[發明專利]海岸環境微塑料的開集識別方法

有效

• 申請號: 201811527263.2
• 申請日: 2018-12-13
• 公開（公告）號: CN109612961B
• 公開（公告）日: 2021-06-25
• 發明（設計）人: 陳孝敬;陳熙;袁雷鳴;朱德華;李理敏
• 申請（專利權）人: 溫州大學
• 主分類號: G01N21/3563
• 分類號: G01N21/3563
• 代理公司: 溫州名創知識產權代理有限公司 33258
• 代理人: 陳加利

本發明提供一種海岸環境微塑料的開集識別方法，包含以下步驟：a.在海岸環境下收集微塑料樣本并分離制備；b.采集微塑料樣本的紅外光譜信息并隨機分為校正樣本和預測樣本；c.提取特征光譜數據矩陣；d.構建單類開集識別模型；e.利用所述多個單類模型建立單類集成多類的開集識別模型；f.利用校正樣本對開集識別模型進行參數校正，得到校正模型；g.利用紅外光譜儀對待測微塑料樣本進行紅外光譜信息采集并提取特征光譜數據矩陣；h.將特征光譜矩陣輸入到校正模型中得到判別函數。i.將判別函數的平方殘差進行降序排列的，去除較大殘差后得剩余平方殘差之和達到最小，得到最小殘差。j.將最小殘差輸入到校正模型的判別函數中獲得相應成分解析結果。

技術領域

本發明涉及光譜解析領域，特別是一種基于單類集成、多類開集模型，配合自適應最小殘差判決原則的識別解析方法。

背景技術

微塑料污染對海洋生態安全構成了嚴重危害，建立一套準確、高效的微塑料解析技術是微塑料污染治理和海洋環境監測的重要前提，但環境微塑料解析面臨兩個明顯的困境：

首先，微塑料樣本化學成分復雜，特別是微塑料內部的添加劑，諸如塑化劑、抗氧化劑等成分不明，導致實際采集到的微塑料樣本具有多樣性和未知性。面對的復雜多樣的環境樣本，由于無法對所有類型樣本光譜進行訓練建模，傳統的閉集識別方法無法精確識別。同時微塑料樣本的數量分布不平衡，其中聚乙烯、聚丙烯等樣本數量占整體樣本量的70％以上，而尼龍等樣本占整體樣本量的3％以下。不平衡數據分布會導致嚴重偏離分類面，對識別效果會產生較大不良影響。

其次，海洋環境里采集到微塑料樣本中含有大量疑似顆粒，如砂礫、纖維等，當前傳統閉集識別中一般假定：“測試樣本一定能與訓練數據庫的樣本相匹配”，這不符合現實環境采集微塑料樣本的真實情況。此外，采用閉集光譜識別技術前需要大量的人工篩選工作，對人力成本要求過高。

真實世界的識別問題本質上是一個開集問題，識別系統需要能夠發現并學習未知的識別類別。因此，有必要基于上述兩點困境進行技術上的改進。

發明內容

本發明為了克服現有技術存在的缺點和不足，提供了一種海岸環境下多樣性微塑料樣本的精準解析方法。

一種海岸環境微塑料的開集識別方法，包含以下步驟：

a.在海岸環境下收集具有不同老化程度且足夠數量的，粒徑1mm以上的微塑料樣本，并進行分離制備。

b.利用傅里葉變換紅外儀對所述微塑料樣本的紅外光譜信息進行快速無損采集，得到微塑料樣本的紅外光譜信息，將所述紅外光譜信息隨機分為校正樣本和預測樣本。

c.利用所述紅外光譜信息的提取特征光譜數據矩陣。

d.利用一類樣本的紅外光譜信息構建基于高斯分布的單類識別模型，并將模型邊界外模型拒絕識別標記為異類；根據樣本種類數K分別建立K個單類識別模型。

e.利用所述K個單類識別模型拓展成單類集成多類的開集識別模型；

f.利用所述校正樣本對所述開集識別模型進行參數校正，得到校正模型。

g.利用傅里葉變換紅外儀對待測微塑料樣本紅外光譜信息進行快速無損采集。對獲取的紅外光譜信息提取特征光譜數據矩陣；

h.將步驟g中獲取的特征光譜數據矩陣輸入到步驟f的校正模型中得到判別函數；

i.將判別函數中的平方殘差進行降序排列，去除由于樣本多樣性產生的排序較前的較大殘差，使得剩余平方殘差之和達到最小。利用自適應最小殘差代替總殘差；

j.利用所述自適應最小殘差輸入到判別函數中獲得相應成分解析結果。