CN107037028A - 一种云平台拉曼光谱识别方法及装置 - Google Patents
一种云平台拉曼光谱识别方法及装置 Download PDFInfo
- Publication number
- CN107037028A CN107037028A CN201710145065.9A CN201710145065A CN107037028A CN 107037028 A CN107037028 A CN 107037028A CN 201710145065 A CN201710145065 A CN 201710145065A CN 107037028 A CN107037028 A CN 107037028A
- Authority
- CN
- China
- Prior art keywords
- raman spectrum
- characteristic
- cloud platform
- desired value
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
- G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
- G01N21/65—Raman scattering
Landscapes
- Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
Abstract
本发明公开了一种云平台拉曼光谱识别方法及装置,包括:云平台调用云端接口接收不同物质的拉曼光谱样本数据,提取各拉曼光谱样本数据的特征数据;使用各物质的拉曼光谱样本数据的特征数据和各物质的期望值对分类模型进行训练直至训练成功;云平台调用云端接口接收移动检测设备发送的待测物质的拉曼光谱数据,提取此待测物质的拉曼光谱数据的特征数据,将此特征数据输入训练成功的分类模型后计算获得输出结果,确定与输出结果误差最小的期望值对应的物质对此特测物质的识别结果;将对特测物质的识别结果发送至移动检测设备。本发明可以克服移动检测终端的处理能力有限的问题,使用云平台的强大处理能力有效提高移动终端对待测物质的识别成功率。
Description
技术领域
本发明涉及危险品检测技术领域,尤其涉及一种云平台拉曼光谱识别方法。
背景技术
现有技术中使用拉曼光谱识别的方式辨别物质时,多数使用手持拉曼识别设备。使用手持设备进行物质识别时,因为处理器小,内存小,运算速度慢及运算效率低的缺点导致识别率不够高。
发明内容
为了解决上述技术问题,本发明提供了一种云平台拉曼光谱识别方法。
本发明提供的云平台拉曼光谱识别方法,包括:
云平台调用云端接口接收不同物质的拉曼光谱样本数据,提取各拉曼光谱样本数据的特征数据;设置各物质对应的期望值;使用各物质的拉曼光谱样本数据的特征数据和各物质的期望值对分类模型进行训练直至训练成功;
云平台调用云端接口接收移动检测设备发送的待测物质的拉曼光谱数据,提取此待测物质的拉曼光谱数据的特征数据,将此特征数据输入训练成功的分类模型后计算获得输出结果,确定与输出结果误差最小的期望值对应的物质对此特测物质的识别结果;将对特测物质的识别结果发送至所述移动检测设备。
上述云平台拉曼光谱识别方法还具有以下特点:
所述分类模型为三层神经网络模型,包括输入层、中间层和输出层,中间层的节点数是输入层节点数的两倍,中间层的节点的激活函数为Sigmoid函数。
本发明提供的云平台拉曼光谱识别方法包括:
云平台调用云端接口接收不同类型的物质的拉曼光谱样本数据,提取各拉曼光谱样本数据的特征数据;设置各物质类型对应的物质类型期望值;对各类型的拉曼光谱样本数据的特征数据和各物质类型对应的期望值使用第一分类模型进行训练直至训练成功;设置同一类型的不同物质对应的物质期望值,对同一类型中的不同物质的拉曼光谱样本数据的特征数据和各物质对应的期望值对第二分类模型进行训练直至训练成功;
所述云平台调用云端接口接收检测设备发送的待测物质的拉曼光谱数据,提取此待测物质的拉曼光谱数据的特征数据,将此特征数据输入训练成功的第一分类模型后计算获得输出结果,确定与输出结果误差最小的物质类型期望值对应的物质类型为特测物质的物质类型,将此特征数据输入训练成功的第二分类模型后计算获得输出结果,确定与输出结果误差最小的物质期望值对应的物质为对此特测物质的识别结果;将对特测物质的物质类型和识别结果发送至所述检测设备。
