CN114428063A - 污染层光谱数据识别方法、装置、电子设备和存储介质 - Google Patents
污染层光谱数据识别方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN114428063A CN114428063A CN202210335692.XA CN202210335692A CN114428063A CN 114428063 A CN114428063 A CN 114428063A CN 202210335692 A CN202210335692 A CN 202210335692A CN 114428063 A CN114428063 A CN 114428063A
- Authority
- CN
- China
- Prior art keywords
- subset
- pulse
- pulse number
- translation
- subsets
- 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.)
- Granted
Links
Images
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
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
- G06F2218/04—Denoising
Abstract
Description
技术领域
本发明涉及冶金物料成分自动在线检测技术领域,特别涉及一种污染层光谱数据识别方法、装置、电子设备和存储介质。
背景技术
冶金物料的成分是冶金过程控制的核心参数之一,对其检测的准确性与代表性对优化工艺参数具有重要意义。目前,冶金物料成分检测通过人工取样后经研磨、溶解等方法处理后重新制样检测,当样品表面被污染后当前预处理方法会混入杂质从而影响到检测结果的准确性与代表性。激光诱导击穿光谱技术(Laser-Induced Breakdown Spectroscopy,简称LIBS)具有不需要样品制备,多元素同时快速检测,远程非接触原位在线检测等优势,已用于工业物料成分的在线检测。但是LIBS所采集的样品光谱中混入了样品表面的污染层光谱,样品表面污染层的光谱数据会影响LIBS检测系统对工业物料成分检测的准确性以及代表性。因此,为了实现LIBS检测系统对多种工业物料成分的检测的准确性以及代表性,需对样品表面污染层光谱数据进行有效剔除。
发明内容
为了至少部分地解决现有技术存在的技术问题,发明人做出本发明,通过具体实施方式,提供一种污染层光谱数据识别方法、装置、电子设备和存储介质。
第一方面,本发明实施例提供一种污染层光谱数据识别方法,包括以下步骤:
对同一物料样品的同一个点位连续进行多次脉冲,得到多个与每次脉冲对应的元
素光谱特征值,将所述多个与每次脉冲对应的元素光谱特征值,按照脉冲次序排列,构成集
合,其中,到依次表示m个与每次脉冲对应的元素光谱特征
值,1到m依次为表示脉冲次序的脉冲数,m为正整数;
对所述集合P进行滤波处理,得到按照脉冲数顺序排列的滤波后的元素光谱特征值集合Q;
按照脉冲数顺序,对所述集合Q进行分组,得到多个按照脉冲数顺序排列的Q子集;
分别对所述多个Q子集进行拟合,得到按照脉冲数顺序排列的每个Q子集拟合函数的系数;
根据所述每个Q子集拟合函数的系数和预设系数阈值,确定污染层的元素光谱特征值。
可选的,对所述集合P进行滤波处理,得到按照脉冲数顺序排列的滤波后的元素光谱特征值集合Q,包括以下步骤:
可选的,按照脉冲数顺序,对所述集合Q进行分组,得到多个按照脉冲数顺序排列的Q子集,包括以下步骤:
设置平移窗口宽度和平移间隔,按照脉冲数顺序对所述集合Q进行窗口平移,得到多个按照脉冲数顺序排列的Q子集。
可选的,所述设置平移窗口宽度和平移间隔,按照脉冲数顺序对所述集合Q进行窗口平移,得到多个按照脉冲数顺序排列的Q子集,包括以下步骤:
将所述集合Q中每个滤波后的元素光谱特征值对应的脉冲次序,排列在表示脉冲数的坐标轴上;
可选的,所述分别对所述多个Q子集进行拟合,得到按照脉冲数顺序排列的每个Q子集拟合函数的系数,包括以下步骤:
分别构建与每个所述Q子集对应的线性拟合函数,分别构建与每个所述线性拟合函数对应的平移损失函数;
利用最小二乘法求解每个所述平移损失函数的最小值,得到所述线性拟合函数的斜率。
可选的,所述根据所述每个Q子集拟合函数的系数和预设系数阈值,确定污染层的元素光谱特征值,包括以下步骤:
根据所述每个Q子集拟合函数的系数和预设系数阈值,确定污染层子集;
根据所述污染层子集对应的脉冲数,确定污染层的元素光谱特征值。
可选的,所述根据所述每个Q子集拟合函数的系数和预设系数阈值,确定污染层子集,包括以下步骤:
