CN118329807B - 一种钼铁合金的成分含量精确测量方法及系统 - Google Patents
一种钼铁合金的成分含量精确测量方法及系统 Download PDFInfo
- Publication number
- CN118329807B CN118329807B CN202410763907.7A CN202410763907A CN118329807B CN 118329807 B CN118329807 B CN 118329807B CN 202410763907 A CN202410763907 A CN 202410763907A CN 118329807 B CN118329807 B CN 118329807B
- Authority
- CN
- China
- Prior art keywords
- data
- wave band
- correlation
- analysis
- target
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 68
- 229910001309 Ferromolybdenum Inorganic materials 0.000 title claims abstract description 38
- 238000001228 spectrum Methods 0.000 claims abstract description 122
- 238000004458 analytical method Methods 0.000 claims abstract description 98
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 claims abstract description 95
- 229910052698 phosphorus Inorganic materials 0.000 claims abstract description 95
- 239000011574 phosphorus Substances 0.000 claims abstract description 95
- 238000002310 reflectometry Methods 0.000 claims abstract description 72
- 238000005259 measurement Methods 0.000 claims abstract description 32
- 238000012360 testing method Methods 0.000 claims abstract description 31
- 238000010183 spectrum analysis Methods 0.000 claims abstract description 9
- 230000006870 function Effects 0.000 claims description 43
- 230000003595 spectral effect Effects 0.000 claims description 30
- 238000004364 calculation method Methods 0.000 claims description 14
- 229910045601 alloy Inorganic materials 0.000 claims description 12
- 239000000956 alloy Substances 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 10
- 239000011159 matrix material Substances 0.000 claims description 9
- 230000010354 integration Effects 0.000 claims description 8
- 230000004927 fusion Effects 0.000 claims description 7
- 239000012535 impurity Substances 0.000 abstract description 15
- 239000000523 sample Substances 0.000 description 88
- 230000008569 process Effects 0.000 description 15
- 238000010606 normalization Methods 0.000 description 11
