本申请公开了一种钢铁牌号识别方法、激光诱导击穿光谱装置和可读存储介质。钢铁牌号识别方法包括：基于激光诱导击穿技术，获取不同牌号钢铁样品的测试点位的原始光谱数据，其中，每个牌号钢铁样品的测试点位为多个；处理原始光谱数据并得到训练数据集和测试数据集；利用训练数据集建立单元素嵌套模型；将测试数据集输入嵌套模型进行处理，根据输出结果确定钢铁样品的牌号。通过激光诱导击穿技术，充分利用待分类样品各元素浓度差异，建立单元素嵌套模型，并对钢铁样品进行检测，无需取制样且检测速度快，实现钢铁牌号的快速识别。实现钢铁牌号的快速识别。实现钢铁牌号的快速识别。
【技术实现步骤摘要】
钢铁牌号识别方法、激光诱导击穿光谱装置和存储介质
[0001]本申请涉及光谱分析
，更具体而言，涉及一种钢铁牌号识别方法、激光诱导击穿光谱装置和可读存储介质。
技术介绍
[0002]钢铁作为制造业、运输业、建筑业等多个行业重要的基础原材料，具有较大的市场需求量，钢铁种类繁多，按用途分类主要为：建筑及工程用钢、结构钢、工具钢、特殊性能钢及专业用钢等，不同牌号的钢适用于不同的应用场景。虽然不同牌号的钢的组分组成具有一定的差异性，但仅凭人工经验从外观等特征很难区分，此外，由于不同厂家的生产工艺和原材料来源不同，即使同一牌号的产品，其成分、性能也可能会存在差异。在钢铁生产加工企业，复杂的工艺流程中，由于牌号种类较多，难免出现钢铁牌号混淆的情况，在自动化的生产流水线上，传统取样化验方法取样繁琐、检测周期长，无法满足快速检测的需求。
技术实现思路
[0003]本申请实施方式提供了一种钢铁牌号识别方法、激光诱导击穿光谱装置和可读存储介质。
[0004]本申请实施方式提供的钢铁牌号识别方法，其特征在于，包括：基于激光诱导击穿技术，获取不同牌号钢铁样品的测试点位的原始光谱数据，其中，每个牌号钢铁样品的测试点位为多个；处理所述原始光谱数据并得到训练数据集和测试数据集；利用所述训练数据集建立单元素嵌套模型；将所述测试数据集输入嵌套模型进行处理，根据输出结果确定所述钢铁样品的牌号。
[0005]在某些实施方式中，处理所述原始光谱数据并得到训练数据集和测试数据集，包括：去除所述原始光谱数据中的表面杂质层光谱数据以得到有效光谱数据；处理所述有效光谱数据并得到所述训练数据集和测试数据集。
[0006]在某些实施方式中，处理所述有效光谱数据并得到所述训练数据集和测试数据集，包括：对所述有效光谱数据进行预处理并得到处理后的光谱数据，所述预处理包括背景光去除和归一化中的至少一种；随机选取多个所述处理后的光谱数据作为所述训练数据集，并将剩余的所述处理后的光谱数据作为所述测试数据集，所述训练数据集的数量多于所述测试数据集的数量。
[0007]在某些实施方式中，将所述测试数据集输入嵌套模型进行处理，根据输出结果确定所述钢铁样品的牌号，包括：基于所述测试数据集，根据第一预定单元素浓度差异，将所述不同牌号钢铁样品
分成m种牌号样品，并将第一预定单元素浓度相近的样品分成n个类别，其中m、n为自然数，且大于1；在m=n情况下，在每个类别中的牌号样品为1种的情况下，根据所述第一预定单元素确定所述钢铁样品的牌号。
[0008]在某些实施方式中，将所述测试数据集输入嵌套模型进行处理，根据输出结果确定所述钢铁样品的牌号，包括：在m＜n情况下，在所述类别中的牌号样品大于1种的情况下，将牌号样品大于1种的类别作为重分类别；根据第二预定单元素浓度差异，将所述重分类别中的钢铁样品分成M种牌号样品，并将第二预定单元素浓度相近的样品分成N个类别，其中M、N为自然数，且大于1；在M=N情况下，在每个类别中的牌号样品为1种的情况下，根据所述第二预定单元素确定所述钢铁样品的牌号。
[0009]在某些实施方式中，所述钢铁牌号识别方法包括：在所述N＜M的情况下，通过所述第二预定单元素无法确认钢铁样品的牌号。
[0010]在某些实施方式中，所述钢铁牌号识别方法包括：在所述n＜m的情况下，通过所述第一预定单元素无法确认钢铁样品的牌号。
[0011]本申请实施方式的激光诱导击穿光谱装置，包括：样品台，用于承载钢铁样品；激光器，用于向所述钢铁样品发出激光；光谱仪，所述光谱仪用于接收所述钢铁样品反射的激光，所述光谱仪包括处理器，所述处理器用于实现上述任一实施方式所述的钢铁牌号识别方法。
[0012]在某些实施方式中，所述激光诱导击穿光谱装置包括光学组件，所述光学组件设置在所述激光器和所述样品台之间，所述光学组件用于将所述激光器发出的激光导到所述钢铁样品上。
[0013]本申请实施方式提供一种存储有计算机程序的可读存储介质，当所述计算机程序被一个或多个处理器执行时，实现上述实施方式所述的钢铁牌号识别方法。