上述云平台拉曼光谱识别方法还具有以下特点:
所述第一分类模型为第一神经网络,所述第二分类模型为第二神经网络;
所述第一神经网络包括输入层、中间层和输出层,中间层的节点数是输入层节点数的两倍,中间层的节点的激活函数为Sigmoid函数,
所述第二神经网络包括输入层、中间层和输出层,中间层的节点数是输入层节点数的两倍,中间层的节点的激活函数为Sigmoid函数。
上述云平台拉曼光谱识别方法还具有以下特点:
所述物质类型包括以下类型中的至少两种:化学战剂,毒品及易制毒化学品,爆炸物,麻醉及精神药品,易燃化学品,高危化学品,普通危险化学品,宝石玉石,药品,农药和日常化学品。
本发明提供的云平台拉曼光谱识别装置,应用于云平台,包括:
接收模块,用于调用云端接口接收不同物质的拉曼光谱样本数据;还用于调用云端接口接收检测设备发送的待测物质的拉曼光谱数据;
特征提取模块,用于提取各拉曼光谱样本数据的特征数据;还用于提取待测物质的拉曼光谱数据的特征数据;
训练模块,用于设置各物质对应的期望值;使用各物质的拉曼光谱样本数据的特征数据和各物质的期望值对分类模型进行训练直至训练成功;
识别模块,用于将待测物质的拉曼光谱数据的特征数据输入训练成功的分类模型后计算获得输出结果,确定与输出结果误差最小的期望值对应的物质对此特测物质的识别结果;
发送模块,用于将对特测物质的识别结果发送至检测设备。
本发明提供的另一种云平台拉曼光谱识别装置,应用于云平台,包括:
接收模块,用于调用云端接口接收不同类型的物质的拉曼光谱样本数据;还用于调用云端接口接收检测设备发送的待测物质的拉曼光谱数据,
特征提取模块,用于提取各拉曼光谱样本数据的特征数据;还用于提取此待测物质的拉曼光谱数据的特征数据;
训练模块,用于设置各物质类型对应的物质类型期望值;对各类型的拉曼光谱样本数据的特征数据和各物质类型对应的期望值使用第一分类模型进行训练直至训练成功;设置同一类型的不同物质对应的物质期望值,对同一类型中的不同物质的拉曼光谱样本数据的特征数据和各物质对应的期望值对第二分类模型进行训练直至训练成功;
识别模块,用于将所述待测物质的拉曼光谱数据的特征数据输入训练成功的第一分类模型后计算获得输出结果,确定与输出结果误差最小的物质类型期望值对应的物质类型为特测物质的物质类型,将此特征数据输入训练成功的第二分类模型后计算获得输出结果,确定与输出结果误差最小的物质期望值对应的物质为对此特测物质的识别结果;
发送模块,用于将对特测物质的物质类型和识别结果发送至检测设备。
本发明提供的云平台拉曼光谱识别装置,应用于移动检测终端中,包括:检测模块、无线发送模块、无线接收模块;
所述检测模块,用于对待测物质进行检测获取拉曼光谱数据;
所述无线发送模块,用于将所述拉曼光谱数据发送至云平台;
所述无线接收模块,用于从云平台接收待测物质的识别结果,或者从云平台接收待测物质的物质类型和/或识别结果。
本发明提供的另一种云平台拉曼光谱识别方法包括:
云平台调用云端接口接收不同物质的拉曼光谱样本数据,提取各拉曼光谱样本数据的特征数据;设置各物质对应的期望值;使用各物质的拉曼光谱样本数据的特征数据和各物质的期望值对分类模型进行训练直至训练成功;
移动检测终端对待测物质进行检测获取拉曼光谱数据,将所述拉曼光谱数据发送至云平台;
云平台调用云端接口接收移动检测设备发送的待测物质的拉曼光谱数据,提取此待测物质的拉曼光谱数据的特征数据,将此特征数据输入训练成功的分类模型后计算获得输出结果,确定与输出结果误差最小的期望值对应的物质对此特测物质的识别结果;将对特测物质的识别结果发送至所述移动检测设备。
本发明提供的另一种云平台拉曼光谱识别方法包括:
云平台调用云端接口接收不同类型的物质的拉曼光谱样本数据,提取各拉曼光谱样本数据的特征数据;设置各物质类型对应的物质类型期望值;对各类型的拉曼光谱样本数据的特征数据和各物质类型对应的期望值使用第一分类模型进行训练直至训练成功;设置同一类型的不同物质对应的物质期望值,对同一类型中的不同物质的拉曼光谱样本数据的特征数据和各物质对应的期望值对第二分类模型进行训练直至训练成功;
