样品含量识别方法技术

本申请公开了一种样品含量识别方法

【技术实现步骤摘要】
样品含量识别方法、装置和存储介质
[0001]本申请是申请日为
2022
年8月
17
日
、
申请号为
2022109855531、
专利技术名称为“样品含量识别方法
、
装置和存储介质”的专利的分案申请
。


[0002]本专利技术涉及一种样品含量识别方法
、
装置和存储介质，属于光谱检测

。

技术介绍

[0003]目前，对于跨度广
、
多种类且多种类之间相联系的样本进行近红外建模时为保证准确率通常采用分别独立建模的方式
。
比如，对于不同灰分含量的面粉而言，不同灰分含量的面粉为不同等级，等级之间的差别较难从外观
、
形态方面进行区分
。
因此为提高灰分建模的准确性，不同灰度含量的面粉会分别建模
。
[0004]然而上述方案中，在拿到一个未知灰分的样品之后，如果事先无法细分其为哪个等级的样本时，会由于选择的模型错误而导致检测结果出现较大偏差
。
也即上述方案中样品的灰分含量识别准确率较低
。

技术实现思路

[0005]本专利技术的目的在于提供一种样品含量识别方法
、
装置和存储介质，用于解决现有技术中存在的问题
。
[0006]为达到上述目的，本专利技术提供如下技术方案：
[0007]根据第一方面，本专利技术实施例提供了一种样品含量识别方法，所述方法包括：
[0008]获取目标样品的近红外光谱；
[0009]将所述近红外光谱分别输入至
i
个含量识别网络，通过每个含量识别网络识别所述目标样品中的目标物质的含量；所述
i
为大于1的整数；
[0010]获取每个含量识别网络的识别结果所对应的分配系数；
[0011]根据识别得到的
i
个含量以及获取得到的各个含量所对应的分配系数，确定所述目标样品中的目标物质的最终含量
。
[0012]可选地，所述获取每个含量识别网络的识别结果所对应的分配系数，包括：
[0013]计算所述近红外光谱与各个含量分段的中心光谱之间的距离；
[0014]根据正态分布函数以及计算得到的各个距离，计算为每个含量识别网络的识别结果分配的原始系数；
[0015]对计算得到的各个原始系数进行归一化处理，得到各个含量识别网络的识别结果所对应的分配系数
。
[0016]可选地，所述根据正态分布函数以及计算得到的各个距离，计算为每个含量识别网络的识别结果分配的原始系数，包括：
[0017]对于计算得到的每个距离
d
，所述原始系数
w1
为：
[0018][0019]其中，
d
为计算得到的近红外光谱到各含量分段的中心的距离，
σ
为正态分布的标准差
。
[0020]可选地，所述对计算得到的各个原始系数进行归一化处理，得到各个含量识别网络的识别结果所对应的分配系数，包括：
[0021][0022]其中，
w
’
为最终确定得到的各个含量识别网络的识别结果的分配系数，
w1
为确定得到的原始系数
。
[0023]可选地，所述将所述近红外光谱分别输入至
i
个含量识别网络之前，所述方法还包括：
[0024]获取样本近红外光谱集，所述样本近红外光谱集包括各个含量的样本集；
[0025]将所述样本近红外光谱集划分为
i
个样本集，每个样本集中的近红外光谱对应一个含量分段；
[0026]根据预设外延比例对每个样本集向两侧进行外延；
[0027]根据外延后的各个样本集训练各个含量分段对应的含量识别网络
。
[0028]可选地，所述
i
个含量识别网络包含在含量识别模型中，所述含量识别模型为根据样本近红外光谱集训练得到的模型，所述样本近红外光谱集按照理化分段划分各类近红外光谱，所述获取每个含量识别网络的识别结果所对应的分配系数，包括：
[0029]根据所述含量识别模型的识别结果
、
所述含量识别模型的
SECV
值以及各个含量识别网络的左边界和右边界，获取所述分配系数
。
