本申请提供了痕量物质的检测方法，包括：获取包含痕量物质的样品的离子迁移谱；利用寻峰算法处理离子迁移谱，以获取与痕量物质对应的峰特征值；通过比较痕量物质对应的峰特征值和预先存储于物质特征库中的多种物质的峰特征值，识别所述痕量物质，以获取第一识别结果；基于所述第一识别结果，确定第一报警信号的类别；响应于第一报警信号的类别为报警，将离子迁移谱输入卷积神经网络模型中；利用卷积神经网络模型识别离子迁移谱，以获取第二识别结果；基于所述第二识别结果，确定第二报警信号的类别；响应于所述第一报警信号的类别和所述第二报警信号的类别均为报警，输出报警结果。本申请运用算法互补的理念，可兼顾检出率和误报率。报率。报率。
【技术实现步骤摘要】
痕量物质的检测方法、检测装置、电子设备和介质
[0001]本申请涉及安检
，具体涉及一种痕量物质的检测方法、检测装置、设备、介质和程序产品。
技术介绍
[0002]离子迁移谱作为快速检测违禁品(爆炸物、毒品)的痕量检测技术，目前已经广泛应用于机场、海关、地铁、政府机构等领域安检。但由于离子迁移谱技术本身的分辨力有限，现有算法难以通过单一的峰位信息区分这些物质，且除峰位之外，现有的报警算法所用的特征(如出峰高度，出峰快慢，出峰持续时间)都是基于检测人员对离子迁移谱的观察得到的，这对检测人员的经验和观察能力要求较多，算法对人工的依赖性较强。
[0003]另外，在实际的安检作业现场，由于绝大多数物品的采样检测是正常的(没有违禁品)，因此在较大的检测基数下，即使误报率很低但仍有较大的误报量，导致阳性预测值的指标也不高，影响使用体验和安检效率。
技术实现思路
[0004]本申请旨在至少解决现有技术中存在的技术问题之一。
[0005]例如，本申请的第一个目的提供一种痕量物质的检测方法，具有基于预设痕量物质集合的模块化设计理念，通过针对不同场景在物质集合中设置不同的痕量物质，可适应不同场合的应用需求，将本申请的检测方法附加在检测装置上，可提高检测装置在不同场景下使用的灵活性。
[0006]为了解决上述问题，本申请的第一个方面提供痕量物质的检测方法，包括：
[0007]获取包含痕量物质的样品的离子迁移谱；
[0008]利用寻峰算法处理所述离子迁移谱，以获取与所述痕量物质对应的峰特征值；
[0009]通过比较所述痕量物质对应的峰特征值和预先存储于物质特征库中的多种物质的峰特征值，识别所述痕量物质，以获取第一识别结果；
[0010]基于所述第一识别结果，确定第一报警信号的类别；
[0011]响应于所述第一报警信号的类别为报警，将所述离子迁移谱输入卷积神经网络模型中；
[0012]利用所述卷积神经网络模型识别所述离子迁移谱，以获取第二识别结果；
[0013]基于所述第二识别结果，确定第二报警信号的类别；以及
[0014]响应于所述第一报警信号的类别和所述第二报警信号的类别均为报警，输出报警结果。
[0015]根据本申请对痕量物质的检测方法，运用算法互补的理念，先通过寻峰算法侧重于检出率或误报率中的一个进行第一次筛查，再通过卷积神经网络侧重于检出率或误报率中的另一个进行二次检查，可在检出率提高或持平的同时，降低误报率，提高阳性预测值指标。
[0016]进一步地，所述峰特征值包括峰位，通过比较所述痕量物质对应的峰特征值和预先存储于物质特征库中的多种物质的峰特征值，识别所述痕量物质，以获取第一识别结果，具体包括：
[0017]根据用于获取所述离子迁移谱的痕量检测仪的已标定系数，缩放所述离子迁移谱，以获取缩放后的与所述痕量物质对应的峰位；
[0018]比较缩放后的与所述痕量物质对应的峰位和预先存储于物质特征库中的多种物质的峰位；以及
[0019]基于峰位比较的结果，识别所述痕量物质，以获取第一识别结果。
[0020]进一步地，所述峰特征值还包括出峰高度、出峰速度和出峰持续时间，
[0021]通过比较所述痕量物质对应的峰特征值和预先存储于物质特征库中的多种物质的峰特征值，识别所述痕量物质，以获取第一识别结果，还具体包括：
[0022]在痕量物质对应的峰位与多种预先存储于物质特征库中的物质的峰位一致时，获取所述痕量物质的出峰高度、出峰速度和出峰持续时间；
[0023]比较所述痕量物质对应的出峰高度、出峰速度和出峰持续时间与所述多种预先存储于物质特征库中的物质的出峰高度、出峰速度和出峰持续时间；以及
[0024]基于出峰高度、出峰速度和出峰持续时间比较的结果，识别所述痕量物质，以获取第一识别结果。
[0025]进一步地，响应于所述第一报警信号的类别为报警，将所述离子迁移谱输入卷积神经网络模型中，具体包括：
[0026]设置痕量物质集合；
[0027]在所述第一报警信号的类别为报警且所述痕量物质落入所述痕量物质集合中时，将所述离子迁移谱输入卷积神经网络模型中。
[0028]进一步地，所述痕量物质集合是根据所述第一识别结果的误报率确定的。
[0029]进一步地，所述卷积神经网络模型是基于历史离子迁移谱数据预先训练得到的，其中，预先训练所述卷积神经网络模型包括基于历史离子迁移谱数据构建训练集。
[0030]进一步地，所述构建训练集包括：
[0031]获取多个样品的离子迁移谱，其中，每个样品包含至少一种痕量物质；
[0032]利用寻峰算法处理所述多个样品的离子迁移谱，以获取与所述至少一种痕量物质对应的峰特征值；
