本发明专利技术的频谱分析装置(1)是基于包含多个基准物中的任意一个或两个以上的基准物的分析对象物所产生的光的频谱对该分析对象物进行分析的装置，且具备排列变换部(10)、处理部(20)、学习部(30)及分析部(40)。排列变换部(10)基于基准物或分析对象物所产生的光的频谱而产生二维排列数据。处理部(20)具有深度神经网络。分析部(40)通过排列变换部(10)基于分析对象物所产生的光的频谱而使二维排列数据产生，使该二维排列数据作为分析对象数据输入至深度神经网络，且基于自深度神经网络输出的数据对分析对象物进行分析。由此，实现能高效率地进行高精度的频谱分析的装置。
Spectrum analysis device and method
【技术实现步骤摘要】
【国外来华专利技术】频谱分析装置及频谱分析方法
本专利技术关于一种基于分析对象物所产生的光的频谱对该分析对象物进行分析的装置及方法。
技术介绍
分析对象物所产生的光的频谱具有对应于分析对象物所包含的成分的种类或比例的形状。因此，基于分析对象物所产生的光的频谱可对该分析对象物进行分析。在分析对象物所产生的光的频谱，包含根据向分析对象物的光照射而在该分析对象物产生的光(例如，通过反射光、透射光、散射光、荧光、及非线性光学现象(例如拉曼散射等)产生的光)的频谱，另外，包含通过分析对象物的化学反应而产生的化学发光的频谱。进而，在光的频谱，也包含自透射光或反射光所得的折射率或吸收系数的频谱。此处所言的光并不限定于紫外光、可见光、红外光，也包含例如太赫兹波等。以往，在进行此种频谱分析时使用多变量分析。作为多变量分析也已知使用主成分分析、分类器、回归分析等，并组合这些的解析手法。另外，在专利文献1，暗示使用深度神经网络(DeepNeuralNetwork)进行频谱分析。若使用深度神经网络则可高效率地进行高精度的图像确认等(参照非专利文献1)，故若可使用深度神经网络进行频谱分析，则期待与使用多变量分析的情形相比可高效率地进行高精度的分析。[现有技术文献][专利文献]专利文献1：日本特开2017-90130号公报[非专利文献]非专利文献1；O.Russakovskyetal.,"ImageNetLargeScaleVisualRecognitionChallenge",Int.J.Comput.Vis.115,2015,pp.211-252非专利文献2：R.R.Selvarajuetal.,"Grad-CAM:VisualExplanationsfromDeepNetworksviaGradient-basedLocalization",arXiv:1610.02391,2017非专利文献3：D.Smilkovetal.,"SmoothGrad:removingnoisebyaddingnoise",arXiv:1706.03825,2017
技术实现思路
[专利技术所要解决的问题]但，在专利文献1，对使用深度神经网络进行频谱分析时的具体顺序无任何记载。另外，在非专利文献1，并未暗示使用深度神经网络进行频谱分析。本专利技术为解决上述问题点而完成，其目的在于提供一种可高效率地进行高精度的频谱分析的装置及方法。[解决问题的技术手段]本专利技术的频谱分析装置为基于包含多个基准物中的任意一个或两个以上的基准物的分析对象物所产生的光的频谱对该分析对象物进行分析的装置，且具备：(1)排列变换部，其基于光的频谱而产生二维排列数据；(2)处理部，其具有深度神经网络；(3)及分析部，其使通过排列变换部基于分析对象物所产生的光的频谱而产生的二维排列数据输入至深度神经网络，且基于自深度神经网络输出的数据对分析对象物进行分析。本专利技术的频谱分析方法为基于包含多个基准物中的任意一个或两个以上的基准物的分析对象物所产生的光的频谱对该分析对象物进行分析的方法，且具备：(1)排列变换步骤，其基于光的频谱而产生二维排列数据；(2)及分析步骤，其使用具有深度神经网络的处理部，使在排列变换步骤中基于分析对象物所产生的光的频谱而产生的二维排列数据输入至深度神经网络，且基于自深度神经网络输出的数据对分析对象物进行分析。[专利技术的效果]根据本专利技术，可高效率地进行高精度的频谱分析。附图说明图1为显示频谱分析装置1的构成的图。图2为显示基于拉曼频谱产生的二维排列数据的例的图。图3为显示作为基准物的各树脂材料的拉曼频谱的例的图。图4为显示学习作为基准物的PC的拉曼频谱时的各树脂材料的学习标记的值的表。图5为显示作为分析对象物的PC的拉曼频谱的例的图。图6为显示使基于作为分析对象物的PC的拉曼频谱的二维排列数据输入至深度神经网络时的输出标记的例的图。图7为汇总第1实施例及第1比较例的各个的分类结果的表，(a)显示第1实施例的分类结果，及(b)显示第1比较例的分类结果。图8为显示SR与PS的混合物的拉曼频谱的例的图。图9为显示学习PC与PMMA的混合物(混合比例0.8：0.2)的拉曼频谱时的各树脂材料的学习标记的值的表。图10为显示使基于作为分析对象物的PC与PMMA的混合物(混合比例0.8：0.2)的拉曼频谱的二维排列数据输入至深度神经网络时的输出标记的例的图。