【技术实现步骤摘要】
本专利技术涉及计算机，尤其涉及一种联苯菊脂残留的识别方法、装置、设备及存储介质。
技术介绍
1、在中草药研究和质量控制中，准确自动识别和定量中草药中残留的农药特定成分、判定是否超标一直是一项重要挑战。拉曼光谱学作为一种非破坏性的光谱分析技术，近年来在中草药分析领域备受关注。联苯菊酯作为农药的活性成分之一，对中草药的疗效和安全性具有重要影响。
2、然而，传统的拉曼光谱学方法通常需要复杂的数据处理和专业知识来准确识别联苯菊酯等成分，该方法不仅会耗费大量的人工、时间等利用传统神经网架构有效的对振动光谱数据进行区分，卷积神经网络(cnn)是深度学习模型之一。它仍然沿用传统神经网络的分层网络结构，但细化了层的功能和形式，减少了对数据预处理和手动特征的需求。
3、因此，如何能够自动识别拉曼光谱检测谱图中联苯菊酯成分是目前亟需解决的技术问题。
技术实现思路
1、本专利技术主要目的在于提供一种联苯菊脂残留的判定方法、装置、设备及存储介质，提高了联苯菊脂识别效率，降低了人工干预成本，通过自动化的识别方法，提升了工作效率并降低了实验成本。同时还具有一定的泛化能力，可用于识别其他类似类型的物质。
2、第一方面，本申请提供了一种联苯菊脂残留的识别方法，其中该方法包括步骤：
3、获取中草药的拉曼光谱数据；
4、利用目标检测模型yolo对所述拉曼光谱数据进行处理，得到预设份数的图像；
5、基于图像中的拉曼光谱波长，对每份图像中的联苯菊酯的
6、将标记的所述特征峰输入构建的一维卷积神经网络模型中进行分析，以识别出所述拉曼光谱数据中残留的联苯菊酯。
7、结合上述第一方面，作为一种可选的实现方式，以分段查找的方式对每份图像进行识别，以确定多个预设波长处是否峰值；
8、当确定识别到图像中的多个预设波长处存在峰值，对所述峰值进行标记。
9、结合上述第一方面，作为一种可选的实现方式，构建一维卷积神经网络模型，其中所述一维卷积神经网络模型包括：输入层和两个卷积层、归一化层、relu激活函数、池化层、全连接层和输出层；
10、将标记的所述特征峰输入所述一维卷积神经网络模型中进行分析包括：
11、输入层：根据拉曼光谱数据的特征选择特征峰的波长作为输入层；
12、卷积层：从拉曼光谱数据中提取联苯菊酯对应的特征峰的波长；
13、归一化层：将输入的特征重新定义和缩放输入到卷积快；
14、选取非线性变换relu函数为激活函数：作用于卷积神经网络的传输过程，使网络能够学习输入的特征；
15、池化层：对特征标定后的拉曼光谱图进行下采样，以提取最显著的特征；
16、全连接层：对输入进行线性变换，然后通过激活函数relu进行非线性映射，将输入与输出之间建立非线性映射关系；
17、输出层：选择softmax函数作为输出层的激活函数，来输出最终识别结果。
18、结合上述第一方面，作为一种可选的实现方式，卷积运算公式为：(f*g)(t)表示函数f和g在时刻t处的卷积运算结果，f(a)表示函数f在a处取值，在卷积运算中，g(t-a)表示函数g在时刻t-a处的取值，并且它是随着a变化而移动；
19、relu激活函数公式为：relu(x)＝max(0，x)；
20、全连接层的公式为：f(x)＝wx+b，w为权重矩阵，b为偏置向量；
21、输出层的激活函数为：j表示求和符号的索引变量，其中n是类别数量。
22、结合上述第一方面，作为一种可选的实现方式，根据表面增强拉曼光谱sers检测中药中的农药残留成分，以获取一维的拉曼光谱图。
23、结合上述第一方面，作为一种可选的实现方式，基于数据增强技术，将所述拉曼光谱数据扩展成设定份数，并将设定份数的数据按照一定比例分为训练集和测试集，以对构建一维卷积神经网络模型进行训练和验证。
24、结合上述第一方面，作为一种可选的实现方式，根据目标检测模型yolo将获取的拉曼光谱数据转换为二维图像，并对所述二维图像分为预设份数。
