[發明專利]基于2D-CNN的食用油橫向弛豫信號特征提取方法

有效

• 申請號: 201910164086.4
• 申請日: 2019-03-05
• 公開（公告）號: CN109902638B
• 公開（公告）日: 2021-02-23
• 發明（設計）人: 侯學文;蘇冠群;王廣利;王欣;聶生東
• 申請（專利權）人: 上海理工大學
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 上海伯瑞杰知識產權代理有限公司 31227
• 代理人: 李慶

本發明提供一種基于2D?CNN的食用油橫向弛豫信號特征提取方法，包括步驟：S1：讀取CPMG原始數據并進行反演得到反演數據；S2：分別對CPMG原始數據和反演數據進行預處理；S3：繪制橫向弛豫衰減曲線和多組分弛豫譜；S4：構建二維卷積神經網絡；S5：自橫向弛豫衰減曲線和多組分弛豫譜中提取數據形成訓練集和測試集；S6：將訓練集輸入二維卷積神經網絡；S7：將測試集輸入訓練后二維卷積神經網絡；S8：獲得分類結果。本發明的一種基于2D?CNN的食用油橫向弛豫信號特征提取方法，通過二維卷積神經網絡模型直接對食用油橫向弛豫進行特征提取并實現分類，可有效防止無效特征的產生，保證了分類結果的精確性。

技術領域

本發明涉及深度學習與核磁共振信號處理領域，尤其涉及一種基于2D-CNN的食用油橫向弛豫信號特征提取方法。

背景技術

食用油安全性已經成為了老百姓所關心的一個共同話題。但是由于目前缺少一種準確、簡單、快速鑒別食用油真實性的檢測技術方法，食用油的質量安全問題依然呈現出屢禁不止的狀態。傳統有效的檢測方法，其儀器價格不但昂貴，而且操作及維護也相當復雜。因此，建立一種準確、簡單、快速鑒別食用油真實性的檢測技術方法為執法者提供技術支持，對于加快制定完善食用油國家標準，杜絕食用油質量安全問題發生，維護消費者和合法生產銷售企業的利益具有重要意義。因此，低場磁共振作為對食用油種類檢測的一種技術，具有快速、無損、低成本、無復雜前處理、環保等諸多特點。

CPMG(Carr-Purcell-Meiboom-Gill)序列速度快，是低場核磁共振中最常用的測量T₂值的序列之一。研究者常常利用CPMG等序列的原始數據和樣品橫向弛豫時間、縱向弛豫時間的分布特點，進行相關領域的研究。雖然核磁共振采集到的原始信號中包含有豐富的樣品結構信息，但這些信息不能直觀地為我們所用，因此為了得到樣品的組成、性質等重要信息，傳統的方法是首先對原始信號進行波譜分析，然后利用反演技術從反演譜中提取特征信息。但是在反演過程中，由于反演參數不同等原因可能造成無效特征產生進而影響分類結果情況的發生。

發明內容

針對上述現有技術中的不足，本發明提供一種基于2D-CNN(二維卷積神經網絡)的食用油橫向弛豫信號特征提取方法，通過搭建二維卷積神經網絡模型，直接對食用油橫向弛豫進行特征提取并實現分類，可有效防止無效特征的產生，進而保證了分類結果的精確性。

為了實現上述目的，本發明提供一種基于2D-CNN的食用油橫向弛豫信號特征提取方法，包括步驟：

S1：讀取低場核磁共振設備采集得到的CPMG原始數據，并將所述CPMG原始數據進行反演得到反演數據；

S2：分別對所述CPMG原始數據和所述反演數據進行預處理；

S3：將預處理后的所述CPMG原始數據和所述反演數據分別繪制橫向弛豫衰減曲線和多組分弛豫譜；

S4：構建二維卷積神經網絡，利用所述二維卷積神經網絡提取食用油信號特征，所述二維卷積神經網絡包括多個功能層，所述功能層包括：Conv2D卷積層、MaxPooling2D池化層和Dense全連接層；

S5：自所述橫向弛豫衰減曲線和多組所述分弛豫譜中提取部分數據形成一訓練集和一測試集；

S6：分別將所述訓練集中的所述橫向弛豫衰減曲線和多組所述分弛豫譜輸入所述二維卷積神經網絡對所述二維卷積神經網絡進行訓練，獲得一訓練后二維卷積神經網絡；

S7：分別將所述測試集的所述橫向弛豫衰減曲線和多組所述分弛豫譜輸入所述訓練后二維卷積神經網絡，獲得一測試結果，根據所述測試結果驗證當前訓練后所述二維卷積神經網絡的可靠性，如通過驗證繼續后續步驟，否則返回步驟S5；

S8：利用當前訓練后所述二維卷積神經網絡對目標食用油樣本進行分類，獲得分類結果。

優選地，所述S2步驟進一步包括步驟：