CN115759884B - 基于点光谱仪的光谱数据质量评价方法及装置 - Google Patents

基于点光谱仪的光谱数据质量评价方法及装置 Download PDF

Info

Publication number
CN115759884B
CN115759884B CN202310024080.3A CN202310024080A CN115759884B CN 115759884 B CN115759884 B CN 115759884B CN 202310024080 A CN202310024080 A CN 202310024080A CN 115759884 B CN115759884 B CN 115759884B
Authority
CN
China
Prior art keywords
spectrum
value
reflectivity
square error
mean square
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.)
Active
Application number
CN202310024080.3A
Other languages
English (en)
Other versions
CN115759884A (zh
Inventor
张立福
张东辉
黄瑶
张彩霞
蓝梓月
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tianjin Zhongkeshi Optical Information Technology Co ltd
Original Assignee
Tianjin Zhongkeshi Optical Information Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Tianjin Zhongkeshi Optical Information Technology Co ltd filed Critical Tianjin Zhongkeshi Optical Information Technology Co ltd
Priority to CN202310024080.3A priority Critical patent/CN115759884B/zh
Publication of CN115759884A publication Critical patent/CN115759884A/zh
Application granted granted Critical
Publication of CN115759884B publication Critical patent/CN115759884B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Investigating Or Analysing Materials By Optical Means (AREA)
  • Spectrometry And Color Measurement (AREA)

Abstract

本发明提供一种基于点光谱仪的光谱数据质量评价方法及装置,方法包括:获取光谱数据;对比光谱数据和预先获取的基准光谱,得到相似性指标评分;对光谱数据进行评价,得到参量化指标评分;根据光谱数据,对比不同时刻、不同设备的光谱数据,得到稳定性指标评分;利用相似性指标评分、参量化指标评分和稳定性指标评分,进行综合评价,得到光谱质量评价结果。本发明通过从点光谱仪的与基准光谱相似性、单条光谱的参量化和与相邻光谱稳定性指标三方面,客观公正地评价了单条光谱数据的质量,实现了点光谱仪高光谱数据质量评价的准确评价,且提高对异常数据的发现能力。