按照所述Q子集的排列顺序,将每个所述Q子集拟合函数的系数与预设系数阈值对比,将系数首次大于所述预设系数阈值的拟合函数对应的Q子集之前的Q子集,标记为污染层子集。
可选的,还包括以下步骤:
将所述污染层的元素光谱特征值,从集合P中删除;
以所述集合P中剩下的元素光谱特征值,构建集合A。
第二方面,本发明实施例提供一种污染层光谱数据识别装置,包括:
光谱数据记录模块,用于对同一物料样品的同一个点位连续进行多次脉冲,得到
多个与每次脉冲对应的元素光谱特征值,将所述多个与每次脉冲对应的元素光谱特征值,
按照脉冲次序排列,构成集合,其中,到依次表示m个与每次
脉冲对应的元素光谱特征值,1到m依次为表示脉冲次序的脉冲数,m为正整数;
滤波处理模块,用于对所述集合P进行滤波处理,得到按照脉冲数顺序排列的滤波后的元素光谱特征值集合Q;
Q集合分组模块,用于按照脉冲数顺序,对所述集合Q进行分组,得到多个按照脉冲数顺序排列的Q子集;
光谱数据识别模块,用于分别对所述多个Q子集进行拟合,得到按照脉冲数顺序排列的每个Q子集拟合函数的系数;根据所述每个Q子集拟合函数的系数和预设系数阈值,确定污染层的元素光谱特征值。
光谱数据净化模块,用于将所述污染层的元素光谱特征值,从集合P中删除;以所述集合P中剩下的元素光谱特征值,构建集合A。
基于同一发明构思,本发明实施例还提供一种电子设备,包括:存储器、处理器及存储于存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现前述的污染层光谱数据识别方法。
基于同一发明构思,本发明实施例还提供一种计算机存储介质,所述计算机存储介质中存储有计算机可执行指令,所述计算机可执行指令执行时实现前述的污染层光谱数据识别方法。
本发明实施例提供的上述技术方案的有益效果至少包括:
通过将LIBS所采集的样品光谱进行滤波和平移处理,实现了对样品表面污染层光谱数据有效而准确的识别;不限定物料化学元素,适用范围广,可适用于用于钢铁、有色冶金等行业冶炼现场固体物料表面污染层;根据不同情况下对污染层光谱数据识别精度的要求,可以通过调整本发明中的预设系数阈值、具体滤波方法、拟合函数形式和滤波拟合函数最高次幂等方式,可实现进一步提升识别精度,或降低计算成本,实现更加快速的识别,有利于现场推广。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例中一种污染层光谱数据识别方法流程图;
图2为本发明实施例中滤波前元素光谱特征曲线图;
图3为本发明实施例中滤波后元素光谱特征曲线图;
图4为本发明实施例中拟合函数曲线线段示意图;
图5为本发明实施例中拟合直线斜率曲线图;
图6为本发明实施例中一种污染层光谱数据识别装置框图;
图7为本发明实施例中一种电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
为了解决现有技术中存在的问题,本发明实施例提供一种污染层光谱数据识别方法、装置、电子设备和存储介质。
实施例一
本发明实施例一提供一种污染层光谱数据识别方法,其流程如图1所示,包括如下步骤:
步骤S101:对同一物料样品的同一个点位连续进行多次脉冲,得到多个与每次脉
冲对应的元素光谱特征值,将所述多个与每次脉冲对应的元素光谱特征值,按照脉冲次序
排列,构成集合,其中,到依次表示m个与每次脉冲对应的元
素光谱特征值,1到m依次为表示脉冲次序的脉冲数,m为正整数。
本发明的原理是:
式中,i代表i能级,j代表j能级,为跃迁几率,为高能级简并度,为辐射
波长,为等离子温度,为当前温度下该离子对应的匹配函数,为高能级能量,为玻尔兹曼常数,其中为与系统参数、等离子体温度、元素特性等相关的比例因子,为元素浓度,为元素特征;
物料表面污染层主要为取样装置粘连以及物料自身氧化等,其表现为各元素浓度波动大、不稳定,可以直接通过LIBS系统获取物料不同深度下的光谱数据。
步骤S102:对所述集合P进行滤波处理,得到按照脉冲数顺序排列的滤波后的元素光谱特征值集合Q。
可选的,所述对所述集合P进行滤波处理,得到按照脉冲数顺序排列的滤波后的元素光谱特征值集合Q,包括以下步骤:
例如,根据所述集合P、脉冲次数m,以n为滤波窗口宽度,构建包括m-2n个滤波子集、每个滤波子集长度2n+1的集合M;
分别构建与每个所述滤波子集对应的滤波拟合函数,分别构建与每个所述滤波拟合函数对应的滤波损失函数;
利用最小二乘法求解每个所述滤波损失函数的最小值,得到所述滤波拟合函数的系数;
步骤S103:按照脉冲数顺序,对所述集合Q进行分组,得到多个按照脉冲数顺序排列的Q子集。
可选的,所述按照脉冲数顺序,对所述集合Q进行分组,得到多个按照脉冲数顺序排列的Q子集,包括以下步骤:
设置平移窗口宽度和平移间隔,按照脉冲数顺序对所述集合Q进行窗口平移,得到多个按照脉冲数顺序排列的Q子集。
