【技术实现步骤摘要】
本申请涉及智能化检测，并且更具体地，涉及一种水环境中微量雌激素类物质的检测方法及其系统。
技术介绍
1、新污染物，顾名思义，是指在环境中新发现，或者是之前被发现但并未引起相关重视，且对人体健康及生态环境具有潜在危害的污染物。伴随着现代水质监测技术的提高，越来越多的新污染物在水体中被检测出来。
2、雌激素是环境中的一种新污染物，由于其使用量大及其环境行为与生态效应复杂，近年来已引起人们对其在环境中残留状况和其生态风险的重视。中国是雌激素的生产及使用大国，目前，也已有多种新污染物在水环境中被不同程度的检出。目前，我国尚未出台关于新污染物的环境管理政策以及相关排放标准，还尚未形成统一的检测标准方法。也缺乏对饮用水水源等水体中雌激素的调研和风险分析。
3、因此，期望一种水环境中微量雌激素类物质的检测方案。
技术实现思路
1、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水环境中微量雌激素类物质的检测方法及其系统，其获取待检测水样的高效液相色谱图；采用基于深度学习的人工智能技术，挖掘水样的高效液相色谱图中关于各类雌激素的高维隐含关联特征信息，基于高维隐含关联特征来进行各类雌激素特征的相互校正。这样，可以准确地对于水样中的各类雌激素进行准确地检测，以减少雌激素对于水资源的污染。
2、第一方面，提供了一种水环境中微量雌激素类物质的检测方法，其包括：获取待检测水样的高效液相色谱图；对所述高效液相色谱图进行样窗扫描以得到多个采样窗局部色谱图；将所述多
3、在上述水环境中微量雌激素类物质的检测方法中，将所述多个采样窗局部色谱图分别通过使用空间注意力机制的第一卷积神经网络模型以得到多个局部成分色谱特征矩阵，包括：所述使用空间注意力机制的第一卷积神经网络模型的各层在层的正向传递过程中对输入数据分别进行：对输入数据进行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非线性激活以生成激活特征图；计算所述激活特征图的各个位置沿通道维度的均值以生成空间特征矩阵；计算所述空间特征矩阵中各个位置的类softmax函数值以获得空间得分矩阵；以及，计算所述空间特征矩阵和所述空间得分矩阵的按位置点乘以获得特征矩阵；其中，所述使用空间注意力机制的第一卷积神经网络模型的最后一层输出的所述特征矩阵为所述多个局部成分色谱特征矩阵。
4、在上述水环境中微量雌激素类物质的检测方法中，将所述多个局部成分色谱特征矩阵沿着通道维度聚合为三维输入张量后通过作为特征图的第二卷积神经网络模型以得到成分间关联色谱特征图，包括：使用所述作为特征图的第二卷积神经网络模型的各层在层的正向传递中分别对输入数据进行卷积处理、基于特征矩阵的均值池化处理和非线性激活处理以由所述作为特征图的第二卷积神经网络模型的最后一层输出所述成分间关联色谱特征图，其中，所述作为特征图的第二卷积神经网络模型的第一层的输入为所述三维输入张量。
5、在上述水环境中微量雌激素类物质的检测方法中，对所述成分间关联色谱特征图进行沿通道维度的特征可鉴别性强化以得到解码特征图，包括：计算所述成分间关联色谱特征图的每个特征矩阵的全局均值池化的实例归一化和一致性相关恢复因数以得到由多个实例归一化和一致性相关恢复因数组成的加权特征向量；以及，以所述加权特征向量的各个位置的特征值作为权重来分别对所述成分间关联色谱特征图的沿通道维度的各个特征矩阵进行加权以得到所述分类特征图。
6、在上述水环境中微量雌激素类物质的检测方法中，计算所述成分间关联色谱特征图的每个特征矩阵的全局均值池化的实例归一化和一致性相关恢复因数以得到由多个实例归一化和一致性相关恢复因数组成的加权特征向量，包括：以如下公式计算所述成分间关联色谱特征图的每个特征矩阵的全局均值池化的实例归一化和一致性相关恢复因数以得到由多个所述实例归一化和一致性相关恢复因数组成的所述加权特征向量；其中，所述公式为：其中，表示所述成分间关联色谱特征图的每个特征矩阵的第位置的特征值，和 分别是所述成分间关联色谱特征图的每个特征矩阵的各个位置的特征值集合的均值和方差，且和分别是所述成分间关联色谱特征图的每个特征矩阵的的宽度和高度，表示以2为底的对数函数， 表示计算以数值为幂的自然指数函数值，表示所述多个实例归一化和一致性相关恢复因数中的各个实例归一化和一致性相关恢复因数。
7、在上述水环境中微量雌激素类物质的检测方法中，将所述解码特征图通过第一解码器以得到第一解码值，所述第一解码值用于表示待检测水样中炔雌醇的含量值，包括：使用所述解码器以如下公式对所述解码特征图进行解码回归以得到所述第一解码值；其中，所述公式为：，其中表示所述解码特征图，表示第一解码值，表示权重矩阵，表示偏置向量，表示矩阵乘。
8、第二方面，提供了一种水环境中微量雌激素类物质的检测系统，其包括：色谱图获取模块，用于获取待检测水样的高效液相色谱图；样窗扫描模块，用于对所述高效液相色谱图进行样窗扫描以得到多个采样窗局部色谱图；空间注意力模块，用于将所述多个采样窗局部色谱图分别通过使用空间注意力机制的第一卷积神经网络模型以得到多个局部成分色谱特征矩阵；特征提取模块，用于将所述多个局部成分色谱特征矩阵沿着通道维度聚合为三维输入张量后通过作为特征图的第二卷积神经网络模型以得到成分间关联色谱特征图；强化模块，用于对所述成分间关联色谱特征图进行沿通道维度的特征可鉴别性强化以得到解码特征图；以及解码模块，用于将所述解码特征图通过第一解码器以得到第一解码值，所述第一解码值用于表示待检测水样中炔雌醇的含量值。
9、在上述水环境中微量雌激素类物质的检测系统中，所述空间注意力模块，用于：所述使用空间注意力机制的第一卷积神经网络模型的各层在层的正向传递过程中对输入数据分别进行：对输入数据进行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非线性激活以生成激活特征图；计算所述激活特征图的各个位置沿通道维度的均值以生成空间特征矩阵；计算所述空间特征矩阵中各个位置的类softmax函数值以获得空间得分矩阵；以及，计算所述空间特征矩阵和所述空间得分矩阵的按位置点乘以获得特征矩阵；其中，所述使用空间注意力机制的第一卷积神经网络模型的最后一层输出的所述特征矩阵为所述多个局部成分色谱特征矩阵。
10、在上述水环境中微量雌激素类物质的检测系统中，所述特征提取模块，用于：使用所述作为特征图的第二卷积神经网络模型的各层在层的正向传递中分别对输入数本文档来自技高网...
