉素(Chloramphenicol)是一种广谱抗生素。由于其具有效果好以及价格低廉等优点，目前已被普遍应用于各类家禽、家畜、水产品及蜂制品的各种传染性疾病的治疗。然而氯霉素有其严重的副作用,它会抑制人体骨髓的造血功能，从而引起再生障碍性贫血和粒细胞缺乏症。目前，我国已禁止其使用。
我公司采用国内外先进的工艺与技术，研发出氯霉素ELISA检测试剂盒，简化了样品处理方式，使用简便，省时省力省钱，整个操作过程不到90分钟。本产品检测范围广(鸡肉、鱼、虾、蟹、牛奶、血清、肌肉、组织、饲料与蜂蜜等)，回收率为80%－120%，灵敏度可达到0.05ppb，是各类企业及各级政府检测机构的理想产品。
简单
1． 样品提取方便快捷。
2． 90分钟得到结果。
3． 只需基本的实验室设备。
4． 操作人员只需最基本的实验知识。
准确
1． 结果重现性高。
2． 精确至0.05ppb。
3． 与其它抗体的交叉反应率极低。
技术支持
我们为用户提供最方便、快捷、周到的服务。
产品规格
包装：每包96孔
灵敏度: 0.05ppb
测试区间：0.05ppb－4.05ppb
检测时间：80分钟(提取后)
储存条件：2-8℃

Ⅶ E0级的甲醛释放量是用什么方法检测的

对于强化木地板而言，“健康”的唯一检测指标就是指甲醛释放量。目前，国内的强化地板甲醛释放量标准为E1标准，执行中华人民共和国国家标准：“室内装饰材料-人造板及 其制品中甲醛释放限量[GB/18580-2001]”，即甲醛释放量小于1．5mg／L（干燥器法）或小于0.12㎎/M3[气候箱法]，这两种测试方法不同，采用计量单位不同，不可比，即不是10倍关系，它们都表示产品的甲醛释放量相同，符合E1标准。如今国内能够买到的品牌中，也有率先实行欧洲健康标准“E0”的强化木地板，也就是要求产品甲醛释放量平均值小于0.5mg/L。从某种意义上说，“E0”级就代表了甲醛释放量接近于0，代表了目前最为严格、洁净的室内空气甲醛限量标准。 根据标准规定，强化木地板只能用气候箱法和干燥器法，发生争执仲裁时以气候箱法测定结果为准。所以“E0”级的强化木地板也可用这两种方法则定。 甲醛释放量最低为0.2mg/L，它们分别是大建、大音·岚山、大自然、家和佳、盛为和三夏的样本。