光谱特征模型构建方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术提供一种光谱特征模型构建方法、装置、电子设备及存储介质，所述方法包括：初始筛选流程，基于预设波长点集合中每一预设波长点的吸光度实测值关于浓度值的回归系数从所述预设波长点集合中选取预设第一筛选比例的波长点，得到第一波长点集合；基于预设波长点集合中每一预设波长点的吸光度预测值关于吸光度实测值的决定系数从所述预设波长点集合中选取所述预设第二筛选比例的波长点，得到第二波长点集合；然后对上述两个波长点集合的并集依次进行随机抽样流程、优化筛选流程和模型构建流程，得到光谱特征模型。本发明专利技术实施例提供的光谱特征模型构建方法、装置、电子设备及存储介质，实现了高效精准建模。实现了高效精准建模。实现了高效精准建模。

【技术实现步骤摘要】
光谱特征模型构建方法、装置、电子设备及存储介质


[0001]本专利技术涉及化学计量学
，尤其涉及一种光谱特征模型构建方法、装置、电子设备及存储介质。

技术介绍

[0002]近年来，光谱技术因其快速、无损、无污染等优点得到了广泛应用，光谱技术在其应用中会伴随产生海量数据，而对于特征波长如何筛选，如何建立光谱特征模型这一热点问题，也格外受到重视。
[0003]为了精简模型，提高模型的性能，需要采用特征波长选择方法，利用特征波长建立模型。然而，当前对于特征波长的选择方法存在特征波长与光谱特征模型并未直接关联这一问题。
[0004]本专利技术提供一种光谱特征模型构建方法、装置、电子设备及存储介质，用以筛选直接关联模型效果的特征波长，解决光谱建模过程中的特征波长选择问题。
[0005]本专利技术提供一种光谱特征模型构建方法，包括：初始筛选流程，基于预设波长点集合中每一预设波长点的吸光度实测值关于浓度值的回归系数从所述预设波长点集合中选取预设第一筛选比例的波长点，得到第一波长点集合；基于预设波长点集合中每一预设波长点的吸光度预测值关于吸光度实测值的决定系数从所述预设波长点集合中选取所述预设第二筛选比例的波长点，得到第二波长点集合；取所述第一波长点集合和所述第二波长点集合的并集，得到第三波长点集合；
[0006]随机抽样流程，从所述第三波长点集合中多次随机抽取同一预设抽样数量的波长点得到多个第四波长点子集，组成第四波长点集合；
[0007]优化筛选流程，基于每一所述第四波长点子集对应的均方根误差筛选预设第三筛选比例的所述第四波长点子集，得到第五波长点集合；
[0008]模型构建流程，基于波长点的出现频次筛选所述第五波长点集合中预设第四筛选比例的波长点，得到第六波长点集合；将所述第六波长点集合中的波长点及对应的回归系数输入到多元线性回归方程，得到光谱特征模型。
[0009]根据本专利技术提供的一种光谱特征模型构建方法，在所述初始筛选流程之前，所述方法还包括：
[0010]回归系数求解流程，将同一物质在不同浓度值下的光谱数据输入到回归系数求解方程，得到所述预设波长点集合中每一预设波长点的吸光度实测值关于浓度值的所述回归系数。
[0011]根据本专利技术提供的一种光谱特征模型构建方法，在所述回归系数求解流程之后，所述方法还包括：
[0012]决定系数求解流程，基于所述每一预设波长点的吸光度实测值关于浓度值的回归系数构建一元线性回归方程，基于所述一元线性回归方程得到所述每一预设波长点在不同浓度值下的吸光度预测值；
[0013]将所述每一预设波长点在不同浓度值下的所述吸光度实测值和所述吸光度预测值输入到决定系数求解方程，得到预设波长点集合中每一预设波长点的所述决定系数。
[0014]根据本专利技术提供的一种光谱特征模型构建方法，所述方法还包括：
[0015]基于不同的所述预设第一筛选比例和/或不同的所述预设第二筛选比例重复执行所述初始筛选流程，和/或，基于不同的所述预设抽样数量重复执行所述随机抽样流程。
[0016]根据本专利技术提供的一种光谱特征模型构建方法，所述回归系数求解方程为：其中，x
i
表示第i个样本的浓度值，
[0017]表示样本浓度值的平均值，y
i
表示第i个样本的吸光度实测值，表示吸光度实测值的平均值。
[0018]根据本专利技术提供的一种光谱特征模型构建方法，所述决定系数求解方程为：其中，y
i
表示第i个样本的吸光度实测值，表示吸光度实测值的平均值，表示第i个样本的吸光度预测值。
[0019]根据本专利技术提供的一种光谱特征模型构建方法，所述方法还包括：基于均方根误差公式求解每一所述第四波长点子集对应的均方根误差，所述均方根误差公式为：其中，y
i
表示第i个样本的吸光度实测值，表示第i个样本的吸光度预测值，n表示样本个数。
[0020]本专利技术还提供一种光谱特征模型构建装置，包括：初始筛选模块，用于基于预设波长点集合中每一预设波长点的吸光度实测值关于浓度值的回归系数从所述预设波长点集合中选取预设第一筛选比例的波长点，得到第一波长点集合；基于预设波长点集合中每一预设波长点的吸光度预测值关于吸光度实测值的决定系数从所述预设波长点集合中选取所述预设第二筛选比例的波长点，得到第二波长点集合；取所述第一波长点集合和所述第二波长点集合的并集，得到第三波长点集合；
