一种深度学习辅助的物质定量分析方法
摘要文本
本发明提供了一种深度学习辅助的物质定量分析方法，利用光源及驱动单元产生入射光波；利用光散射及物质作用单元与待测物质作用形成多模态散射光；利用多象限红外探测器通过N个独立光电探测芯片接收多模态散射光，并形成N个电压信号；利用智能分析单元对实时探测的N个电压信号以相同序列组成向量组，通过半监督型深度学习进行物质定量识别。本发明不受光谱分辨力局限、且无复杂通用光谱仪光谱结构实现了物质(混合气体和水污染物等)的高精度定量监测，同时采用半监督深度学习算法，有利于提高训练速度，节省硬件资源。
申请人信息
- 申请人:南昌大学
- 申请人地址:330000 江西省南昌市红谷滩新区学府大道999号
- 发明人: 南昌大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种深度学习辅助的物质定量分析方法 |
| 专利类型 | 发明授权 |
| 申请号 | CN202311387558.5 |
| 申请日 | 2023/10/25 |
| 公告号 | CN117110250B |
| 公开日 | 2024/2/9 |
| IPC主分类号 | G01N21/47 |
| 权利人 | 南昌大学 |
| 发明人 | 王启胜; 邱梦春; 陈君明; 成者; 王立 |
| 地址 | 江西省南昌市东湖区红谷滩新区学府大道999号 |
专利主权项内容
1.一种深度学习辅助的物质定量分析方法，所述物质定量分析方法通过深度学习辅助的物质定量分析系统实现，其特征在于：所述物质定量分析系统包括：光源及驱动单元，光散射及物质作用单元，多象限红外探测器，智能分析单元；所述光源及驱动单元，用于产生入射光波；所述光散射及物质作用单元，用于与待测物质作用形成多模态散射光；所述多象限红外探测器，通过N个独立光电探测芯片接收多模态散射光，并形成N个电压信号；所述智能分析单元，对实时探测的N个电压信号以相同序列组成向量组，其中/>，通过半监督型深度学习进行物质定量识别；所述物质定量分析方法包括如下步骤：S1、采用物质定量分析系统对M个单一的已知量的物质分析，获得N个维度的散射光强值，建立作用矩阵，其表达式为：
，其中，M个单一的已知量的物质分别为、/>、···、/>、/>，则 />；S2、采用物质定量分析系统分析不同定量的M个样品混合物，获得各个N维度散射光强值对应的各物质定量信息，并对应建立以定量信息为标记数据集和以N维度散射光强值为信号数据集，即：
，其中p为不同定量的M个样品混合物质的组合随机组合次数；S3、通过相同随机种子函数，将标记数据集和信号数据集打乱后，以6 : 2 : 2配比随机抽样分成训练集、测试集和验证集；S4、将N维度散射光强值建立1×N数组A，以升维方式扩展至×/>的矩阵；其中n为6～10；S5、以深度学习框架进行训练，包括10层卷积层，损失函数如下：
，其中，为经过深度学习模型输出的各物质定量数据，/>为真实的各物质定量数据；，/>为以获得的作用矩阵/>乘以真实的各物质定量数据，/>为对应N维度散射光强度值，r为迭代次数；采用测试集迭代训练后，损失不大于0.0005；S6、采用验证集对训练的模型文件进行验证，准确率大于99.99%合格，否则将验证集中不合格数据抽取到训练集中进行模型的迭代训练及验证。