图11为显示第2实施例及第2比较例的各个的PC的定量结果的图，(a)显示第2实施例的定量结果，及(b)显示第2比较例的定量结果。图12为显示第2实施例及第2比较例的各个的PET的定量结果的图，(a)显示第2实施例的定量结果，及(b)显示第2比较例的定量结果。图13为显示第2实施例及第2比较例的各个的PMMA的定量结果的图，(a)显示第2实施例的定量结果，及(b)显示第2比较例的定量结果。图14为显示第2实施例及第2比较例的各个的PS的定量结果的图，(a)显示第2实施例的定量结果，及(b)显示第2比较例的定量结果。图15为显示第2实施例及第2比较例的各个的PVC(h)的定量结果的图，(a)显示第2实施例的定量结果，及(b)显示第2比较例的定量结果。图16为显示第2实施例及第2比较例的各个的PVDC的定量结果的图，(a)显示第2实施例的定量结果，及(b)显示第2比较例的定量结果。图17为显示第2实施例及第2比较例的各个的SR的定量结果的图，(a)显示第2实施例的定量结果，及(b)显示第2比较例的定量结果。图18为显示压缩前的学习用的频谱及二维排列数据的例的图，(a)显示二维排列数据，及(b)显示频谱。图19为显示压缩后的学习用的频谱及二维排列数据的例的图，(a)显示二维排列数据，及(b)显示频谱。图20为显示分析对象的频谱及二维排列数据的例的图，(a)显示二维排列数据，及(b)显示频谱。图21为汇总第3实施例及第3比较例的各个的分类结果的表，(a)显示第3实施例的分类结果，及(b)显示第3比较例的分类结果。图22为显示于第1实施例中分类为PC的频谱的热图的例的图。具体实施方式以下，参照附图，对用于实施本专利技术的形态进行详细说明。再者，图式的说明中，对相同要素附加相同的符号，省略重复的说明。本专利技术不限于这些例示。图1为显示频谱分析装置1的构成的图。频谱分析装置1为基于包含多个基准物中的任意一个或两个以上的基准物的分析对象物所产生的光的频谱对该分析对象物进行分析的装置，且具备排列变换部10、处理部20、学习部30及分析部40。排列变换部10基于基准物或分析对象物所产生的光的频谱产生二维排列数据。排列变换部10优选以频谱的峰值强度为规定值的方式使频谱标准化并产生二维排列数据。另外，排列变换部10也优选将包含频谱的数据的全部或一部分的M×N个数据排本文档来自技高网...
【技术保护点】
1.一种频谱分析装置，其特征在于，/n是基于包含多个基准物中的任意一个或两个以上的基准物的分析对象物所产生的光的频谱对该分析对象物进行分析的装置，/n具备：/n排列变换部，其基于光的频谱而产生二维排列数据；/n处理部，其具有深度神经网络；及/n分析部，其使通过所述排列变换部基于所述分析对象物所产生的光的频谱而产生的二维排列数据输入至所述深度神经网络，且基于自所述深度神经网络输出的数据对所述分析对象物进行分析。/n
【技术特征摘要】
【国外来华专利技术】20171016 JP 2017-2001761.一种频谱分析装置，其特征在于，
是基于包含多个基准物中的任意一个或两个以上的基准物的分析对象物所产生的光的频谱对该分析对象物进行分析的装置，
具备：
排列变换部，其基于光的频谱而产生二维排列数据；
处理部，其具有深度神经网络；及
分析部，其使通过所述排列变换部基于所述分析对象物所产生的光的频谱而产生的二维排列数据输入至所述深度神经网络，且基于自所述深度神经网络输出的数据对所述分析对象物进行分析。
2.如权利要求1所述的频谱分析装置，其中，
所述排列变换部以所述频谱的峰值强度成为规定值的方式将所述频谱标准化而产生所述二维排列数据。
3.如权利要求1或2所述的频谱分析装置，其中，
所述排列变换部将包含所述频谱的数据的全部或一部分的M×N个数据排列为M行N列而产生所述二维排列数据。
4.如权利要求1至3中任一项所述的频谱分析装置，其中，
进一步具备学习部，该学习部使通过所述排列变换部基于所述多个基准物的各个所产生的光的频谱而产生的二维排列数据输入至所述深度神经网络，而使所述深度神经网络进行学习。
5.如权利要求4所述的频谱分析装置，其中，
所述学习部使通过所述排列变换部基于包含所述多个基准物中的任意1个或2个以上的基准物且混合比例为已知的混合物所产生的光的频谱而产生的二维排列数据输入至所述深度神经网络，且使用所述混合比例使所述深度神经网络进行学习。
6.如权利要求1至5中任一项所述的频谱分析装置，其中，
所述分析部基于自所述深度神经网络输出的数据，将所述分析对象物分类为所述多个基准物中的任意一者。
7.如权利要求1至5中任一项所述的频谱分析装置，其中，
所述分析部基于自所述深度神经网络输出的数据，求出所述分析对象物中所含的所述基准物的混合比例。
8.如权利要求1至7中任一项所述的频谱分析装置，其中，
所述分析部使用特征量可视化手法抽取所述频谱的特征部位。
【专利技术属性】
技术研发人员：福原诚史，藤原一彦，丸山芳弘，
申请(专利权)人：浜松光子学株式会社，
类型：发明
国别省市：日本;JP
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。