一种基于特征分布数据库的细菌拉曼光谱去噪技术制造技术

本发明专利技术属于拉曼光谱去噪技术领域，公开了一种基于特征分布数据库的细菌拉曼光谱去噪技术。所述基于特征分布数据库的细菌拉曼光谱去噪技术，通过特征重组网络(RegroupNet)对待测样品(如乳制品)中的拉曼光谱信号中的特异性特征进行重组，同时利用数据库中先验信息去解决光谱去噪问题。该网络为一种自监督学习网络，模型训练过程依赖于和数据库的信息匹配来优化RegroupNet网络参数，数据库的构建方式也较为简单。这种方法节省了光谱信号去噪的成本，无需大量的样品光谱数据预采集，能去掉多种类型的噪声和干扰，是一种高效、鲁棒性好的细菌拉曼光谱信号去噪手段。细菌拉曼光谱信号去噪手段。

【技术实现步骤摘要】
一种基于特征分布数据库的细菌拉曼光谱去噪技术


[0001]本专利技术属于拉曼光谱去噪
，尤其涉及一种基于特征分布数据库的细菌拉曼光谱去噪技术。

技术介绍

[0002]拉曼光谱分析技术在细菌检测领域具有广泛的应用前景。利用拉曼光谱分析技术可以快速获得细菌化学成分的全面信息，从而可以对细菌的种类、数量以及状态进行快速鉴定和分析。由于拉曼光谱分析技术具有快速、无损、原位、高通量等特点，因此其应用在细菌检测领域具有极高的潜力。与传统的菌落计数法、培养法、PCR法等技术相比，拉曼光谱分析技术能够更加准确地鉴定细菌的种类和数量，同时可以避免因培养条件的差异导致的误判。在复杂的生物样本中，拉曼光谱可以提供关于细菌化学成分的全面信息，而无需对细胞进行额外标记，在不同种类的细胞之间具有良好的重现性和较高的分辨能力，可以同时应对复杂环境中的细菌构成检测。
[0003]然而，拉曼光谱信号在采集过程中会受到各种干扰和噪声的影响，导致信号质量下降，从而影响数据分析的精度。因此，如何去除光谱信号中的噪声和干扰是一个关键问题。目前，基于信号处理和数学模型的方法本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于基于特征分布数据库的细菌拉曼光谱去噪技术，其特征在于，所述方法包括以下步骤，本专利选用拉曼光谱检测设备作为实施主体，通过分别采集金黄色葡萄球菌、沙门氏菌和大肠杆菌细菌的拉曼光谱信号构建细菌拉曼光谱的数据库，用于为RegroupNet训练提供先验信息，在实际检测过程中，将乳制品中的细菌拉曼光谱信号作为输入，通过RegroupNet网络，网络结构采用编码解码的方式，从粗到细的提取细菌光谱信号中的不同层次的特征信息，输出重组后的拉曼光谱信号，通过这种方法可以在多种类型噪声的干扰下，提取出待测样品中细菌的结构和成分特征，重组后得到信噪比高的细菌拉曼光谱信号，从而提升拉曼光谱对细菌信号的检测能力。2.根据权利要求1所述的方法，其特征在于，所述的方法通过RegroupNet对细菌拉曼光谱信号中的特征进行重组，同时利用数据库中先验信息去解决光谱去噪问题。3.根据权利要求1所述的方法，其特征在于，数据库的构建方式较为简单，需要包含待测样品中所关注的细菌的拉曼光谱信号，对于每类细菌的光谱信号，去噪后只需要保留一条放入数据库即可，无需大量的细菌光谱数据预采集，也不需要制作含噪样品光谱信号和对应的无噪样品光谱信号训练数据对。4.根据权利要求1所述的方法，其特征在于，RegroupNet网络训练过程为自监督学习方式，模型训练过程依赖于和数据库的信息匹配来优化网络参数，无需大量的细菌光谱数据预采集，也不需要制作含噪样品光谱信号和对应的无噪样品光谱信号训练数据对，训练具体过程为，将检测乳制品得到的细菌拉曼光谱信号输入到RegroupNet网络中，输出重组后的拉曼光谱信号，再通过特征搜索网络在数据库中搜索与之匹配的光谱信号，通过最大化特侦信息与匹配信号的最大相关系数，最小化干扰信息的相关系数来反向优化RegroupNet，完成特征重组网络的训练过程。5.根据权利要求4所述的方法，其特征在于，所述的特征搜索网络会先将重组后的拉曼光谱信号映射为3个特征信息，然后在数据库中搜...

【专利技术属性】
技术研发人员：马翔云，李志鹏，李奇峰，杨云鹏，夏华，孙逸，
申请(专利权)人：天津大学，
类型：发明
国别省市：