步骤S104:分别对所述多个Q子集进行拟合,得到按照脉冲数顺序排列的每个Q子集拟合函数的系数。
可选的,所述分别对所述多个Q子集进行拟合,得到按照脉冲数顺序排列的每个Q子集拟合函数的系数,包括以下步骤:
分别构建与每个所述Q子集对应的线性拟合函数,分别构建与每个所述线性拟合函数对应的平移损失函数;
利用最小二乘法求解每个所述平移损失函数的最小值,得到所述线性拟合函数的斜率。
步骤S105:根据所述每个Q子集拟合函数的系数和预设系数阈值,确定污染层的元素光谱特征值。
可选的,所述根据所述每个Q子集拟合函数的系数和预设系数阈值,确定污染层的元素光谱特征值,包括以下步骤:
根据所述每个Q子集拟合函数的系数和预设系数阈值,确定污染层子集;
根据所述污染层子集对应的脉冲数,确定污染层的元素光谱特征值。
可选的,所述根据所述每个Q子集拟合函数的系数和预设系数阈值,确定污染层子集,包括以下步骤:
按照所述Q子集的排列顺序,将每个所述Q子集拟合函数的系数与预设系数阈值对比,将系数首次大于所述预设系数阈值的拟合函数对应的Q子集之前的Q子集,标记为污染层子集。
可选的,将所述污染层的元素光谱特征值,从集合P中删除;以所述集合P中剩下的元素光谱特征值,构建集合A。集合A即去除污染层光谱数据的元素光谱数据集合。
例如,在相同的实验条件(能量,测试距离,延时时间等实验参数)下采用LIBS设备
对同一个样品的同一个点位进行连续次脉冲,采集到的元素光谱特征值记为集合,到依次表示m个与每次脉冲对应的元素光谱特征值,1到m依
次为表示脉冲次序的脉冲数,m为正整数。如图2所示的滤波前元素光谱特征曲线图,图中横
轴表示脉冲数,纵轴表示元素光谱特征值,简称元素特征,元素特征随着脉冲数的增加不断
上升并趋于稳定。其中,连续脉冲就是在同一点位不断烧蚀样品,越烧越深,采集到的连续
光谱就是不同深度的光谱。
利用Savitzky-Golay滤波算法对集合进行滤波处理。Savitzky-Golay滤波器,
简称S-G滤波器,最初由Savitzky和Golay于1964年提出。之后被广泛地运用于数据流平滑
除噪,是一种在时域内基于局域多项式最小二乘法拟合的滤波方法。这种滤波方法最大的
特点在于在滤除噪声的同时可以确保信号的形状、宽度不变。具体方法如下:
则集合共有个滤波子集合,每个滤波子集合的长度为,m为最大
脉冲数,即对同一点位进行脉冲的总次数。其中集合中元素光谱特征值上下标变换的过
程是,第一个滤波子集合中每个元素光谱特征值上标设为1,表示第一个
滤波子集合中的元素光谱特征值,以此类推,将第个滤波子集合中元素光谱特征值上标设为,表示第个滤波子集合中的
元素光谱特征值;将每个滤波子集合中第一个元素光谱特征值的下标设为-n开始,同一滤
波子集合中的后续元素光谱特征值下标依次加1,以此类推,每个滤波子集合中最后一个元
素光谱特征值的下标为n。
其中,k代表所选滤波拟合函数的最高次幂,k为正整数,s代表r的指数,,j为滤波子集合序号,即集合中元素光谱特征值上下标变换后的元
素光谱特征值上标,代表第j个滤波子集合对应的滤波拟合函数的第s+1个系数,r是中每个滤波子集合
中每个元素光谱特征值的下标,r取-n到n之间整数。
分别构建每个滤波拟合函数对应的滤波损失函数:
其中,k代表所选滤波拟合函数的最高次幂,k为正整数,s代表r的指数,,j为滤波子集合序号,即集合中元素光谱特征值上下标变换后的
元素光谱特征值上标,代表第j个滤波子集合对应的滤波拟合函数的第s+1个系数,r是
每个滤波子集合中每个元素光谱特征值的下标,r取-n到n之间整数,表示第j个滤波子
集合中下标为r的元素特征值。
将中的每个数依次替换集合P中的第n个至第m-n-1个元素光谱
特征值,即替换集合P中的,得到集合 ,集合为集合
的滤波结果。其中,为了方便区分,将集合中的m个值依次记为q1、q2、……qm。q1、q2、……
qm共m个值,代表滤波后的元素光谱特征值。滤波后元素光谱特征曲线图如图3所示,图中横
轴表示脉冲数,纵轴表示元素光谱特征值,简称元素特征,元素特征随着脉冲数的增加不断
上升并趋于稳定,并且滤波后的曲线比图2中的曲线更加平滑。
其中,q代表元素光谱特征值,将平移窗口的左边界与所述表示脉冲数的坐标轴的
原点对齐时,窗口内有q1至qn2 ,共个滤波后的元素光谱特征值,将q1至qn2 ,共个滤
波后的元素光谱特征值构成第一个子集;第一次平移,将窗口内的q1+w至qn2+w
,共个滤波后的元素光谱特征值构成第二个子集;以此类推,第c次
平移,将窗口内q1+w×c至qn2+w×c ,共个滤波后的元素光谱特征值构成第c+1个子集。将第一个子集中的每个元素光谱特征值的上标设
为1,代表第一个Q子集中的元素光谱特征值,下标不变,依次为1到,得到第一个Q子集;将第二个子集中的每个元素光谱特征值的上标设为2,
