CN118051862A - 一种建筑涂料的检测方法及系统 - Google Patents
一种建筑涂料的检测方法及系统 Download PDFInfo
- Publication number
- CN118051862A CN118051862A CN202410451376.8A CN202410451376A CN118051862A CN 118051862 A CN118051862 A CN 118051862A CN 202410451376 A CN202410451376 A CN 202410451376A CN 118051862 A CN118051862 A CN 118051862A
- Authority
- CN
- China
- Prior art keywords
- substance
- sample
- characteristic
- samples
- band
- 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
- 239000003973 paint Substances 0.000 title claims abstract description 37
- 238000001514 detection method Methods 0.000 title abstract description 27
- 239000000126 substance Substances 0.000 claims abstract description 268
- 238000010521 absorption reaction Methods 0.000 claims abstract description 75
- 238000001228 spectrum Methods 0.000 claims abstract description 46
- 230000002159 abnormal effect Effects 0.000 claims abstract description 25
- 238000000576 coating method Methods 0.000 claims abstract description 21
- 239000011248 coating agent Substances 0.000 claims abstract description 17
- 238000000034 method Methods 0.000 claims description 57
- 230000003595 spectral effect Effects 0.000 claims description 17
- 230000005856 abnormality Effects 0.000 claims description 11
- 238000002835 absorbance Methods 0.000 claims description 9
- 230000006870 function Effects 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 abstract description 2
- 238000004364 calculation method Methods 0.000 abstract 1
- 239000000463 material Substances 0.000 abstract 1
- 230000007613 environmental effect Effects 0.000 description 7
- 238000005259 measurement Methods 0.000 description 7
- 230000008859 change Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 3
- 239000012855 volatile organic compound Substances 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000002957 persistent organic pollutant Substances 0.000 description 2
- 238000000862 absorption spectrum Methods 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 229910001385 heavy metal Inorganic materials 0.000 description 1
- 230000031700 light absorption Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000002834 transmittance Methods 0.000 description 1
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明涉及光谱数据处理技术领域，具体涉及一种建筑涂料的检测方法及系统，包括：获取建筑涂料的样本中不同物质的含量和样本的光谱数据，得到任意一种物质的中心波段和任意一种物质的特征波段区间，根据任意一种物质的中心波段得到任意一个样本的峰值漂移影响参数，根据样本的峰值漂移影响参数、任意一种物质的特征波段区间，得到特征波段区间中吸收率的相似程度，并对相似程度进行置信度计算，得到任意两个样本之间的距离，利用LOF算法进行异常样本检测。本发明利用光谱仪获取各涂料样本对应的光谱数据，通过LOF异常检测算法，进行光谱数据的异常检测，进而反映真实物质含量的异常情况，得到更加准确的检测结果。
Description
技术领域