[0021]随机抽样模块，用于从所述第三波长点集合中多次随机抽取同一预设抽样数量的波长点得到多个第四波长点子集，组成第四波长点集合；
[0022]优化筛选模块，用于基于每一所述第四波长点子集对应的均方根误差筛选预设第三筛选比例的所述第四波长点子集，得到第五波长点集合；
[0023]模型构建模块，用于基于波长点的出现频次筛选所述第五波长点集合中预设第四筛选比例的波长点，得到第六波长点集合；将所述第六波长点集合中的波长点及对应的回归系数输入到多元线性回归方程，得到光谱特征模型。
[0024]本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理
器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述光谱特征模型构建方法的步骤。
[0025]本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述光谱特征模型构建方法的步骤。
[0026]本专利技术提供的光谱特征模型构建方法、装置、电子设备及存储介质，通过基于相关系数和决定系数共同表征的特征波长筛选方法，实现对原始光谱数据的大幅度简化；而利用多元线性回归策略构建基于特征波长的光谱特征模型具有建模效率高、模型精简易用且模型预测性能准确的优点，有利于实现特征光谱与待检测物质的快速匹配。
附图说明
[0027]为了更清楚地说明本专利技术或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0028]图1是本专利技术提供的光谱特征模型构建方法的流程示意图之一；
[0029]图2是本专利技术提供的光谱特征模型构建方法的流程示意图之二；
[0030]图3是本专利技术提供的不同波长点筛选比例和不同抽样数量下模型的均方根误差分布示意图；
[0031]图4是本专利技术提供的光谱特征模型构建过程中所筛选出的特征波长分布图；
[0032]图5是现有技术中利用VISSA方法筛选出的特征波长分布图；
[0033]图6是现有技术中利用CARS方法筛选出的特征波长分布图；
[0034]图7是本专利技术提供的光谱特征模型构建装置的结构示意图；
[0035]图8是本专利技术提供的电子设备的结构示意图。
具体实施方式
[0036]为使本专利技术的目本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种光谱特征模型构建方法，其特征在于，包括：初始筛选流程，基于预设波长点集合中每一预设波长点的吸光度实测值关于浓度值的回归系数从所述预设波长点集合中选取预设第一筛选比例的波长点，得到第一波长点集合；基于预设波长点集合中每一预设波长点的吸光度预测值关于吸光度实测值的决定系数从所述预设波长点集合中选取所述预设第二筛选比例的波长点，得到第二波长点集合；取所述第一波长点集合和所述第二波长点集合的并集，得到第三波长点集合；随机抽样流程，从所述第三波长点集合中多次随机抽取同一预设抽样数量的波长点得到多个第四波长点子集，组成第四波长点集合；优化筛选流程，基于每一所述第四波长点子集对应的均方根误差筛选预设第三筛选比例的所述第四波长点子集，得到第五波长点集合；模型构建流程，基于波长点的出现频次筛选所述第五波长点集合中预设第四筛选比例的波长点，得到第六波长点集合；将所述第六波长点集合中的波长点及对应的回归系数输入到多元线性回归方程，得到光谱特征模型。2.根据权利要求1所述的光谱特征模型构建方法，其特征在于，在所述初始筛选流程之前，所述方法还包括：回归系数求解流程，将同一物质在不同浓度值下的光谱数据输入到回归系数求解方程，得到所述预设波长点集合中每一预设波长点的吸光度实测值关于浓度值的所述回归系数。3.根据权利要求2所述的光谱特征模型构建方法，其特征在于，在所述回归系数求解流程之后，所述方法还包括：决定系数求解流程，基于所述每一预设波长点的吸光度实测值关于浓度值的回归系数构建一元线性回归方程，基于所述一元线性回归方程得到所述每一预设波长点在不同浓度值下的吸光度预测值；将所述每一预设波长点在不同浓度值下的所述吸光度实测值和所述吸光度预测值输入到决定系数求解方程，得到预设波长点集合中每一预设波长点的所述决定系数。4.根据权利要求1所述的光谱特征模型构建方法，其特征在于，所述方法还包括：基于不同的所述预设第一筛选比例和/或不同的所述预设第二筛选比例重复执行所述初始筛选流程，和/或，基于不同的所述预设抽样数量重复执行所述随机抽样流程。5.根据权利要求2所述的光谱特征模型构建方法，其特征在于，所述回归系数求解方程为：其中，x
i

【专利技术属性】
技术研发人员：李倩倩，李熠，
申请(专利权)人：中国农业科学院农产品加工研究所，
类型：发明
国别省市：