测定大蒜废水中大蒜素含量的方法技术

公开了一种测定大蒜废水中大蒜素含量的方法，其采用基于深度学习的人工智能检测技术，以通过对于大蒜废水的液相色谱图进行降噪后，提取出其在空间上的特征位置信息以及在通道上的内容关联特征信息，来识别出所述大蒜废水的液相色谱图中关于大蒜素的含量特征分布，并以此来进行解码回归以进行大蒜素的含量测定。这样，能够准确地对于大蒜废水中大蒜素的含量进行智能检测。含量进行智能检测。含量进行智能检测。

【技术实现步骤摘要】
测定大蒜废水中大蒜素含量的方法


[0001]本申请涉及大蒜素检测
，且更为具体地，涉及一种测定大蒜废水中大蒜素含量的方法。

技术介绍

[0002]大蒜素是一种含硫挥发性化合物，存在于白大蒜(葱属)和其它葱属物种中，被认为是葱属物种中合成的主要生物活性有机硫化合物之一。大蒜素是一种无色油，水溶性低，在完整的蒜瓣中不存在，但通过蒜氨酸酶的作用，与丙酮酸和氨一起从蒜氨酸酶前体中自然产生，当蒜瓣被压碎或浸渍时，蒜氨酸和蒜氨酸酶通过接触产生大蒜素。大蒜素具有多种治疗效果，如心血管保护、抗氧化、抗癌、抗菌、抗哮喘、免疫调节剂、降血压和降血脂等。大蒜素还具有抗菌和抗真菌活性，对多种革兰氏阳性和革兰氏阴性细菌都具有很强的抗菌效力。临床研究发现，大蒜素对治疗人类肾透明细胞癌具有明显的途径抑制作用，显著降低了肿瘤的发病率和大小。近年来，国内外对大蒜素的各种研究越累月深入、广泛，大蒜精油、大蒜胶囊等各种大蒜制品也应用的越来越多。
[0003]目前大蒜素常规检测方法有NY/T1497
‑
2007、NY/T1800
‑
2009和NY/T2643
‑
2014。这些检测方法都需要在检测前对样品进行预处理，从中提取出大蒜素，随后进行含量的测定。常用的预处理方法包括水溶解、丙酮溶解、乙醇提取、正己烷提取等。但是这些处理方法对于大蒜废水来说均非最适合的手段，且方法复杂，造价过高，不适用于广大中小企业的日常检测。
[0004]因此，期待一种优化的测定大蒜废水中大蒜素含量的方案。<br/>
技术实现思路