- 230000000694 effects Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 238000000611 regression analysis Methods 0.000 description 5
- ZOKXTWBITQBERF-UHFFFAOYSA-N Molybdenum Chemical compound [Mo] ZOKXTWBITQBERF-UHFFFAOYSA-N 0.000 description 4
- 230000008901 benefit Effects 0.000 description 4
- 230000001419 dependent effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 229910052750 molybdenum Inorganic materials 0.000 description 4
- 239000011733 molybdenum Substances 0.000 description 4
- 238000010219 correlation analysis Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- APUPEJJSWDHEBO-UHFFFAOYSA-P ammonium molybdate Chemical compound [NH4+].[NH4+].[O-][Mo]([O-])(=O)=O APUPEJJSWDHEBO-UHFFFAOYSA-P 0.000 description 2
- 229940010552 ammonium molybdate Drugs 0.000 description 2
- 235000018660 ammonium molybdate Nutrition 0.000 description 2
- 239000011609 ammonium molybdate Substances 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000005260 corrosion Methods 0.000 description 2
- 230000007797 corrosion Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 238000002798 spectrophotometry method Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000012352 Spearman correlation analysis Methods 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000012770 industrial material Substances 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 239000012488 sample solution Substances 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 239000012085 test solution Substances 0.000 description 1
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
- G01N21/27—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands using photo-electric detection ; circuits for computing concentration
-
- 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
- G01N21/27—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands using photo-electric detection ; circuits for computing concentration
- G01N21/274—Calibration, base line adjustment, drift correction
-
- 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
