CN103487411A

CN103487411A - 一种随机森林算法结合激光诱导击穿光谱识别钢材牌号的方法

Info

Publication number: CN103487411A
Application number: CN201310388288.XA
Authority: CN
Inventors: 李华; 张天龙; 王康; 汤宏胜; 梁龙; 孙昆仑; 李吉光; 盛丽雯
Original assignee: Northwest University
Current assignee: Northwest University
Priority date: 2013-09-01
Filing date: 2013-09-01
Publication date: 2014-01-01
Anticipated expiration: 2033-09-01
Also published as: CN103487411B

Abstract

本发明公开了一种随机森林结合激光诱导击穿光谱对钢材牌号快速识别的方法，其首先使用LIBS系统对不同牌号的钢材样品进行检测并获取数据矩阵，然后使用随进森林算法建立分类模型，在建模过程中，使用了多个弱分类器组合的强分类器——组合分类器，当待测样品数据输入模型后，通过多棵分类树组成随机森林，然后用随机森林对测试集进行判别与分类，通过分类器的最终投票确定待测数据类别。该方法通过组合分类器，提高了分类准确度，减少了无用类别信息对预测过程的影响，降低了计算成本。

Description

一种随机森林算法结合激光诱导击穿光谱识别钢材牌号的方法

技术领域

本发明涉及一种随机森林结合激光诱导击穿光谱对钢材牌号的识别方法，具体来说是基于激光诱导击穿光谱通过随机森林对钢材牌号进行识别，属于光谱分析技术领域。

背景技术

钢铁工业是我国最重要的基础工业，是国家经济水平和综合国力的重要标志。钢材作为基础行业的重要原材料，有着极大的需求量。钢材的牌号和种类比较繁多，比如：合金钢、碳素钢和锰钢等。不同牌号和种类钢材的成分用途千差万别，但其外形和规格尺寸比较相似，难以识别，因此有必要建立一种便捷的钢材牌号识别方法，它是钢铁行业实现质量控制与监督的重要手段。通常通过人为的感官和经验对钢材牌号进行识别，但这种方法存在一定的主观性，很难实现不同牌号钢材的现场快速识别。在炼钢企业、钢材市场、钢材检测站等囤积大量钢材的地方，由于钢材种类繁多，人为识别工作量比较大，难免出现混淆，从而造成经济损失。此外，由于生产工艺和原材料的差异，相同牌号钢材其成分、性能也会存在差异。传统分析方法都需要复杂的样品处理而且耗时，无法实现钢材的快速、在线检测。此时就需要一种能够快速准确识别钢材种类和成分信息的现场检测技术。

激光诱导击穿光谱(laser-induced breakdown spectroscopy, LIBS)是一种新兴的原子发射光谱技术。该技术以激光作为激发源来诱导产生激光诱导等离子体。LIBS利用高功率激光脉冲聚焦到目标上，并在分析材料表面形成高强度激光光斑（等离子体），在等离子体激发过程中产生元素的特征谱线，通过分光系统和检测系统进行特征谱线分析，就可以对样品中的元素进行定性和定量分析。根据不同种类物质光谱之间的差异性，借助化学计量学方法则能够实现物质分类与识别。LIBS技术具有分析快捷、多元素同时分析以及无需样品预处理等优势，因而在钢铁行业的实时、在线、现场分析等方面具有很大的应用潜力。

随机森林（Random Forest, RF）是一种基于递归分类树的有监督学习方法。它是以决策树为基本分类器的一个集成学习模型，它包含多个有Bagging集成学习技术训练得到的决策树，当输入待分类的样本时，最终的分类结果由单个决策树的输出结果投票决定。它克服了决策树过拟合问题，对噪声和异常值有较好的容忍性，对高维数据分类问题具有良好的可扩展性和并行性。此外，随机森林是由数据驱动的一种非参数分类方法，只需通过对给定样本的学习训练分类规则，并不需要分类的先验知识。

