基于拉曼光谱的自学习式定性分析方法技术

本发明专利技术的实施例提供了一种基于拉曼光谱进行自学习式定性分析的方法，包括：拉曼光谱采集步骤，其采集拉曼光谱；特征提取和对比步骤，其提取光谱数据与谱图库的光谱特征库比较而获取原始识别物质ID列表；相似度比较步骤，针对拉曼光谱计算获取原始识别物质ID列表中物质ID的相似度来生成相似度列表，并且与谱图库中的相似度阈值库进行对比；和物质ID选择步骤，基于自学习库来对经与相似度阈值比较后所获相似度超阈值的相似度识别物质ID列表进行验证，包括当相似度列表中存在超过相似度阈值库中的物质ID对应阈值的物质ID时，执行误报检测；当相似度列表中不存在超过相似度阈值库中的物质ID对应阈值的物质ID时，执行漏报检测。

Self learning qualitative analysis method based on Raman spectroscopy

The embodiment of the present invention provides a method of self learning qualitative analysis based on Raman spectrum, including: Raman spectrum acquisition step, acquisition of Raman spectra, feature extraction and contrast steps. The extraction spectrum data is compared with the spectral feature library of the spectral library, and the original identification material ID list is obtained; the similarity comparison step is made. Suddenly, the similarity degree of the material ID in the original identification material ID list is obtained from the Raman spectrum calculation to generate the similarity list, and compared with the similarity threshold Library in the spectral library; and the step of the material ID selection, based on the self learning library, the similarity degree recognition material ID with the similarity degree after the similarity threshold is obtained after the comparison with the similarity threshold. The list is verified, including the error detection when there is a substance ID that exceeds the threshold value of the substance ID in the similarity threshold library. When the similarity degree list does not exist more than the material ID of the substance ID in the similarity threshold library, the leak detection is performed.