代表第二个子集中的元素光谱特征值,下标依次设为1到,得到第二个Q子集;以此类推,将第c+1个子集中的每个元素光
谱特征值的上标设为c+1,代表第c+1个子集中的元素光谱特征值,下标依次设为1到,得
到第c+1个Q子集。
分别根据c+1个Q子集,构建每个Q子集拟合函数,Q子集拟合函数以线性函数为例:
其中,代表Q子集的序号,即每个Q子集中的每个元素光
谱特征值上标。v为斜率,b为截距,例如 v1、b1分别代表第一个Q子集对应的线性拟合函数的
斜率与截距,以此类推,vc、bc分别代表第c个Q子集对应的线性拟合函数的斜率与截距,vd代
表第d条拟合直线的斜率,bd代表第d条拟合直线的截距。x代表集合中每个Q子集中的每个元素光谱特征值下
标,x在1到之间。表示集合中的下标为的元素光谱特征值q,为平移间隔。
得到的+1条拟合直线如图4所示的拟合函数曲线线段示意图,图中横轴表示脉
冲数,纵轴表示元素光谱特征值,简称元素特征,元素特征随着脉冲数的增加不断上升并趋
于稳定,虚线段表示线性拟合函数的直线的一部分,实线表示滤波后元素光谱特征
值曲线。
当拟合直线斜率趋近于0时则说明元素特征趋于稳定。设置合适的斜率阈值,确定斜率绝对值大于预设斜率阈值的直线对应的Q子集,根据所确定的Q子集,确定Q子集中的元素特征值对应的脉冲数,将所确定的脉冲数对应的集合P中的元素光谱特征值识别为污染层光谱数据,从而剔除污染层的异常谱数据。
本实施例的上述方法中,通过将LIBS所采集的样品光谱进行滤波和平移处理,实现了对样品表面污染层光谱数据有效而准确的识别;不限定物料化学元素,适用范围广,可适用于用于钢铁、有色冶金等行业冶炼现场固体物料表面污染层;根据不同情况下对污染层光谱数据识别精度的要求,可以通过调整本发明中的预设系数阈值、具体滤波方法、拟合函数形式和滤波拟合函数最高次幂等方式,可实现进一步提升识别精度,或降低计算成本,实现更加快速的识别,有利于现场推广。
实施例二
本发明实施例二提供一种污染层光谱数据识别装置,其结构如图6所示,包括:
光谱数据记录模块101,用于对同一物料样品的同一个点位连续进行多次脉冲,得
到多个与每次脉冲对应的元素光谱特征值,将所述多个与每次脉冲对应的元素光谱特征
值,按照脉冲次序排列,构成集合,其中,到依次表示m个与
每次脉冲对应的元素光谱特征值,1到m依次为表示脉冲次序的脉冲数,m为正整数;
本发明的原理是:
式中,i代表i能级,j代表j能级,为跃迁几率,为高能级简并度,为辐射
波长,为等离子温度,为当前温度下该离子对应的匹配函数,为高能级能量,为玻尔兹曼常数,其中为与系统参数、等离子体温度、元素特性等相关的比例因子,为元素浓度,为元素特征;
物料表面污染层主要为取样装置粘连以及物料自身氧化等,其表现为各元素浓度波动大、不稳定,可以直接通过LIBS系统获取物料不同深度下的光谱数据。
滤波处理模块102,用于对所述集合P进行滤波处理,得到按照脉冲数顺序排列的滤波后的元素光谱特征值集合Q;
Q集合分组模块103,用于按照脉冲数顺序,对所述集合Q进行分组,得到多个按照脉冲数顺序排列的Q子集;
光谱数据识别模块104,用于分别对所述多个Q子集进行拟合,得到按照脉冲数顺序排列的每个Q子集拟合函数的系数;根据所述每个Q子集拟合函数的系数和预设系数阈值,确定污染层的元素光谱特征值;
可选的,所述滤波处理模块102,具体用于:
例如,根据所述集合P、脉冲次数m,以n为滤波窗口宽度,构建包括m-2n个滤波子集、每个滤波子集长度2n+1的集合M;
分别构建与每个所述滤波子集对应的滤波拟合函数,分别构建与每个所述滤波拟合函数对应的滤波损失函数;
利用最小二乘法求解每个所述滤波损失函数的最小值,得到所述滤波拟合函数的系数;
可选的,所述Q集合分组模块103,具体用于:
将所述集合Q中每个滤波后的元素光谱特征值对应的脉冲次序,排列在表示脉冲数的坐标轴上;
可选的,所述光谱数据识别模块104,包括:
系数确定单元,用于分别构建与每个所述Q子集对应的线性拟合函数,分别构建与每个所述线性拟合函数对应的平移损失函数;利用最小二乘法求解每个所述平移损失函数的最小值,得到所述线性拟合函数的斜率;
污染层数据确定单元,用于按照所述Q子集的排列顺序,将每个所述Q子集拟合函数的系数与预设系数阈值对比,将系数首次大于所述预设系数阈值的拟合函数对应的Q子集之前的Q子集,标记为污染层子集;根据所述污染层子集对应的脉冲数,确定污染层的元素光谱特征值。
可选的,还包括:
光谱数据净化模块105,用于将所述污染层的元素光谱特征值,从集合P中删除;以所述集合P中剩下的元素光谱特征值,构建集合A。集合A即去除污染层光谱数据的元素光谱数据集合。
