[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

本發明實施例公開了一種光譜數據分析方法及裝置，方法包括：建立樣本數據庫，篩選待測樣本的鄰近光譜組，通過主成分累計貢獻率對鄰近光譜組進行降維，根據馬氏距離之比確定目標鄰近光譜組，選擇相關相對預測誤差最小的目標鄰近光譜組為訓練集樣本對待測樣本進行預測，確定樣本數據庫的代表性是否充足，不充足則將待測樣本添加至樣本數據庫。通過使用分子光譜技術建立樣本數據庫，自動根據待測樣本的光譜特征從樣本數據庫中選出最優的目標鄰近光譜組，進一步預測待測樣本的理化數據和確定樣本數據庫的代表性，實現了光譜數據分析流程和數據庫更新的自動化，提高了預測準確度，免除了人工建立及維護模型的復雜工作，便于推廣和應用分子光譜技術。

技術領域

本發明實施例涉及數據分析技術領域，具體涉及一種光譜數據分析方法及裝置。

背景技術

分子光譜分析技術是利用物質分子和電磁波發生作用，從而對物質進行定性或定量分析的技術。分子光譜分析技術具有方便、快速、高效、準確、環境友好以及成本較低等優點，已被廣泛應用于農業、石化產業、臨床診斷、環境檢測等領域。

該技術的應用也面臨著一些嚴峻的挑戰。由于分子光譜技術的檢測結果是基于大量數據建立的多元校正模型進行預測，只有待測樣本的特征或含量范圍處于模型數據適用范圍內才能保證預測的準確性。隨著時間、地點、原料、環境等要素的變化，超出模型適用范圍的樣本會不斷增多，需要持續不斷地對原模型進行擴充更新，但光譜數據分析的工作需要相當專業的知識背景和經驗，多數使用者都難以達到該條件，這成為推廣應用分子光譜技術的主要瓶頸。

發明內容

由于現有方法存在上述問題，本發明實施例提出一種光譜數據分析方法及裝置。

第一方面，本發明實施例提出一種光譜數據分析方法，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，根據各馬氏距離計算得到擬合評價參數RRPE(Related Relative PredictionError，相關相對預測誤差)；

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。

可選地，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。

可選地，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: