[發明專利]一種光譜數據分析方法及裝置

有效

• 申請號: 201810725001.0
• 申請日: 2018-07-04
• 公開（公告）號: CN109115692B
• 公開（公告）日: 2021-06-25
• 發明（設計）人: 朱業偉;曹江娜;曾智朋;王征;王帥
• 申請（專利權）人: 北京格致同德科技有限公司
• 主分類號: G01N21/25
• 分類號: G01N21/25
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 王瑩;李相雨

1.一種光譜數據分析方法，其特征在于，包括：

根據各樣本的分子光譜和理化參考值建立樣本數據庫，根據光譜距離建立待測樣本與所述樣本數據庫中的若干個樣本的鄰近光譜組，并分別根據各鄰近光譜組建立對應的矩陣；

對各矩陣進行主成分分析，計算得到各矩陣每個主成分對應的得分以及貢獻率，并根據累計貢獻率閾值對各矩陣進行篩選，得到若干個目標矩陣；

計算所述待測樣本的光譜與所述若干個目標矩陣對應的鄰近光譜組之間的馬氏距離，根據馬氏距離計算得到擬合評價參數相關相對預測誤差RRPE；

選擇RRPE最小的目標鄰近光譜組，根據所述目標鄰近光譜組預測所述待測樣本的理化數據，并根據所述目標鄰近光譜組的RRPE確定所述樣本數據庫對所述待測樣本的代表性是否充足；

若判斷獲知所述樣本數據庫的代表性不充足，則將所述待測樣本添加至所述樣本數據庫，完成數據庫的自動更新；

所述選擇RRPE最小的目標鄰近光譜組，根據所述目標鄰近光譜組預測所述待測樣本的理化數據，并根據所述目標鄰近光譜組的RRPE確定所述樣本數據庫對所述待測樣本的代表性是否充足，具體包括：

選擇RRPE最小的目標鄰近光譜組為自變量，所述待測樣本光譜為因變量進行回歸擬合得到回歸系數，并根據所述回歸系數預測所述待測樣本的理化數據；

若所述目標鄰近光譜組的RRPE大于或等于預設的右閾值，則確定所述樣本數據庫的代表性不足，待測樣本的預測結果需要驗證，且提示當前樣本數據庫需要更新；

若所述目標鄰近光譜組的RRPE小于所述右閾值且大于預設的左閾值，則確定所述樣本數據庫的代表性正常，可滿足待測樣本的預測需求；

若所述目標鄰近光譜組的RRPE小于或等于所述左閾值，則確定所述樣本數據庫的代表性充足，樣本數據庫無需更新。

2.根據權利要求1所述的方法，其特征在于，所述根據光譜距離建立待測樣本與所述樣本數據庫中的若干個樣本的鄰近光譜組，并分別根據各鄰近光譜組建立對應的矩陣，具體包括：

根據K最近鄰分類算法KNN計算出所述樣本數據庫的樣本中與所述待測樣本的光譜距離最近的i個光譜，組成鄰近光譜組NSS_i，計算出所述樣本數據庫的樣本中與所述待測樣本的光譜距離最近的(i+1)個光譜，組成鄰近光譜組NSS_i+1，以此類推，計算出所述樣本數據庫的樣本中與所述待測樣本的光譜距離最近的(i+n)個光譜，組成鄰近光譜組NSS_i+n，并根據NSS_i、NSS_i+1、……、NSS_i+n分別建立對應的矩陣；

其中，i為大于等于10的整數，n為正整數。

3.根據權利要求1所述的方法，其特征在于，所述根據馬氏距離計算得到擬合評價參數相關相對預測誤差RRPE，具體包括：

分別計算各鄰近光譜組的馬氏距離之比MDr_i:

MDr_i＝Max(D_i,D₁₀)/Min(D_i,D₁₀)

其中，D₁₀表示所述待測樣本的光譜到NSS₁₀的距離；

篩選得到小于設定閾值的目標MDr_i，并對各目標MDr_i對應的鄰近光譜組和所述待測樣本進行擬合，得到擬合評價參數相關相對預測誤差RRPE。

4.根據權利要求1-3任一項所述的方法，其特征在于，所述分子光譜包括：紫外光譜、可見光譜、近紅外光譜、中紅外光譜或太赫茲光譜，所述分子光譜的光譜范圍為10nm-3mm。

5.根據權利要求1-3任一項所述的方法，其特征在于，所述各矩陣主成分的累計貢獻率閾值的范圍為0.9-0.95和0.95-0.99。

6.根據權利要求1所述的方法，其特征在于，所述回歸擬合的算法包括：多元線性回歸算法、主成分回歸算法、偏最小二乘回歸算法、人工神經網絡算法和支持向量機回歸算法的任意組合。