[0030]可选地，所述根据所述含量识别模型的识别结果
、
所述含量识别模型的
SECV
值以及各个含量识别网络的左边界和右边界，获取所述分配系数包括：
[0031]对于每个含量分段对应的分配系数，计算所述含量识别模型的识别结果与所述含量分段的左边界和右边界的距离；
[0032]根据计算得到的与左边界的距离以及所述
SECV
值计算第一系数；
[0033]根据计算得到的与右边界的距离以及所述
SECV
值计算第二系数；
[0034]根据所述第一系数和所述第二系数计算为所述含量分配的原始分配系数；
[0035]对计算得到的各个原始分配系数进行归一化，得到所述分配系数
。
[0036]可选地，所述第一系数
w1
为：
[0037]所述第二系数
w2
为：
[0038]其中，
σ
为所述含量识别模型的
SECV
值，
d1
为与左边界的距离，
d2
为与右边界的距离
。
[0039]第二方面，提供了一种样品含量识别装置，所述装置包括存储器和处理器，所述存储器中存储有至少一条程序指令，所述处理器通过加载并执行所述至少一条程序指令以实
现如第一方面所述的方法
。
[0040]第三方面，提供了一种计算机存储介质，所述计算机存储介质中存储有至少一条程序指令，所述至少一条程序指令被处理器加载并执行以实现如第一方面所述的方法
。
[0041]通过获取目标样品的近红外光谱；将所述近红外光谱分别输入至
i
个含量识别网络，通过每个含量识别网络识别所述目标样品中的目标物质的含量；所述
i
为大于1的整数；获取每个含量识别网络的识别结果所对应的分配系数；根据识别得到的
i
个含量以及获取得到的各个含量所对应的分配系数，确定所述目标样品中的目标物质的最终含量
。
解决了现有技术中含量识别准确率较低的问题，达到了用户无需选择识别模型，仅需将目标样品的近红外光谱输入至各个含量识别网络，进而根据各自的识别结果以及对应的分配系数即可确定得到最终识别结果，提高含量识别准确率的效果
。
[0042]另外，本申请对各个样本集通过预设外延比例进行外延，弱化了相邻两个本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种样品含量识别方法，其特征在于，所述方法包括：获取目标样品的近红外光谱；将所述近红外光谱分别输入至
i
个含量识别网络，通过每个含量识别网络识别所述目标样品中的目标物质的含量；所述
i
为大于1的整数；获取每个含量识别网络的识别结果所对应的分配系数；根据识别得到的
i
个含量以及获取得到的各个含量所对应的分配系数，确定所述目标样品中的目标物质的最终含量；其中，所述
i
个含量识别网络包含在含量识别模型中，所述含量识别模型为根据样本近红外光谱集训练得到的模型，所述样本近红外光谱集按照理化分段划分各类近红外光谱，所述获取每个含量识别网络的识别结果所对应的分配系数，包括：根据所述含量识别模型的识别结果
、
所述含量识别模型的
SECV
值以及各个含量识别网络的左边界和右边界，获取所述分配系数；其中，所述根据所述含量识别模型的识别结果
、
所述含量识别模型的
SECV
值以及各个含量识别网络的左边界和右边界，获取所述分配系数包括：对于每个含量分段对应的分配系数，计算所述含量识别模型的识别结果与所述含量分段的左边界和右边界的距离；根据计算得到的与左边界的距离以及所述
SECV
值计算第一系数；根据计算得到的与右边界的距离以及所述
SECV
值计算第二系数；根据所述第一系数和所述第二系数计算为所述含量分段分配的原始分配系数；对计算得到的各个原始分配系数进行归一化，得到所述分配系数
。2.
根据权利要求1所述的方法，其...

【专利技术属性】
技术研发人员：王丽华，刘杨，王甜甜，唐果，
申请(专利权)人：无锡迅杰光远科技有限公司，
类型：发明
国别省市：