本发明涉及光谱数据处理技术领域，具体涉及一种建筑涂料的检测方法及系统。
背景技术
绿色建筑的节能环保检测方法在建筑行业中起到示范作用，有助于建筑行业向更可持续、环保、节能的方向转型，为了减少太阳能的吸收，降低建筑物的热负荷和冷却负荷，建筑表面通常会选取具有高反射率或高透射率的涂料以改善室内热舒适度，但部分表面涂层可能会释放挥发性有机化合物等物质，其中部分化合物可能对人体健康有害。故需针对建筑表面涂料进行检测，判断其成分是否符合环保标准，以保证绿色建筑对环境的保护和可持续性。
在表面涂料使用之前，利用光谱仪对各涂料样本进行分析，通过对光谱数据进行检测，以判断对应样本涂料的各物质含量是否符合标准。在对光谱数据进行异常检测的过程中，可以使用LOF异常检测的方法分别对不同物质含量的光谱数据进行检测，但在计算利群因子的过程中，各光谱数据之间的距离度量会受到检测环境、不同物质重叠峰等多方面的影响。
发明内容
为解决上述问题，本发明提供一种建筑涂料的检测方法及系统。
本发明的一种建筑涂料的检测方法及系统采用如下技术方案：
本发明一个实施例提供了一种建筑涂料的检测方法，该方法包括以下步骤：
获取建筑涂料的样本，获取样本中不同物质的含量和样本的光谱数据，所述光谱数据中包含若干波段和波段对应的吸收率；
根据物质含量和样本的光谱数据得到任意一种物质的中心波段和任意一种物质的特征波段区间；
根据任意一种物质的中心波段得到任意一个样本的峰值漂移影响参数，根据样本的峰值漂移影响参数、任意一种物质的特征波段区间，得到任意两个样本在任意一种物质的特征波段区间中吸收率的相似程度；
将任意两个样本记为第i个样本与第j个样本，将第i个样本与第j个样本在第z种物质的特征波段区间中所有波段的吸收率均值最大的样本作为第一样本，将吸收率均值最小的样本记为第二样本；
根据任意一种物质的特征波段区间，得到第一样本内的任意一种物质在特征波段区间的左右邻域范围以及第二样本内的任意一种物质在特征波段区间的左右邻域范围，根据第一样本的任意一种物质的特征波段区间的左右邻域范围以及第二样本的任意一种物质的特征波段区间的左右邻域范围中波段的吸收率，得到任意两个样本在任意一种物质的特征波段区间中吸收率的相似置信度；
根据任意两个样本在任意一种物质的特征波段区间中吸收率的相似置信度、任意两个样本在任意一种物质的特征波段区间中吸收率的相似程度，得到任意两个样本之间的距离；
根据任意两个样本之间的距离和LOF算法判断其它样本中物质的特征是否异常，并将异常样本所属的建筑涂料进行排除。
进一步地，所述根据物质含量和样本的光谱数据得到任意一种物质的中心波段和任意一种物质的特征波段区间，包括的具体步骤如下：
将任意一种物质记为第z种物质，获取M个样本中第z种物质的含量，得到第z种物质的含量序列，M为预设数值，获取M个样本的光谱数据，根据M个样本的光谱数据得到任意一个波段的在M个样本的光谱数据中所有吸收率，将所有吸收率构成的序列记为任意一个波段的吸收率序列，获取任意一个波段的吸收序列和第z种物质的含量序列之间的皮尔逊相关系数，将皮尔逊相关系数最大值对应的波段作为第z种物质的中心波段，记为；
以为起始波段分别沿左右两侧进行延伸，直至延伸波段的吸收序列和第z种物质的含量序列之间的皮尔逊相关系数小于TX×PM，得到第z种物质的特征波段区间；PM表示所述皮尔逊相关系数最大值，TX为预设倍数阈值。
进一步地，所述根据任意一种物质的中心波段得到任意一个样本的峰值漂移影响参数，包括的具体步骤如下：
将第i个样本记为，在/>的光谱数据中以/>为中心，/>为邻域半径，获取邻域半径范围内所有的波段，/>为第z种物质的中心波段，/>为预设半径阈值，将邻域半径范围内每一个的波段替换第z种物质的中心波段，并获取替换后中心波段的吸收率序列，获取替换后中心波段的吸收率序列和第z种物质的含量序列之间的皮尔逊相关系数，将皮尔逊相关系数最大时对应的替换波段记为第一波段，将第z种物质的中心波段与第一波段的差值记为第i个样本的峰值漂移影响参数。
进一步地，所述根据样本的峰值漂移影响参数、任意一种物质的特征波段区间，得到任意两个样本在任意一种物质的特征波段区间中吸收率的相似程度，包括的具体步骤如下：
式中，为第z种物质的特征波段区间中包含的波段总个数，/>的具体获取方法如下：将/>与/>的比值作为/>，/>为第z种物质的特征波段区间中第/>个波段，其中/>为第i个样本的峰值漂移影响参数，/>为第j个样本的峰值漂移影响参数，/>为预设分数阈值，/>为第i个样本中第z种物质的特征波段区间中第/>个波段的吸收率，/>为第j个样本中第z种物质的特征波段区间中第/>个波段的吸收率，/>为自然常数为底的指数函数，/>为第i个样本与第j个样本在第z种物质的特征波段区间中吸收率的相似程度。
进一步地，所述根据任意一种物质的特征波段区间，得到第一样本内的任意一种物质在特征波段区间的左右邻域范围以及第二样本内的任意一种物质在特征波段区间的左右邻域范围，包括的具体步骤如下：
对于任意一个样本的任意一种物质特征波段区间，将第z种物质的特征波段区间分别沿左右两侧延伸TH2个波段，得到第z种物质的特征波段区间的左右邻域范围，TH2为预设邻域阈值，获取第一样本的第z种物质的特征波段区间的左右邻域范围，获取第二样本的第z种物质的特征波段区间的左右邻域范围。
进一步地，所述根据第一样本的任意一种物质的特征波段区间的左右邻域范围以及第二样本的任意一种物质的特征波段区间的左右邻域范围中波段的吸收率，得到任意两个样本在任意一种物质的特征波段区间中吸收率的相似置信度，包括的具体步骤如下：
对于第z种物质的特征波段区间的左侧邻域范围，获取第z种物质的特征波段区间中吸收率的第一相似置信度P1；
对于第z种物质的特征波段区间的右侧邻域范围，获取第z种物质的特征波段区间中吸收率的第一相似置信度P2；
将第i个样本与第j个样本在第z种物质的特征波段区间中吸收率的第一相似置信度P1和第一相似置信度P2相加求和，得到第i个样本与第j个样本在第z种物质的特征波段区间中吸收率的相似置信度。
