一种基于迁移学习的拉曼光谱智能分析方法技术

本发明专利技术涉及拉曼光谱技术领域，提供了一种基于迁移学习的拉曼光谱智能分析方法。所述方法包括：在共焦显微拉曼光谱仪上进行拉曼实验；实验拉曼数据的预处理：包括插值处理、基线校正和归一化；大规模标准拉曼数据库的预处理：包括数据增强和插值处理；构建深度学习模型：构建两种广泛应用的深度学习模型DNN和CNN；迁移学习用于实验拉曼数据的分类；数据分析。通过上述方式，解决了深度学习模型对大规模数据的依赖，为未来将拉曼光谱分析技术推向实际应用提供了一个新思路。

An Intelligent Raman Spectrum Analysis Method Based on Transfer Learning

【技术实现步骤摘要】
一种基于迁移学习的拉曼光谱智能分析方法
本专利技术涉及拉曼光谱
，更具体的说是一种基于迁移学习的拉曼光谱智能分析方法。
技术介绍
拉曼光谱技术在实际生产和生活中的应用以物质检测、识别为主。如对油品按所属精炼厂、提炼过程和质量进行分类；对地质矿石进行品种分类；对血液进行分析，诊断病人是否感染登革热等。实验获得的拉曼光谱图通常是通过人工比对的方法进行分析，这一过程不仅耗费大量具有专业知识的人力，还无法保证分类/识别的准确性和时效性。而对于多分类(比如1000个类别)的情况，人工分析的方法将完全失效。因此，发展一种快速、有效的拉曼光谱分析技术将对拉曼光谱的普及带来极大的提升。目前已经出现大量关于机器学习在拉曼光谱分析中的研究工作，其中在拉曼光谱的多类别分类问题上，深度学习模型通常可以获得优于传统机器学习模型的效果，但深度神经网络严重依赖于训练数据量，涉及到深度学习模型的研究通常采用的是大型数据库作为训练集。在实际应用中研究者通常难以获得大量的实验拉曼光谱数据来训练深度学习模型，这使得小数据量的数据集光谱识别陷入困境。
技术实现思路
本专利技术提供了一种基于迁移学习的拉曼光谱智能分析方法，本文档来自技高网...

【技术保护点】
1.一种基于迁移学习的拉曼光谱智能分析方法，其特征在于，包括以下步骤：S1，在共焦显微拉曼光谱仪上进行拉曼实验，具体步骤如下：取少量药品于载玻片上，用另一载玻片压住，研磨成粉末状；将载玻片取下，换上盖玻片盖住粉末样品；选定一个采谱范围，然后将分段采得的谱图互相重叠一小部分以接成一张宽频谱图；S2，实验拉曼数据的预处理：包括插值处理、基线校正和归一化；插值采用的是一阶样条曲线法，插值处理后的每组数据代表拉曼位移从200cm

【技术特征摘要】
1.一种基于迁移学习的拉曼光谱智能分析方法，其特征在于，包括以下步骤：S1，在共焦显微拉曼光谱仪上进行拉曼实验，具体步骤如下：取少量药品于载玻片上，用另一载玻片压住，研磨成粉末状；将载玻片取下，换上盖玻片盖住粉末样品；选定一个采谱范围，然后将分段采得的谱图互相重叠一小部分以接成一张宽频谱图；S2，实验拉曼数据的预处理：包括插值处理、基线校正和归一化；插值采用的是一阶样条曲线法，插值处理后的每组数据代表拉曼位移从200cm-1到3700cm-1对应的1100个强度数据点；基线校正采用的是不对称最小二乘平滑法，基线校正后只选取1100个数据点中的前1024个点作为谱图的特征；归一化处理将数据的特征尺度化到[0,1]区间；S3，大规模标准拉曼数据库的预处理：包括数据增强和插值处理；分别用插值处理和数据增强对两个大规模标准拉曼数据库进行预处理；插值处理采用一阶样条曲线获得从200cm-1到3700cm-1的1100个数据点，然后选取前1024个数据点作为样本的特征；数据增强操作包括平移和加噪声，平移是固定拉曼强度序列不变，将拉曼位移增加或减少0～0.6cm-1，加噪声的具体实现方式是对一条曲...

【专利技术属性】
技术研发人员：洪文晶，张蕊，胡勇，
申请(专利权)人：厦门大学，
类型：发明
国别省市：福建,35