本实施例中,通过将LIBS所采集的样品光谱进行滤波和平移处理,实现了对样品表面污染层光谱数据有效而准确的识别;不限定物料化学元素,适用范围广,可适用于用于钢铁、有色冶金等行业冶炼现场固体物料表面污染层;根据不同情况下对污染层光谱数据识别精度的要求,可以通过调整本发明中的预设系数阈值、具体滤波方法、拟合函数形式和滤波拟合函数最高次幂等方式,可实现进一步提升识别精度,或降低计算成本,实现更加快速的识别,有利于现场推广。
基于同一发明构思,本发明实施例还提供一种电子设备,其结构如图7所示,包括:存储器、处理器及存储于存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现前述的污染层光谱数据识别方法。
基于同一发明构思,本发明实施例还提供一种计算机存储介质,所述计算机存储介质中存储有计算机可执行指令,所述计算机可执行指令执行时实现前述的污染层光谱数据识别方法。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
Claims (11)
1.一种污染层光谱数据识别方法,其特征在于,包括以下步骤:
对同一物料样品的同一个点位连续进行多次脉冲,得到多个与每次脉冲对应的元素光谱特征值,将所述多个与每次脉冲对应的元素光谱特征值,按照脉冲次序排列,构成集合,其中,到依次表示m个与每次脉冲对应的元素光谱特征值,1到m依次为表示脉冲次序的脉冲数,m为正整数;
对所述集合P进行滤波处理,得到按照脉冲数顺序排列的滤波后的元素光谱特征值集合Q;
按照脉冲数顺序,对所述集合Q进行分组,得到多个按照脉冲数顺序排列的Q子集;
分别对所述多个Q子集进行拟合,得到按照脉冲数顺序排列的每个Q子集拟合函数的系数;
根据所述每个Q子集拟合函数的系数和预设系数阈值,确定污染层的元素光谱特征值。
3.如权利要求1所述的方法,其特征在于,所述按照脉冲数顺序,对所述集合Q进行分组,得到多个按照脉冲数顺序排列的Q子集,包括以下步骤:
设置平移窗口宽度和平移间隔,按照脉冲数顺序对所述集合Q进行窗口平移,得到多个按照脉冲数顺序排列的Q子集。
4.如权利要求3所述的方法,其特征在于,所述设置平移窗口宽度和平移间隔,按照脉冲数顺序对所述集合Q进行窗口平移,得到多个按照脉冲数顺序排列的Q子集,包括以下步骤:
5.如权利要求1所述的方法,其特征在于,所述分别对所述多个Q子集进行拟合,得到按照脉冲数顺序排列的每个Q子集拟合函数的系数,包括以下步骤:
分别构建与每个所述Q子集对应的线性拟合函数,分别构建与每个所述线性拟合函数对应的平移损失函数;
利用最小二乘法求解每个所述平移损失函数的最小值,得到所述线性拟合函数的斜率。
6.如权利要求1所述的方法,其特征在于,所述根据所述每个Q子集拟合函数的系数和预设系数阈值,确定污染层的元素光谱特征值,包括以下步骤:
根据所述每个Q子集拟合函数的系数和预设系数阈值,确定污染层子集;
根据所述污染层子集对应的脉冲数,确定污染层的元素光谱特征值。
7.如权利要求6所述的方法,其特征在于,所述根据所述每个Q子集拟合函数的系数和预设系数阈值,确定污染层子集,包括以下步骤:
按照所述Q子集的排列顺序,将每个所述Q子集拟合函数的系数与预设系数阈值对比,将系数首次大于所述预设系数阈值的拟合函数对应的Q子集之前的Q子集,标记为污染层子集。
8.如权利要求1所述的方法,其特征在于,还包括以下步骤:
将所述污染层的元素光谱特征值,从集合P中删除;
以所述集合P中剩下的元素光谱特征值,构建集合A。
9.一种污染层光谱数据识别装置,其特征在于,包括:
光谱数据记录模块,用于对同一物料样品的同一个点位连续进行多次脉冲,得到多个与每次脉冲对应的元素光谱特征值,将所述多个与每次脉冲对应的元素光谱特征值,按照脉冲次序排列,构成集合,其中,到依次表示m个与每次脉冲对应的元素光谱特征值,1到m依次为表示脉冲次序的脉冲数,m为正整数;
滤波处理模块,用于对所述集合P进行滤波处理,得到按照脉冲数顺序排列的滤波后的元素光谱特征值集合Q;
Q集合分组模块,用于按照脉冲数顺序,对所述集合Q进行分组,得到多个按照脉冲数顺序排列的Q子集;
光谱数据识别模块,用于分别对所述多个Q子集进行拟合,得到按照脉冲数顺序排列的每个Q子集拟合函数的系数;根据所述每个Q子集拟合函数的系数和预设系数阈值,确定污染层的元素光谱特征值;
光谱数据净化模块,用于将所述污染层的元素光谱特征值,从集合P中删除;以所述集合P中剩下的元素光谱特征值,构建集合A。
10.一种电子设备,其特征在于,包括:存储器、处理器及存储于存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现权利要求1-8任一所述的污染层光谱数据识别方法。