Description

基于点光谱仪的光谱数据质量评价方法及装置
技术领域
本发明涉及遥感光谱测量技术领域,尤其涉及一种基于点光谱仪的光谱数据质量评价方法及装置。
背景技术
在线式点光谱仪是一种基于物联网技术,定时采集高光谱数据,并通过4G模块,将光谱数据回传至服务器的新型传感器。在设备的使用过程中,由于测量地物的多样性,以及测量环境的复杂性,经常有异常数据被采集,并存储和计算。这些异常数据,降低了用户的使用体验,基于异常数据计算的地物含量信息,也影响了设备的精度。
目前,为了减少异常数据的采集,常通过人工筛选的方式,抽查光谱数据,评价光谱数据是否存在异常。然而这种方法存在很大的主观性,不同的人员,评价光谱质量的依据和标准不一致,导致难以形成统一的标准。加之,成百上千设备并发发送数据的情况下,采用抽查的方式,存在极高的漏检概率,无法做到全面监控所有设备的光谱数据质量。同时,对光谱的抽查算法方面,停留在根据单一指标来判断光谱是否合格的定性阶段,缺乏能够量化的评价数值。
另外,新设备的出厂检测,也存在人工干预过多和非定量化评价的问题。仅通过有限个数的光谱数据,评价整套设备的输出精度,难以满足设备准备检测、定标和品控的要求。上述问题,限制了在线式光谱仪的大规模推广。
发明内容
本发明提供一种基于点光谱仪的光谱数据质量评价方法及装置,用以解决现有技术中点高光谱仪采集的光谱数据缺乏定量评价数值的缺陷,实现点光谱仪高光谱数据质量评价的准确评价,提高了对异常数据的发现能力。
本发明提供一种基于点光谱仪的光谱数据质量评价方法,包括:获取光谱数据;对比所述光谱数据和预先获取的基准光谱,得到相似性指标评分;对所述光谱数据进行评价,得到参量化指标评分;根据所述光谱数据,对比不同时刻、不同设备的光谱数据,得到稳定性指标评分;利用所述相似性指标评分、所述参量化指标评分和所述稳定性指标评分,进行综合评价,得到光谱质量评价结果。
根据本发明提供的一种基于点光谱仪的光谱数据质量评价方法,所述对比所述光谱数据和预先获取的基准光谱,得到相似性指标评分,包括:根据所述光谱数据,得到各光谱的波段数以及各所述光谱对应的光谱反射率;根据所述各光谱的波段数、各所述光谱对应的光谱反射率以及预先获取的基准光谱的基准光谱反射率,得到拟合度、光谱角、极高值差距、极低值差距和第一指定波段均值差值;根据所述拟合度、所述光谱角、所述极高值差距、所述极低值差距和所述第一指定波段均值差值,并结合第一预设评分标准,得到相似性指标评分。
根据本发明提供的一种基于点光谱仪的光谱数据质量评价方法,所述根据所述各光谱的波段数、各所述光谱对应的光谱反射率以及预先获取的基准光谱的基准光谱反射率,得到拟合度、光谱角、极高值差距、极低值差距和第一指定波段均值差值,包括:根据各所述光谱的波段数、各所述光谱对应的光谱反射率以及预先获取的基准光谱的基准光谱反射率,得到拟合度;根据所述光谱对应的光谱反射率以及预先获取的基准光谱的基准光谱反射率,得到光谱角;根据所述光谱对应的光谱反射率以及预先获取的基准光谱的基准光谱反射率,获取光谱反射率最大值和基准光谱反射率最大值,并根据所述光谱反射率最大值和所述基准光谱反射率最大值,得到极高值差距;根据所述光谱对应的光谱反射率以及预先获取的基准光谱的基准光谱反射率,获取光谱反射率最小值和基准光谱反射率最小值,并根据所述光谱反射率最小值和所述基准光谱反射率最小值,得到极低值差距;根据所述光谱对应的光谱反射率以及预先获取的基准光谱的基准光谱反射率,获取指定波段的光谱反射率均值和基准光谱反射率均值,并根据所述光谱反射率均值和所述基准光谱反射率均值,得到第一指定波段均值差值。
根据本发明提供的一种基于点光谱仪的光谱数据质量评价方法,所述对所述光谱数据进行评价,得到参量化指标评分,包括:根据所述光谱数据,得到各光谱的波段数以及各所述光谱对应的光谱反射率;根据各所述光谱的波段数以及各所述光谱对应的光谱反射率,得到均值;根据各所述光谱对应的光谱反射率,获取光谱反射率最大值和光谱反射率最小值,并根据所述光谱反射率最大值和所述光谱反射率最小值,得到值域;根据各所述光谱对应的光谱反射率,获取反射率均值,并根据所述反射率均值、各所述光谱的波段数和所述各所述光谱对应的光谱反射率,得到均方差;根据各所述光谱对应的光谱反射率,获取各所述光谱对应的起始点波段号、终止点波段号、起始点反射率和终止点反射率,并根据所述起始点波段号、所述终止点波段号、所述起始点反射率和所述终止点反射率,得到斜率;根据各所述光谱对应的光谱反射率,得到各所述光谱的反射率均值和对应各所述光谱指定波段的光谱反射率均值,并根据各所述光谱的反射率均值和对应各所述光谱指定波段的光谱反射率均值,得到第二指定波段均值差值;根据所述均值、所述值域、所述均方差、所述斜率和所述第二指定波段均值差值,并结合第二预设评分标准,得到参量化指标评分。
根据本发明提供的一种基于点光谱仪的光谱数据质量评价方法,所述根据各所述光谱的波段数以及各所述光谱对应的光谱反射率,得到均值,包括:根据各所述光谱的波段数以及各所述光谱对应的光谱反射率,得到初始均值;基于第一预设数值确定标准,并根据所述初始均值所处均值范围,确定对应均值,所述第一预设数值确定标准包括多个均值范围及各所述均值范围对应的均值;
所述根据各所述光谱反射率最大值和所述光谱反射率最小值,得到值域,包括:根据各所述光谱反射率最大值和所述光谱反射率最小值,得到初始值域;基于第二预设数值确定标准,并根据所述初始值域所处值域范围,确定对应值域,所述第二预设数值确定标准包括多个值域范围及各所述值域范围对应的值域;
所述根据各所述反射率均值、各所述光谱的波段数和各所述光谱对应的光谱反射率,得到均方差,包括:根据各所述反射率均值、所述波段数和各所述光谱对应的光谱反射率,得到初始均方差;基于第三预设数值确定标准,并根据所述初始均方差所处均方差范围,确定对应均方差,所述第三预设数值确定标准包括多个均方差范围及各所述均方差范围对应的均方差;
所述根据所述起始点波段号、所述终止点波段号、所述起始点反射率和所述终止点反射率,得到斜率,包括:根据所述起始点波段号和所述终止点波段号,得到波段号差值;根据所述起始点反射率和所述终止点反射率,得到反射率差值;根据所述波段号差值和所述反射率差值,得到初始斜率;基于第四预设数值确定标准,并根据所述初始斜率所处斜率范围,确定对应斜率,所述第四预设数值确定标准包括多个斜率范围及各所述斜率范围对应的斜率;
所述根据各所述光谱的反射率均值和对应各所述光谱指定波段的光谱反射率均值,得到第二指定波段均值差值,包括:根据各所述光谱的反射率均值和对应各所述光谱指定波段的光谱反射率均值,得到初始第二指定波段均值差值;基于第五预设数值确定标准,并根据所述第二指定波段均值差值所处差值范围,确定对应第二指定波段均值差值,所述第五预设数值确定标准包括多个差值范围及各所述差值范围对应的第二指定波段均值差值。
根据本发明提供的一种基于点光谱仪的光谱数据质量评价方法,所述根据所述光谱数据,对比不同时刻、不同设备的光谱数据,得到稳定性指标评分,包括:根据所述光谱数据,得到相邻时刻光谱的均方差、相邻日期同一时刻光谱的均方差、预设数量平均光谱均方差、不同设备光谱均方差和指定光谱均方差值;根据所述相邻时刻光谱的均方差、所述相邻日期同一时刻光谱的均方差、所述预设数量平均光谱均方差、所述不同设备光谱均方差和所述指定光谱均方差值,并结合第三预设评分标准,得到稳定性指标评分。
