[發明專利]一種主儀器向從儀器光譜模型傳遞的光譜檢測優化方法

有效

• 申請號: 201910870481.4
• 申請日: 2019-09-16
• 公開（公告）號: CN110736707B
• 公開（公告）日: 2020-12-11
• 發明（設計）人: 林濤;楊杰;應義斌
• 申請（專利權）人: 浙江大學
• 主分類號: G01N21/31
• 分類號: G01N21/31;G06N3/04;G06N3/08
• 代理公司: 杭州求是專利事務所有限公司 33200
• 代理人: 林超

1.一種主儀器向從儀器光譜模型傳遞的光譜檢測優化方法，其特征在于方法包含如下步驟：

步驟1)：構建一維卷積神經網絡模型，使用主儀器采集樣品的更多光譜數據及其通過化學方法測得的對應已知預測值輸入到該卷積神經網絡模型，通過梯度優化算法訓練得到卷積神經網絡模型的權重參數，并且對卷積神經網絡模型的超參數進行優化，經過多輪訓練后得到一個最優模型，獲得預訓練模型；

所述的步驟1)中，具體為：

1.1)卷積神經網絡模型主要由1個輸入層、若干個卷積層、若干個池化層，1個拉伸層、若干個全連接層和1個輸出層依次連接構成，拉伸層是將最后一個池化層的輸出結果按序排列連接，輸入層為原始的光譜曲線，輸出層為定量分析的預測值；

1.2)向卷積神經網絡模型輸入主儀器所采集的光譜數據及其對應的已知預測值進行訓練，模型訓練時的目標函數由模型的預測值和真實值之間的均方誤差及正則化函數構成，通過若干輪訓練獲得卷積神經網絡模型的權重參數；

1.3)最后采用隨機網格搜索方法在預先設定的超參數空間內搜索網絡模型的超參數；

步驟2)：使用從儀器采集樣品的更少光譜數據及其通過化學方法測得的對應已知預測值輸入預訓練模型，對預訓練模型進行第二次訓練以進行調整，將預訓練模型的權重參數進行更新，獲得權重更新后的模型作為最終模型；

步驟3)：將未知預測值的從儀器樣品的光譜數據輸入到最終模型，獲得最終模型輸出的預測值結果，作為從儀器樣品的光譜數據對應的預測結果。

2.根據權利要求1所述的一種主儀器向從儀器光譜模型傳遞的光譜檢測優化方法，其特征在于：所述的步驟2)中，對預訓練模型再次訓練中，模型的超參數保持不變，對模型的權重參數進行更新。

3.根據權利要求1所述的一種主儀器向從儀器光譜模型傳遞的光譜檢測優化方法，其特征在于：所述的主儀器和從儀器為同一功能，具有不同的特性的光譜檢測儀器，主儀器為采集獲得了更多樣品的光譜數據的光譜檢測儀器，從儀器為采集獲得了更少樣品的光譜數據的檢測儀器。

4.根據權利要求1所述的一種主儀器向從儀器光譜模型傳遞的光譜檢測優化方法，其特征在于：所述的主儀器是采集了更大量光譜數據的光譜檢測儀器，從儀器為采集了更少量數據的光譜檢測儀器。