一种利用重构SERS光谱快速识别目标物的方法技术

本发明专利技术涉及一种利用重构SERS光谱快速识别目标物的方法。该方法通过建立深度卷积自编码器网络模型，首先利用目标物的SERS光谱数据进行对自编码器模型进行训练，而后对采集的待测物复杂SERS光谱进行重构，最后将重构的SERS光谱与目标物SERS光谱进行匹配，根据相似度最大值判断待测物中是否存在目标物。本发明专利技术有效屏蔽了其他杂物光谱信息，可消除其他物质SERS信号的影响，减少了测量环境变化带来的影响，具有抗干扰能力强、判别准确等优点，特别适合用于从复杂拉曼光谱中识别目标成分，具有较高的查准率和抗干扰能力。的查准率和抗干扰能力。的查准率和抗干扰能力。

【技术实现步骤摘要】
一种利用重构SERS光谱快速识别目标物的方法


[0001]本专利技术涉及一种拉曼光谱的识别方法，具体地说是一种利用重构SERS光谱快速识别目标物的方法。

技术介绍

[0002]表面增强拉曼散射光谱(SERS)因具有分子“指纹”信息等优点，广泛用于痕量物质识别、生物传感器和食品安全检测等领域。在利用SERS光谱进行痕量物探测中，如毒品检测或爆炸物检测，检测的目标往往是确定待测物中是否存在某种物质(如TNT等)，而不需要分析待测物的所有成分。
[0003]目前，光谱识别方法多用于纯物质识别，对混合物成分识别较困难，针对这问题部分学者提出了一些基于拉曼光谱特征峰识别和匹配的算法。理论上，拉曼峰代表了化学键(官能团)的结构信息，通过对拉曼峰的识别就可判别混合物组分。李津蓉提出了基于谱峰分解的拉曼光谱方法，对二甲苯的成分定量分析；Zhang等提出了基于小波峰值检测和数据库反向搜索结合的方法，提升了混合物中目标成分自动化检索功能；刘薇、戴连奎等人提出了结合多元曲线拟合的线性叠加模型分解拉曼光谱，判断物质种类；颜凡等人结合稀疏非负最小二乘算法识别混合本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种利用重构SERS光谱快速识别目标物的方法，其特征在于，包括以下步骤：S1，采集不同浓度目标物的SERS光谱，在预处理后，利用所得目标物SERS光谱数据结果构建目标物SERS光谱数据库；S2，构建深度卷积自编码器网络模型，利用目标物SERS光谱数据对深度卷积自编码器网络模型进行训练，使深度卷积自编码器网络模型能够自动提取并重构目标物SERS光谱特征；S3，采集待测物的SERS光谱并进行预处理，利用训练好的深度卷积自编码器网络模型对待测物SERS光谱进行重构；S4，将重构的待测物SERS光谱与目标物SERS光谱数据库中的目标物SERS光谱数据进行匹配，计算相似度，根据最大相似度值判断待测物中是否存在目标物；最大相似度值若大于设定的阈值，则该待测物中含有目标物；否则就不含有目标物。2.根据权利要求1所述的利用重构SERS光谱快速识别目标物的方法，其特征在于，SERS光谱的预处理包括：通过对SERS光谱的插值/抽样、基线校正和光滑滤波，使SERS光谱具有统一的拉曼频移空间；通过对SERS光谱的拉曼强度归一化，使SERS光谱具有统一的拉曼强度。3.根据权利要求2所述的利用重构SERS光谱快速识别目标物的方法，其特征在于，步骤S1中所构建的目标物SERS光谱数据库的形式为：X
ref
＝[X1,X2,...,X
n
]，拉曼频移空间的形式为：W＝[ω1,ω2,...,ω
m
]；其中，n为SERS光谱数据库中目标物样本的数量，m表示拉曼频移空间的大小，Xi为第i个目标物样本的SERS光谱，X
i
＝[x1,x2,...,x
m
]，x
j
∈[0,1]为X
i
在拉曼频移ω
j
处的相对拉曼强度。4.根据权利要求3所述的利用重构SERS光谱快速识别目标物的方法，其特征在于，步骤S2中的深度卷积自编码器网络模型包括编码器和译码器两部分，其中；a
‑
1，所述编码器包括三个特征提取层，每个特征提取层包括一维卷积(1D Conv)和最大池化(1D MaxPooling)模块，以实现SERS光谱特征的提取和降维；编码器的卷积操作为：h＝σ(f(X*W+b))其中，X为输入数据，W为卷积核的权重，b为卷积核权重系数的偏置，*表示一维卷积操作，f(
·
)表示批归一化操作(1D BatchNorm)，σ(
·
)表示ReLU非线性激活操作；a
‑
2，所述译码器包括三个反卷积层(1D DeConv)和一个全连接层(FC)；三个反卷积层都采用ReLU的非线性激活函数，全连接层采用Sigmoid为非线性激活函数；全连接层的神经元个数与拉曼频...

【专利技术属性】
技术研发人员：陈志斌，陈赵懿，王正军，赵晔，
申请(专利权)人：中国人民解放军三二一八一部队，
类型：发明
国别省市：