根据本发明提供的一种基于点光谱仪的光谱数据质量评价方法,所述根据所述光谱数据,得到相邻时刻光谱的均方差、相邻日期同一时刻光谱的均方差、预设数量平均光谱均方差、不同设备光谱均方差和指定光谱均方差值,包括:根据所述光谱数据,获取相邻时刻光谱的均方差;根据所述光谱数据,获取相邻日期同一时刻光谱的均方差;根据所述光谱数据,获取当前光谱的光谱反射率以及所述当前光谱在先时刻预设数量的平均光谱,并根据所述当前光谱的光谱反射率以及所述当前光谱在先时刻预设数量的平均光谱反射率,得到预设数量平均光谱均方差;根据所述光谱数据,获取相同型号不同设备在同一位置采集的光谱数据,得到不同设备光谱均方差;根据所述光谱数据,得到各光谱的波段数以及各所述光谱对应的光谱反射率,并结合预先指定的光谱,得到指定光谱均方差值。
本发明还提供一种基于点光谱仪的光谱数据质量评价装置,包括:数据获取模块,获取光谱数据;第一数据处理模块,对比所述光谱数据和预先获取的基准光谱,得到相似性指标评分;第二数据处理模块,对所述光谱数据进行评价,得到参量化指标评分;第三数据处理模块,根据所述光谱数据,对比不同时刻、不同设备的光谱数据,得到稳定性指标评分;综合评价模块,利用所述相似性指标评分、所述参量化指标评分和所述稳定性指标评分,进行综合评价,得到光谱质量评价结果。
本发明还提供一种电子设备,包括存储器、处理器及存储在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程序时实现如上述任一种所述基于点光谱仪的光谱数据质量评价方法的步骤。
本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述任一种所述基于点光谱仪的光谱数据质量评价方法的步骤。
本发明还提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如上述任一种所述基于点光谱仪的光谱数据质量评价方法的步骤。
本发明提供的基于点光谱仪的光谱数据质量评价方法及装置,通过从点光谱仪的与基准光谱相似性、单条光谱的参量化和与相邻光谱稳定性指标三方面,客观公正地评价了单条光谱数据的质量,最后能够得出一个百分制的光谱质量得分,解决了长期困扰的光谱质量打分问题,实现了点光谱仪高光谱数据质量评价的准确评价,且提高对异常数据的发现能力,能够达到“实时评价”的应用目标,实现点光谱仪的智能化应用。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明提供的基于点光谱仪的光谱数据质量评价方法的流程示意图之一;
图2是本发明提供的基于点光谱仪的光谱数据质量评价方法的流程示意图之二;
图3是本发明提供的与基准光谱相似性指标和单条光谱的参量化指标的实例数据示意图;
图4是本发明提供的与相邻光谱稳定性指标的实例数据示意图;
图5是本发明提供的基于点光谱仪的光谱数据质量评价装置的结构示意图;
图6是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明中的附图,对本发明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作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。
图1示出了一种基于点光谱仪的光谱数据质量评价方法的流程示意图,该方法包括:
S11,获取光谱数据;
S12,对比光谱数据和预先获取的基准光谱,得到相似性指标评分;
S13,对光谱数据进行评价,得到参量化指标评分;
S14,根据光谱数据,对比不同时刻、不同设备的光谱数据,得到稳定性指标评分;
S15,利用相似性指标评分、参量化指标评分和稳定性指标评分,进行综合评价,得到光谱质量评价结果。
需要说明的是,本说明书中的S1N不代表基于点光谱仪的光谱数据质量评价方法的先后顺序,下面具体结合图2-图4描述本发明的基于点光谱仪的光谱数据质量评价方法。
步骤S11,获取光谱数据。
需要说明的是,获取的光谱数据包括多个不同地点不同时刻的光谱数据,且对每个地点不同时刻的光谱数据可以利用相同型号的不同设备,按不同时刻对同一地点进行光谱数据采集。
步骤S12,对比光谱数据和预先获取的基准光谱,得到相似性指标评分。
在本实施例中,参考图2,对比光谱数据和预先获取的基准光谱,得到相似性指标评分,包括:
Sa1,根据光谱数据,得到各光谱的波段数以及各光谱对应的光谱反射率。
Sa2,根据各光谱的波段数、各光谱对应的光谱反射率以及预先获取的基准光谱的基准光谱反射率,得到拟合度、光谱角、极高值差距、极低值差距和第一指定波段均值差值。
更进一步地说,根据各光谱的波段数、各光谱对应的光谱反射率以及预先获取的基准光谱的基准光谱反射率,得到拟合度、光谱角、极高值差距、极低值差距和第一指定波段均值差值,包括:
Sa21,根据各光谱的波段数、各光谱对应的光谱反射率以及预先获取的基准光谱的基准光谱反射率,得到拟合度。
在本实施例中,拟合度表示为:
其中,表示拟合度,表示当前光谱的波段数,表示基准光谱反射率,表示光谱反射率。
Sa22,根据光谱对应的光谱反射率以及预先获取的基准光谱的基准光谱反射率,得到光谱角。
在本实施例中,光谱角表示为:
其中,表示光谱角,表示基准光谱反射率,表示光谱反射率。
Sa23,根据光谱对应的光谱反射率以及预先获取的基准光谱的基准光谱反射率,获取光谱反射率最大值和基准光谱反射率最大值,并根据光谱反射率最大值和基准光谱反射率最大值,得到极高值差距。
在本实施例中,极高值差距表示为:
其中,表示极高值差距,表示基准光谱反射率最大值,表示光谱反射率最大值。
Sa24,根据光谱对应的光谱反射率以及预先获取的基准光谱的基准光谱反射率,获取光谱反射率最小值和基准光谱反射率最小值,并根据光谱反射率最小值和基准光谱反射率最小值,得到极低值差距。
在本实施例中,极低值差距表示为:
其中,表示极低值差距,表示基准光谱反射率最小值,表示光谱反射率最小值。
Sa25,根据光谱对应的光谱反射率以及预先获取的基准光谱的基准光谱反射率,获取指定波段的光谱反射率均值和基准光谱反射率均值,并根据光谱反射率均值和基准光谱反射率均值,得到第一指定波段均值差值。
在本实施例中,第一指定波段均值差值表示为:
其中,表示第一指定波段均值差值,表示基准光谱反射率均值,表示光谱反射率均值。
Sa3,根据拟合度、光谱角、极高值差距、极低值差距和第一指定波段均值差值,并结合第一预设评分标准,得到相似性指标评分。
具体而言,根据拟合度、光谱角、极高值差距、极低值差距和第一指定波段均值差值,并结合第一预设评分标准,得到相似性指标评分,包括:根据拟合度、光谱角、极高值差距、极低值差距和第一指定波段均值差值,得到相似性指标;根据相似性指标,结合第一预设评分标准,得到相似性指标评分。
需要说明的是,相似性指标表示为:
其中,表示相似性指标,表示拟合度,表示光谱角,表示极高值差距,表示极低值差距,表示第一指定波段均值差值。
另外,第一预设评分标准可以根据实际光谱的采集地点以及实际采集的光谱数据设置,此处不作进一步地限定。由于光谱数据与基准光谱相似性指标越接近0,数据质量越好,因此第一预设评分标准可以参考如下设置:当相似性指标取值在[0,0.05)范围内时,对应分值为7;当相似性指标取值在[0.05,0.1)范围内时,对应分值为6;当相似性指标取值在[0.1,0.2)范围内时,对应分值为5;当相似性指标取值在[0.2,0.3)范围内时,对应分值为4;当相似性指标取值在[0.3,1.0)范围内时,对应分值为3;当相似性指标取值在[1.0,2.0)范围内时,对应分值为2;当相似性指标取值在[2.0,+∞)范围内时,对应分值为1。
步骤S13,对光谱数据进行评价,得到参量化指标评分。
在本实施例中,继续参考图2,对光谱数据进行评价,得到参量化指标评分,包括:
S131,根据所述光谱数据,得到各光谱的波段数以及各所述光谱对应的光谱反射率。
S132,根据各光谱的波段数以及各光谱对应的光谱反射率,得到均值。
在本实施例中,根据各光谱的波段数以及各光谱对应的光谱反射率,得到均值,包括:根据各光谱的波段数以及各光谱对应的光谱反射率,得到初始均值;基于第一预设数值确定标准,并根据初始均值所处均值范围,确定对应均值,第一预设数值确定标准包括多个均值范围及各均值范围对应的均值。
需要说明的是,初始均值表示为:
其中,表示初始均值,表示当前光谱对应的光谱反射率,表示当前光谱的波段数。
另外,均值表示为:
需要补充的是,本实施例中,第一预设数值包括[1, +∞)、(0,1)和(-∞,0]三个均值范围,以及[1, +∞)对应的均值为0,(0,1)对应的均值为0.5,(-∞,0]对应的均值为0。
S133,根据各光谱对应的光谱反射率,获取光谱反射率最大值和光谱反射率最小值,并根据光谱反射率最大值和光谱反射率最小值,得到值域。
在本实施例中,根据各光谱反射率最大值和光谱反射率最小值,得到值域,包括:根据各光谱反射率最大值和光谱反射率最小值,得到初始值域;基于第二预设数值确定标准,并根据初始值域所处值域范围,确定对应值域,第二预设数值确定标准包括多个值域范围及各值域范围对应的值域。
需要说明的是,初始值域表示为:
其中,表示初始值域,表示光谱反射率最大值,表示光谱反射率最小值。
另外,值域表示为:
需要补充的是,本实施例中,第二预设数值包括[1, +∞)、(0,1)和(-∞,0]三个值域范围,以及[1, +∞)对应的值域为0,(0,1)对应的值域为0.5,(-∞,0]对应的值域为0。
S134,根据各光谱对应的光谱反射率,获取反射率均值,并根据反射率均值、各光谱的波段数和各光谱对应的光谱反射率,得到均方差。
在本实施例中,根据各光谱对应的光谱反射率,获取反射率均值,并根据反射率均值、各光谱的波段数和各光谱对应的光谱反射率,得到均方差,包括:根据各光谱对应的光谱反射率,获取反射率均值,并根据反射率均值、各光谱的波段数和各光谱对应的光谱反射率,得到初始均方差;基于第三预设数值确定标准,并根据初始均方差所处均方差范围,确定对应均方差,第三预设数值确定标准包括多个均方差范围及各均方差范围对应的均方差。
需要说明的是,初始均方差表示为:
其中,表示初始均方差,表示反射率均值,表示当前光谱的光谱反射率,表示当前光谱的波段数。
另外,均方差表示为:
需要补充的是,本实施例中,第三预设数值包括[1, +∞)、[0.5,1)、[0,0.5)和(-∞,0]四个均方差范围,以及[1, +∞)对应的均方差为0,[0.5,1) 对应的均方差为0.5,[0,0.5)对应的均方差为1.0,(-∞,0]对应的均方差为0。
S135,根据各光谱对应的光谱反射率,获取各光谱对应的起始点波段号、终止点波段号、起始点反射率和终止点反射率,并根据起始点波段号、终止点波段号、起始点反射率和终止点反射率,得到斜率。
在本实施例中,根据起始点波段号、终止点波段号、起始点反射率和终止点反射率,得到斜率,包括:根据起始点波段号和终止点波段号,得到波段号差值;根据起始点反射率和终止点反射率,得到反射率差值;根据波段号差值和反射率差值,得到初始斜率;基于第四预设数值确定标准,并根据初始斜率所处斜率范围,确定对应斜率,第四预设数值确定标准包括多个斜率范围及各斜率范围对应的斜率。
需要说明的是,初始斜率表示为:
其中,表示初始斜率,表示反射率差值,表示终止点反射率,表示起始点反射率,表示波段号差值,表示终止点波段号,表示起始点波段号。
另外,斜率表示为:
需要补充的是,本实施例中,第四预设数值包括[1, +∞)、(0,1)和(-∞,0]三个斜率范围,以及[1, +∞)对应的斜率为0,(0,1)对应的斜率为0.5,(-∞,0]对应的斜率为0。
S136,根据各光谱对应的光谱反射率,得到各光谱的反射率均值和对应各光谱指定波段的光谱反射率均值,并根据各光谱的反射率均值和对应各光谱指定波段的光谱反射率均值,得到第二指定波段均值差值。
在本实施例中,根据各光谱的反射率均值和对应各光谱指定波段的光谱反射率均值,得到第二指定波段均值差值,包括:根据各光谱的反射率均值和对应各光谱指定波段的光谱反射率均值,得到初始第二指定波段均值差值;基于第五预设数值确定标准,并根据第二指定波段均值差值所处差值范围,确定对应第二指定波段均值差值,第五预设数值确定标准包括多个差值范围及各差值范围对应的第二指定波段均值差值。
需要说明的是,初始第二指定波段均值差值表示为:
其中,表示初始第二指定波段均值差值,表示单个光谱数据的反射率均值,对应光谱数据指定波段的光谱反射率均值。
另外,第二指定波段均值差值表示为:
需要补充的是,本实施例中,第五预设数值包括[1, +∞)、[0.5,1)、[0,0.5)和(-∞,0]四个差值范围,以及[1, +∞)对应的第二指定波段均值差值为0,[0.5,1) 对应的第二指定波段均值差值为0.5,[0,0.5)对应的第二指定波段均值差值为1.0,(-∞,0]对应的第二指定波段均值差值为0。
S137,根据均值、值域、均方差、斜率和第二指定波段均值差值,并结合第二预设评分标准,得到参量化指标评分。
具体而言,根据均值、值域、均方差、斜率和第二指定波段均值差值,并结合第二预设评分标准,得到参量化指标评分,包括:根据均值、值域、均方差、斜率和第二指定波段均值差值,得到参量化指标;根据参量化指标,结合第二预设评分标准,得到参量化指标评分。
需要说明的是,参量化指标表示为:
其中,表示参量化指标,表示均值,表示值域,表示均方差,表示斜率,表示第二指定波段均值差值。
另外,第二预设评分标准可以根据实际光谱的采集地点以及实际采集的光谱数据设置,此处不作进一步地限定。由于单条光谱的参量化指标值越远离0,数据质量越好,因此第二预设评分标准可以参考如下设置:当参量化指标取值在[3.0,+∞)范围内时,对应分值为30;当参量化指标取值在[2.5,3.0)范围内时,对应分值为27;当参量化指标取值在[2.0,2.5)范围内时,对应分值为24;当参量化指标取值在[1.5,2.0)范围内时,对应分值为21;当参量化指标取值在[1.0,1.5)范围内时,对应分值为18;当参量化指标取值在[0. 5,1.0)范围内时,对应分值为15;当参量化指标取值在[0,0.5)范围内时,对应分值为10。
步骤S14,根据光谱数据,对比不同时刻、不同设备的光谱数据,得到稳定性指标评分。
在本实施例中,继续参考图2,根据光谱数据,对比不同时刻、不同设备的光谱数据,得到稳定性指标评分,包括:
Sb1,根据光谱数据,得到相邻时刻光谱的均方差、相邻日期同一时刻光谱的均方差、预设数量平均光谱均方差、不同设备光谱均方差和指定光谱均方差值;
Sb2,根据相邻时刻光谱的均方差、相邻日期同一时刻光谱的均方差、预设数量平均光谱均方差、不同设备光谱均方差和指定光谱均方差值,并结合第三预设评分标准,得到稳定性指标评分。
具体而言,根据光谱数据,得到相邻时刻光谱的均方差、相邻日期同一时刻光谱的均方差、预设数量平均光谱均方差、不同设备光谱均方差和指定光谱均方差值,包括:
Sb11,根据光谱数据,获取相邻时刻光谱的均方差。需要说明的是,相邻时刻光谱的均方差表示为:
其中,表示相邻时刻光谱的均方差,表示当前光谱的光谱反射率,表示当前光谱的前一时刻光谱的光谱反射率,n表示当前光谱的波段数。
Sb12,根据光谱数据,获取相邻日期同一时刻光谱的均方差。需要补充的是,相邻日期同一时刻光谱的均方差表示为:
其中,表示相邻日期同一时刻光谱的均方差,表示当前光谱的光谱反射率,表示当前光谱前一天同一时刻光谱的光谱反射率,n表示当前光谱的波段数。
Sb13,根据光谱数据,获取当前光谱的光谱反射率以及当前光谱在先时刻预设数量的平均光谱,并根据当前光谱的光谱反射率以及当前光谱在先时刻预设数量的平均光谱反射率,得到预设数量平均光谱均方差。
需要说明的是,预设数量平均光谱均方差表示为:
其中,表示预设数量平均光谱均方差,表示当前光谱的光谱反射率,表示当前光谱在先时刻预设数量的平均光谱反射率,n表示当前光谱的波段数。预设数量可以根据实际测试需求设置,比如预设数量为10。
Sb14,根据光谱数据,获取相同型号不同设备在同一位置采集的光谱数据,得到不同设备光谱均方差。需要说明的是,不同设备光谱均方差表示为:
其中,表示不同设备光谱均方差,表示当前光谱的光谱反射率,表示当前光谱对应的相同型号不同设备采集光谱的光谱反射率,n表示当前光谱的波段数。
Sb15,根据光谱数据,得到各光谱的波段数以及各光谱对应的光谱反射率,并结合预先指定的光谱,得到指定光谱均方差值。需要说明的是,指定光谱均方差值表示为:
其中,表示指定光谱均方差值,表示当前光谱的光谱反射率,表示预先指定光谱的光谱反射率,n表示当前光谱的波段数。
另外,根据相邻时刻光谱的均方差、相邻日期同一时刻光谱的均方差、预设数量平均光谱均方差、不同设备光谱均方差和指定光谱均方差值,并结合第三预设评分标准,得到稳定性指标评分,包括:包括:根据相邻时刻光谱数据的均方差、相邻日期同一时刻光谱数据的均方差、预设数量平均光谱均方差、不同设备光谱均方差和指定光谱均方差值,得到稳定性指标;根据稳定性指标,结合第三预设评分标准,得到稳定性指标评分。
需要说明的是,稳定性指标表示为:
其中,表示稳定性指标,表示相邻时刻光谱数据的均方差,表示相邻日期同一时刻光谱数据的均方差,表示预设数量平均光谱均方差,表示不同设备光谱均方差,表示指定光谱均方差值。
另外,第三预设评分标准可以根据实际光谱的采集地点以及实际采集的光谱数据设置,此处不作进一步地限定。由于光谱数据与相邻光谱稳定性指标越接近0,数据质量越好,因此第三预设评分标准可以参考如下设置:当稳定性指标取值在[0,0.01)范围内时,对应分值为7;当稳定性指标取值在[0.01,0.05)范围内时,对应分值为6;当稳定性指标取值在[0.05,0.1)范围内时,对应分值为5;当稳定性指标取值在[0.1,0.3)范围内时,对应分值为4;当稳定性指标取值在[0.3,1.0)范围内时,对应分值为3;当稳定性指标取值在[1.0,2.0)范围内时,对应分值为2;当稳定性指标取值在[2.0,+∞)范围内时,对应分值为1。
步骤S15,利用相似性指标评分、参量化指标评分和稳定性指标评分,进行综合评价,得到光谱质量评价结果。
在本实施例中,光谱质量评价结果表示为:
其中,表示光谱质量评价结果,表示相似性指标评分,表示参量化指标评分,表示稳定性指标评分。
在一个可选实施例中,参考图3示出了与基准光谱相似性指标和单条光谱的参量化指标的实例数据示意图,其中,实例数据 X为点光谱仪获取的光谱数据,数据 B为基准光谱数据,相应地:
1)得到与基准光谱相似性指标评分
拟合度值 x 11=0.9749;
光谱角值 x 12=0.9937;
极高值差距 x 13=0.0263;
极低值差距 x 14=0.0150;
第一指定波段均值差值 x 15=0.0228。
经量化,得到与基准光谱相似性指标值评分 y 1=6+6+7+7+7=33。
2)得到单条光谱的参量化指标评分
均值=0.1462,即 x 21=0.5;
值域=0.1567,即 x 21=0.5;
均方差=0.0462,即 x 21=1.0;
斜率=0.0039,即 x 21=0.5;
第二指定波段均值差值=0.0228,即 x 21=1.0。
求和,单条光谱的参量化指标初步计算结果为3.5,经量化,隶属于3.0~+∞区间,单条光谱的参量化指标评分 y 2=30。
在一个可选实施例中,图4示出了与相邻光谱稳定性指标的实例数据示意图,其中,实例数据 X为点光谱仪获取的光谱数据,相应地:
3)计算与相邻光谱稳定性指标
相邻时刻光谱的均方差 x 31=0.0215;
相邻日期同一时刻光谱的均方差 x 32=0.0265;
预设数量平均光谱均方差 x 33=0.0208;
同地点同型号同时刻不同设备光谱均方差 x 34=0.0260;
指定光谱均方差值 x 35=0.0337。
经量化,得到与基准光谱稳定性指标评分 y 3=6+6+6+6+6=30。
4)综合评价
至此,点光谱仪获取的光谱X光谱质量评价结果为33+30+30=93分。
综上所述,本发明实施例通过从点光谱仪的与基准光谱相似性、单条光谱的参量化和与相邻光谱稳定性指标三方面,客观公正地评价了单条光谱数据的质量,最后能够得出一个百分制的光谱质量得分,解决了长期困扰的光谱质量打分问题,实现了点光谱仪高光谱数据质量评价的准确评价,且提高对异常数据的发现能力,能够达到“实时评价”的应用目标,实现点光谱仪的智能化应用。
下面对本发明提供的基于点光谱仪的光谱数据质量评价装置进行描述,下文描述的基于点光谱仪的光谱数据质量评价装置与上文描述的基于点光谱仪的光谱数据质量评价方法可相互对应参照。
图5示出了一种基于点光谱仪的光谱数据质量评价装置的结构示意图,该装置,包括:
数据获取模块51,获取光谱数据;
第一数据处理模块52,对比光谱数据和预先获取的基准光谱,得到相似性指标评分;
第二数据处理模块53,对光谱数据进行评价,得到参量化指标评分;
第三数据处理模块54,根据光谱数据,对比不同时刻、不同设备的光谱数据,得到稳定性指标评分;
综合评价模块55,利用相似性指标评分、参量化指标评分和稳定性指标评分,进行综合评价,得到光谱质量评价结果。
在本实施例中,第一数据处理模块52,包括:第一数据获取单元,根据光谱数据,得到各光谱的波段数以及各光谱对应的光谱反射率;第一参数获取单元,根据各光谱的波段数、各光谱对应的光谱反射率以及预先获取的基准光谱的基准光谱反射率,得到拟合度、光谱角、极高值差距、极低值差距和第一指定波段均值差值;相似性指标评分单元,根据拟合度、光谱角、极高值差距、极低值差距和第一指定波段均值差值,并结合第一预设评分标准,得到相似性指标评分。