[0005]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种测定大蒜废水中大蒜素含量的方法，其采用基于深度学习的人工智能检测技术，以通过对于大蒜废水的液相色谱图进行降噪后，提取出其在空间上的特征位置信息以及在通道上的内容关联特征信息，来识别出所述大蒜废水的液相色谱图中关于大蒜素的含量特征分布，并以此来进行解码回归以进行大蒜素的含量测定。这样，能够准确地对于大蒜废水中大蒜素的含量进行智能检测。
[0006]根据本申请的一个方面，提供了一种测定大蒜废水中大蒜素含量的方法，其包括：获取待检测大蒜废水的液相色谱图；将所述液相色谱图通过基于自动编解码器的降噪模块以得到降噪后液相色谱图；将所述降噪后液相色谱图通过使用空间注意力的第一卷积神经网络模型以得到空间增强液相色谱特征图；将所述降噪后液相色谱图通过使用通道注意力的第二卷积神经网络模型以得到通道增强液相色谱特征图；融合所述空间增强液相色谱特征图和所述通道增强液相色谱特征图以得到解码特征图；对所述解码特征图进行特征分布校正以得到校正后解码特征图；以及将所述校正后解码特征图通过解码器进行解码回归以得到用于表示大蒜废水中大蒜素含量的解码值。
[0007]在上述测定大蒜废水中大蒜素含量的方法中，所述将所述液相色谱图通过基于自动编解码器的降噪模块以得到降噪后液相色谱图，包括：将所述液相色谱图输入所述基于自动编解码器的降噪模块的编码器，其中，所述编码器使用卷积层对所述液相色谱图进行显式空间编码以得到图像特征；以及，将所述图像特征输入所述基于自动编解码器的降噪模块的解码器，其中，所述解码器使用反卷积层对所述图像特征进行反卷积处理以得到所述降噪后液相色谱图。
[0008]在上述测定大蒜废水中大蒜素含量的方法中，所述自动编解码器的图像编码器包括至少一个卷积层，所述自动编解码器的图像解码器包含至少一个反卷积层。
[0009]在上述测定大蒜废水中大蒜素含量的方法中，所述将所述降噪后液相色谱图通过使用空间注意力的第一卷积神经网络模型以得到空间增强液相色谱特征图，包括：使用所述第一卷积神经网络模型的卷积编码部分对所述降噪后液相色谱图进行深度卷积编码以得到初始卷积特征图；将所述初始卷积特征图输入所述第一卷积神经网络模型的空间注意力部分以得到空间注意力图；将所述空间注意力图通过Softmax激活函数以得到空间注意力特征图；以及，计算所述空间注意力特征图和所述初始卷积特征图的按位置点乘以得到空间增强液相色谱特征图。
[0010]在上述测定大蒜废水中大蒜素含量的方法中，所述将所述降噪后液相色谱图通过使用通道注意力的第二卷积神经网络模型以得到通道增强液相色谱特征图，包括：使用所述第二卷积神经网络模型的各层在层的正向传递中对输入数据进行：对所述输入数据进行基于二维卷积核的卷积处理以生成卷积特征图；对所述卷积特征图进行池化处理以生成池化特征图；对所述池化特征图进行激活处理以生成激活特征图；计算所述激活特征图的沿通道维度的各个特征矩阵的全局均值以获得通道特征向量；计算所述通道特征向量中各个位置的特征值相对于所述通道特征向量的所有位置的特征值的加权和的比值以获得通道加权特征向量；以及，以所述通道加权特征向量的各个位置的特征值作为权重对所述激活特征图的沿通道维度的特征矩阵进行点乘以获得生成特征图；其中，所述第二卷积神经网络模型的最后一层输出的所述生成特征图为所述通道增强液相色谱特征图。
[0011]在上述测定大蒜废水中大蒜素含量的方法中，所述融合所述空间增强液相色谱特征图和所述通道增强液相色谱特征图以得到解码特征图，包括：以如下公式来融合所述空间增强液相色谱特征图和所述通道增强液相色谱特征图以得到解码特征图；其中，所述公式为：
[0012][0013]其中，F
d
为所述解码特征图，F
a
为所述空间增强液相色谱特征图，F
b
为所述通道增强液相色谱特征图，表示所述空间增强液相色谱特征图和所述通道增强液相色谱特征图相对应位置处的元素相加，α和β为用于控制所述解码特征图中所述空间增强液相色谱特征图和所述通道增强液相色谱特征图之间的平衡的加权参数。
[0014]在上述测定大蒜废水中大蒜素含量的方法中，所述对所述解码特征图进行特征分布校正以得到校正后解码特征图，包括：以如下公式对所述解码特征图进行特征分布校正以得到所述校正后解码特征图：其中，所述公式为：
[0015][0016]其中M表示所述解码特征图的各个特征矩阵通过线性变换得到的对角矩阵，m
i,j
是所述解码特征图的各个特征矩阵通过线性变换得到的对角矩阵的第(i,j)位置的特征值，‖
·
‖2为向量的二范数，且表示将矩阵的每个值乘以预定数值，表示按位置加法，M
′
表示所述校正后解码特征图的各个特征矩阵。
[0017]在上述测定大蒜废水中大蒜素含量的方法中，所述将所述校正后解码特征图通过解码器进行解码回归以得到用于表示大蒜废水中中大蒜素含量的解码值，包括：使用所述解码器以如下公式对所述校正后解码特征图进行解码回归以获得所述解码值；其中，所述公式为：其中X是所述校正后解码特征图，Y是所述解码值，W是权重矩阵，表示矩阵乘。
[0018]根据本申请的另一方面，提供了一种测定大蒜废水中大蒜素含量的系统，包括：数据获取模块，用于获取待检测大蒜废水的液相色谱图；降噪模块，用于将所本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种测定大蒜废水中大蒜素含量的方法，其特征在于，包括：获取待检测大蒜废水的液相色谱图；将所述液相色谱图通过基于自动编解码器的降噪模块以得到降噪后液相色谱图；将所述降噪后液相色谱图通过使用空间注意力的第一卷积神经网络模型以得到空间增强液相色谱特征图；将所述降噪后液相色谱图通过使用通道注意力的第二卷积神经网络模型以得到通道增强液相色谱特征图；融合所述空间增强液相色谱特征图和所述通道增强液相色谱特征图以得到解码特征图；对所述解码特征图进行特征分布校正以得到校正后解码特征图；以及将所述校正后解码特征图通过解码器进行解码回归以得到用于表示大蒜废水中大蒜素含量的解码值。2.根据权利要求1所述的测定大蒜废水中大蒜素含量的方法，其特征在于，所述将所述液相色谱图通过基于自动编解码器的降噪模块以得到降噪后液相色谱图，包括：将所述液相色谱图输入所述基于自动编解码器的降噪模块的编码器，其中，所述编码器使用卷积层对所述液相色谱图进行显式空间编码以得到图像特征；以及将所述图像特征输入所述基于自动编解码器的降噪模块的解码器，其中，所述解码器使用反卷积层对所述图像特征进行反卷积处理以得到所述降噪后液相色谱图。3.根据权利要求2所述的测定大蒜废水中大蒜素含量的方法，其特征在于，所述自动编解码器的图像编码器包括至少一个卷积层，所述自动编解码器的图像解码器包含至少一个反卷积层。4.根据权利要求3所述的测定大蒜废水中大蒜素含量的方法，其特征在于，所述将所述降噪后液相色谱图通过使用空间注意力的第一卷积神经网络模型以得到空间增强液相色谱特征图，包括：使用所述第一卷积神经网络模型的卷积编码部分对所述降噪后液相色谱图进行深度卷积编码以得到初始卷积特征图；将所述初始卷积特征图输入所述第一卷积神经网络模型的空间注意力部分以得到空间注意力图；将所述空间注意力图通过Softmax激活函数以得到空间注意力特征图；以及计算所述空间注意力特征图和所述初始卷积特征图的按位置点乘以得到空间增强液相色谱特征图。5.根据权利要求4所述的测定大蒜废水中大蒜素含量的方法，其特征在于，所述将所述降噪后液相色谱图通过使用通道注意力的第二卷积神经网络模型以得到通道增强液相色谱特征图，包括：使用所述第二卷积神经网络模型的各层在层的正向传递中对输入数据进行：对所述输入数据进行基于二维卷积核的卷积处理以生成卷积特征图；对所述卷积特征图进行池化处理以生成池化特征图...

【专利技术属性】
技术研发人员：张黎明，张明永，
申请(专利权)人：江苏福多美生物科技有限公司，
类型：发明
国别省市：