移动检测终端对待测物质进行检测获取拉曼光谱数据,将所述拉曼光谱数据发送至云平台;
所述云平台调用云端接口接收检测设备发送的待测物质的拉曼光谱数据,提取此待测物质的拉曼光谱数据的特征数据,将此特征数据输入训练成功的第一分类模型后计算获得输出结果,确定与输出结果误差最小的物质类型期望值对应的物质类型为特测物质的物质类型,将此特征数据输入训练成功的第二分类模型后计算获得输出结果,确定与输出结果误差最小的物质期望值对应的物质为对此特测物质的识别结果;将对特测物质的物质类型和识别结果发送至所述检测设备。
本发明可以克服现有技术中移动检测终端的处理能力有限的问题,使用云平台的强大处理能力,有效提高移动终端对待测物质的识别成功率。
附图说明
构成本发明的一部分的附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是实施例一中云平台拉曼光谱识别方法的流程图;
图2是实施例二中云平台拉曼光谱识别方法的流程图;
图3是云平台拉曼光谱识别装置的结构图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互任意组合。
实施例一
图1是云平台拉曼光谱识别方法流程图,此方法包括:
步骤101,云平台调用云端接口接收不同物质的拉曼光谱样本数据,提取各拉曼光谱样本数据的特征数据;设置各物质对应的期望值;使用各物质的拉曼光谱样本数据的特征数据和各物质的期望值对分类模型进行训练直至训练成功;
步骤102,云平台调用云端接口接收移动检测设备发送的待测物质的拉曼光谱数据,提取此待测物质的拉曼光谱数据的特征数据,将此特征数据输入训练成功的分类模型后计算获得输出结果,确定与输出结果误差最小的期望值对应的物质对此特测物质的识别结果;将对特测物质的识别结果发送至所述移动检测设备。
其中,分类模型是可用于进行分类的模型,典型的为三层神经网络模型,包括输入层、中间层和输出层,中间层的节点数是输入层节点数的两倍,中间层的节点的激活函数为Sigmoid函数。
实施例二
图2是云平台拉曼光谱识别方法流程图,此方法包括:
步骤201,云平台调用云端接口接收不同类型的物质的拉曼光谱样本数据,提取各拉曼光谱样本数据的特征数据;设置各物质类型对应的物质类型期望值;对各类型的拉曼光谱样本数据的特征数据和各物质类型对应的期望值使用第一分类模型进行训练直至训练成功;设置同一类型的不同物质对应的物质期望值,对同一类型中的不同物质的拉曼光谱样本数据的特征数据和各物质对应的期望值对第二分类模型进行训练直至训练成功;
步骤202,所述云平台调用云端接口接收检测设备发送的待测物质的拉曼光谱数据,提取此待测物质的拉曼光谱数据的特征数据,将此特征数据输入训练成功的第一分类模型后计算获得输出结果,确定与输出结果误差最小的物质类型期望值对应的物质类型为特测物质的物质类型,将此特征数据输入训练成功的第二分类模型后计算获得输出结果,确定与输出结果误差最小的物质期望值对应的物质为对此特测物质的识别结果;将对特测物质的物质类型和识别结果发送至所述检测设备。
其中,第一分类模型为第一神经网络,第二分类模型为第二神经网络。第一神经网络包括输入层、中间层和输出层,中间层的节点数是输入层节点数的两倍,中间层的节点的激活函数为Sigmoid函数。第二神经网络包括输入层、中间层和输出层,中间层的节点数是输入层节点数的两倍,中间层的节点的激活函数为Sigmoid函数。
物质类型包括以下类型中的至少两种:化学战剂,毒品及易制毒化学品,爆炸物,麻醉及精神药品,易燃化学品,高危化学品,普通危险化学品,宝石玉石,药品,农药,日常化学品,其他。
如图3所示,云平台拉曼光谱识别装置包括:接收模块、特征提取模块、训练模块、识别模块和发送模块。
在实施例一中,云平台拉曼光谱识别装置中各模块的功能如下:
接收模块用于调用云端接口接收不同物质的拉曼光谱样本数据;还用于调用云端接口接收检测设备发送的待测物质的拉曼光谱数据;
特征提取模块用于提取各拉曼光谱样本数据的特征数据;还用于提取待测物质的拉曼光谱数据的特征数据;
训练模块用于设置各物质对应的期望值;使用各物质的拉曼光谱样本数据的特征数据和各物质的期望值对分类模型进行训练直至训练成功;