更进一步地说,第一参数获取单元,包括:拟合度获取子单元,根据各光谱的波段数、各光谱对应的光谱反射率以及预先获取的基准光谱的基准光谱反射率,得到拟合度;光谱角获取子单元,根据光谱对应的光谱反射率以及预先获取的基准光谱的基准光谱反射率,得到光谱角;极高值差距获取子单元,根据光谱对应的光谱反射率以及预先获取的基准光谱的基准光谱反射率,获取光谱反射率最大值和基准光谱反射率最大值,并根据光谱反射率最大值和基准光谱反射率最大值,得到极高值差距;极低值差距获取子单元,根据光谱对应的光谱反射率以及预先获取的基准光谱的基准光谱反射率,获取光谱反射率最小值和基准光谱反射率最小值,并根据光谱反射率最小值和基准光谱反射率最小值,得到极低值差距;第一指定波段均值差值获取子单元,根据光谱对应的光谱反射率以及预先获取的基准光谱的基准光谱反射率,获取指定波段的光谱反射率均值和基准光谱反射率均值,并根据光谱反射率均值和基准光谱反射率均值,得到第一指定波段均值差值。
此外,相似性指标评分单元,包括:相似性指标获取子单元,根据拟合度、光谱角、极高值差距、极低值差距和第一指定波段均值差值,得到相似性指标;相似性指标评分子单元,根据相似性指标,结合第一预设评分标准,得到相似性指标评分。
第二数据处理模块53,包括:第二数据获取单元,根据所述光谱数据,得到各光谱的波段数以及各所述光谱对应的光谱反射率;均值获取单元,根据各光谱的波段数以及各光谱对应的光谱反射率,得到均值;值域获取单元,根据各光谱对应的光谱反射率,获取光谱反射率最大值和光谱反射率最小值,并根据光谱反射率最大值和光谱反射率最小值,得到值域;均方差获取单元,根据各光谱对应的光谱反射率,获取反射率均值,并根据反射率均值、各光谱的波段数和各光谱对应的光谱反射率,得到均方差;斜率获取单元,根据各光谱对应的光谱反射率,获取各光谱对应的起始点波段号、终止点波段号、起始点反射率和终止点反射率,并根据起始点波段号、终止点波段号、起始点反射率和终止点反射率,得到斜率;第二指定波段均值差值获取单元,根据各光谱对应的光谱反射率,得到各光谱的反射率均值和对应各光谱指定波段的光谱反射率均值,并根据各光谱的反射率均值和对应各光谱指定波段的光谱反射率均值,得到第二指定波段均值差值;参量化指标评分单元,根据均值、值域、均方差、斜率和第二指定波段均值差值,并结合第二预设评分标准,得到参量化指标评分。
具体而言,均值获取单元,包括:初始均值获取子单元,根据各光谱的波段数以及各光谱对应的光谱反射率,得到初始均值;均值获取子单元,基于第一预设数值确定标准,并根据初始均值所处均值范围,确定对应均值,第一预设数值确定标准包括多个均值范围及各均值范围对应的均值。
值域获取单元,包括:初始值域获取子单元,根据各光谱反射率最大值和光谱反射率最小值,得到初始值域;值域获取子单元,基于第二预设数值确定标准,并根据初始值域所处值域范围,确定对应值域,第二预设数值确定标准包括多个值域范围及各值域范围对应的值域。
均方差获取单元,包括:初始均方差获取子单元,根据各光谱对应的光谱反射率,获取反射率均值,并根据反射率均值、各光谱的波段数和各光谱对应的光谱反射率,得到初始均方差;均方差获取子单元,基于第三预设数值确定标准,并根据初始均方差所处均方差范围,确定对应均方差,第三预设数值确定标准包括多个均方差范围及各均方差范围对应的均方差。
斜率获取单元,包括:初始斜率获取子单元,根据起始点波段号和终止点波段号,得到波段号差值;根据起始点反射率和终止点反射率,得到反射率差值;根据波段号差值和反射率差值,得到初始斜率;斜率获取子单元,基于第四预设数值确定标准,并根据初始斜率所处斜率范围,确定对应斜率,第四预设数值确定标准包括多个斜率范围及各斜率范围对应的斜率。
第二指定波段均值差值获取单元,包括:初始第二指定波段均值差值获取子单元,根据各光谱的反射率均值和对应各光谱指定波段的光谱反射率均值,得到初始第二指定波段均值差值;第二指定波段均值差值获取子单元基于第五预设数值确定标准,并根据第二指定波段均值差值所处差值范围,确定对应第二指定波段均值差值,第五预设数值确定标准包括多个差值范围及各差值范围对应的第二指定波段均值差值。
参量化指标评分单元,包括:参量化指标获取子单元,根据均值、值域、均方差、斜率和第二指定波段均值差值,得到参量化指标;参量化指标评分子单元,根据参量化指标,结合第二预设评分标准,得到参量化指标评分。
第三数据处理模块54,包括:第二参数获取单元,根据光谱数据,得到相邻时刻光谱的均方差、相邻日期同一时刻光谱的均方差、预设数量平均光谱均方差、不同设备光谱均方差和指定光谱均方差值;稳定性指标评分单元,根据相邻时刻光谱的均方差、相邻日期同一时刻光谱的均方差、预设数量平均光谱均方差、不同设备光谱均方差和指定光谱均方差值,并结合第三预设评分标准,得到稳定性指标评分。
具体而言,稳定性指标评分单元,包括:稳定性指标获取子单元,根据相邻时刻光谱数据的均方差、相邻日期同一时刻光谱数据的均方差、预设数量平均光谱均方差、不同设备光谱均方差和指定光谱均方差值,得到稳定性指标;稳定性指标评分子单元,根据稳定性指标,结合第三预设评分标准,得到稳定性指标评分。
综上所述,本发明实施例通过从点光谱仪的与基准光谱相似性、单条光谱的参量化和与相邻光谱稳定性指标三方面,客观公正地评价了单条光谱数据的质量,最后能够得出一个百分制的光谱质量得分,解决了长期困扰的光谱质量打分问题,实现了点光谱仪高光谱数据质量评价的准确评价,且提高对异常数据的发现能力,能够达到“实时评价”的应用目标,实现点光谱仪的智能化应用。
图6示例了一种电子设备的实体结构示意图,如图6所示,该电子设备可以包括:处理器(processor)61、通信接口(Communications Interface)62、存储器(memory)63和通信总线64,其中,处理器61,通信接口62,存储器63通过通信总线64完成相互间的通信。处理器61可以调用存储器63中的逻辑指令,以执行基于点光谱仪的光谱数据质量评价方法,该方法包括:获取光谱数据;对比光谱数据和预先获取的基准光谱,得到相似性指标评分;对光谱数据进行评价,得到参量化指标评分;根据光谱数据,对比不同时刻、不同设备的光谱数据,得到稳定性指标评分;利用相似性指标评分、参量化指标评分和稳定性指标评分,进行综合评价,得到光谱质量评价结果。
此外,上述的存储器63中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面,本发明还提供一种计算机程序产品,所述计算机程序产品包括计算机程序,计算机程序可存储在非暂态计算机可读存储介质上,所述计算机程序被处理器执行时,计算机能够执行上述各方法所提供的基于点光谱仪的光谱数据质量评价方法,该方法包括:获取光谱数据;对比光谱数据和预先获取的基准光谱,得到相似性指标评分;对光谱数据进行评价,得到参量化指标评分;根据光谱数据,对比不同时刻、不同设备的光谱数据,得到稳定性指标评分;利用相似性指标评分、参量化指标评分和稳定性指标评分,进行综合评价,得到光谱质量评价结果。
又一方面,本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各方法提供的基于点光谱仪的光谱数据质量评价方法,该方法包括:获取光谱数据;对比光谱数据和预先获取的基准光谱,得到相似性指标评分;对光谱数据进行评价,得到参量化指标评分;根据光谱数据,对比不同时刻、不同设备的光谱数据,得到稳定性指标评分;利用相似性指标评分、参量化指标评分和稳定性指标评分,进行综合评价,得到光谱质量评价结果。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (7)