25、第二方面，本申请提供了一种联苯菊脂残留的识别装置，该装置包括：
26、获取模块，其用于获取中草药的拉曼光谱数据；
27、处理模块，其用于利用目标检测模型yolo对所述拉曼光谱数据进行处理，得到预设份数的图像；
28、标记模块，其用于基于图像中的拉曼光谱波长，对每份图像中的联苯菊酯的特征峰进行识别，并对所述特征峰进行特征标记；
29、分析模块，其用于将标记的所述特征峰输入构建的一维卷积神经网络模型中进行分析，以识别出所述拉曼光谱数据中残留的联苯菊酯。
30、第三方面，本申请还提供了一种电子设备，所述电子设备包括：处理器；存储器，所述存储器上存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，实现第一方面任一项所述的方法。
31、第四方面，本申请还提供了一种计算机可读存储介质，其存储有计算机程序指令，当所述计算机程序指令被计算机执行时，使计算机执行第一方面任一项所述的方法。
32、本申请提供的一种联苯菊脂残留的识别方法、装置、设备及存储介质，其中该方法包括步骤：获取中草药的拉曼光谱数据；利用目标检测模型yolo对所述拉曼光谱数据进行处理，得到预设份数的图像；基于图像中的拉曼光谱波长，对每份图像中的联苯菊酯的特征峰进行识别，并对所述特征峰进行特征标记；将标记的所述特征峰输入构建的一维卷积神经网络模型中进行分析，以识别出所述拉曼光谱数据中残留的联苯菊酯。本申请提高了联苯菊脂识别效率，降低了人工干预成本，通过自动化的识别方法，提升了工作效率并降低了实验成本。同时还具有一定的泛化能力，可用于识别其他类似类型的物质。
33、应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本专利技术。
本文档来自技高网...【技术保护点】
1.一种联苯菊脂残留的识别方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述基于图像中的拉曼光谱波长，对每份图像中的联苯菊酯的特征峰进行识别，并对所述特征峰进行特征标记，包括：
3.根据权利要求1所述的方法，其特征在于，所述将标记的所述特征峰输入构建的一维卷积神经网络模型中进行分析，以识别出所述拉曼光谱数据中残留的联苯菊酯，包括：
4.根据权利要求3所述的方法，其特征在于，包括：
5.根据权利要求1所述的方法，其特征在于，所述获取中草药的拉曼光谱数据，包括：
6.根据权利要求1所述的方法，其特征在于，所述获取中草药的拉曼光谱数据之后，还包括：
7.根据权利要求1所述的方法，其特征在于，所述利用目标检测模型YOLO对所述拉曼光谱数据进行处理，得到预设份数的图像，包括：
8.一种联苯菊脂残留的识别装置，其特征在于，包括：
9.一种电子设备，其特征在于，所述电子设备，包括：
10.一种计算机可读存储介质，其特征在于，其存储有计算机程序指令，当所述计算机程序指
...【技术特征摘要】
1.一种联苯菊脂残留的识别方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述基于图像中的拉曼光谱波长，对每份图像中的联苯菊酯的特征峰进行识别，并对所述特征峰进行特征标记，包括：
3.根据权利要求1所述的方法，其特征在于，所述将标记的所述特征峰输入构建的一维卷积神经网络模型中进行分析，以识别出所述拉曼光谱数据中残留的联苯菊酯，包括：
4.根据权利要求3所述的方法，其特征在于，包括：
5.根据权利要求1所述的方法，其特征在于，所述获取中草药的拉曼光谱数据，包括：...
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。