当前，国内外LIMS对于规范性流程控制，检测（分析）报告自动生成是都已经有较好的实现。只是检测（分析）报告中的关键内容：检测结果表需要人工输入。因为这两项内容，技术实现相对简单，是纯数据库管理系统的经典功能。只是，由于具体流程控制，根据客户实际业务要求，各不相同，有一定复杂度，但实现上没有难点，对工作效率没有太大的影响。
所以，我们反其道而行，直接从数据采集、自动分析、结果报告入手，解决LIMS当前使用的“痛点”问题。先将人员从大量的繁杂的人工输入审核的工作中解除出来，结果报告直接为最终的《检测报告》所用，而先不管所有的流程控制与最终《检测报告》的生成。——这些后期或稍迟跟进，都没有问题。这样，一定会使各实验室都愿意来使用本系统。
为第三方环境实验室提供全面的运营管理服务，包括实验室人（人员）、机（仪器）、料（样品、材料）、法（方法、质量）、环（环境、通讯）全面资源管理,实现检测设备原始谱图数据的智能抽取，自动生成《配制记录》》、《质控记录》、《原始记录》与《检测报告》；基于大语言模型，实现AI环保咨询助手，提供专业的环境检测领域政策、标准咨询；
我的项目负责人，设计师及核心开发人员，包括系统架构及所有功能的设计工作，以及核心的AI解析及报告生成模块的前后端开发。
后端技术及框架：Python，Java，SpringBoot，Hibernate
WEB前端技术及框架：ES6，Ant-Design(React)
大模型应用：使用基于Qwen2.5-3B-Instruct模型，针对环境检测领域使用Llama-Factory框架进行微调，提升模型在环境检测检验政策、标准文本理解和生成上的能力。设计了基于检索增强生成(RAG)的架构，结合政策标准知识库生成更准确的法规建议，知识库整合了涵盖水质、大气、土壤、噪声、固废等环境检测领域的国家政策法规及各种国标、行标、地标以及团标。开发了基于规则的政策及标准信息抽取模块，自动提取政策及标准文本中的关键要素(如法律责任、保护区域、实施日期、标准限值等)。微调评估采用OpenCompass客观评估，并结合主观评估，对模型微调效果进行评价。RAG方案采用LlamaIndex框架，使用文档加载器加载文档数据，以及节点解析器将文档分块，并通过VectorStoreIndex构建向量索引，存储到本地向量数据库中(Chroma)，最后通过engine查询信息。
评论