1.一种基于点光谱仪的光谱数据质量评价方法,其特征在于,包括:
获取光谱数据;
对比所述光谱数据和预先获取的基准光谱,得到相似性指标评分;所述对比所述光谱数据和预先获取的基准光谱,得到相似性指标评分,包括:根据所述光谱数据,得到各光谱的波段数以及各所述光谱对应的光谱反射率;根据所述各光谱的波段数、各所述光谱对应的光谱反射率以及预先获取的基准光谱的基准光谱反射率,得到拟合度、光谱角、极高值差距、极低值差距和第一指定波段均值差值;根据所述拟合度、所述光谱角、所述极高值差距、所述极低值差距和所述第一指定波段均值差值,并结合第一预设评分标准,得到相似性指标评分;
对所述光谱数据进行评价,得到参量化指标评分;所述对所述光谱数据进行评价,得到参量化指标评分,包括:根据所述光谱数据,得到各光谱的波段数以及各所述光谱对应的光谱反射率;根据各所述光谱的波段数以及各所述光谱对应的光谱反射率,得到均值;根据各所述光谱对应的光谱反射率,获取光谱反射率最大值和光谱反射率最小值,并根据所述光谱反射率最大值和所述光谱反射率最小值,得到值域;根据各所述光谱对应的光谱反射率,获取反射率均值,并根据所述反射率均值、各所述光谱的波段数和所述各所述光谱对应的光谱反射率,得到均方差;根据各所述光谱对应的光谱反射率,获取各所述光谱对应的起始点波段号、终止点波段号、起始点反射率和终止点反射率,并根据所述起始点波段号、所述终止点波段号、所述起始点反射率和所述终止点反射率,得到斜率;根据各所述光谱对应的光谱反射率,得到各所述光谱的反射率均值和对应各所述光谱指定波段的光谱反射率均值,并根据各所述光谱的反射率均值和对应各所述光谱指定波段的光谱反射率均值,得到第二指定波段均值差值;根据所述均值、所述值域、所述均方差、所述斜率和所述第二指定波段均值差值,并结合第二预设评分标准,得到参量化指标评分;
根据所述光谱数据,对比不同时刻、不同设备的光谱数据,得到稳定性指标评分;所述根据所述光谱数据,对比不同时刻、不同设备的光谱数据,得到稳定性指标评分,包括:根据所述光谱数据,得到相邻时刻光谱的均方差、相邻日期同一时刻光谱的均方差、预设数量平均光谱均方差、不同设备光谱均方差和指定光谱均方差值;根据所述相邻时刻光谱的均方差、所述相邻日期同一时刻光谱的均方差、所述预设数量平均光谱均方差、所述不同设备光谱均方差和所述指定光谱均方差值,并结合第三预设评分标准,得到稳定性指标评分;
利用所述相似性指标评分、所述参量化指标评分和所述稳定性指标评分,进行综合评价,得到光谱质量评价结果。
2.根据权利要求1所述的基于点光谱仪的光谱数据质量评价方法,其特征在于,所述根据所述各光谱的波段数、各所述光谱对应的光谱反射率以及预先获取的基准光谱的基准光谱反射率,得到拟合度、光谱角、极高值差距、极低值差距和第一指定波段均值差值,包括:
根据各所述光谱的波段数、各所述光谱对应的光谱反射率以及预先获取的基准光谱的基准光谱反射率,得到拟合度;
根据所述光谱对应的光谱反射率以及预先获取的基准光谱的基准光谱反射率,得到光谱角;
根据所述光谱对应的光谱反射率以及预先获取的基准光谱的基准光谱反射率,获取光谱反射率最大值和基准光谱反射率最大值,并根据所述光谱反射率最大值和所述基准光谱反射率最大值,得到极高值差距;
根据所述光谱对应的光谱反射率以及预先获取的基准光谱的基准光谱反射率,获取光谱反射率最小值和基准光谱反射率最小值,并根据所述光谱反射率最小值和所述基准光谱反射率最小值,得到极低值差距;
根据所述光谱对应的光谱反射率以及预先获取的基准光谱的基准光谱反射率,获取指定波段的光谱反射率均值和基准光谱反射率均值,并根据所述光谱反射率均值和所述基准光谱反射率均值,得到第一指定波段均值差值。
3.根据权利要求1所述的基于点光谱仪的光谱数据质量评价方法,其特征在于,所述根据各所述光谱的波段数以及各所述光谱对应的光谱反射率,得到均值,包括:根据各所述光谱的波段数以及各所述光谱对应的光谱反射率,得到初始均值;基于第一预设数值确定标准,并根据所述初始均值所处均值范围,确定对应均值,所述第一预设数值确定标准包括多个均值范围及各所述均值范围对应的均值;
所述根据各所述光谱反射率最大值和所述光谱反射率最小值,得到值域,包括:根据各所述光谱反射率最大值和所述光谱反射率最小值,得到初始值域;基于第二预设数值确定标准,并根据所述初始值域所处值域范围,确定对应值域,所述第二预设数值确定标准包括多个值域范围及各所述值域范围对应的值域;
所述根据各所述反射率均值、各所述光谱的波段数和各所述光谱对应的光谱反射率,得到均方差,包括:根据各所述反射率均值、所述波段数和各所述光谱对应的光谱反射率,得到初始均方差;基于第三预设数值确定标准,并根据所述初始均方差所处均方差范围,确定对应均方差,所述第三预设数值确定标准包括多个均方差范围及各所述均方差范围对应的均方差;
所述根据所述起始点波段号、所述终止点波段号、所述起始点反射率和所述终止点反射率,得到斜率,包括:根据所述起始点波段号和所述终止点波段号,得到波段号差值;根据所述起始点反射率和所述终止点反射率,得到反射率差值;根据所述波段号差值和所述反射率差值,得到初始斜率;基于第四预设数值确定标准,并根据所述初始斜率所处斜率范围,确定对应斜率,所述第四预设数值确定标准包括多个斜率范围及各所述斜率范围对应的斜率;
所述根据各所述光谱的反射率均值和对应各所述光谱指定波段的光谱反射率均值,得到第二指定波段均值差值,包括:根据各所述光谱的反射率均值和对应各所述光谱指定波段的光谱反射率均值,得到初始第二指定波段均值差值;基于第五预设数值确定标准,并根据所述第二指定波段均值差值所处差值范围,确定对应第二指定波段均值差值,所述第五预设数值确定标准包括多个差值范围及各所述差值范围对应的第二指定波段均值差值。
4.根据权利要求1所述的基于点光谱仪的光谱数据质量评价方法,其特征在于,所述根据所述光谱数据,得到相邻时刻光谱的均方差、相邻日期同一时刻光谱的均方差、预设数量平均光谱均方差、不同设备光谱均方差和指定光谱均方差值,包括:
根据所述光谱数据,获取相邻时刻光谱的均方差;
根据所述光谱数据,获取相邻日期同一时刻光谱的均方差;
根据所述光谱数据,获取当前光谱的光谱反射率以及所述当前光谱在先时刻预设数量的平均光谱,并根据所述当前光谱的光谱反射率以及所述当前光谱在先时刻预设数量的平均光谱反射率,得到预设数量平均光谱均方差;
根据所述光谱数据,获取相同型号不同设备在同一位置采集的光谱数据,得到不同设备光谱均方差;
根据所述光谱数据,得到各光谱的波段数以及各所述光谱对应的光谱反射率,并结合预先指定的光谱,得到指定光谱均方差值。
5.一种基于点光谱仪的光谱数据质量评价装置,其特征在于,包括:
数据获取模块,获取光谱数据;
第一数据处理模块,对比所述光谱数据和预先获取的基准光谱,得到相似性指标评分;所述第一数据处理模块,包括:第一数据获取单元,根据所述光谱数据,得到各光谱的波段数以及各所述光谱对应的光谱反射率;第一参数获取单元,根据所述各光谱的波段数、各所述光谱对应的光谱反射率以及预先获取的基准光谱的基准光谱反射率,得到拟合度、光谱角、极高值差距、极低值差距和第一指定波段均值差值;相似性指标评分单元,根据所述拟合度、所述光谱角、所述极高值差距、所述极低值差距和所述第一指定波段均值差值,并结合第一预设评分标准,得到相似性指标评分;
第二数据处理模块,对所述光谱数据进行评价,得到参量化指标评分;所述第二数据处理模块,包括:第二数据获取单元,根据所述光谱数据,得到各光谱的波段数以及各所述光谱对应的光谱反射率;均值获取单元,根据各所述光谱的波段数以及各所述光谱对应的光谱反射率,得到均值;值域获取单元,根据各所述光谱对应的光谱反射率,获取光谱反射率最大值和光谱反射率最小值,并根据所述光谱反射率最大值和所述光谱反射率最小值,得到值域;均方差获取单元,根据各所述光谱对应的光谱反射率,获取反射率均值,并根据所述反射率均值、各所述光谱的波段数和所述各所述光谱对应的光谱反射率,得到均方差;斜率获取单元,根据各所述光谱对应的光谱反射率,获取各所述光谱对应的起始点波段号、终止点波段号、起始点反射率和终止点反射率,并根据所述起始点波段号、所述终止点波段号、所述起始点反射率和所述终止点反射率,得到斜率;第二指定波段均值差值获取单元,根据各所述光谱对应的光谱反射率,得到各所述光谱的反射率均值和对应各所述光谱指定波段的光谱反射率均值,并根据各所述光谱的反射率均值和对应各所述光谱指定波段的光谱反射率均值,得到第二指定波段均值差值;参量化指标评分单元,根据所述均值、所述值域、所述均方差、所述斜率和所述第二指定波段均值差值,并结合第二预设评分标准,得到参量化指标评分;
第三数据处理模块,根据所述光谱数据,对比不同时刻、不同设备的光谱数据,得到稳定性指标评分;所述第三数据处理模块,包括:第二参数获取单元,根据所述光谱数据,得到相邻时刻光谱的均方差、相邻日期同一时刻光谱的均方差、预设数量平均光谱均方差、不同设备光谱均方差和指定光谱均方差值;稳定性指标评分单元,根据所述相邻时刻光谱的均方差、所述相邻日期同一时刻光谱的均方差、所述预设数量平均光谱均方差、所述不同设备光谱均方差和所述指定光谱均方差值,并结合第三预设评分标准,得到稳定性指标评分;
综合评价模块,利用所述相似性指标评分、所述参量化指标评分和所述稳定性指标评分,进行综合评价,得到光谱质量评价结果。
6.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至4任一项所述基于点光谱仪的光谱数据质量评价方法的步骤。
7.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至4任一项所述基于点光谱仪的光谱数据质量评价方法的步骤。
CN202310024080.3A 2023-01-09 2023-01-09 基于点光谱仪的光谱数据质量评价方法及装置 Active CN115759884B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310024080.3A CN115759884B (zh) 2023-01-09 2023-01-09 基于点光谱仪的光谱数据质量评价方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310024080.3A CN115759884B (zh) 2023-01-09 2023-01-09 基于点光谱仪的光谱数据质量评价方法及装置