11.一种计算机存储介质,其特征在于,所述计算机存储介质中存储有计算机可执行指令,所述计算机可执行指令执行时实现权利要求1-8任一所述的污染层光谱数据识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210335692.XA CN114428063B (zh) | 2022-04-01 | 2022-04-01 | 污染层光谱数据识别方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210335692.XA CN114428063B (zh) | 2022-04-01 | 2022-04-01 | 污染层光谱数据识别方法、装置、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114428063A true CN114428063A (zh) | 2022-05-03 |
CN114428063B CN114428063B (zh) | 2022-08-12 |
Family
ID=81314458
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210335692.XA Active CN114428063B (zh) | 2022-04-01 | 2022-04-01 | 污染层光谱数据识别方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114428063B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116359974A (zh) * | 2023-04-20 | 2023-06-30 | 杭州湘亭科技有限公司 | 一种管道内铀放射性污染检测数据处理方法 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10030712A1 (de) * | 2000-06-23 | 2002-01-17 | Deutsche Telekom Ag | Verfahren zur Differenzierung von durch Suchmaschinen im Rahmen einer Suchanfrage ermittelten Referenzen auf Dokumente |
EP1520164A2 (en) * | 2002-06-24 | 2005-04-06 | Noranda Inc. | Laser induced breakdown spectroscopy for the analysis of molten material |
WO2015077867A1 (en) * | 2013-11-26 | 2015-06-04 | National Research Council Of Canada | Method and apparatus for fast quantitative analysis of a material by laser induced breakdown spectroscopy (libs) |
CN105426585A (zh) * | 2015-11-05 | 2016-03-23 | 浙江大学 | 一种基于正弦函数拟合法的马铃薯发芽预警方法 |
CN106770192A (zh) * | 2016-12-29 | 2017-05-31 | 江南大学 | 基于插值法的激光诱导击穿光谱连续背景校正方法 |
US20190033231A1 (en) * | 2017-07-31 | 2019-01-31 | United States Of America As Represented By The Administrator Of Nasa | Laser Surface Treatment and Spectroscopic Analysis System |
CN109459399A (zh) * | 2018-12-26 | 2019-03-12 | 南京波思途智能科技股份有限公司 | 一种光谱水质cod、浊度检测方法 |
CN110687090A (zh) * | 2019-09-10 | 2020-01-14 | 中国民航大学 | 移动窗口光谱角制图算法及乳粉非定向筛查方法 |
CN113281323A (zh) * | 2021-06-29 | 2021-08-20 | 集美大学 | 一种复杂体系中有机污染物特征信息提取方法及其快速检测方法、系统 |
CN113340824A (zh) * | 2021-06-11 | 2021-09-03 | 湖南农业大学 | 一种高光谱信息冗余波段的检测方法 |
CN113588597A (zh) * | 2021-06-25 | 2021-11-02 | 河钢股份有限公司 | 一种提升炉渣分析精度的方法 |