识别模块用于将待测物质的拉曼光谱数据的特征数据输入训练成功的分类模型后计算获得输出结果,确定与输出结果误差最小的期望值对应的物质对此特测物质的识别结果;
发送模块用于将对特测物质的识别结果发送至检测设备。
在实施例二中,云平台拉曼光谱识别装置中各模块的功能如下:
接收模块用于调用云端接口接收不同类型的物质的拉曼光谱样本数据;还用于调用云端接口接收检测设备发送的待测物质的拉曼光谱数据,
特征提取模块用于提取各拉曼光谱样本数据的特征数据;还用于提取此待测物质的拉曼光谱数据的特征数据;
训练模块用于设置各物质类型对应的物质类型期望值;对各类型的拉曼光谱样本数据的特征数据和各物质类型对应的期望值使用第一分类模型进行训练直至训练成功;设置同一类型的不同物质对应的物质期望值,对同一类型中的不同物质的拉曼光谱样本数据的特征数据和各物质对应的期望值对第二分类模型进行训练直至训练成功;
识别模块用于将所述待测物质的拉曼光谱数据的特征数据输入训练成功的第一分类模型后计算获得输出结果,确定与输出结果误差最小的物质类型期望值对应的物质类型为特测物质的物质类型,将此特征数据输入训练成功的第二分类模型后计算获得输出结果,确定与输出结果误差最小的物质期望值对应的物质为对此特测物质的识别结果;
发送模块用于将对特测物质的物质类型和识别结果发送至检测设备。
本发明中应用于移动检测终端中的拉曼光谱识别装置包括:检测模块、无线发送模块、无线接收模块。
所述检测模块用于对待测物质进行检测获取拉曼光谱数据;
所述无线发送模块用于将所述拉曼光谱数据发送至云平台;
所述无线接收模块用于从云平台接收待测物质的识别结果,或者从云平台接收待测物质的物质类型和/或识别结果。
本发明中的云平台和移动检测终端可构成一个完整的系统。对应于实施例一中,此系统的处理方法包括:云平台调用云端接口接收不同物质的拉曼光谱样本数据,提取各拉曼光谱样本数据的特征数据;设置各物质对应的期望值;使用各物质的拉曼光谱样本数据的特征数据和各物质的期望值对分类模型进行训练直至训练成功;移动检测终端对待测物质进行检测获取拉曼光谱数据,将所述拉曼光谱数据发送至云平台;云平台调用云端接口接收移动检测设备发送的待测物质的拉曼光谱数据,提取此待测物质的拉曼光谱数据的特征数据,将此特征数据输入训练成功的分类模型后计算获得输出结果,确定与输出结果误差最小的期望值对应的物质对此特测物质的识别结果;将对特测物质的识别结果发送至所述移动检测设备。
对应于实施例一中,此系统的处理方法包括:云平台调用云端接口接收不同类型的物质的拉曼光谱样本数据,提取各拉曼光谱样本数据的特征数据;设置各物质类型对应的物质类型期望值;对各类型的拉曼光谱样本数据的特征数据和各物质类型对应的期望值使用第一分类模型进行训练直至训练成功;设置同一类型的不同物质对应的物质期望值,对同一类型中的不同物质的拉曼光谱样本数据的特征数据和各物质对应的期望值对第二分类模型进行训练直至训练成功;移动检测终端对待测物质进行检测获取拉曼光谱数据,将所述拉曼光谱数据发送至云平台;所述云平台调用云端接口接收检测设备发送的待测物质的拉曼光谱数据,提取此待测物质的拉曼光谱数据的特征数据,将此特征数据输入训练成功的第一分类模型后计算获得输出结果,确定与输出结果误差最小的物质类型期望值对应的物质类型为特测物质的物质类型,将此特征数据输入训练成功的第二分类模型后计算获得输出结果,确定与输出结果误差最小的物质期望值对应的物质为对此特测物质的识别结果;将对特测物质的物质类型和识别结果发送至所述检测设备。
本发明可以克服现有技术中移动检测终端的处理能力有限的问题,使用云平台的强大处理能力,有效提高移动终端对待测物质的识别成功率。
上面描述的内容可以单独地或者以各种方式组合起来实施,而这些变型方式都在本发明的保护范围之内。
本领域普通技术人员可以理解上述方法中的全部或部分步骤可通过程序来指令相关硬件完成,所述程序可以存储于计算机可读存储介质中,如只读存储器、磁盘或光盘等。可选地,上述实施例的全部或部分步骤也可以使用一个或多个集成电路来实现,相应地,上述实施例中的各模块/单元可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。本发明不限制于任何特定形式的硬件和软件的结合。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括……”限定的要素,并不排除在包括所述要素的物品或者设备中还存在另外的相同要素。