Publications (2)

Publication Number Publication Date
CN115759884A CN115759884A (zh) 2023-03-07
CN115759884B true CN115759884B (zh) 2023-05-02

Family

ID=85348357

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310024080.3A Active CN115759884B (zh) 2023-01-09 2023-01-09 基于点光谱仪的光谱数据质量评价方法及装置

Country Status (1)

Country Link
CN (1) CN115759884B (zh)

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6763136B1 (en) * 2000-09-19 2004-07-13 Bae Systems Mission Solutions, Inc. Method and apparatus for determining spectral similarity
JP2005037248A (ja) * 2003-07-15 2005-02-10 Yokogawa Electric Corp 分光分析器の動作異常判定方法およびその装置
CN102163264B (zh) * 2011-05-11 2014-08-06 北京航空航天大学 一种高光谱数据质量与应用能力的评价方法
CN106018331B (zh) * 2016-07-13 2018-08-28 广州讯动网络科技有限公司 多通道光谱系统的稳定性评价方法及预处理优化方法
CN112989621B (zh) * 2021-03-31 2023-06-23 建信金融科技有限责任公司 一种模型性能评价方法、装置、设备及存储介质
CN114329312A (zh) * 2021-12-31 2022-04-12 中国电子信息产业集团有限公司第六研究所 网络资产数据评价方法、装置、电子设备及存储介质
CN114820351A (zh) * 2022-04-07 2022-07-29 中国科学院空天信息创新研究院 高光谱噪声滤波方法、装置、设备和存储介质

Also Published As

Publication number Publication date
CN115759884A (zh) 2023-03-07

Similar Documents

Publication Publication Date Title
Reyes et al. Calibrated Tully–Fisher relations for improved estimates of disc rotation velocities
Mentuch et al. Lithium depletion of nearby young stellar associations
CN111968080A (zh) 一种基于高光谱和深度学习的肥城桃内外品质检测方法
CN104990895B (zh) 一种基于局部区域的近红外光谱信号标准正态校正方法
CN113435252B (zh) 一种基于遥感的烟草病虫害监测预警方法和系统
CN111307751A (zh) 茶叶近红外光谱分析中谱图基线校正方法、系统、检测方法
CN112131746A (zh) 叶绿素a浓度反演方法及系统
CN116150678B (zh) 一种基于色度坐标的黄玉颜色分类分级方法及装置
CN105784672A (zh) 一种基于双树复小波算法的毒品检测仪标准化方法
CN115236045A (zh) 一种利用荧光光谱法测定水中化学需氧量的方法、装置及存储介质
US20150227863A1 (en) Analytical system with iterative method of analyzing data in web-based data processor with results display designed for non-experts
CN115759884B (zh) 基于点光谱仪的光谱数据质量评价方法及装置
EP2042095A1 (en) Methods and apparatus for quantifying photo-damage
Zibordi et al. Automated quality control of AERONET-OC LWN data
Barker et al. Variations in star formation history and the red giant branch tip
CN109946246A (zh) 一种苹果可溶性固形物的检测方法及装置
CN116026770B (zh) 白玉-青玉颜色分类分级的测定方法、评定方法及装置
CN116026780A (zh) 基于串联策略波长选择的包衣吸湿率在线检测方法及系统
CN107356536B (zh) 葡萄酒品质检测方法、服务器及光谱测量设备
CN111579526B (zh) 一种表征近红外仪器差异和校正的方法
CN109596545A (zh) 全光谱水质监测设备质控方法
CN114998732A (zh) 一种植物病害严重度评估方法及装置
CN113884444A (zh) 模型建立方法、预测spad值的方法、装置及电子设备
CN111474124A (zh) 一种基于补偿的光谱波长选择方法
Liu et al. An optical multicolor system for measuring galaxy redshifts and spectral types

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