[發明專利]一種拉曼光譜數據的智能建庫方法

有效

• 申請號: 202110610390.4
• 申請日: 2021-06-01
• 公開（公告）號: CN113378680B
• 公開（公告）日: 2022-06-28
• 發明（設計）人: 吳德文;韓李翔;陳嘉祥;王思偉;李超然;劉國坤;羅思恒;曾勇明;謝怡
• 申請（專利權）人: 廈門大學;廈門市普識納米科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 廈門市首創君合專利事務所有限公司 35204
• 代理人: 張松亭;林燕玲

本發明提出一種拉曼光譜數據的智能建庫方法，首先利用小波變換將原始拉曼光譜的一維序列信號變換為小波空間中的二維信號，然后輸入生成對抗網絡進行訓練。生成對抗網絡包括一個生成模型和一個判別模型，以兩個模型對抗的形式訓練；前者輸入隨機生成的向量產生生成光譜(二維格式)，后者輸入原始光譜和生成光譜(二維格式)并判斷輸入是否為原始光譜。生成對抗網絡的訓練完成后，利用其中的生成模型產生大量的與原始光譜相似的生成光譜(二維格式)，并與原始光譜聯合建立光譜數據庫。該數據庫以二維信號格式來存儲光譜數據。本發明的方法解決了將深度學習應用于拉曼光譜分析領域時所面臨的光譜數據采集難、成本高和耗時長等問題，推動了深度學習方法在光譜分析應用的落地。

技術領域

本發明涉及機器學習領域，特別是指一種拉曼光譜數據的智能建庫方法。

背景技術

基于拉曼光譜的現場檢測技術在農業生產、食品安全和公共安全等領域得到廣泛應用，例如《Z.F.Zhou,J.L.Lu,J.Y.Wang,Y.S.Zou,T.Liu,Y.L.Zhang,G.K.Liu*,Z.Q.Tian,Trace detection of polycyclic aromatic hydrocarbons in environmental watersby SERS,Spectrochimica Acta Part A:Molecular and Biomolecular Spectroscopy,2020(234)118250》利用表面增強拉曼光譜技術對水中的有機污染物多環芳烴(PAHs)進行檢測，《楊雪倩,于慧春,殷勇等.拉曼光譜法檢測玉米中黃曲霉毒素B1和玉米赤霉烯酮[J].核農學報,2021(1)》檢測玉米中黃曲霉素B₁和赤霉素。基于拉曼光譜物質檢測的傳統方法通過與目標物質的標準譜圖進行模板匹配，并設定相似性閾值來判定待測樣本是否含有目標物質，例如文獻《Zhang Z M,Chen X Q,Lu H M,et al.Mixture analysis usingreverse searching and non-negative least squares[J].ChemometricsIntelligentLaboratory Systems,2014,137:10-20》使用搜索算法根據相似性閾值對混合物的拉曼光譜進行定性分析。這類方法缺乏通用性，因為其性能對算法參數很敏感，在現場檢測往往需要人工調整相似性閾值來適應復雜環境的干擾和儀器噪聲的影響。

近年來機器學習被廣泛地應用到拉曼光譜物質檢測領域，如文獻《章穎強，董偉，張冰，王曉萍.基于拉曼光譜和最小二乘支持向量機的橄欖油摻偽檢測方法研究[J].光譜學與光譜分析,2012,32(6):1554-1558》使用基于支持向量機的算法檢測橄欖油的摻假情況。但這類傳統的機器學習方法依賴于人工選擇和提取光譜特征，缺乏普適性，難以推廣于不同應用。而深度學習由于神經網絡強大的表達能力，具備了自動提取特征的能力，不依賴于特征工程就能在計算機視覺和自然語言處理等領域取得巨大成功。因此，研究者們紛紛設計基于深度學習的拉曼光譜分析算法以提高拉曼檢測的準確性和普適性，具有巨大的發展潛力和市場前景。例如《Fan X,Ming W,Zeng H,et al.Deep learning-based componentidentification for the Raman spectra of mixtures[J].Analyst,2019.》使用神經網絡對混合物的拉曼光譜進行成分分析。