发明内容

本发明的目的是提供一种随机森林算法结合激光诱导击穿光谱实现对多种钢材牌号的快速准确识别的方法，可以克服过拟合现象，具有快速、高分类精度的优点。

本发明实现过程如下：

一种随机森林算法结合激光诱导击穿光谱识别钢材牌号的方法，包括以下步骤：

（1）利用激光诱导击穿光谱系统对不同牌号的钢材样品分别在不同的测量位点进行光谱数据采集；

（2）从每种牌号样品的光谱数据中随机挑选占其数据总量2/3的光谱数据作为训练集，其余光谱数据作为测试集；

如图2所示，

（3）使用训练集数据通过bagging抽样结合OOB(Out-Of-Bag)估计的方法对决策树棵数ntree和随机抽取特征数mtry进行寻优；

（4）确定最优参数后利用训练集数据建立随机森林模型，在随机森林建模中，所构建的每一颗决策树都为二叉树；构建一棵树时在树的每个节点从每个样本总共M个特征中挑选mtry个特征，其中mtry<M，并根据不纯度最小原则从mtry个特征中选择一个进行分支生长；这棵树充分生长，并且使每个节点的不纯度达到最小，且不剪枝；最后得到的所有决策树组合在一起构成随机森林；

（5）样本的最终预测类别通过模型中所有决策树的分类结果投票得出。

上述步骤(3)中，在参数可能取值范围内利用bagging抽样从训练集中获取子训练集并建立模型，然后用未被抽样的袋外数据来估计模型的预测准确度，当预测准确度最高时对应的参数为最优参数。更具体地说，使用训练集数据对决策树棵数ntree和随机抽取特征数mtry进行寻优，通常ntree取值范围为100-800，mtry取值范围为

-

，其中M是样本特征总数，在ntree和mtry可能取值范围内利用bagging抽样从训练集中获取子训练集并建立模型，然后用未被抽样的袋外数据来估计模型的预测准确度，当预测准确度最高时对应的参数为最优参数。

上述步骤（5）中，模型的每一个决策树给出一个预测类别，对所有决策树的预测类别进行统计，得票数最高的类别为最终预测类别。

本发明的优点与积极效果：本发明将随机森林算法结合LIBS光谱识别钢材牌号，随机森林算法对异常值和噪声具有很好的容忍度，能够克服光谱数据中由于元素互干扰以及环境噪音等干扰因素，有效提高预测准确度，而且可以有效避免过拟合现象，并具有较强的泛化能力。

附图说明

图1是随机森林原理示意图；

图2是随机森林建模流程图；

图3是本发明中激光诱导击穿光谱系统结构图；

图4是一系列不同牌号圆钢的LIBS光谱图。

具体实施方式

本发明随机森林算法结合激光诱导击穿光谱识别钢材牌号的方法，包括以下步骤：

（3）如图1所示，使用训练集数据对决策树棵数ntree和随机抽取特征数mtry进行寻优，通常ntree取值范围为100-800，mtry取值范围为

-，其中M是样本特征总数，在ntree和mtry可能取值范围内利用bagging抽样从训练集中获取子训练集并建立模型，然后用未被抽样的袋外数据来估计模型的预测准确度，当预测准确度最高时对应的参数为最优参数；

（4）确定最优参数后利用训练集数据建立随机森林模型，如图2所示，在随机森林建模中，所构建的每一颗决策树都为二叉树；构建一棵树时在树的每个节点从每个样本总共M个特征中挑选mtry个特征，其中mtry<M，并根据不纯度最小原则从mtry个特征中选择一个进行分支生长；这棵树充分生长，并且使每个节点的不纯度达到最小，且不剪枝；最后得到的所有决策树组合在一起构成随机森林；

（5）样本的最终预测类别通过如下投票方法得出：模型的每一个决策树给出一个预测类别，对所有决策树的预测类别进行统计，得票数最高的类别为最终预测类别。

实施例1

以下以对九种不同牌号圆钢样品的建模分类为例，结合附图和实例来进一步说明本发明的操作流程，但本发明不限于此例。

如图3所示，本实例使用的LIBS系统包括双波长调Q单脉冲Nd:YAG激光器，光路系统，可移动样品台，中阶梯光谱仪（ARYELLE-UV-VIS, LTB150, German)和计算机。激光能量为61mJ, 基频光波长1064 nm，脉宽为10 ns，延迟时间为1.5 μs，重复频率为10 Hz，光谱范围为220nm-800 nm。

选择九种不同牌号的圆钢样品：20#(Φ20×900mm), 20Cr(Φ20×900mm), 20CrMnTi(Φ30×900mm),20CrMo(Φ20×900mm),20CrNiMo(Φ20×900mm),35#(Φ20×900mm),35CrMo(Φ20×900mm),40Cr(Φ20×900mm),42CrMo(Φ25×900mm)(西宁特殊钢股份有限公司)。

每一类样品被制成三个Φ20×6mm的圆柱，经打磨处理后放置在样品台上，利用激光诱导击穿光谱系统采集不同牌号圆钢样品的LIBS信号，如图4所示。

在每个钢柱的每个截面上随机挑选五十个测量点，在每个测量点经20次连续激光脉冲打击后得到一个测量光谱，每五个测量光谱经平均得到一个分析光谱，最终九类钢材共获得540个分析光谱（一类钢材三个样品，一个样品两个截面，一个截面10个分析光谱）。

考虑到钢材样品具有整体成分不均一，局部成分均匀的特点，如果将所有光谱随机分为训练集和测试集则容易出现过拟合导致预测准确率虚高。因此，每类样品中随机选择4个截面的光谱数据作为训练集，其余为测试集。

使用训练集数据对决策树棵数ntree在100-800范围内，随机抽取特征数mtry在

-

范围内寻优，其中M是样本特征总数，在ntree和mtry可能取值范围内利用bagging抽样从训练集中获取子训练集并建立模型，然后用未被抽样的袋外数据来估计模型的预测准确度，当预测准确度最高时对应的参数为最优参数。

确定最优参数ntree=500, mtry=172后，用训练集数据建立随机森林模型并对测试集数据进行预测。为了对比，将同样的数据采用偏最小二乘判别分析（PLS-DA）进行预测，对比两种算法的预测正确率和预测错误率。

表1显示PLS-DA的预测效果很不稳定，例如20Cr和20CrNiMo几乎全部被正确识别，但是35CrMo和40Cr的预测结果却又很差，而且对其他大部分种类的预测效果都不太好。

由于钢铁样品的成分不均一性也导致同类数据间的差异较大，使得PLS-DA对成分相似种类样品的预测效果很不理想。随机森林算法的分类效果比PLS-DA有显著提高，尤其对20CrMo和35CrMo的分类有很好的表现，这也表明，即使是成分相似，容易混淆类别的钢材，随机森林算法也能够成功的准确识别。

Claims

1.一种随机森林算法结合激光诱导击穿光谱识别钢材牌号的方法, 其特征在于包括以下步骤：

2.根据权利要求1所述的一种随机森林算法结合激光诱导击穿光谱识别钢材牌号的方法, 其特征在于：步骤(3)中，在参数可能取值范围内利用bagging抽样从训练集中获取子训练集并建立模型，然后用未被抽样的袋外数据来估计模型的预测准确度，当预测准确度最高时对应的参数为最优参数。

3.根据权利要求2所述的一种随机森林算法结合激光诱导击穿光谱识别钢材牌号的方法, 其特征在于：使用训练集数据对决策树棵数ntree和随机抽取特征数mtry进行寻优，通常ntree取值范围为100-800，mtry取值范围为

Figure 201310388288X100001DEST_PATH_IMAGE002

-

Figure 201310388288X100001DEST_PATH_IMAGE004

4.根据权利要求1所述的一种随机森林算法结合激光诱导击穿光谱识别钢材牌号的方法, 其特征在于：步骤（5）中，模型的每一个决策树给出一个预测类别，对所有决策树的预测类别进行统计，得票数最高的类别为最终预测类别。