US20220026369A1 (en) * | 2020-07-22 | 2022-01-27 | Elemental Scientific, Inc. | Abrasive sampling system and method for representative, homogeneous, and planarized preparation of solid samples for laser ablation |
CN114235517A (zh) * | 2021-11-16 | 2022-03-25 | 北京科技大学 | 一种libs炉前样品九点环绕自动去除氧化层的方法 |
-
2022
- 2022-04-01 CN CN202210335692.XA patent/CN114428063B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10030712A1 (de) * | 2000-06-23 | 2002-01-17 | Deutsche Telekom Ag | Verfahren zur Differenzierung von durch Suchmaschinen im Rahmen einer Suchanfrage ermittelten Referenzen auf Dokumente |
EP1520164A2 (en) * | 2002-06-24 | 2005-04-06 | Noranda Inc. | Laser induced breakdown spectroscopy for the analysis of molten material |
WO2015077867A1 (en) * | 2013-11-26 | 2015-06-04 | National Research Council Of Canada | Method and apparatus for fast quantitative analysis of a material by laser induced breakdown spectroscopy (libs) |
CN105426585A (zh) * | 2015-11-05 | 2016-03-23 | 浙江大学 | 一种基于正弦函数拟合法的马铃薯发芽预警方法 |
CN106770192A (zh) * | 2016-12-29 | 2017-05-31 | 江南大学 | 基于插值法的激光诱导击穿光谱连续背景校正方法 |
US20190033231A1 (en) * | 2017-07-31 | 2019-01-31 | United States Of America As Represented By The Administrator Of Nasa | Laser Surface Treatment and Spectroscopic Analysis System |
CN109459399A (zh) * | 2018-12-26 | 2019-03-12 | 南京波思途智能科技股份有限公司 | 一种光谱水质cod、浊度检测方法 |
CN110687090A (zh) * | 2019-09-10 | 2020-01-14 | 中国民航大学 | 移动窗口光谱角制图算法及乳粉非定向筛查方法 |
US20220026369A1 (en) * | 2020-07-22 | 2022-01-27 | Elemental Scientific, Inc. | Abrasive sampling system and method for representative, homogeneous, and planarized preparation of solid samples for laser ablation |
CN113340824A (zh) * | 2021-06-11 | 2021-09-03 | 湖南农业大学 | 一种高光谱信息冗余波段的检测方法 |
CN113588597A (zh) * | 2021-06-25 | 2021-11-02 | 河钢股份有限公司 | 一种提升炉渣分析精度的方法 |
CN113281323A (zh) * | 2021-06-29 | 2021-08-20 | 集美大学 | 一种复杂体系中有机污染物特征信息提取方法及其快速检测方法、系统 |