进一步地，所述获取第z种物质的特征波段区间中吸收率的第一相似置信度P1的具体获取方法如下：
对于第z种物质的特征波段区间的左侧邻域范围，式中，为第一样本的第z种物质的特征波段区间的左侧邻域范围内第k个波段的吸收率，/>为第二样本的第z种物质的特征波段区间的左侧邻域范围内第k个波段的吸收率，/>为第z种物质的特征波段区间的左侧邻域范围内包含的波段总个数，/>的具体获取方法如下：，其中/>为第一样本的第z种物质的特征波段区间的左侧邻域范围内第k+1个波段的吸收率，/>的具体获取方法如下：，其中/>为第二样本的第z种物质的特征波段区间的左侧邻域范围内第k+1个波段的吸收率，/>的具体获取方法如下：
其中，为方向系数，当/>在左侧邻域范围内时，/>的取值为-1，当/>在右侧邻域范围内时，/>的取值为1，/>为取绝对值，/>为自然常数为底的指数函数，的具体获取方法与/>的获取方法相同；
为第i个样本/>与第j个样本/>在第z种物质的特征波段区间中吸收率的第一相似置信度P1。
进一步地，根据任意两个样本在任意一种物质的特征波段区间中吸收率的相似置信度、任意两个样本在任意一种物质的特征波段区间中吸收率的相似程度，得到任意两个样本之间的距离，包括的具体步骤如下：
式中，将第i个样本记为，第j个样本记为/>，/>为第i个样本与第j个样本在第z种物质的特征波段区间中吸收率的相似置信度，/>为第i个样本与第j个样本在第z种物质的特征波段区间中吸收率的相似程度，/>为样本中包含的物质种类总个数，为线性归一化函数，/>为第i个样本与第j个样本之间的距离。
进一步地，所述根据任意两个样本之间的距离和LOF算法判断其它样本中物质的特征是否异常，并将异常样本所属的建筑涂料进行排除，包括的具体步骤如下：
将所有样本之间的距离输入到LOF算法获取每一个样本的局部可达密度，并利用LOF算法获取到每一个样本的局部异常因子，预设因子阈值，记为THU，将每一个样本的局部异常因子与预设因子阈值进行比较，当局部异常因子大于THU时，则局部异常因子大于THU对应的样本为异常样本，将所有异常样本所属的建筑涂料进行排除。
本发明还提出了一种建筑涂料的检测系统，包括存储器和处理器，所述处理器执行所述存储器存储的计算机程序，以实现前述所述方法的步骤。
本发明的技术方案的有益效果是：本发明利用所获取的各样本的光谱数据及其对应真实物质含量的一致性，根据物质含量和样本的光谱数据得到任意一种物质的中心波段和任意一种物质的特征波段区间，由特征波段区间内的吸收率差异，度量两样本的物质含量的差异，根据第一样本的任意一种物质的特征波段区间的左右邻域范围以及第二样本的任意一种物质的特征波段区间的左右邻域范围中波段的吸收率，得到任意两个样本在任意一种物质的特征波段区间中吸收率的相似置信度，对描述物质含量差异的相似程度进行了修正，在传统的LOF算法的基础上得到两样本之间差异的距离度量，提高了LOF算法在进行异常检测时的准确性，有助于及时发现涂料物质含量异常的情况，进而提升绿色建筑涂料对环境的保护作用。
附图说明
为了更清楚地说明本发明实施例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简单地介绍，显而易见地，下面描述中的附图仅仅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为本发明一个实施例所提供的一种建筑涂料的检测方法的步骤流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种建筑涂料的检测方法及系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一个或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种建筑涂料的检测方法的具体方案。
请参阅图1，其示出了本发明一个实施例提供的一种建筑涂料的检测方法的步骤流程图，该方法包括以下步骤：
步骤S001、获取建筑涂料的样本，获取样本中不同物质的含量和样本的光谱数据。
需要说明的是，本实施例的目的是，利用各样本光谱数据之间不同物质对应含量的差异，对各样本光谱对应特征波段的距离度量进行量化，使得可以利用LOF算法进行异常检测，以判断各涂料样本的物质含量是否异常，首先需要采集数据并进行预处理。
具体的，将任意一个生产批次的部分建筑涂料作为一个样本，获取M个样本，M为预设数值。需要说明的是，本实施例以M=100进行叙述，M个样本对应的建筑涂料来源都不相同，即没有同一个生产批次的。对于任意一个样本，利用化学方法测量样本中不同物质的含量，样本中不同物质包括：挥发性有机化合物（VOCs）、重金属、持久性有机污染物（POPs）。
利用光谱仪对任意一个样本进行光谱分析，得到样本的光谱数据，需要说明的是，光谱数据横轴的长度可以将所有物质的特征波段区间都可以包括进去即横轴定义域足够长，光谱数据中横轴为不同取值的波段，一个波段对应一个固定的波长取值，光谱数据中纵轴为不同取值的吸收率，吸收率反应不同的波段光谱吸收的情况即一定波长的光的吸收。
至此，得到建筑涂料对应样本中不同物质的含量和样本的光谱数据。
步骤S002、根据物质含量和样本的光谱数据得到任意一种物质的中心波段和任意一种物质的特征波段区间。
需要说明的是，在获取了多个样本的光谱数据及其对应各物质含量之后，根据光谱数据与物质含量在各样本间变化的一致性，判断各物质的特征区间，进而可以根据特征区间内的吸收率的幅值，利用LOF异常检测算法判断对应物质含量是否异常；但在一般LOF异常检测算法中任意两个样本之间的距离度量仅仅考虑吸收率幅值的差异，但在实际测量过程中，可能会存在环境温度的差异，不同物质对应波段重叠的影响，会导致距离的度量不够精确，针对这些问题对距离的度量进行改进，以获得更加精确的检测结果。
具体的，将任意一种物质记为第z种物质，获取M个样本中第z种物质的含量，得到第z种物质的含量序列，获取M个样本的光谱数据，根据M个样本的光谱数据得到任意一个波段的在M个样本的光谱数据中所有吸收率，将所有吸收率构成的序列记为任意一个波段的吸收率序列，获取任意一个波段的吸收序列和第z种物质的含量序列之间的皮尔逊相关系数，将皮尔逊相关系数最大值对应的波段作为第z种物质的中心波段，记为。
以为起始波段分别沿左右两侧进行延伸，直至延伸波段的吸收序列和第z种物质的含量序列之间的皮尔逊相关系数小于TX×PM，得到第z种物质的特征波段区间；PM表示所述皮尔逊相关系数最大值，TX为预设倍数阈值，本实施例以TX=0.8为例进行叙述，得到第z种物质的特征波段区间。
需要说明的是，物质含量应当与其对应波段的光谱吸收率呈正相关性，故在利用化学方法测得各物质含量之后，遍历光谱的波段，寻找与其对应物质含量相关性最高的波段，其邻域范围内的光谱数据在不同样本间的变化代表了该物质含量的变化，而随着波段远离，其对应光谱数据与物质含量序列的相关系数会逐渐降低，故选取相关系数最大值的0.8倍所在的波段作为特征区间端点的值。
至此，得到任意一种物质的特征波段。
步骤S003、根据任意一种物质的中心波段得到任意一个样本的峰值漂移影响参数，根据样本的峰值漂移影响参数、任意一种物质的特征波段区间，得到任意两个样本在任意一种物质的特征波段区间中吸收率的相似程度。
需要说明的是，考虑外界检测环境的影响，计算不同样本在对应特征区间内的相似程度，结合特征区间邻域内光谱数据的变化，消除峰值漂移的影响。在获取各不同物质对应的特征波段区间之后，需要对当前待施工的涂料对应多个样本光谱数据进行异常检测，各个不同样本中对应物质的含量会有所差异，由于温度等环境因素的干扰，会造成对应特征波段区间内的极大值波段与上述相关性最高波段有一定的误差，例如温度较高的样本在特征波段区间内的光谱峰值对应波段，会与温度较低的样本光谱峰值对应波段取值不同；故在计算二者的相似性之前，需要针对两样本的峰值偏移的现象进行修正，以得到较为准确的相似程度的度量。
具体的，根据任意一种物质的中心波段得到任意一个样本的峰值漂移影响参数，具体如下：
将第i个样本记为，在/>的光谱数据中以/>为中心，/>为邻域半径，获取邻域半径范围内所有的波段，/>为预设半径阈值，本实施例以/>等于第z种物质的特征波段区间长度的0.2倍为例进行叙述，以邻域半径范围内每一个的波段对第z种物质的中心波段进行替换，并获取替换后中心波段的吸收率序列，获取替换后中心波段的吸收率序列和第z种物质的含量序列之间的皮尔逊相关系数，将皮尔逊相关系数最大时对应的替换波段记为第一波段，将第z种物质的中心波段与第一波段的差值记为第i个样本的峰值漂移影响参数。需要说明的是，中心波段与第一波段的差值为波段对应波长的差值。
进一步地，根据样本的峰值漂移影响参数、任意一种物质的特征波段区间，得到任意两个样本在任意一种物质的特征波段区间中吸收率的相似程度，具体如下：
式中，为第z种物质的特征波段区间中包含的波段总个数，/>的具体获取方法如下：将/>与/>的比值作为/>，/>为第z种物质的特征波段区间中第/>个波段，其中/>为第i个样本的峰值漂移影响参数，/>为第j个样本的峰值漂移影响参数，/>为预设分数阈值，本实施例以/>进行叙述，目的是保证比值的分子和分母都大于0，且后续还计算了/>的倒数，/>为第i个样本中第z种物质的特征波段区间中第/>个波段的吸收率，/>为第j个样本中第z种物质的特征波段区间中第/>个波段的吸收率，/>为自然常数为底的指数函数，为第i个样本与第j个样本在第z种物质的特征波段区间中吸收率的相似程度。
需要说明的是，在同一特征波段区间内，各样本光谱吸收率的比值应当为一定值，但由于峰值的漂移会造成比值产生一定的误差，故利用对应波段在消除峰值漂移之后的吸收率进行计算，将对应比值与正数1的差值进行平均，若两样本的第物质含量相似，则对应比值与正数1之间的差值会接近于零，此时二者的相似程度达到最大，而利用比值的倒数与正数1之差，则是为了消除分子与分母大小不同而造成的量纲的差异。
至此，得到任意两个样本在任意一种物质的特征波段区间中吸收率的相似程度。
步骤S004、根据任意两个样本在任意一种物质的特征波段区间中所有波段的吸收率，得到第一样本和第二样本，根据任意一种物质的特征波段区间，得到第一样本内的任意一种物质在特征波段区间的左右邻域范围以及第二样本内的任意一种物质在特征波段区间的左右邻域范围，根据第一样本的任意一种物质的特征波段区间的左右邻域范围以及第二样本的任意一种物质的特征波段区间的左右邻域范围中波段的吸收率，得到任意两个样本在任意一种物质的特征波段区间中吸收率的相似置信度。
需要说明的是，由于样本所包含物质的复杂性，各样本光谱在对应特征区间内的吸收率不仅仅是由其对应单一物质所得到的，即特征区间内可能会出现不同物质的波段重叠的情况；故考虑在光谱对应特征区间的左右邻域范围内对应光谱吸收率的变化情况，若其领域内光谱吸收率对特征区间内吸收率影响较大，则需要对上述光谱在特征区间内的相似程度进行修正，利用相邻区间内光谱数据的变化定义相似程度的置信度，以对其进行修正。
具体的，根据任意两个样本在任意一种物质的特征波段区间中所有波段的吸收率，得到第一样本和第二样本，具体如下：
将第i个样本与第j个样本在第z种物质的特征波段区间中所有波段的吸收率均值最大的样本作为第一样本，将吸收率均值最小的样本记为第二样本。
进一步地，根据任意一种物质的特征波段区间，得到第一样本内的任意一种物质在特征波段区间的左右邻域范围以及第二样本内的任意一种物质在特征波段区间的左右邻域范围，具体如下：
对于任意一个样本的任意一种物质特征波段区间，将第z种物质的特征波段区间分别沿左右两侧延伸TH2个波段，得到第z种物质的特征波段区间的左右邻域范围，TH2为预设邻域阈值，本实施例以TH2=1.5×为例进行叙述，获取第一样本的第z种物质的特征波段区间的左右邻域范围，获取第二样本的第z种物质的特征波段区间的左右邻域范围。
进一步地，根据第一样本的任意一种物质的特征波段区间的左右邻域范围以及第二样本的任意一种物质的特征波段区间的左右邻域范围中波段的吸收率，得到任意两个样本在任意一种物质的特征波段区间中吸收率的相似置信度，具体如下：
对于第z种物质的特征波段区间的左侧邻域范围，式中，为第一样本的第z种物质的特征波段区间的左侧邻域范围内第k个波段的吸收率，/>为第二样本的第z种物质的特征波段区间的左侧邻域范围内第k个波段的吸收率，/>为第z种物质的特征波段区间的左侧邻域范围内包含的波段总个数，/>的具体获取方法如下：，其中/>为第一样本的第z种物质的特征波段区间的左侧邻域范围内第k+1个波段的吸收率，/>的具体获取方法如下：，其中/>为第二样本的第z种物质的特征波段区间的左侧邻域范围内第k+1个波段的吸收率，/>的具体获取方法如下：
其中，为方向系数，当/>在左侧邻域范围内时，/>的取值为-1，当/>在右侧邻域范围内时，/>的取值为1，/>为取绝对值，/>为自然常数为底的指数函数，的具体获取方法与/>的获取方法相同，在此不再重复赘述，/>为第i个样本与第j个样本在第z种物质的特征波段区间中吸收率的第一相似置信度/>。
对于第z种物质的特征波段区间的右侧邻域范围，获取第z种物质的特征波段区间中吸收率的第一相似置信度。需要说明的是，第一相似置信度/>的获取方法和第一相似置信度/>的获取方法相同，将对应的邻域范围换为右侧即可，具体不再赘述。将第i个样本与第j个样本在第z种物质的特征波段区间中吸收率的第一相似置信度/>和第一相似置信度/>相加求和，得到第i个样本与第j个样本在第z种物质的特征波段区间中吸收率的相似置信度。
需要说明的是，若第z种物质的特征波段区间在光谱数据中的最左侧或者最右侧只出现一个邻域范围，此时将这一个邻域范围对应的第一置信度代替吸收率的相似置信度，考虑左右邻域内方向及其影响会有所不同，故利用来代表方向的正负，在其左邻域内，若其出现斜率为负的吸收率序列，则其代表的是与特征波段区间内相邻波段区间内对应物质的吸收光谱，若其斜率的绝对值较小且吸收率较高，则其对应延展程度会较大，即对特征波段区间的影响会较大；故利用相邻波段对应的吸收率序列的一阶差分代表斜率大小，利用其归一化结果对吸收率进行加权平均，即可得到左邻域对特征波段区间内的影响程度值，右邻域同理可得。
进一步需要说明的是，由于相似程度的计算利用的是对应特征区间内吸收率的比值，若在样本与/>之间，在特征波段区间内吸收率均值较大的一个样本受其邻域影响较大，则其对应真实吸收率赋值在特征波段区间内会降低，真实相似程度会较修正前相似程度更大，应当赋予其较大的置信度对其进行修正；反之，若吸收率均值较小的一个样本受其邻域影响较大，其对应真实吸收率会更小，则其真实相似程度会更低，应当赋予其较小的置信度；故利用吸收率均值较大样本的影响程度与吸收率均值较小样本的影响程度的比值作为相似程度的置信度。
至此，得到任意两个样本在任意一种物质的特征波段区间中吸收率的相似置信度。
步骤S005、根据任意两个样本在任意一种物质的特征波段区间中吸收率的相似置信度、任意两个样本在任意一种物质的特征波段区间中吸收率的相似程度，得到任意两个样本之间的距离。
需要说明的是，上述得到了任意两个样本在任意一种物质的特征波段区间中吸收率的相似置信度，则可以根据置信度定义第个样本/>与第/>个样本/>的距离，得到各物质在不同样本之间的距离度量。
具体的，根据任意两个样本在任意一种物质的特征波段区间中吸收率的相似置信度、任意两个样本在任意一种物质的特征波段区间中吸收率的相似程度，得到任意两个样本之间的距离，具体如下：
式中，将第i个样本记为，第j个样本记为/>，/>为第i个样本与第j个样本在第z种物质的特征波段区间中吸收率的相似置信度，/>为第i个样本与第j个样本在第z种物质的特征波段区间中吸收率的相似程度，/>为样本中包含的物质种类总个数，为线性归一化函数，/>为第i个样本与第j个样本之间的距离。
需要说明的是，利用两样本在各特征区间对应置信度的归一化结果对其相似程度进行修正，后计算对应各区间修正后的相似程度的距离，记为两样本对应的距离。
至此，得到任意两个样本之间的距离。
步骤S006、根据任意两个样本之间的距离和LOF算法判断其它样本中物质的特征是否异常，并将异常样本所属的建筑涂料进行排除。
需要说明的是，上述得到了任意两个样本之间的距离，利用LOF算法可以获得样本的局部可达密度以及样本的局部异常因子，进而根据局部异常因子完成异常建筑涂料的排除，提高建筑涂料对环境的保护性和可持续性。
具体的，根据任意两个样本之间的距离和LOF算法判断其它样本中物质的特征是否异常，并将异常样本所属的建筑涂料进行排除，具体如下：
将所有样本之间的距离输入到LOF算法获取每一个样本的局部可达密度，并利用LOF算法获取到每一个样本的局部异常因子，预设因子阈值，记为THU，本实施例以THU=1.1进行叙述，将每一个样本的局部异常因子与预设因子阈值进行比较，当局部异常因子大于THU时，认为局部异常因子大于THU对应的样本为异常样本，即该样本的光谱数据为一离群点，对应待检测物质中出现了较大的异常现象，将所有异常样本所属的建筑涂料进行排除，后续可利用排除掉异常的建筑涂料进行施工，提高建筑涂料对环境的保护性和可持续性。
需要说明的是，获取每一个样本的局部可达密度，利用LOF算法获取到每一个样本的局部异常因子，为LOF算法的现有方法，本实施例不再赘述。
通过以上步骤，完成一种建筑涂料的检测方法。
本发明的另一个实施例提供了一种建筑涂料的检测系统，所述系统包括存储器和处理器，所述处理器执行所述存储器存储的计算机程序时，执行以下操作：
获取建筑涂料的样本，获取样本中不同物质的含量和样本的光谱数据，所述光谱数据中包含若干波段和波段对应的吸收率；根据物质含量和样本的光谱数据得到任意一种物质的中心波段和任意一种物质的特征波段区间；根据任意一种物质的中心波段得到任意一个样本的峰值漂移影响参数，根据样本的峰值漂移影响参数、任意一种物质的特征波段区间，得到任意两个样本在任意一种物质的特征波段区间中吸收率的相似程度；根据任意两个样本在任意一种物质的特征波段区间中所有波段的吸收率，得到第一样本和第二样本，根据任意一种物质的特征波段区间，得到第一样本的任意一种物质的特征波段区间的左右邻域范围以及第二样本的任意一种物质的特征波段区间的左右邻域范围，根据第一样本的任意一种物质的特征波段区间的左右邻域范围以及第二样本的任意一种物质的特征波段区间的左右邻域范围中波段的吸收率，得到任意两个样本在任意一种物质的特征波段区间中吸收率的相似置信度；根据任意两个样本在任意一种物质的特征波段区间中吸收率的相似置信度、任意两个样本在任意一种物质的特征波段区间中吸收率的相似程度，得到任意两个样本之间的距离；根据任意两个样本之间的距离和LOF算法判断其它样本中物质的特征是否异常，并将异常样本所属的建筑涂料进行排除。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种建筑涂料的检测方法，其特征在于，该方法包括以下步骤：
获取建筑涂料的样本，获取样本中不同物质的含量和样本的光谱数据，所述光谱数据中包含若干波段和波段对应的吸收率；
根据物质含量和样本的光谱数据得到任意一种物质的中心波段和任意一种物质的特征波段区间；
根据任意一种物质的中心波段得到任意一个样本的峰值漂移影响参数，根据样本的峰值漂移影响参数、任意一种物质的特征波段区间，得到任意两个样本在任意一种物质的特征波段区间中吸收率的相似程度；
将任意两个样本记为第i个样本与第j个样本，将第i个样本与第j个样本在第z种物质的特征波段区间中所有波段的吸收率均值最大的样本作为第一样本，将吸收率均值最小的样本记为第二样本；
根据任意一种物质的特征波段区间，得到第一样本内的任意一种物质在特征波段区间的左右邻域范围以及第二样本内的任意一种物质在特征波段区间的左右邻域范围，根据第一样本的任意一种物质的特征波段区间的左右邻域范围以及第二样本的任意一种物质的特征波段区间的左右邻域范围中波段的吸收率，得到任意两个样本在任意一种物质的特征波段区间中吸收率的相似置信度；
根据任意两个样本在任意一种物质的特征波段区间中吸收率的相似置信度、任意两个样本在任意一种物质的特征波段区间中吸收率的相似程度，得到任意两个样本之间的距离；
根据任意两个样本之间的距离和LOF算法判断其它样本中物质的特征是否异常，并将异常样本所属的建筑涂料进行排除。
2.根据权利要求1所述一种建筑涂料的检测方法，其特征在于，所述根据物质含量和样本的光谱数据得到任意一种物质的中心波段和任意一种物质的特征波段区间，包括的具体步骤如下：
将任意一种物质记为第z种物质，获取M个样本中第z种物质的含量，得到第z种物质的含量序列，M为预设数值，获取M个样本的光谱数据，根据M个样本的光谱数据得到任意一个波段的在M个样本的光谱数据中所有吸收率，将所有吸收率构成的序列记为任意一个波段的吸收率序列，获取任意一个波段的吸收序列和第z种物质的含量序列之间的皮尔逊相关系数，将皮尔逊相关系数最大值对应的波段作为第z种物质的中心波段，记为；
以为起始波段分别沿左右两侧进行延伸，直至延伸波段的吸收序列和第z种物质的含量序列之间的皮尔逊相关系数小于TX×PM，得到第z种物质的特征波段区间；PM表示所述皮尔逊相关系数最大值，TX为预设倍数阈值。
3.根据权利要求1所述一种建筑涂料的检测方法，其特征在于，所述根据任意一种物质的中心波段得到任意一个样本的峰值漂移影响参数，包括的具体步骤如下：
将第i个样本记为，在/>的光谱数据中以/>为中心，/>为邻域半径，获取邻域半径范围内所有的波段，/>为第z种物质的中心波段，/>为预设半径阈值，将邻域半径范围内每一个的波段替换第z种物质的中心波段，并获取替换后中心波段的吸收率序列，获取替换后中心波段的吸收率序列和第z种物质的含量序列之间的皮尔逊相关系数，将皮尔逊相关系数最大时对应的替换波段记为第一波段，将第z种物质的中心波段与第一波段的差值记为第i个样本的峰值漂移影响参数。
4.根据权利要求1所述一种建筑涂料的检测方法，其特征在于，所述根据样本的峰值漂移影响参数、任意一种物质的特征波段区间，得到任意两个样本在任意一种物质的特征波段区间中吸收率的相似程度，包括的具体步骤如下：
式中，为第z种物质的特征波段区间中包含的波段总个数，/>的具体获取方法如下：将/>与/>的比值作为/>，/>为第z种物质的特征波段区间中第/>个波段，其中/>为第i个样本的峰值漂移影响参数，/>为第j个样本的峰值漂移影响参数，/>为预设分数阈值，/>为第i个样本中第z种物质的特征波段区间中第/>个波段的吸收率，/>为第j个样本中第z种物质的特征波段区间中第个波段的吸收率，/>为自然常数为底的指数函数，/>为第i个样本与第j个样本在第z种物质的特征波段区间中吸收率的相似程度。
5.根据权利要求1所述一种建筑涂料的检测方法，其特征在于，所述根据任意一种物质的特征波段区间，得到第一样本内的任意一种物质在特征波段区间的左右邻域范围以及第二样本内的任意一种物质在特征波段区间的左右邻域范围，包括的具体步骤如下：
对于任意一个样本的任意一种物质特征波段区间，将第z种物质的特征波段区间分别沿左右两侧延伸TH2个波段，得到第z种物质的特征波段区间的左右邻域范围，TH2为预设邻域阈值，获取第一样本的第z种物质的特征波段区间的左右邻域范围，获取第二样本的第z种物质的特征波段区间的左右邻域范围。
6.根据权利要求1所述一种建筑涂料的检测方法，其特征在于，所述根据第一样本的任意一种物质的特征波段区间的左右邻域范围以及第二样本的任意一种物质的特征波段区间的左右邻域范围中波段的吸收率，得到任意两个样本在任意一种物质的特征波段区间中吸收率的相似置信度，包括的具体步骤如下：
对于第z种物质的特征波段区间的左侧邻域范围，获取第z种物质的特征波段区间中吸收率的第一相似置信度P1；
对于第z种物质的特征波段区间的右侧邻域范围，获取第z种物质的特征波段区间中吸收率的第一相似置信度P2；
将第i个样本与第j个样本在第z种物质的特征波段区间中吸收率的第一相似置信度P1和第一相似置信度P2相加求和，得到第i个样本与第j个样本在第z种物质的特征波段区间中吸收率的相似置信度。
7.根据权利要求6所述一种建筑涂料的检测方法，其特征在于，所述获取第z种物质的特征波段区间中吸收率的第一相似置信度P1的具体获取方法如下：
对于第z种物质的特征波段区间的左侧邻域范围，式中，为第一样本的第z种物质的特征波段区间的左侧邻域范围内第k个波段的吸收率，/>为第二样本的第z种物质的特征波段区间的左侧邻域范围内第k个波段的吸收率，/>为第z种物质的特征波段区间的左侧邻域范围内包含的波段总个数，/>的具体获取方法如下：，其中/>为第一样本的第z种物质的特征波段区间的左侧邻域范围内第k+1个波段的吸收率，/>的具体获取方法如下：，其中/>为第二样本的第z种物质的特征波段区间的左侧邻域范围内第k+1个波段的吸收率，/>的具体获取方法如下：
其中，为方向系数，当/>在左侧邻域范围内时，/>的取值为-1，当/>在右侧邻域范围内时，/>的取值为1，/>为取绝对值，/>为自然常数为底的指数函数，/>的具体获取方法与/>的获取方法相同；
为第i个样本/>与第j个样本/>在第z种物质的特征波段区间中吸收率的第一相似置信度P1。
8.根据权利要求1所述一种建筑涂料的检测方法，其特征在于，所述根据任意两个样本在任意一种物质的特征波段区间中吸收率的相似置信度、任意两个样本在任意一种物质的特征波段区间中吸收率的相似程度，得到任意两个样本之间的距离，包括的具体步骤如下：
式中，将第i个样本记为，第j个样本记为/>，/>为第i个样本与第j个样本在第z种物质的特征波段区间中吸收率的相似置信度，/>为第i个样本与第j个样本在第z种物质的特征波段区间中吸收率的相似程度，/>为样本中包含的物质种类总个数，为线性归一化函数，/>为第i个样本与第j个样本之间的距离。
9.根据权利要求1所述一种建筑涂料的检测方法，其特征在于，所述根据任意两个样本之间的距离和LOF算法判断其它样本中物质的特征是否异常，并将异常样本所属的建筑涂料进行排除，包括的具体步骤如下：
将所有样本之间的距离输入到LOF算法获取每一个样本的局部可达密度，并利用LOF算法获取到每一个样本的局部异常因子，预设因子阈值，记为THU，将每一个样本的局部异常因子与预设因子阈值进行比较，当局部异常因子大于THU时，则局部异常因子大于THU对应的样本为异常样本，将所有异常样本所属的建筑涂料进行排除。
10.一种建筑涂料的检测系统，所述系统包括存储器和处理器，其特征在于，所述处理器执行所述存储器存储的计算机程序，以实现如权利要求1-9任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410451376.8A CN118051862B (zh) | 2024-04-16 | 2024-04-16 | 一种建筑涂料的检测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410451376.8A CN118051862B (zh) | 2024-04-16 | 2024-04-16 | 一种建筑涂料的检测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN118051862A true CN118051862A (zh) | 2024-05-17 |
| CN118051862B CN118051862B (zh) | 2024-06-21 |
Family
ID=91046885
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410451376.8A Active CN118051862B (zh) | 2024-04-16 | 2024-04-16 | 一种建筑涂料的检测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN118051862B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2022110557A1 (zh) * | 2020-11-25 | 2022-06-02 | 国网湖南省电力有限公司 | 一种台区户变关系异常诊断方法及装置 |
| EP4083852A1 (en) * | 2021-04-30 | 2022-11-02 | Universidad de Sevilla | Virus detection and quantification method in fluid samples by digital processing diffuse optical reflectance hyperspectral images obtained in the visible and near infrared ranges |
| CN116297530A (zh) * | 2023-05-19 | 2023-06-23 | 广东正一包装股份有限公司 | 基于光学技术的阻隔膜表面质量检测方法 |
| CN116881705A (zh) * | 2023-09-07 | 2023-10-13 | 佳木斯大学 | 一种锦灯笼宿萼的近红外光谱数据处理系统 |
| CN117349683A (zh) * | 2023-12-04 | 2024-01-05 | 广东台塑智能科技有限公司 | 基于光谱数据的汽车配件涂装色差异常检测系统 |
| CN117541626A (zh) * | 2024-01-08 | 2024-02-09 | 广东泰一高新技术发展有限公司 | 基于深度学习的遥感影像变化检测方法 |
| CN117696282A (zh) * | 2024-02-05 | 2024-03-15 | 洛阳禾安工程技术服务有限公司 | 一种建筑施工辅助喷涂装置 |
-
2024
- 2024-04-16 CN CN202410451376.8A patent/CN118051862B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2022110557A1 (zh) * | 2020-11-25 | 2022-06-02 | 国网湖南省电力有限公司 | 一种台区户变关系异常诊断方法及装置 |
| EP4083852A1 (en) * | 2021-04-30 | 2022-11-02 | Universidad de Sevilla | Virus detection and quantification method in fluid samples by digital processing diffuse optical reflectance hyperspectral images obtained in the visible and near infrared ranges |
| CN116297530A (zh) * | 2023-05-19 | 2023-06-23 | 广东正一包装股份有限公司 | 基于光学技术的阻隔膜表面质量检测方法 |
| CN116881705A (zh) * | 2023-09-07 | 2023-10-13 | 佳木斯大学 | 一种锦灯笼宿萼的近红外光谱数据处理系统 |
| CN117349683A (zh) * | 2023-12-04 | 2024-01-05 | 广东台塑智能科技有限公司 | 基于光谱数据的汽车配件涂装色差异常检测系统 |
| CN117541626A (zh) * | 2024-01-08 | 2024-02-09 | 广东泰一高新技术发展有限公司 | 基于深度学习的遥感影像变化检测方法 |
| CN117696282A (zh) * | 2024-02-05 | 2024-03-15 | 洛阳禾安工程技术服务有限公司 | 一种建筑施工辅助喷涂装置 |
Non-Patent Citations (3)
| Title |
|---|
| ZHU, DEHUI 等: "Spatial-Spectral Joint Reconstruction With Interband Correlation for Hyperspectral Anomaly Detection", 《IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING》, 17 June 2022 (2022-06-17), pages 1 - 13 * |
| 彭建;徐飞雄;邓凯;吴见;: "琅琊山景区不同指标浓度下水质光谱差异分析", 光谱学与光谱分析, no. 05, 15 May 2018 (2018-05-15), pages 177 - 185 * |
| 王爱芳;王妮;高明;王琪;郭俐;: "基于高光谱的香樟叶绿素含量估测模型研究", 黑龙江工程学院学报, no. 01, 25 February 2018 (2018-02-25), pages 18 - 23 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN118051862B (zh) | 2024-06-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107958267B (zh) | 一种基于光谱线性表示的油品性质预测方法 | |
| CN110569566B (zh) | 一种板带力学性能预测方法 | |
| CN101825567A (zh) | 一种近红外光谱和拉曼光谱波长的筛选方法 | |
| CN116128260B (zh) | 基于数据样本的重点企业环境分析方法 | |
| CN112331281B (zh) | 基于环境大数据和机器学习的高分子材料服役寿命预测方法 | |
| CN105334185A (zh) | 基于光谱投影判别的近红外模型维护方法 | |
| CN111832176B (zh) | 降雨条件下全极化微波辐射计海面风场反演方法及系统 | |
| CN113758890A (zh) | 一种气体浓度计算方法、装置、设备及存储介质 | |
| CN104236615A (zh) | 一种智能传感器自校正方法 | |
| CN117349683A (zh) | 基于光谱数据的汽车配件涂装色差异常检测系统 | |
| CN113358239A (zh) | 一种基于fbg的波长特征识别方法 | |
| CN115493708A (zh) | 航空发动机涡轮叶片辐射测温装置及其测温方法 | |
| CN118051862B (zh) | 一种建筑涂料的检测方法及系统 | |
| CN106093134A (zh) | 金属氧化物传感器阵列响应漂移的补偿方法 | |
| CN110033175B (zh) | 一种基于集成多核偏最小二乘回归模型的软测量方法 | |
| CN111896497B (zh) | 一种基于预测值的光谱数据修正方法 | |
| CN107462347A (zh) | 高精度光纤光栅传感器的波长温度自适应分段拟合方法 | |
| CN114528764A (zh) | 基于整体优化的即时学习的软测量建模方法及装置 | |
| CN104865228A (zh) | 基于融合熵优化求解的定量激光诱导击穿光谱检测方法 | |
| CN112858208A (zh) | 基于红外光谱主成分和神经网络的生物质钾含量测量与建模方法 | |
| CN108827905B (zh) | 一种基于局部加权Lasso的近红外模型在线更新方法 | |
| Bastuck et al. | Improved quantification of naphthalene using non-linear Partial Least Squares Regression | |
| CN114965616A (zh) | 一种sf6分解气体检测方法 | |
| CN111579526B (zh) | 一种表征近红外仪器差异和校正的方法 | |
| CN110455902B (zh) | 一种环境检测多标样快速校准的方法 |
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 |