以上实施例仅用以说明本发明的技术方案而非限制,仅仅参照较佳实施例对本发明进行了详细说明。本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围,均应涵盖在本发明的权利要求范围当中。
Claims (10)
1.一种云平台拉曼光谱识别方法,其特征在于,包括:
云平台调用云端接口接收不同物质的拉曼光谱样本数据,提取各拉曼光谱样本数据的特征数据;设置各物质对应的期望值;使用各物质的拉曼光谱样本数据的特征数据和各物质的期望值对分类模型进行训练直至训练成功;
云平台调用云端接口接收移动检测设备发送的待测物质的拉曼光谱数据,提取此待测物质的拉曼光谱数据的特征数据,将此特征数据输入训练成功的分类模型后计算获得输出结果,确定与输出结果误差最小的期望值对应的物质对此特测物质的识别结果;将对特测物质的识别结果发送至所述移动检测设备。
2.如权利要求1所述的云平台拉曼光谱识别方法,其特征在于,
所述分类模型为三层神经网络模型,包括输入层、中间层和输出层,中间层的节点数是输入层节点数的两倍,中间层的节点的激活函数为Sigmoid函数。
3.一种云平台拉曼光谱识别方法,其特征在于,
云平台调用云端接口接收不同类型的物质的拉曼光谱样本数据,提取各拉曼光谱样本数据的特征数据;设置各物质类型对应的物质类型期望值;对各类型的拉曼光谱样本数据的特征数据和各物质类型对应的期望值使用第一分类模型进行训练直至训练成功;设置同一类型的不同物质对应的物质期望值,对同一类型中的不同物质的拉曼光谱样本数据的特征数据和各物质对应的期望值对第二分类模型进行训练直至训练成功;
所述云平台调用云端接口接收检测设备发送的待测物质的拉曼光谱数据,提取此待测物质的拉曼光谱数据的特征数据,将此特征数据输入训练成功的第一分类模型后计算获得输出结果,确定与输出结果误差最小的物质类型期望值对应的物质类型为特测物质的物质类型,将此特征数据输入训练成功的第二分类模型后计算获得输出结果,确定与输出结果误差最小的物质期望值对应的物质为对此特测物质的识别结果;将对特测物质的物质类型和识别结果发送至所述检测设备。
4.如权利要求3所述的云平台拉曼光谱识别方法,其特征在于,
所述第一分类模型为第一神经网络,所述第二分类模型为第二神经网络;
所述第一神经网络包括输入层、中间层和输出层,中间层的节点数是输入层节点数的两倍,中间层的节点的激活函数为Sigmoid函数,
所述第二神经网络包括输入层、中间层和输出层,中间层的节点数是输入层节点数的两倍,中间层的节点的激活函数为Sigmoid函数。
5.如权利要求3所述的云平台拉曼光谱识别方法,其特征在于,
所述物质类型包括以下类型中的至少两种:化学战剂,毒品及易制毒化学品,爆炸物,麻醉及精神药品,易燃化学品,高危化学品,普通危险化学品,宝石玉石,药品,农药和日常化学品。
6.一种云平台拉曼光谱识别装置,其特征在于,应用于云平台,包括:
接收模块,用于调用云端接口接收不同物质的拉曼光谱样本数据;还用于调用云端接口接收检测设备发送的待测物质的拉曼光谱数据;
特征提取模块,用于提取各拉曼光谱样本数据的特征数据;还用于提取待测物质的拉曼光谱数据的特征数据;
训练模块,用于设置各物质对应的期望值;使用各物质的拉曼光谱样本数据的特征数据和各物质的期望值对分类模型进行训练直至训练成功;
识别模块,用于将待测物质的拉曼光谱数据的特征数据输入训练成功的分类模型后计算获得输出结果,确定与输出结果误差最小的期望值对应的物质对此特测物质的识别结果;
发送模块,用于将对特测物质的识别结果发送至检测设备。
7.一种云平台拉曼光谱识别装置,其特征在于,应用于云平台,包括:
接收模块,用于调用云端接口接收不同类型的物质的拉曼光谱样本数据;还用于调用云端接口接收检测设备发送的待测物质的拉曼光谱数据,
特征提取模块,用于提取各拉曼光谱样本数据的特征数据;还用于提取此待测物质的拉曼光谱数据的特征数据;