- G01N21/55—Specular reflectivity
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (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)
- Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明涉及光谱分析技术领域，具体涉及一种钼铁合金的成分含量精确测量方法及系统。该方法包括：获取至少两个已知磷元素含量的试验样本的光谱数据，确定目标波段和反射率；对光谱数据进行分析确定待测数据的样本可靠系数；对目标波段进行分析确定每一目标波段的回归贡献度；综合确定每一光谱数据在每一目标波段的影响因子；根据所有光谱数据在所有目标波段的影响因子，构建核回归模型，根据核回归模型对未知磷元素含量的试验样本进行磷含量分析，得到测量结果。本发明能够自适应构建核回归模型，有效规避杂质影响和波段重叠影响等误差的干扰，提升核回归模型的可靠性，增强后续磷含量分析所得到测量结果的精确性。
Description
技术领域
本发明涉及光谱分析技术领域，具体涉及一种钼铁合金的成分含量精确测量方法及系统。
背景技术
钼铁合金是一种重要的工业材料，通常用于制造高强度、耐磨性和耐腐蚀性能要求较高的零件。在钼铁合金的生产和应用过程中，磷成分的含量是一个关键的质量指标，需要对其进行精确测量。目前广泛采用的磷元素检测方法是钼酸铵分光光度法，并基于线性回归分析的方式，实现磷元素含量的具体测量。
这种方式下，由于各类杂质影响、钼基体的光谱与磷元素的光谱之间存在一定的重叠等引起异常，使得核回归模型易受到杂质影响和波段重叠影响等误差的干扰，进而使得核回归模型的可靠性较差，磷含量分析所得到测量结果的精确性不足。
发明内容
为了解决相关技术中由于各类杂质影响、钼基体的光谱与磷元素的光谱之间存在一定的重叠等而引起异常，使得核回归模型易受到杂质影响和波段重叠影响等误差的干扰，进而使得核回归模型的可靠性较差，磷含量分析所得到测量结果的精确性不足的技术问题，本发明提供一种钼铁合金的成分含量精确测量方法及系统，所采用的技术方案具体如下：
本发明提出了一种钼铁合金的成分含量精确测量方法，方法包括：
获取至少两个已知磷元素含量的试验样本的光谱数据，将所述光谱数据中受磷元素影响的波段作为目标波段，每一目标波段具有对应光谱分析的反射率；
任选一个光谱数据作为待测数据，根据所述待测数据与其他光谱数据在试验样本的磷元素含量差异和所有目标波段的反射率数值特征，确定所述待测数据的样本可靠系数；
在同一目标波段下，根据所有光谱数据的样本可靠系数对反射率以及磷元素含量的相关性进行加权，得到所有光谱数据在对应目标波段的反射率与磷元素含量的调整相关系数；
根据任一目标波段的调整相关系数，以及对应目标波段与其他目标波段在光谱数据的反射率的相关性，确定每一目标波段的回归贡献度；
根据每一光谱数据的样本可靠系数和每一目标波段的回归贡献度，确定每一光谱数据在每一目标波段的影响因子；
根据所有光谱数据在所有目标波段的影响因子，构建核回归模型，根据核回归模型对未知磷元素含量的试验样本进行磷含量分析，得到测量结果。
进一步地，所述待测数据的样本可靠系数的获取方法，包括：
将除待测数据之外的任一其他光谱数据作为对比数据；
根据待测数据与对比数据在所有目标波段的反射率的数值差异、数值相关性和磷元素含量差异，确定所述待测数据与对比数据的样本差异程度；
根据所述待测数据与所有对比数据的样本差异程度，确定所述待测数据的样本可靠系数，其中，确定待测数据与所有对比数据的样本差异程度的均值，所述均值与所述样本可靠系数呈负相关关系，所述待测数据的样本可靠系数的取值为归一化后的数值。
进一步地，所述待测数据与对比数据的样本差异程度，包括：
将所述待测数据与对比数据的磷元素含量差异，作为实际含量差异指标；
获取待测数据与对比数据在所有目标波段的反射率的相关性，作为第一相关指标；
将所述待测数据与对比数据在所有目标波段的反射率差异的均值，作为所述待测数据与对比数据的反射率差异指标；
根据所述第一相关指标、所述实际含量差异指标和所述反射率差异指标，确定所述待测数据与对比数据的样本差异程度，其中，所述第一相关指标和所述反射率差异指标与所述样本差异程度成正相关关系，所述实际含量差异指标与所述样本差异程度呈负相关关系。
进一步地，所述调整相关系数的获取方法，包括：
基于皮尔逊相关系数计算公式，将所述样本可靠系数作为对应皮尔逊相关系数计算公式分子中协方差累加的权重，进行加权处理得到目标波段的反射率与磷元素含量的调整相关系数，其中，所述调整相关系数的取值范围为非负数。