CN114235517A (zh) * | 2021-11-16 | 2022-03-25 | 北京科技大学 | 一种libs炉前样品九点环绕自动去除氧化层的方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116359974A (zh) * | 2023-04-20 | 2023-06-30 | 杭州湘亭科技有限公司 | 一种管道内铀放射性污染检测数据处理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114428063B (zh) | 2022-08-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yi et al. | Background removal in soil analysis using laser-induced breakdown spectroscopy combined with standard addition method | |
CN104870955B (zh) | 光谱学装置和方法 | |
US9784621B2 (en) | Spectroscopic apparatus and methods | |
CN114428063B (zh) | 污染层光谱数据识别方法、装置、电子设备和存储介质 | |
CN111610179B (zh) | 用于炉前高温样品成分libs快速检测的系统及方法 | |
Liu et al. | Continuous background correction using effective points selected in third-order minima segments in low-cost laser-induced breakdown spectroscopy without intensified CCD | |
EP2705338A2 (en) | Estimation of background radiation in spectral datea by polynomial fitting | |
CN111259953A (zh) | 一种基于电容型设备缺陷数据的设备缺陷时间预测方法 | |
Ruan et al. | A novel hybrid filter/wrapper method for feature selection in archaeological ceramics classification by laser-induced breakdown spectroscopy | |
CN113109318B (zh) | 基于光谱峰高直接提取的拉曼光谱定量分析方法及系统 | |
CN105956591B (zh) | 一种在线高温零件红外图像光谱抽样检测方法 | |
CN112834481B (zh) | 一种拉曼光谱增强测量系统及测量方法 | |
CN116825243A (zh) | 一种基于多源数据的热障涂层服役寿命预测方法及系统 | |
CN112161966B (zh) | 一种含有荧光光谱的样本拉曼光谱的分离方法和装置 | |
Hatch et al. | Automated interpretation of LIBS spectra using a fuzzy logic inference engine | |
Xie et al. | Model transfer method based on piecewise direct standardization in laser-induced-breakdown spectroscopy | |
CN114018856A (zh) | 光谱校正方法 | |
JP6872762B2 (ja) | 堆積物の岩石コアにおけるイベント層の識別方法 | |
CN115931828B (zh) | 适应复杂土壤基体的成分分析与预测方法、单元及系统 | |
CN117332258B (zh) | 基于多尺度洛伦兹的近红外吸收峰识别方法、系统、介质 | |
CN116008208A (zh) | 一种海水硝酸盐浓度特征光谱波段的选择方法 | |
Wu et al. | Three-dimensional fluorescence spectra model optimisation for water quality analysis based on particle swarm optimisation | |
Dable et al. | Rapid multivariate curve resolution applied to near real-time process monitoring with HPLC/Raman data | |
CN111122545A (zh) | 一种无损检测导电氧化物薄膜电学性能的方法 | |
CN117763391A (zh) | 基于乙炔气体信号的变压器故障检测方法、系统及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |