System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于智能控制,具体涉及一种激光显微拉曼光谱仪的控制模型训练方法及装置、设备。
技术介绍
1、激光显微拉曼光谱仪(简称拉曼光谱仪)常用于获取样品的分子振动信息分析得到拉曼光谱数据,对于样品的物理化学性质分析有着决定性的作用。然而,获取到的拉曼光谱数据的质量通常受到拉曼光谱仪扫描参数设置的影响,包括激光功率、积分时间、步进距离等因素,在实际应用中,这些扫描参数的调整通常需要人工操作,非常依赖于操作者的经验和直觉,这不但耗时耗力,而且无法保证扫描结果的最优性。
2、现有的基于人工经验的扫描参数调整方法仍存在许多局限性,例如难以针对不同类型的样品提供最佳扫描效果、过于依赖经验规则的制定等。因此现有拉曼光谱仪通过手动调整扫描参数的方法,不确定性较高,无法自适应调整扫描参数,难以在各种不同环境条件和样品类型下都实现最佳的扫描效果。
技术实现思路
1、本专利技术的目的在于提供一种激光显微拉曼光谱仪的控制模型训练方法及装置、设备,可以自适应调整扫描参数,从而提高扫描控制准确性和操作效率,进而保证扫描结果的最优性。
2、本专利技术第一方面公开一种激光显微拉曼光谱仪的控制模型训练方法,包括:
3、基于深度q网络构建激光显微拉曼光谱仪的控制模型;
4、控制激光显微拉曼光谱仪针对样品扫描得到第一显微图像及对应的第一拉曼光谱;
5、将第一显微图像和第一拉曼光谱分别输入所述控制模型,以使所述控制模型预测得到每个候选扫描参数的预测动作价值;<
...【技术保护点】
1.一种激光显微拉曼光谱仪的控制模型训练方法,其特征在于,包括:
2.如权利要求1所述的激光显微拉曼光谱仪的控制模型训练方法,其特征在于,根据第二显微图像和第二拉曼光谱计算目标动作价值,包括:
3.如权利要求2所述的激光显微拉曼光谱仪的控制模型训练方法,其特征在于,计算第二拉曼光谱的信噪比,包括:
4.如权利要求2所述的激光显微拉曼光谱仪的控制模型训练方法,其特征在于,计算第二拉曼光谱的基线奖励,包括:
5.如权利要求2所述的激光显微拉曼光谱仪的控制模型训练方法,其特征在于,计算第二显微图像的图像奖励,包括:
6.一种激光显微拉曼光谱仪的控制模型训练装置,其特征在于,包括:
7.如权利要求6所述的激光显微拉曼光谱仪的控制模型训练装置,其特征在于,所述目标计算单元包括:
8.如权利要求7所述的激光显微拉曼光谱仪的控制模型训练装置,其特征在于,所述第一计算子单元,具体用于对第二拉曼光谱进行平滑处理得到平滑后的第三拉曼光谱;根据第二拉曼光谱与第三拉曼光谱,计算获得拉曼光谱噪声;根据第三拉曼光谱的均值、拉
9.如权利要求7所述的激光显微拉曼光谱仪的控制模型训练装置,其特征在于,所述第二计算子单元,具体用于对第二拉曼光谱进行基线校正,获得基线校正后的校正光谱;求取第二拉曼光谱和校正光谱之间的光谱差值;根据光谱差值计算得到第二拉曼光谱的基线奖励。
10.一种电子设备,其特征在于,包括存储有可执行程序代码的存储器以及与所述存储器耦合的处理器;所述处理器调用所述存储器中存储的所述可执行程序代码,用于执行权利要求1至5任一项所述的激光显微拉曼光谱仪的控制模型训练方法。
...【技术特征摘要】
1.一种激光显微拉曼光谱仪的控制模型训练方法,其特征在于,包括:
2.如权利要求1所述的激光显微拉曼光谱仪的控制模型训练方法,其特征在于,根据第二显微图像和第二拉曼光谱计算目标动作价值,包括:
3.如权利要求2所述的激光显微拉曼光谱仪的控制模型训练方法,其特征在于,计算第二拉曼光谱的信噪比,包括:
4.如权利要求2所述的激光显微拉曼光谱仪的控制模型训练方法,其特征在于,计算第二拉曼光谱的基线奖励,包括:
5.如权利要求2所述的激光显微拉曼光谱仪的控制模型训练方法,其特征在于,计算第二显微图像的图像奖励,包括:
6.一种激光显微拉曼光谱仪的控制模型训练装置,其特征在于,包括:
7.如权利要求6所述的激光显微拉曼光谱仪的控制模型训练装置,其特征在于,所述目标计算单元包括:
8....
【专利技术属性】
技术研发人员:梁世健,邱迅,邓嘉迪,
申请(专利权)人:广州贝拓科学技术有限公司,
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。