[發明專利]一種基于孿生網絡的芬太尼類物質檢測方法及其裝置

在審

• 申請號: 202210178048.6
• 申請日: 2022-02-25
• 公開（公告）號: CN114550840A
• 公開（公告）日: 2022-05-27
• 發明（設計）人: 薛凌云;趙陽;徐平;聞路紅;劉亦安;嚴明;胡舜迪
• 申請（專利權）人: 杭州電子科技大學
• 主分類號: G16C20/20
• 分類號: G16C20/20;G06N3/04;G06K9/62;G06N3/08
• 代理公司: 杭州君度專利代理事務所(特殊普通合伙) 33240
• 代理人: 朱亞冠

本發明公開一種基于孿生網絡的芬太尼類物質檢測方法及其裝置。獲取待檢測物質的質譜數據并進行標準化處理，利用芬太尼類物質檢測模型對待檢測物質進行分類。芬太尼類物質檢測模型訓練時由孿生網絡和分類網絡構成檢測模型，孿生網絡包括兩個共享權重的特征提取網絡；測試時將訓練好的孿生網絡中任意一個特征提取網絡刪除后與分類網絡級聯。以樣本對作為孿生網絡的輸入，大大增加了用于模型訓練的樣本數據，有效的解決了有監督學習方法在芬太尼類物質檢測任務上的小樣本難題。在損失函數的設計中，加入對比損失函數，最大化類間差異，最小化類內差異，使提取的特征更具有區分性，提高了檢測模型的性能。

技術領域

本發明屬于新型精神活性物質檢測領域，具體涉及一種基于孿生網絡的芬太尼類物質檢測方法及其裝置。

技術背景

近年來，芬太尼類物質的濫用致死率急劇增加，解決這一問題的主要方法就是建立快速的檢測方法以防止芬太尼類物質流入毒品市場。

通常，研究人員通過相關儀器獲取未知物質的質譜，之后通過已有的譜庫來鑒別這些物質。目前大部分的芬太尼譜庫中都包含了芬太尼類物質的譜圖，但芬太尼及其類似物很容易合成，所需要的化學物品和設備等也并不難找，有利于小型藥物販運組織走私并小規模生產，導致新型結構化學品源源不斷地出現，因此譜庫檢索方法已無法適應于芬太尼類物質的檢測任務。近年來，傳統的機器學習方法也已廣泛應用在基于質譜數據的分類場景中，但這些方法大部分都以有監督學習為主，往往需要使用大量已知標簽的數據來訓練分類模型以取得較好的性能。但考慮到芬太尼類物質的特殊性，可用的芬太尼類物質的質譜數據樣本較少，且遠遠少于非芬太尼類物質的質譜數據，所以傳統基于有監督學習的模型也很難取得較好的分類性能。

因此，急需建立一種芬太尼類物質的檢測模型，以便能夠從繳獲的管控藥物中有效的識別出芬太尼類物質。

發明內容

本發明的一個目的是針對現有技術的不足，提供一種基于孿生網絡的芬太尼類物質檢測方法。

本發明提出了一種基于孿生網絡的芬太尼類物質檢測方法，包括如下步驟：

步驟1、質譜數據預處理，構建數據集

1-1獲取質譜數據，并補齊到相同長度，使其質荷比的步長為1，通過除以基峰，將相對強度的值歸一化到0～1范圍內。質譜數據集用L＝{L₁,L₂,L₃...,L_N}表示，其中L_x＝(m_x,a_x)，1≤x≤N，N表示質譜樣本總量，質荷比m_x＝{m₁,m₂,m₃...,m_n}，相對強度a_x＝{a₁,a₂,a₃...,a_n}，n表示質譜樣本L_x的非零峰值個數；

1-2將每條質譜數據L_x轉換為標準格式具體如下：

質荷比的定義如下：

其中m_max表示示所有質譜樣本L中最大質荷比；

基于更新每個質荷比處對應的相對強度

其中表示內第i個元素；表示標準格式下相對強度的第i個元素；a_x(j)表示a_x內第j個元素；m_x(j)表示m_x內第j個元素；

對相對強度除以基峰進行歸一化：