【技术实现步骤摘要】
基于拉曼光谱的自学习式定性分析方法
本专利技术涉及拉曼光谱检测领域，尤其涉及一种基于拉曼光谱的自学习式定性分析方法。
技术介绍
拉曼光谱分析技术是一种以激发光的拉曼散射效应为基础的非接触式光谱分析技术，它能对物质的成分进行定性、定量分析。拉曼光谱是一种分子振动光谱，它可以反映分子的指纹特征，每种物质的拉曼光谱具有独特性。通过将测量得到的拉曼光谱与已知的各种物质拉曼光谱数据库的谱图进行比对来识别出被测物质的成份，从而可用于对物质的检测，具体地已经广泛应用于液体安检、珠宝检测、爆炸物检测、毒品检测、药品检测等领域。在现有技术中，常规拉曼光谱检测装置通常基于光谱数据库进行搜索测量来实现定性分析，最后显示测量结果，其大致工作流程可概括为：采集谱图数据；对所采集谱图进行预处理；将经预处理后的所采集谱图与谱图库进行比对；获取定性分析结果；显示定性分析结果。两种物质的拉曼光谱相似性例如可以用“相似度”参数来定量地表示，诸如通常较为普遍地采用相似性函数来计算相似度。然而，这种常规的用于定性分析的拉曼光谱检测方法通常对于纯度不高的物质而言误报率和漏报率均较高，且仅仅是重复且机械地执行与光谱数据库的穷尽性对比直至获得一致的比对结果以完成定性分析，从而分析处理的时间较长；且对两种成份相差很小的样品采用全局的简单重复的拉曼光谱相似度比对分析，很难从相似度计算结果将样品进行区分，从而当前常规的相似度计算方法和相似度判别阈值也遇到了一定困难。因此，亟需一种改进的对拉曼光谱进行定性分析的方法，其具备自学习能力，且能够充分利用相似度方法、自学习方法以及与可选人工识别方法的组合与来实现高效快速筛分的光谱处理从而达到快速收敛且准确的物质检测。
技术实现思路
至少部分地解决上述问题的至少一个方面，以及减少或至少部分消除现有技术中存在的缺陷和不足，本专利技术的目的是提供一种基于拉曼光谱的自学习式定性分析方法，其通过结合自学习与人工对比两种方式来完成拉曼光谱检测，能够降低定性分析中由于物质纯度不足导致的误报和漏报发生率，提高定性分析的准确性；缩短分析处理时间；以及缩短系统启动时间。本专利技术的实施例提供了一种基于拉曼光谱进行自学习式定性分析的方法，包括：拉曼光谱采集步骤：采集待实测物品的拉曼光谱；特征提取和对比步骤：提取拉曼光谱数据与谱图库中的光谱特征库比较，获取原始识别物质ID列表；相似度比较步骤：针对拉曼光谱计算获取原始识别物质ID列表中每个物质ID的相似度来生成相似度列表，并且与谱图库中的相似度阈值库进行对比；以及物质ID选择步骤：基于自学习库来对经与相似度阈值比较后所获相似度超相似度阈值的相似度识别物质ID列表进行验证检测，包括误报检测和漏报检测，当相似度列表中存在超过相似度阈值库中所储存的物质ID对应相似度阈值的物质ID时，执行误报检测；当相似度列表中不存在超过相似度阈值库中所储存的物质ID对应相似度阈值的物质ID时，执行漏报检测。在一实施例中，，当相似度列表中存在超过相似度阈值库中所储存的物质ID对应相似度阈值的物质ID时，先执行误报检测之后再额外地执行漏报检测。在一实施例中，所述误报检测和所述漏报检测中任一种均设置成选择性地执行三种并行的物质ID选择方法，包括：统计选择方法：对自学习库中的所有误报或漏报物质ID进行统计选择；特征识别方法：对于自学习库中“自学习类型”取值为“特征识别”的误报或漏报物质ID进行特征识别方式的选择；和二次识别方法：对于自学习库中“自学习类型”取值为“二次识别”的误报或漏报物质ID进行二次识别方式的选择。在一实施例中，所述误报检测和所述漏报检测中任一种均设置成包括前处理步骤和后处理步骤，所述前处理步骤包括：通过将已识别物质ID列表中的ID与自学习库中对于所有误报或漏报物质ID、对于自学习库中“自学习类型”取值为“特征识别”的误报或漏报物质ID、以及对于自学习库中“自学习类型”取值为“二次识别”的误报或漏报物质ID分别比较，来针对分别生成所述统计选择方法、所述特征识别方法和所述二次识别方法的最高正确物质ID次数；以及所述后处理步骤基于所述统计选择方法、所述特征识别方法和所述二次识别方法的最高正确物质ID次数与各自次数阈值的对比来选择性地执行所述三种物质ID选择方法。在一实施例中，所述误报检测的前处理步骤中的已识别物质ID列表选择为所述相似度识别物质ID列表。在一实施例中，所述漏报检测的前处理步骤中的已识别物质ID列表选择为所述原始识别物质ID列表。在一实施例中，对于所述自学习库中的所有误报或漏报物质ID获得的所述最高正确物质ID次数的次数阈值被设置为大于对于所述自学习库中“自学习类型”取值为“特征识别”和“二次识别”之一的误报或漏报物质ID获得的所述最高正确物质ID次数的次数阈值。在一实施例中，当所述统计选择方法、所述特征识别方法和所述二次识别方法的最高正确物质ID次数与各自相应次数阈值比较时，在条件“最高正确物质ID次数大于次数阈值”成立至少两次的情况下，继续选择性地执行三种并行的物质ID选择方法中满足该条件的方法来生成相应的至少两种识别物质ID列表。在一实施例中，所生成的至少两种识别物质ID列表若相等，则确认为经验证检测后的识别物质ID列表。在一实施例中，所生成的至少两种识别物质ID列表若存在交集，则确认交集为经验证检测后的识别物质ID列表。在一实施例中，针对所生成的至少两种识别物质ID列表中的交集以外的部分再次执行所述物质ID选择步骤。在一实施例中，再次执行的所述物质ID选择步骤包括利用待实测物品与增强剂混合获取增强拉曼光谱来进行的增强检测。在一实施例中，所述误报检测的前处理步骤中，仅当统计的误报次数大于误报次数阈值时，执行所述误报检测的后处理步骤。在一实施例中，所述的方法还包括在对待实测物品执行定性分析完成之后，将获得的误报物质ID列表和漏报物质ID列表按照“自学习类型”字段加入自学习库。在一实施例中，在对待实测物品执行定性分析之前，所述方法还包括利用学习样本物质对自学习库进行初始学习和输入预置的初始自学习库之一来创建自学习库。在一实施例中，所述方法还包括选择性地利用人工对比方法识别物质。本专利技术至少具备以下有益效果：其能够充分利用相似度方法、自学习方法以及与可选人工识别方法的组合来实现高效快速的物质识别的光谱处理。附图说明现在参照随附的示意性附图，仅以举例的方式，描述本专利技术的实施例，其中，在附图中相应的附图标记表示相应的部件。附图的简要描述如下：图1示出根据本专利技术实施例的一种基础流程示意图，图示成分为学习阶段和实际检测阶段两个阶段；图2示出如图1所示的根据本专利技术实施例的实际检测阶段的总体流程示意图；图3(a)和3(b)分别示出如图2所示的实际检测阶段的总体流程中的预处理步骤前后的拉曼光谱谱图的示意图；图4(a)示出如图2所示的总体流程示意图中步骤S31中所获取的示例性的相似度列表；图4(b)示出如图2所示的总体流程示意图中步骤S32中拉曼光谱谱图库中所包括的用于阈值对比的示例性的阈值库；图4(c)示出如图2所示的总体流程示意图中步骤S32中经阈值对比后生成的示例性的超过阈值物质列表；图4(d)示出如图2所示的总体流程示意图中步骤S10所生成的示例性自学习库的示意性内容；图5示出如图2所示的实际检测阶本文档来自技高网...