进一步地，所述目标波段的回归贡献度的获取方法，包括：
在所有光谱数据中，确定任意两个目标波段在不同光谱数据中的反射率的相关性，作为两个目标波段的第二相关指标；
将任一目标波段作为分析波段，根据分析波段的调整相关系数、分析波段与其他目标波段的第二相关指标，确定分析波段的回归贡献度，更新分析波段，得到每一目标波段的回归贡献度。
进一步地，所述根据分析波段的调整相关系数、分析波段与其他目标波段的第二相关指标，确定分析波段的回归贡献度，包括：
将分析波段与所有其他目标波段的第二相关指标的均值，作为分析波段的相关性系数；
将所述分析波段的调整相关系数与所述分析波段的相关性系数之比，作为分析波段的回归贡献度。
进一步地，所述每一光谱数据在每一目标波段的影响因子，包括：
对光谱数据的样本可靠系数和目标波段的回归贡献度进行数值融合，得到对应光谱数据在对应目标波段下的影响因子。
进一步地，所述根据所有光谱数据在所有目标波段的影响因子，构建核回归模型，包括：
基于高斯核函数，将所述影响因子作为协方差矩阵中方差的权重进行加权，得到每一光谱数据的光谱回归函数；
将所有光谱数据的光谱回归函数组成核回归模型。
进一步地，所述据核回归模型对未知磷元素含量的试验样本进行磷含量分析，得到测量结果，包括：
将未知磷元素含量的试验样本输入至每一光谱回归函数中，确定每一分析结果；
对所有分析结果进行数值整合，确定测量结果。
本发明还提供一种钼铁合金的成分含量精确测量系统，所述系统包括存储器、处理器以及存储在所述存储器中并可在所述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如前述任意一项所述方法的步骤。
本发明具有如下有益效果：
本发明实施例通过获取多个已知磷元素含量的试验样本的光谱数据，确定目标波段和每一目标波段光谱分析的反射率，并将其划分以为波段维度和数据维度，在数据维度中确定每一光谱数据的样本可靠系数，样本可靠系数能够有效表征光谱数据所对应试验样本的光谱波形正常程度，在波段维度中确定每一目标波段的回归贡献度，回归贡献度则表示每一目标波段在进行磷含量检测时的权重，由此，结合每一光谱数据的样本可靠系数和每一目标波段的回归贡献度，确定影响因子，并基于影响因子构建核回归模型，实现磷含量的自适应分析，得到测量结果。本发明实施例旨在构建符合钼铁合金内磷成分含量测量的自适应的核回归模型，便于进行更为准确地磷含量分析，因此，通过确定光谱数据在对应目标波段的影响因子，从而对每一光谱数据的每一目标波段进行权重分析，使得核回归模型能够有效规避受到杂质影响和波段重叠影响等误差的干扰，提升核回归模型的可靠性，增强后续磷含量分析所得到测量结果的精确性。
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和优点，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的介绍，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它附图。
图1为本发明一个实施例所提供的一种钼铁合金的成分含量精确测量方法流程图；
图2为本发明一个实施例所提供的一种待测数据的样本可靠系数的获取方法流程示意图；
图3为本发明一个实施例所提供的一种目标波段的回归贡献度的获取方法流程示意图；
图4为本发明一个实施例所提供的一种核回归模型的获取方法流程示意图；
图5为本发明一个实施例所提供的一种测量结果的获取方法流程示意图；
图6为本发明一个实施例所提供的一种钼铁合金的成分含量精确测量系统的结构图；
图7为本发明一个实施例所提供的一种钼铁合金的成分含量精确测量装置的结构示意图。
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钼铁合金的成分含量精确测量方法及系统，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钼铁合金的成分含量精确测量方法的具体方案。
请参阅图1，其示出了本发明一个实施例提供的一种钼铁合金的成分含量精确测量方法流程图，该方法包括：
S101：获取至少两个已知磷元素含量的试验样本的光谱数据，将光谱数据中受磷元素影响的波段作为目标波段，每一目标波段具有对应光谱分析的反射率。
本发明实施例的一种具体实施场景为，对钼铁合金进行成分分析场景，在钼铁合金的生产和应用场景中，磷成分的含量是一个关键的质量指标，它会直接影响合金的力学性能、耐腐蚀性能和加工性能，在制备过程中需要控制合金中磷元素的含量，使其在适当的范围内，以获得合金良好的性能和稳定性。因此，需要对磷成分的含量进行检测。