[0033]通过比较所述至少一种痕量物质对应的峰特征值和预先存储于物质特征库中的多种物质的峰特征值，识别所述至少一种痕量物质，以获取第三识别结果；以及
[0034]基于所述多个样品的离子迁移谱和所述第三识别结果，构建所述训练集。
[0035]进一步地，所述构建训练集还包括：
[0036]每一个样品中的至少一种痕量物质具有预先赋予的标签，所述训练集包括第一训练子集和第二训练子集，
[0037]当至少一种痕量物质的第三识别结果和该至少一种痕量物质的标签一致时，将该至少一种痕量物质对应的离子迁移谱和该至少一种痕量物质的第三识别结果归于第一训练子集中；以及
[0038]当至少一种痕量物质的第三识别结果和该至少一种痕量物质的标签不一致时，将
该至少一种痕量物质对应的离子迁移谱和该至少一种痕量物质的第三识别结果归于第二训练子集中。
[0039]进一步地，所述构建训练集还包括：
[0040]将所述多个样品的离子迁移谱做归一化处理，所述归一化处理包括统一离子迁移谱的标尺。
[0041]本申请的第二方面提供了痕量物质的检测装置，包括：获取模块，所述获取模块用于获取包含痕量物质的样品的离子迁移谱；第一处理模块，所述第一处理模块用于：利用寻峰算法处理所述离子迁移谱，以获取与所述痕量物质对应的峰特征值；第一比对识别模块，所述第一比对识别模块用于：通过比较所述痕量物质对应的峰特征值和预先存储于物质特征库中的多种物质的峰特征值，识别所述痕量物质，以获取第一识别结果；第一输出模块，所述第一输出模块用于：基于所述第一识别结果，确定第一报警信号的类别；第二处理模块，所述第二处理模块用于：响应于所述第一报警信号的类别为报警，将所述离子迁移谱输入卷积神经网络模型中；第二比对识别模块，所述第二比对识别模块用于：利用所述卷积神经网络模型识别所述离子迁移谱，以获取第二识别结果；第二输出模块，所述第二输出模块用于：基于所述第二识别结果，确定第二报警信号的类别；第三输出模块，所述第三输出模块用于：响应于所述第一报警信号的类别和所述第二报警信号的类别均为报警，输出报警结果。
[0042]本申请的第本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种痕量物质的检测方法，其特征在于，包括：获取包含痕量物质的样品的离子迁移谱；利用寻峰算法处理所述离子迁移谱，以获取与所述痕量物质对应的峰特征值；通过比较所述痕量物质对应的峰特征值和预先存储于物质特征库中的多种物质的峰特征值，识别所述痕量物质，以获取第一识别结果；基于所述第一识别结果，确定第一报警信号的类别；响应于所述第一报警信号的类别为报警，将所述离子迁移谱输入卷积神经网络模型中；利用所述卷积神经网络模型识别所述离子迁移谱，以获取第二识别结果；基于所述第二识别结果，确定第二报警信号的类别；以及响应于所述第一报警信号的类别和所述第二报警信号的类别均为报警，输出报警结果。2.根据权利要求1所述的检测方法，其特征在于，所述峰特征值包括峰位，通过比较所述痕量物质对应的峰特征值和预先存储于物质特征库中的多种物质的峰特征值，识别所述痕量物质，以获取第一识别结果，具体包括：根据用于获取所述离子迁移谱的痕量检测仪的已标定系数，缩放所述离子迁移谱，以获取缩放后的与所述痕量物质对应的峰位；比较缩放后的与所述痕量物质对应的峰位和预先存储于物质特征库中的多种物质的峰位；以及基于峰位比较的结果，识别所述痕量物质，以获取第一识别结果。3.根据权利要求2所述的检测方法，其特征在于，所述峰特征值还包括出峰高度、出峰速度和出峰持续时间，通过比较所述痕量物质对应的峰特征值和预先存储于物质特征库中的多种物质的峰特征值，识别所述痕量物质，以获取第一识别结果，还具体包括：在痕量物质对应的峰位与多种预先存储于物质特征库中的物质的峰位一致时，获取所述痕量物质的出峰高度、出峰速度和出峰持续时间；比较所述痕量物质对应的出峰高度、出峰速度和出峰持续时间与所述多种预先存储于物质特征库中的物质的出峰高度、出峰速度和出峰持续时间；以及基于出峰高度、出峰速度和出峰持续时间比较的结果，识别所述痕量物质，以获取第一识别结果。4.根据权利要求1所述的检测方法，其特征在于，响应于所述第一报警信号的类别为报警，将所述离子迁移谱输入卷积神经网络模型中，具体包括：设置痕量物质集合；在所述第一报警信号的类别为报警且所述痕量物质落入所述痕量物质集合中时，将所述离子迁移谱输入卷积神经网络模型中。5.根据权利要求4所述的检测方法，其特征在于，所述痕量物质集合是根据所述第一识别结果的误报率确定的。6.根据权利要求1所述的检测方法，其特征在于，所述卷积神经网络模型是基于历史离子迁移谱数据预先训练得到的，其中，预先训练所述卷积神经网络模型包括基于历史离子
迁移谱数据构建训练集。7.根据权利要求6所述的检测方法，其特征在于，所述构建训练集包括：获取多个样品的离子迁移谱，其中，每个样品包含至少一种痕量物质...
【专利技术属性】
技术研发人员：刘宁，蒋涛，刘剑，包云肽，陈昶卓，肖翼，李璐璐，
申请(专利权)人：苏州微木智能系统有限公司，
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。