[發明專利]基于CNN模型的待測元素含量LIBS測量方法、系統

有效

• 申請號: 202010710932.0
• 申請日: 2020-07-22
• 公開（公告）號: CN112051256B
• 公開（公告）日: 2023-01-24
• 發明（設計）人: 朱振利;邢鵬舉
• 申請（專利權）人: 中國地質大學（武漢）
• 主分類號: G01N21/71
• 分類號: G01N21/71;G06N3/04;G06N3/08
• 代理公司: 北京瀚仁知識產權代理事務所(普通合伙) 11482
• 代理人: 宋寶庫;郭婷

1.一種基于CNN模型的待測元素含量LIBS測量方法，其特征在于，包括：

根據采集配置的模擬溶液的液體樣本的LIBS光譜，對預先設置的CNN光譜模型進行訓練，以確定定量分析用的訓練好的CNN光譜模型，并使所述訓練好的CNN光譜模型能夠克服基體效應，實現高基體含量組成條件下，待測元素的準確定量分析；其中，所述待測元素是鹽湖中的鋰元素，配置的模擬溶液的液體樣本，具體包括：按照基體元素含量梯度配置的“梯度配比溶液”的液體樣本和/或按照實際各種鹽湖中所含鋰元素和主要基體元素含量配置的“真實配比溶液”的液體樣本；

獲取實際溶液的液體樣本作為待測樣本，采集待測樣本的LIBS光譜，利用訓練好的CNN光譜模型對所述待測樣本中的待測元素的含量進行預測，輸出所述元素的含量的預測結果作為測量結果；

其中，每個所述液體樣本的LIBS光譜，是基于待測元素的兩個光譜特征峰進行采集；

采集配置的模擬溶液的液體樣本的LIBS光譜，具體包括：

選擇所述模擬溶液中待測元素的特征發射波長的兩個光譜峰確定為兩個光譜特征峰；

當任一模擬溶液的液體樣本經激光誘導產生的等離子體的光收集到光譜儀后，采集所述液體樣本的所述兩個光譜特征峰位置的光譜圖；

其中，采用所述兩個光譜特征峰確定LIBS定量方程中與基體效應相關的等離子體溫度，等離子體溫度與所述兩個光譜特征峰的光譜強度之間的計算公式為由此，準確測得同一等離子體狀態下的雙特征峰作為模型輸入量能夠通過模型實現元素的定量分析，其中，表示一個光譜特征峰的光譜強度，表示另一個光譜特征峰的光譜強度，A_mn表示從n能級躍遷到m能級的躍遷幾率，A_kp表示從k能級躍遷到p能級的躍遷幾率，g_m和g_k分別表示m能級和k能級的統計權重，E_m和E_k分別表示m能級和k能級的激發能，K_B表示玻爾茲曼系數，T表示等離子體溫度。

2.如權利要求1所述的方法，其中，還包括：

所述“真實配比溶液”的液體樣本選取一部分樣本作為測試樣本；

基于所述測試樣本對訓練后的CNN光譜模型進行測試，以優化所述CNN光譜模型；

將優化后的所述CNN光譜模型作為訓練好的CNN光譜模型。

3.如權利要求2所述的方法，其中，還包括：

根據所述兩個光譜特征峰位置的光譜圖導出與各個光譜特征峰相對應的一維數組，并將同一所述液體樣本的各個光譜特征峰所對應的一維數組拼接成一個新的一維數組。

4.如權利要求3所述的方法，其中，對預先設置的CNN光譜模型進行訓練，具體包括：

根據拼接的一維數組所對應的液體樣本，劃分為訓練集液體樣本、驗證集液體樣本、測試集液體樣本；其中，測試集的液體樣本屬于所述測試樣本；

將訓練集和驗證集的液體樣本對應的拼接的一維數組作為輸入量序列，輸入到預先設置的CNN光譜模型中，將所述拼接的一維數組所對應的液體樣本中已知的待測元素含量作為輸出量，對所述CNN光譜模型進行訓練，得到訓練后的一維CNN光譜模型。

5.如權利要求4所述的方法，其中，還包括：

將測試集的液體樣本對應的拼接的一維數組作為輸入量序列輸入到訓練后的一維CNN光譜模型中；

所述一維CNN光譜模型預測所述拼接的一維數組對應的測試集的所述液體樣本的待測元素含量；

將測試集的所述液體樣本的所述預測的待測元素含量與已知的待測元素含量進行比較，確定相對偏差；

根據偏差計算損失函數反饋給所述一維CNN光譜模型，重復進行模型訓練；

根據模型訓練結果的優劣，對所述一維CNN光譜模型的結構進行優化并選取合適的超參數；

將已經優化后的所述一維CNN光譜模型，作為訓練好的CNN光譜模型。