训练模块,用于设置各物质类型对应的物质类型期望值;对各类型的拉曼光谱样本数据的特征数据和各物质类型对应的期望值使用第一分类模型进行训练直至训练成功;设置同一类型的不同物质对应的物质期望值,对同一类型中的不同物质的拉曼光谱样本数据的特征数据和各物质对应的期望值对第二分类模型进行训练直至训练成功;
识别模块,用于将所述待测物质的拉曼光谱数据的特征数据输入训练成功的第一分类模型后计算获得输出结果,确定与输出结果误差最小的物质类型期望值对应的物质类型为特测物质的物质类型,将此特征数据输入训练成功的第二分类模型后计算获得输出结果,确定与输出结果误差最小的物质期望值对应的物质为对此特测物质的识别结果;
发送模块,用于将对特测物质的物质类型和识别结果发送至检测设备。
8.一种云平台拉曼光谱识别装置,其特征在于,应用于移动检测终端中,包括:检测模块、无线发送模块、无线接收模块;
所述检测模块,用于对待测物质进行检测获取拉曼光谱数据;
所述无线发送模块,用于将所述拉曼光谱数据发送至云平台;
所述无线接收模块,用于从云平台接收待测物质的识别结果,或者从云平台接收待测物质的物质类型和/或识别结果。
9.一种云平台拉曼光谱识别方法,其特征在于,包括:
云平台调用云端接口接收不同物质的拉曼光谱样本数据,提取各拉曼光谱样本数据的特征数据;设置各物质对应的期望值;使用各物质的拉曼光谱样本数据的特征数据和各物质的期望值对分类模型进行训练直至训练成功;
移动检测终端对待测物质进行检测获取拉曼光谱数据,将所述拉曼光谱数据发送至云平台;
云平台调用云端接口接收移动检测设备发送的待测物质的拉曼光谱数据,提取此待测物质的拉曼光谱数据的特征数据,将此特征数据输入训练成功的分类模型后计算获得输出结果,确定与输出结果误差最小的期望值对应的物质对此特测物质的识别结果;将对特测物质的识别结果发送至所述移动检测设备。
10.一种云平台拉曼光谱识别方法,其特征在于,包括:
云平台调用云端接口接收不同类型的物质的拉曼光谱样本数据,提取各拉曼光谱样本数据的特征数据;设置各物质类型对应的物质类型期望值;对各类型的拉曼光谱样本数据的特征数据和各物质类型对应的期望值使用第一分类模型进行训练直至训练成功;设置同一类型的不同物质对应的物质期望值,对同一类型中的不同物质的拉曼光谱样本数据的特征数据和各物质对应的期望值对第二分类模型进行训练直至训练成功;
移动检测终端对待测物质进行检测获取拉曼光谱数据,将所述拉曼光谱数据发送至云平台;
所述云平台调用云端接口接收检测设备发送的待测物质的拉曼光谱数据,提取此待测物质的拉曼光谱数据的特征数据,将此特征数据输入训练成功的第一分类模型后计算获得输出结果,确定与输出结果误差最小的物质类型期望值对应的物质类型为特测物质的物质类型,将此特征数据输入训练成功的第二分类模型后计算获得输出结果,确定与输出结果误差最小的物质期望值对应的物质为对此特测物质的识别结果;将对特测物质的物质类型和识别结果发送至所述检测设备。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710145065.9A CN107037028A (zh) | 2017-03-10 | 2017-03-10 | 一种云平台拉曼光谱识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710145065.9A CN107037028A (zh) | 2017-03-10 | 2017-03-10 | 一种云平台拉曼光谱识别方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107037028A true CN107037028A (zh) | 2017-08-11 |
Family
ID=59533666
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710145065.9A Pending CN107037028A (zh) | 2017-03-10 | 2017-03-10 | 一种云平台拉曼光谱识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107037028A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108235733A (zh) * | 2017-12-29 | 2018-06-29 | 深圳达闼科技控股有限公司 | 基于拉曼光谱的物质识别方法及云端系统 |