【技术保护点】
1.一种水环境中微量雌激素类物质的检测方法，其特征在于，包括：获取待检测水样的高效液相色谱图；对所述高效液相色谱图进行样窗扫描以得到多个采样窗局部色谱图；将所述多个采样窗局部色谱图分别通过使用空间注意力机制的第一卷积神经网络模型以得到多个局部成分色谱特征矩阵；将所述多个局部成分色谱特征矩阵沿着通道维度聚合为三维输入张量后通过作为特征图的第二卷积神经网络模型以得到成分间关联色谱特征图；对所述成分间关联色谱特征图进行沿通道维度的特征可鉴别性强化以得到解码特征图；以及将所述解码特征图通过第一解码器以得到第一解码值，所述第一解码值用于表示待检测水样中炔雌醇的含量值。
2.根据权利要求1所述的水环境中微量雌激素类物质的检测方法，其特征在于，将所述多个采样窗局部色谱图分别通过使用空间注意力机制的第一卷积神经网络模型以得到多个局部成分色谱特征矩阵，包括：所述使用空间注意力机制的第一卷积神经网络模型的各层在层的正向传递过程中对输入数据分别进行：对输入数据进行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非线性激活以生成激活特征图；计算所述
3.根据权利要求2所述的水环境中微量雌激素类物质的检测方法，其特征在于，将所述多个局部成分色谱特征矩阵沿着通道维度聚合为三维输入张量后通过作为特征图的第二卷积神经网络模型以得到成分间关联色谱特征图，包括：使用所述作为特征图的第二卷积神经网络模型的各层在层的正向传递中分别对输入数据进行卷积处理、基于特征矩阵的均值池化处理和非线性激活处理以由所述作为特征图的第二卷积神经网络模型的最后一层输出所述成分间关联色谱特征图，其中，所述作为特征图的第二卷积神经网络模型的第一层的输入为所述三维输入张量。
4.根据权利要求3所述的水环境中微量雌激素类物质的检测方法，其特征在于，对所述成分间关联色谱特征图进行沿通道维度的特征可鉴别性强化以得到解码特征图，包括：计算所述成分间关联色谱特征图的每个特征矩阵的全局均值池化的实例归一化和一致性相关恢复因数以得到由多个实例归一化和一致性相关恢复因数组成的加权特征向量；以及以所述加权特征向量的各个位置的特征值作为权重来分别对所述成分间关联色谱特征图的沿通道维度的各个特征矩阵进行加权以得到所述分类特征图。
5.根据权利要求4所述的水环境中微量雌激素类物质的检测方法，其特征在于，计算所述成分间关联色谱特征图的每个特征矩阵的全局均值池化的实例归一化和一致性相关恢复因数以得到由多个实例归一化和一致性相关恢复因数组成的加权特征向量，包括：以如下公式计算所述成分间关联色谱特征图的每个特征矩阵的全局均值池化的实例归一化和一致性相关恢复因数以得到由多个所述实例归一化和一致性相关恢复因数组成的所述加权特征向量；其中，所述公式为：其中，表示所述成分间关联色谱特征图的每个特征矩阵的第位置的特征值，和 分别是所述成分间关联色谱特征图的每个特征矩阵的各个位置的特征值集合的均值和方差，且和分别是所述成分间关联色谱特征图的每个特征矩阵的的宽度和高度，表示以2为底的对数函数， 表示计算以数值为幂的自然指数函数值，表示所述多个实例归一化和一致性相关恢复因数中的各个实例归一化和一致性相关恢复因数。
6.根据权利要求5所述的水环境中微量雌激素类物质的检测方法，其特征在于，将所述解码特征图通过第一解码器以得到第一解码值，所述第一解码值用于表示待检测水样中炔雌醇的含量值，包括：使用所述解码器以如下公式对所述解码特征图进行解码回归以得到所述第一解码值；其中，所述公式为：，其中表示所述解码特征图，表示第一解码值，表示权重矩阵，表示偏置向量，表示矩阵乘。
7.一种水环境中微量雌激素类物质的检测系统，其特征在于，包括：色谱图获取模块，用于获取待检测水样的高效液相色谱图；样窗扫描模块，用于对所述高效液相色谱图进行样窗扫描以得到多个采样窗局部色谱图；空间注意力模块，用于将所述多个采样窗局部色谱图分别通过使用空间注意力机制的第一卷积神经网络模型以得到多个局部成分色谱特征矩阵；特征提取模块，用于将所述多个局部成分色谱特征矩阵沿着通道维度聚合为三维输入张量后通过作为特征图的第二卷积神经网络模型以得到成分间关联色谱特征图；强化模块，用于对所述成分间关联色谱特征图进行沿通道维度的特征可鉴别性强化以得到解码特征图；以及解码模块，...