【技术保护点】
1.一种基于拉曼光谱进行自学习式定性分析的方法，包括：拉曼光谱采集步骤：采集待实测物品的拉曼光谱；特征提取和对比步骤：提取拉曼光谱数据与谱图库中的光谱特征库比较，获取原始识别物质ID列表；相似度比较步骤：针对拉曼光谱计算获取原始识别物质ID列表中每个物质ID的相似度来生成相似度列表，并且与谱图库中的相似度阈值库进行对比；以及物质ID选择步骤：基于自学习库来对经与相似度阈值比较后所获相似度超相似度阈值的相似度识别物质ID列表进行验证检测，包括误报检测和漏报检测，当相似度列表中存在超过相似度阈值库中所储存的物质ID对应相似度阈值的物质ID时，执行误报检测；当相似度列表中不存在超过相似度阈值库中所储存的物质ID对应相似度阈值的物质ID时，执行漏报检测。

【技术特征摘要】
1.一种基于拉曼光谱进行自学习式定性分析的方法，包括：拉曼光谱采集步骤：采集待实测物品的拉曼光谱；特征提取和对比步骤：提取拉曼光谱数据与谱图库中的光谱特征库比较，获取原始识别物质ID列表；相似度比较步骤：针对拉曼光谱计算获取原始识别物质ID列表中每个物质ID的相似度来生成相似度列表，并且与谱图库中的相似度阈值库进行对比；以及物质ID选择步骤：基于自学习库来对经与相似度阈值比较后所获相似度超相似度阈值的相似度识别物质ID列表进行验证检测，包括误报检测和漏报检测，当相似度列表中存在超过相似度阈值库中所储存的物质ID对应相似度阈值的物质ID时，执行误报检测；当相似度列表中不存在超过相似度阈值库中所储存的物质ID对应相似度阈值的物质ID时，执行漏报检测。2.根据权利要求1所述的方法，其中，当相似度列表中存在超过相似度阈值库中所储存的物质ID对应相似度阈值的物质ID时，先执行误报检测之后再额外地执行漏报检测。3.根据权利要求1所述的方法，其中，所述误报检测和所述漏报检测中任一种均设置成选择性地执行三种并行的物质ID选择方法，包括：统计选择方法：对自学习库中的所有误报或漏报物质ID进行统计选择；特征识别方法：对于自学习库中“自学习类型”取值为“特征识别”的误报或漏报物质ID进行特征识别方式的选择；和二次识别方法：对于自学习库中“自学习类型”取值为“二次识别”的误报或漏报物质ID进行二次识别方式的选择。4.根据权利要求3所述的方法，其中，所述误报检测和所述漏报检测中任一种均设置成包括前处理步骤和后处理步骤，所述前处理步骤包括：通过将已识别物质ID列表中的ID与自学习库中对于所有误报或漏报物质ID、对于自学习库中“自学习类型”取值为“特征识别”的误报或漏报物质ID、以及对于自学习库中“自学习类型”取值为“二次识别”的误报或漏报物质ID分别比较，来针对分别生成所述统计选择方法、所述特征识别方法和所述二次识别方法的最高正确物质ID次数；以及所述后处理步骤基于所述统计选择方法、所述特征识别方法和所述二次识别方法的最高正确物质ID次数与各自次数阈值的对比来选择性地执行所述三种物质ID选择方法。5.根据权利要求4所述的方法，其中，所述误报检测的前处理步骤中的已识别物质ID列表选...

【专利技术属性】
技术研发人员：赵自然，王红球，杨内，苟巍，
申请(专利权)人：同方威视技术股份有限公司，
类型：发明
国别省市：北京,11