[發明專利]一種復雜基體樣品的濃度檢測方法及系統

有效

• 申請號: 202110337757.X
• 申請日: 2021-03-30
• 公開（公告）號: CN113075201B
• 公開（公告）日: 2022-07-05
• 發明（設計）人: 李祥友;李青洲;張聞;湯志陽;朱晨薇;周冉;劉坤;占凱平;李陽;李殊涵
• 申請（專利權）人: 華中科技大學
• 主分類號: G01N21/73
• 分類號: G01N21/73
• 代理公司: 華中科技大學專利中心 42201
• 代理人: 徐美琳

1.一種復雜基體樣品的濃度檢測方法，其特征在于，包括以下步驟：

(1)將已知組成元素濃度的樣品作為定標樣品，采集定標樣品的等離子體光譜，并扣除光譜背景；針對不同的元素挑選分析波峰，利用波峰強度與元素濃度的比值計算比強度，作為定標樣品的特征，根據比強度特征值的大小，將定標樣品劃分成若干類；所述步驟(1)的具體實現方式為：將已知組成元素濃度的樣品作為定標樣品，采集定標樣品的光譜信號，使用光譜預處理方法對定標樣品的光譜進行背景扣除，提取目標元素波峰強度值I，結合樣品的目標元素濃度C計算比值，獲取樣品比強度特征值S：

S＝I/C

定標樣品按其比強度特征大小劃分為若干類，樣品的標簽為類別編號；

(2)將定標樣品的等離子體光譜與(1)中獲得的類別標簽相結合建立分類模型，再對定標樣品每一類別單獨建立定量模型；

(3)采集未知樣品的等離子體光譜，使用分類模型預測未知樣品類別，把未知樣品的等離子體光譜帶入所屬類別的定量模型中預測元素濃度。

2.如權利要求1所述的方法，其特征在于，所述步驟(2)的具體實現方式為：在定標樣品被劃分好類別之后，結合其光譜與類別標簽，利用統計學習算法訓練，獲得分類模型；以定標樣品的光譜和元素含量作為自變量和因變量，利用單變量或者多變量分析方法分別對每一類樣品建立定量模型。

3.如權利要求1所述的方法，其特征在于，所述步驟(3)的具體實現方式為：采集未知樣品的等離子體光譜，把該光譜帶入到步驟(2)獲得的分類模型中，確定未知樣品所屬類別；結合已確定的類別，把未知樣品的等離子光譜帶入步驟(2)獲得定量模型中，預測其元素濃度。

4.如權利要求1所述的方法，其特征在于，所述光譜背景扣除方式為小波變換去背景法或者兩點去背景法。

5.如權利要求1所述的方法，其特征在于，所述定標樣品的類別劃分方式為等分法或者K均值算法。

6.如權利要求1或2所述的方法，其特征在于，所述分類模型的統計學習算法為線性判別分析算法、支持向量機算法、神經網絡算法及K近鄰算法中的任意一種。

7.如權利要求1或2所述的方法，其特征在于，所述定量模型的建立算法為標準曲線法、偏最小二乘回歸算法、支持向量機算法、神經網絡算法中的任意一種。

8.一種復雜基體樣品的濃度檢測系統，其特征在于，包括：計算機可讀存儲介質和處理器；

所述計算機可讀存儲介質用于存儲可執行指令；

所述處理器用于讀取所述計算機可讀存儲介質中存儲的可執行指令，執行權利要求1至7任一項所述的復雜基體樣品的濃度檢測方法。