【技术特征摘要】
1.一种水环境中微量雌激素类物质的检测方法，其特征在于，包括：获取待检测水样的高效液相色谱图；对所述高效液相色谱图进行样窗扫描以得到多个采样窗局部色谱图；将所述多个采样窗局部色谱图分别通过使用空间注意力机制的第一卷积神经网络模型以得到多个局部成分色谱特征矩阵；将所述多个局部成分色谱特征矩阵沿着通道维度聚合为三维输入张量后通过作为特征图的第二卷积神经网络模型以得到成分间关联色谱特征图；对所述成分间关联色谱特征图进行沿通道维度的特征可鉴别性强化以得到解码特征图；以及将所述解码特征图通过第一解码器以得到第一解码值，所述第一解码值用于表示待检测水样中炔雌醇的含量值。
2.根据权利要求1所述的水环境中微量雌激素类物质的检测方法，其特征在于，将所述多个采样窗局部色谱图分别通过使用空间注意力机制的第一卷积神经网络模型以得到多个局部成分色谱特征矩阵，包括：所述使用空间注意力机制的第一卷积神经网络模型的各层在层的正向传递过程中对输入数据分别进行：对输入数据进行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非线性激活以生成激活特征图；计算所述激活特征图的各个位置沿通道维度的均值以生成空间特征矩阵；计算所述空间特征矩阵中各个位置的类softmax函数值以获得空间得分矩阵；以及计算所述空间特征矩阵和所述空间得分矩阵的按位置点乘以获得特征矩阵；其中，所述使用空间注意力机制的第一卷积神经网络模型的最后一层输出的所述特征矩阵为所述多个局部成分色谱特征矩阵。
3.根据权利要求2所述的水环境中微量雌激素类物质的检测方法，其特征在于，将所述多个局部成分色谱特征矩阵沿着通道维度聚合为三维输入张量后通过作为特征图的第二卷积神经网络模型以得到成分间关联色谱特征图，包括：使用所述作为特征图的第二卷积神经网络模型的各层在层的正向传递中分别对输入数据进行卷积处理、基于特征矩阵的均值池化处理和非线性激活处理以由所述作为特征图的第二卷积神经网络模型的最后一层输出所述成分间关联色谱特征图，其中，所述作为特征图的第二卷积神经网络模型的第一层的输入为所述三维输入张量。
4.根据权利要求3所述的水环境中微量雌激素类物质的检测方法，其特征在于，对所述成分间关联色谱特征图进行沿通道维度的特征可鉴别性强化以得到解码特征图，包括：计算所述成分间关联色谱特征图的每个特征矩阵的全局均值池化的实例归一化和一致性相关恢复因数以得到由多个实例归一化和一致性相关恢复因数组成的加权特征向量；以及以所述加权特征向量的各个位置的特征值作为权重来分别对所述成分间关联色谱特征图的沿通道维度的各个特征矩阵进行加权以得到所述分类特征图。
5.根据权利要求4所述的水环境中微量雌激素类物质的检测方法，其特征在于，计算所述成分间关联色谱特征图的每个特征矩阵的全局均值池化的实例归一化和一致性相关恢复因数以得到由多个实例归一化和一致性相关恢复因数组成的加权特征向量，包括：以如下公式计算所述成分间关联色谱特征图的每个特征矩阵的全局均值池化的实例归一化和一致性相关恢复因数以得到由多个所述实例归一化和一致性相关恢复因数组成的所述加权特征向量；其中，所述公式为：其中，表示所述成分间关联色谱特征图的每个特征矩阵的第位置的特征值，和 分别是所述成分间关联色谱特征...
【专利技术属性】
技术研发人员：王东，王蕾，李小敏，张立亚，周铠铠，
申请(专利权)人：杭州市水务集团有限公司，
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。