CN108780048A (zh) * | 2018-05-24 | 2018-11-09 | 深圳达闼科技控股有限公司 | 一种确定检测设备的方法、检测装置及可读存储介质 |
CN110793957A (zh) * | 2019-11-27 | 2020-02-14 | 拱北海关技术中心 | 一种基于云平台技术的分布式海关现场查验拉曼光谱系统 |
CN113008865A (zh) * | 2021-03-04 | 2021-06-22 | 北京华泰诺安探测技术有限公司 | 珠宝玉石鉴定方法、装置、介质及设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101949824A (zh) * | 2009-06-30 | 2011-01-19 | 武汉矽感科技有限公司 | 根据物质的光谱信息对商品进行检测的方法和系统装置 |
CN103210301A (zh) * | 2010-09-13 | 2013-07-17 | Mks仪器股份有限公司 | 监测、检测、和量化样本中的化学化合物 |
CN103837518A (zh) * | 2012-11-20 | 2014-06-04 | 福州高意通讯有限公司 | 一种基于云计算的拉曼物质识别平台 |
CN104215623A (zh) * | 2013-05-31 | 2014-12-17 | 欧普图斯(苏州)光学纳米科技有限公司 | 面向多行业检测的激光拉曼光谱智能化辨识方法及系统 |
CN106092913A (zh) * | 2015-05-29 | 2016-11-09 | 深圳市琨伦创业投资有限公司 | 一种农作物营养安全检测方法及其系统 |
CN106323889A (zh) * | 2016-08-11 | 2017-01-11 | 上海赛诚医药科技有限公司 | 基于云服务器的质量检测系统 |
-
2017
- 2017-03-10 CN CN201710145065.9A patent/CN107037028A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101949824A (zh) * | 2009-06-30 | 2011-01-19 | 武汉矽感科技有限公司 | 根据物质的光谱信息对商品进行检测的方法和系统装置 |
CN103210301A (zh) * | 2010-09-13 | 2013-07-17 | Mks仪器股份有限公司 | 监测、检测、和量化样本中的化学化合物 |
CN103837518A (zh) * | 2012-11-20 | 2014-06-04 | 福州高意通讯有限公司 | 一种基于云计算的拉曼物质识别平台 |
CN104215623A (zh) * | 2013-05-31 | 2014-12-17 | 欧普图斯(苏州)光学纳米科技有限公司 | 面向多行业检测的激光拉曼光谱智能化辨识方法及系统 |
CN106092913A (zh) * | 2015-05-29 | 2016-11-09 | 深圳市琨伦创业投资有限公司 | 一种农作物营养安全检测方法及其系统 |
CN106323889A (zh) * | 2016-08-11 | 2017-01-11 | 上海赛诚医药科技有限公司 | 基于云服务器的质量检测系统 |
Non-Patent Citations (3)
Title |
---|
况爱农 等: "BP 神经网络在拉曼光谱判别中的应用", 《激光杂志》 * |
刘海林 等: "人工神经网络在喇曼光谱数据处理中的应用", 《分析测试学报》 * |
石全 等: "《系统决策与建模》", 31 July 2016 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108235733A (zh) * | 2017-12-29 | 2018-06-29 | 深圳达闼科技控股有限公司 | 基于拉曼光谱的物质识别方法及云端系统 |