[0014]在本申请实施方式的钢铁牌号识别方法、激光诱导击穿光谱装置和可读存储介质中，通过激光诱导击穿技术，充分利用待分类样品各元素浓度差异，建立单元素嵌套模型，并对钢铁样品进行检测，无需取制样且检测速度快，实现钢铁牌号的快速识别。
[0015]本申请的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。
附图说明
[0016]本申请的上述和/或附加的方面和优点从结合下面附图对实施方式的描述中将变得明显和容易理解，其中：图1是本申请实施方式的钢铁牌号识别方法的流程示意图；图2是本申请实施方式的激光诱导击穿光谱装置的结构示意图；图3是本申请实施方式的不同牌号钢铁样品的光谱图；图4是本申请实施方式的有效谱线筛选时特征随光谱数变化图；
图5是本申请实施方式的钢铁牌号识别方法的又一流程示意图；图6是本申请实施方式的钢铁牌号识别方法的另一流程示意图；图7是本申请实施方式的钢铁牌号识别方法的再一流程示意图；图8是本申请实施方式的钢铁牌号识别方法的再一流程示意图；图9是本申请实施方式的钢铁牌号识别方法的再一流程示意图；图10是本申请实施方式的钢铁牌号识别方法的再一流程示意图。
[0017]主要元件符号说明：激光诱导击穿光谱装置100；激光器1、处理器11、光学组件20、扩束镜2、反射镜3、聚焦透镜4、样品台5、收集透镜6、光纤7、光谱仪8。
具体实施方式
[0018]下面详细描述本申请的实施方式，所述实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本申请，而不能理解为对本申请的限制。
[0019]在本申请中，除非另有明确的规定和限定，第一特征在第二特征之“上”或之“下”可以包括第一和第二特征直接接触，也可以包括第一和第二特征不是直接接触而是通过它们之间的另外的特征接触。而且，第一特征在第二特征“之上”、“上方”和“上面”包括第一特征在第二特征正上方和斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”包括第一特征在第二特征正下方和斜下方，或仅仅表示第一特征水平高度小于第二特征。
[0020]下文的公开提供了许多不同的实施方式或例子用来实现本申请的不同结构。为了简化本申请的公开，下文中对特定例子的部件和设定进行描述。当然，它们仅仅为示例，并且目的不在于限制本申请。此外，本申请可以在不同例子中重复参考数字和/或参考字母，这种重复是为了简化和清楚的目的，其本身不指示所讨论各种实施方式和/或设定之间的关系。此外，本申请提供了的各种特定的工艺和材料的例子，但是本领域普通技术人员可以意识到其他工艺的应用和/或其他材料的使用。
[0021]请参阅图1，本申请实施方式钢铁牌号识别方本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种钢铁牌号识别方法，其特征在于，包括：基于激光诱导击穿技术，获取不同牌号钢铁样品的测试点位的原始光谱数据，其中，每个牌号钢铁样品的测试点位为多个；处理所述原始光谱数据并得到训练数据集和测试数据集；利用所述训练数据集建立单元素嵌套模型；将所述测试数据集输入嵌套模型进行处理，根据输出结果确定所述钢铁样品的牌号；处理所述原始光谱数据并得到训练数据集和测试数据集，包括：去除所述原始光谱数据中的表面杂质层光谱数据以得到有效光谱数据；处理所述有效光谱数据并得到所述训练数据集和测试数据集。2.根据权利要求1所述的钢铁牌号识别方法，其特征在于，处理所述有效光谱数据并得到所述训练数据集和测试数据集，包括：对所述有效光谱数据进行预处理并得到处理后的光谱数据，所述预处理包括背景光去除和归一化中的至少一种；随机选取多个所述处理后的光谱数据作为所述训练数据集，并将剩余的所述处理后的光谱数据作为所述测试数据集，所述训练数据集的数量多于所述测试数据集的数量。3.根据权利要求1所述的钢铁牌号识别方法，其特征在于，将所述测试数据集输入嵌套模型进行处理，根据输出结果确定所述钢铁样品的牌号，包括：基于所述测试数据集，根据第一预定单元素浓度差异，将所述不同牌号钢铁样品分成m种牌号样品，并将第一预定单元素浓度相近的样品分成n个类别，其中m、n为自然数，且大于1；在m=n情况下，在每个类别中的牌号样品为1种的情况下，根据所述第一预定单元素确定所述钢铁样品的牌号。4.根据权利要求3所述的钢铁牌号识别方法，其特征在于，将所述测试数据集输入嵌套模型进行处理，根据输出...
【专利技术属性】
技术研发人员：潘从元，汪浩，贾军伟，张兵，
申请(专利权)人：合肥金星智控科技股份有限公司，
类型：发明
国别省市：
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。