可以理解的是，目前广泛采用的磷元素检测方法是钼酸铵分光光度法，得到已知磷元素含量的试验样本，并利用核回归的方式，构建对应的回归模型，实现钼铁合金中磷元素含量的简单预测。在进行钼铁合金试样溶液制备过程中，由于钼基体的光谱与磷元素的光谱之间存在一定的重叠，大量的钼基体对磷元素光谱会造成一定的影响，且试验溶液样本中存在气泡、杂质等因素，同样会影响磷元素的分析效果。
本发明实施例中，分别获取多个已知磷元素含量的标准试验样本，记第i个光谱数据吸收率为，光谱数据的波段分辨率为1nm。当然，在本发明的另一些实施例中，也可以根据实际需求设置波段分辨率，对此不做限制。
需要说明的是，传统的磷元素含量的特征波段一般在700nm左右，此处以700nm为中心，分别取其两侧各100nm的波段作为目标波段，每个光谱数据在目标波段中的响应值为其对应的反射强度数据，也即光谱分析的反射率。
S102：任选一个光谱数据作为待测数据，根据待测数据与其他光谱数据在试验样本的磷元素含量差异和所有目标波段的反射率数值特征，确定待测数据的样本可靠系数。
本发明实施例中，将任一个光谱数据作为待测数据进行具体分析。并从除待测数据之外的其他光谱数据中选择任一个作为对比数据，也即待测数据与对比数据为任意两个光谱数据。
在本发明的一些实施例中，反射率数值特征可以具体例如为数值差异特征和数值相关性特征。则本发明实施例可以结合对应的反射率数值差异特征、数值相关性特征和磷元素的含量差异，实现样本可靠系数的分析，其具体过程参见后续实施例。
在本发明的另一些实施例中，也可以将反射率数值作为离群点进行具体分析，也即对所有目标波段的反射率数值进行离群点检测，从而确定每一目标波段下的离群系数，进而实现样本可靠系数的分析。在本发明的另一些实施例中，还可以结合数值聚类分析的方式，或者数值与平均值的差异方式，实现样本可靠系数的分析，对此不再进一步限定与赘述。
S103：在同一目标波段下，根据所有光谱数据的样本可靠系数对反射率以及磷元素含量的相关性进行加权，得到所有光谱数据在对应目标波段的反射率与磷元素含量的调整相关系数。
本发买那个实施例中，样本可靠系数表示光谱数据的正常程度，可以基于样本可靠系数作为权重，对反射率和磷元素含量的相关性进行加权分析，确定调整相关系数，其具体加权分析可以为加权相加，或者加权相乘的方式，对此不做限制。
其中，反射率以及磷元素含量的相关性，可以具体使用皮尔逊相关系数计算方式，或者使用斯皮尔曼、肯德尔相关性分析等，对此不做限制。
进一步地，在本发明的一些实施例中，以皮尔逊相关系数和加权相加的方式进行具体示例，调整相关系数的获取方法，包括：基于皮尔逊相关系数计算公式，将样本可靠系数作为对应皮尔逊相关系数计算公式分子中协方差累加的权重，进行加权处理得到目标波段的反射率与磷元素含量的调整相关系数，其中，调整相关系数的取值范围为非负数。
其中，由于试验样本受到气泡或波段重叠等其余因素的影响，其光谱数据并不能表示其真实的浓度大小情况，因此，需要对回归分析进行加权，则样本可靠系数的分析可以作为权重，实现加权的相关性分析。调整相关系数的获取公式如下式所示：
；
式中，表示所有光谱数据中第个目标波段的反射率与磷元素含量的调整相关系数，表示所有光谱数据的磷元素含量，表示第个光谱数据的样本可靠系数，表示所有光谱数据的数量，表示第个光谱数据的反射率在第个目标波段下的取值大小，表示所有光谱数据的反射率在第个目标波段下的取值均值，表示第个光谱数据的磷元素含量，表示所有光谱数据的磷元素含量的均值，表示求标准差函数。
其中，由于皮尔逊相关系数的取值为[-1,1]，为了便于后续分析，本发明可以将调整相关系数得取值范围调整为非负数，在一些实现中，可以对皮尔逊相关系数使用归一化的方式，或者，也可以使用线性映射的方式，将其映射在非负数的范围内，对此不做限制。本发明实施例中，通过对加1，以使得调整相关系数的取值范围为非负数。
由于样本可靠系数越大，表示该试验样本的光谱数据越正常，可靠性越高，受到气泡或波段重叠的影响越小，则本发明实施例可以将样本可靠系数作为对应皮尔逊相关系数计算公式分子中协方差累加的权重，进行加权处理得到目标波段的反射率与磷元素含量的调整相关系数。
S104：根据任一目标波段的调整相关系数，以及对应目标波段与其他目标波段在光谱数据的反射率的相关性，确定每一目标波段的回归贡献度。
可以理解的是，由于调整相关系数的数值越大，表示目标波段的反射率与磷元素含量相关性越高，也即对应目标波段的回归贡献率越高，而目标波段与其他目标波段在光谱数据的反射率的相关性越高，表示单个目标波段下光谱数据响应值与其余各目标波段响应值之间的相关行越高，则说明存在多个相似的光谱数据对于物质浓度的贡献方式相同，可能受到单一杂质的影响较大，则应当适当降低其对应的贡献程度大小，目标波段的回归贡献度越低，由此，实现对目标波段的回归贡献度的分析。
