一种基于深度学习的图谱融合偏差-误差校正方法技术

本发明专利技术公开了一种基于深度学习的图谱融合偏差‑误差光谱校正方法，步骤为：1)获取样品同一时间窗口下的LIBS光谱与等离子体图像；2)从LIBS光谱中提取分析元素的谱线强度；3)基于等离子体辐射公式计算理想等离子体状态下标准光谱强度；4)基于实际光谱强度和标准光谱强度，计算光谱偏差和光谱误差；5)通过深度学习方法基于LIBS光谱和等离子体图像对光谱偏差和光谱误差进行估算；6)根据估算的光谱偏差，初步校正光谱强度；7)根据估算的光谱误差，进一步校正光谱强度；8)对校正后的光谱强度进行归一化处理；9)基于校正后的归一化光谱强度，建立与样品中元素含量的定标曲线；9)基于上述步骤对未知样品的光谱进行校正，并预测其元素含量。

【技术实现步骤摘要】

本专利技术属于libs元素分析，更具体地，涉及一种基于深度学习的图谱融合偏差-误差校正方法。

技术介绍

1、激光诱导击穿光谱(laser-induced breakdown spectroscopy,libs)技术通过分析超短脉冲激光烧蚀样品产生的等离子体辐射光谱，实现对样品中的元素种类和含量的鉴别，是一种基于原子发射光谱理论的新兴元素分析技术。自其问世以来，凭借其快速、原位、远程、微损、全元素同步分析等优势，在冶金、环境、煤炭、生物医学和航空航天等领域得到了广泛应用。

2、然而，libs技术光谱稳定性差、定量精准度低一直是限制其进一步发展与应用的关键阻碍之一。针对这一技术难题，国内外研究学者提出了一系列解决方法，可总结为实验方法和数据处理方法两大类。其中，实验方法主要包括样品预处理法、参数优化法、双脉冲法、空间约束和光束整形等，虽然可以在一定程度上提高光谱稳定性，但价格昂贵、仪器复杂、操作繁琐和环境要求苛刻等缺点使得libs技术丧失了原位、快速和实时等优势，因此不适用于在线监测当中；而数据处理方法主要包括内标法、光谱强度归一化法、等离子体参数本文档来自技高网...

【技术保护点】

1.一种基于深度学习的图谱融合偏差-误差光谱校正方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于深度学习的图谱融合偏差-误差光谱校正方法，其特征在于，所述步骤S3中，计算理想等离子体状态下的标准光谱强度，其表达公式如下：

3.根据权利要求1所述的一种基于深度学习的图谱融合偏差-误差光谱校正方法，其特征在于，所述步骤S4中，光谱偏差和光谱误差的计算公式分别如下：

4.根据权利要求1所述的一种基于深度学习的图谱融合偏差-误差光谱校正方法，其特征在于，所述步骤S5中，光谱偏差和光谱误差的估算公式分别如下：

5.根据权利要求1所述...

【技术特征摘要】

1.一种基于深度学习的图谱融合偏差-误差光谱校正方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于深度学习的图谱融合偏差-误差光谱校正方法，其特征在于，所述步骤s3中，计算理想等离子体状态下的标准光谱强度，其表达公式如下：

3.根据权利要求1所述的一种基于深度学习的图谱融合偏差-误差光谱校正方法，其特征在于，所述步骤s4中，光谱偏差和光谱误差的计算公式分别如下：

4.根据权利要求1所述的一种基于深度学习的图谱融合偏差-误差光谱校正方法，其特征在于，所述步骤s5中，光谱偏差和光谱误差的估算公式分别如...

【专利技术属性】
技术研发人员：张登，叶永红，杨松林，曹王蓉，
申请(专利权)人：南京师范大学，
类型：发明
国别省市：