WO2019127352A1 (zh) * | 2017-12-29 | 2019-07-04 | 深圳达闼科技控股有限公司 | 基于拉曼光谱的物质识别方法及云端系统 |
CN108235733B (zh) * | 2017-12-29 | 2022-01-25 | 深圳达闼科技控股有限公司 | 基于拉曼光谱的物质识别方法及云端系统 |
CN108780048A (zh) * | 2018-05-24 | 2018-11-09 | 深圳达闼科技控股有限公司 | 一种确定检测设备的方法、检测装置及可读存储介质 |
CN108780048B (zh) * | 2018-05-24 | 2020-07-07 | 深圳达闼科技控股有限公司 | 一种确定检测设备的方法、检测装置及可读存储介质 |
CN110793957A (zh) * | 2019-11-27 | 2020-02-14 | 拱北海关技术中心 | 一种基于云平台技术的分布式海关现场查验拉曼光谱系统 |
CN113008865A (zh) * | 2021-03-04 | 2021-06-22 | 北京华泰诺安探测技术有限公司 | 珠宝玉石鉴定方法、装置、介质及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107037028A (zh) | 一种云平台拉曼光谱识别方法及装置 | |
US20140351337A1 (en) | System and method for identifying and analyzing personal context of a user | |
CN109034102A (zh) | 人脸活体检测方法、装置、设备及存储介质 | |
CN109409161A (zh) | 图形码识别方法、装置、终端及存储介质 | |
CN104102879B (zh) | 一种消息格式的提取方法和装置 | |
CN109508321B (zh) | 图像展示方法及相关产品 | |
CN108509958A (zh) | 缺陷类型检测方法、装置、电子设备及介质 | |
CN107451455A (zh) | 解锁控制方法及相关产品 | |
CN107526722A (zh) | 一种人物关系分析方法及终端 | |
CN107809526A (zh) | 终端应用程序分类方法、移动终端及计算机可读存储介质 | |
CN108052442A (zh) | 一种引擎测试方法、终端和计算机可读存储介质 | |
CN110400304A (zh) | 基于深度学习的物体检测方法、装置、设备及存储介质 | |
CN110210219A (zh) | 病毒文件的识别方法、装置、设备及存储介质 | |
CN106844225A (zh) | 移动终端及其数据清理方法和装置 | |
CN108108616A (zh) | 恶意行为检测方法、移动终端及存储介质 | |
CN105095753B (zh) | 广播安全检测方法、装置 | |
CN108985998A (zh) | 一种智慧安检方法 | |
CN105404578B (zh) | 用于显示应用程序所占用的内存的方法和装置 | |
CN109918641A (zh) | 文章主题成分分解方法、装置、设备和存储介质 | |
CN107451443A (zh) | 虹膜识别方法及相关产品 | |
CN109284613A (zh) | 标识检测及仿冒站点检测方法、装置、设备及存储介质 | |
CN115022098A (zh) | 人工智能安全靶场内容推荐方法、装置及存储介质 | |
CN111665201A (zh) | 光谱检测方法、移动终端及芯片系统 | |
CN107622213A (zh) | 一种数据访问方法、终端和计算机可读存储介质 | |
CN107273024A (zh) | 一种实现应用数据处理的方法及设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170811 |