[發(fā)明專利]基于拉曼光譜的物質(zhì)識別方法及云端系統(tǒng)

有效

• 申請?zhí)枺?/td>: 201780002761.2
• 申請日: 2017-12-29
• 公開（公告）號: CN108235733B
• 公開（公告）日: 2022-01-25
• 發(fā)明（設(shè)計(jì)）人: 南一冰;徐小棟;廉士國
• 申請（專利權(quán)）人: 深圳達(dá)闥科技控股有限公司
• 主分類號: G01N21/65
• 分類號: G01N21/65
• 代理公司: 北京竹辰知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11706
• 代理人: 陳龍

1.一種基于拉曼光譜的物質(zhì)識別方法，其特征在于，包括：

將多組單一物質(zhì)的拉曼光譜數(shù)據(jù)進(jìn)行多種成分比例的組合，得到組合的拉曼光譜數(shù)據(jù)；

根據(jù)組合的拉曼光譜數(shù)據(jù)的物質(zhì)成分及其比例，對初始化的物質(zhì)識別模型進(jìn)行訓(xùn)練，得到訓(xùn)練好的多任務(wù)學(xué)習(xí)的物質(zhì)識別模型；

接收待檢測物質(zhì)的拉曼光譜數(shù)據(jù)；

將所述待檢測物質(zhì)的拉曼光譜數(shù)據(jù)輸入預(yù)設(shè)的多任務(wù)學(xué)習(xí)的物質(zhì)識別模型，學(xué)習(xí)并提取拉曼光譜的特征向量，并基于所述特征向量對所述待檢測物質(zhì)的拉曼光譜數(shù)據(jù)進(jìn)行識別，得到所述待檢測物質(zhì)的物質(zhì)成分及其比例；基于數(shù)據(jù)庫中初始的拉曼光譜數(shù)據(jù)訓(xùn)練所述多任務(wù)學(xué)習(xí)的物質(zhì)識別模型，實(shí)現(xiàn)方法包括：

對當(dāng)前數(shù)據(jù)庫中所有單一物質(zhì)的拉曼光譜數(shù)據(jù)進(jìn)行遍歷，生成由多個(gè)單一物質(zhì)的拉曼光譜數(shù)據(jù)組成的物質(zhì)成分組合，并對所生成的包含多組拉曼光譜數(shù)據(jù)的組合分別進(jìn)行全排列；

將新的拉曼光譜數(shù)據(jù)作為訓(xùn)練樣本對初始化的物質(zhì)識別模型進(jìn)行訓(xùn)練，得到訓(xùn)練好的所述多任務(wù)學(xué)習(xí)的物質(zhì)識別模型。

2.如權(quán)利要求1所述的方法，其特征在于，所述預(yù)設(shè)的多任務(wù)學(xué)習(xí)的物質(zhì)識別模型中的多任務(wù)包括用于物質(zhì)成分識別的第一任務(wù)和用于物質(zhì)成分比例識別的第二任務(wù)。

3.如權(quán)利要求1或2所述的方法，其特征在于，所述預(yù)設(shè)的多任務(wù)學(xué)習(xí)的物質(zhì)識別模型的損失函數(shù)的計(jì)算公式為：

損失函數(shù)＝0.5*物質(zhì)成分損失函數(shù)+0.5*物質(zhì)成分比例損失函數(shù)。

4.如權(quán)利要求2所述的方法，其特征在于，所述對所述待檢測物質(zhì)的拉曼光譜進(jìn)行識別，得到所述待檢測物質(zhì)的物質(zhì)成分及其比例，包括：

基于第一任務(wù)識別得到多個(gè)物質(zhì)成分編號以及所述物質(zhì)成分對應(yīng)的置信度；

根據(jù)所述物質(zhì)成分對應(yīng)的置信度，確定待檢測物質(zhì)包含的各物質(zhì)成分編號；

根據(jù)所述各物質(zhì)成分編號，基于第二任務(wù)識別所述各物質(zhì)成分所占的比例。

5.如權(quán)利要求4所述的方法，其特征在于，還包括：

根據(jù)待檢測物質(zhì)包含的各物質(zhì)成分編號，獲取所述各物質(zhì)成分信息。

6.一種基于拉曼光譜的物質(zhì)識別云端系統(tǒng)，其特征在于，包括：

訓(xùn)練服務(wù)器，用于將多組單一物質(zhì)的拉曼光譜數(shù)據(jù)進(jìn)行多種成分比例的組合，得到組合的拉曼光譜數(shù)據(jù)；根據(jù)組合的拉曼光譜數(shù)據(jù)的物質(zhì)成分及其比例，對初始化的物質(zhì)識別模型進(jìn)行訓(xùn)練，得到訓(xùn)練好的多任務(wù)學(xué)習(xí)的物質(zhì)識別模型；

拉曼光譜采集終端，用于采集待檢測物質(zhì)的拉曼光譜數(shù)據(jù)；

識別服務(wù)器，用于接收待檢測物質(zhì)的拉曼光譜數(shù)據(jù)；以及，

將所述待檢測物質(zhì)的拉曼光譜數(shù)據(jù)輸入預(yù)設(shè)的多任務(wù)學(xué)習(xí)的物質(zhì)識別模型，學(xué)習(xí)并提取拉曼光譜的特征向量，并基于所述特征向量對所述待檢測物質(zhì)的拉曼光譜數(shù)據(jù)進(jìn)行識別，得到所述待檢測物質(zhì)的物質(zhì)成分及其比例；所述訓(xùn)練服務(wù)器，還用于基于數(shù)據(jù)庫中初始的拉曼光譜數(shù)據(jù)訓(xùn)練所述多任務(wù)學(xué)習(xí)的物質(zhì)識別模型，實(shí)現(xiàn)方法包括：

對當(dāng)前數(shù)據(jù)庫中所有單一物質(zhì)的拉曼光譜數(shù)據(jù)進(jìn)行遍歷，生成由多個(gè)單一物質(zhì)的拉曼光譜數(shù)據(jù)組成的物質(zhì)成分組合，并對所生成的包含多組拉曼光譜數(shù)據(jù)的組合分別進(jìn)行全排列；

將新的拉曼光譜數(shù)據(jù)作為訓(xùn)練樣本對初始化的物質(zhì)識別模型進(jìn)行訓(xùn)練，得到訓(xùn)練好的多任務(wù)學(xué)習(xí)的物質(zhì)識別模型。

7.如權(quán)利要求6所述的云端系統(tǒng)，其特征在于，所述預(yù)設(shè)的多任務(wù)學(xué)習(xí)的物質(zhì)識別模型中的多任務(wù)包括用于物質(zhì)成分識別的第一任務(wù)和用于物質(zhì)成分比例識別的第二任務(wù)。

8.如權(quán)利要求6或7所述的云端系統(tǒng)，其特征在于，所述預(yù)設(shè)的多任務(wù)學(xué)習(xí)的物質(zhì)識別模型的損失函數(shù)的計(jì)算公式為：

損失函數(shù)＝0.5*物質(zhì)成分損失函數(shù)+0.5*物質(zhì)成分比例損失函數(shù)。