本发明实施例中，相关性的计算仍旧可以使用皮尔逊相关系数，并进行归一化的方式确定任一目标波段与其他目标波段在光谱数据的反射率的相关性，而后，结合该任一目标波段的调整相关系数，确定目标波段的回归贡献度。
具体地，可以计算目标波段与其他所有目标波段在光谱数据的反射率的相关性的统一值，该统一值可以具体例如为均值，或者，也可以例如为众数值等，而后，将调整相关系数与该统一值的比值归一化作为分析波段的回归贡献度，其具体实现过程参见后续实施例。
S105：根据每一光谱数据的样本可靠系数和每一目标波段的回归贡献度，确定每一光谱数据在每一目标波段的影响因子。
本发明实施例中，由于光谱数据的样本可靠系数表征了光谱数据在所有目标波段下的数值可信程度，其值越大表示光谱数据在所有目标波段下正常性越高。目标波段的回归贡献率则是在波段维度进行分析，确定对应波段下杂质产生的影响，其值越大，表示目标波段受到杂质和波段重叠等问题的影响越小，则根据目标波段进行回归分析的准确性更高。由此，本发明可以结合光谱数据的样本可靠系数和目标波段的回归贡献度，确定影响因子，该影响因子为在光谱数据和目标波段两个维度进行综合分析的影响指标。
本发明实施例中，对光谱数据的样本可靠系数和目标波段的回归贡献度进行数值融合，得到对应光谱数据在对应目标波段下的影响因子。
其中，数值融合，可以具体例如为正相关的数值融合分析，也即是说，本发明实施例中的数值融合为相应的正相关分析，则可以直接计算光谱数据的样本可靠系数和目标波段的回归贡献度的乘积，而后，进行最大最小值归一化处理得到光谱数据在对应目标波段的影响因子。
进一步地，在本发明的一些实现中，对光谱数据的样本可靠系数和目标波段的回归贡献度进行数值融合所对应的公式可以具体例如为：
；
式中，表示第个光谱数据在第个目标波段下的影响因子，表示第个光谱数据的样本可靠系数，表示第个目标波段的回归贡献度，表示归一化函数。则对于光谱数据的样本可靠系数较高，且目标波段对于回归贡献度较高的情况，赋予其较高的影响因子值。
S106：根据所有光谱数据在所有目标波段的影响因子，构建核回归模型，根据核回归模型对未知磷元素含量的试验样本进行磷含量分析，得到测量结果。
其中，核回归模型，可以具体例如为高斯核回归模型，则本发明实施例中，可以结合所有光谱数据在所有目标波段的影响因子，构建高斯核回归模型，用于实现磷含量分析。
本发明实施例中，核回归模型为结合所有已知磷元素含量的试验样本所对应光谱数据，从而进行分析得到的回归模型，结合上述分析，通过光谱数据和目标波段两个维度实现
本发明实施例旨在构建符合钼铁合金内磷成分含量测量的核回归模型，因此，通过确定光谱数据在对应目标波段的影响因子，从而对每一光谱数据的每一目标波段进行权重分析，使得核回归模型能够有效规避受到杂质影响和波段重叠影响等误差的干扰，提升核回归模型的可靠性，增强后续磷含量分析所得到测量结果的精确性。
结合图2，对步骤S102进行具体实施例说明，图2为本发明一个实施例所提供的一种待测数据的样本可靠系数的获取方法流程示意图。
S201：根据待测数据与对比数据在所有目标波段的反射率的数值差异、数值相关性和磷元素含量差异，确定待测数据与对比数据的样本差异程度。
本发明实施例中，将数值相关性和数值差异作为反射率数值特征，而后，结合磷元素含量差异、反射率数值相关性和反射率数值差异，实现样本差异程度的分析。
进一步地，在本发明的一些实施例中，将待测数据与对比数据的磷元素含量差异，作为实际含量差异指标；获取待测数据与对比数据在所有目标波段的反射率的相关性，作为第一相关指标；将待测数据与对比数据在所有目标波段的反射率差异的均值，作为待测数据与对比数据的反射率差异指标；根据第一相关指标、实际含量差异指标和反射率差异指标，确定待测数据与对比数据的样本差异程度，其中，第一相关指标和反射率差异指标与样本差异程度成正相关关系，实际含量差异指标与样本差异程度呈负相关关系。
本发明实施例中，待测数据与对比数据所对应的试验样本均为已知磷元素含量的样本，由此，则可以将其已知的磷元素含量的差值绝对值，作为实际含量差异指标。
本发明实施例中，相关性的获取可以具体例如为皮尔逊相关系数，也即按照波段的值对不同波段下的反射率进行排序，得到每一光谱数据的波段反射率序列，将待测数据与对比数据的波段反射率序列进行相关性计算，从而得到待测数据与对比数据的第一相关指标。
其中，皮尔逊相关系数为本领域所熟知的相关性计算方式，当然，也可以使用其他计算方式实现相关性的计算，例如动态时间规整算法等，对此不做限制。
可以理解的是，待测数据与对比数据在不同目标波段下的反射率的差值绝对值不同，则将所有目标波段下的反射率差值绝对值的均值，作为待测数据与对比数据的反射率差异指标。
本发明实施例中，可以结合第一相关指标、实际含量差异指标和反射率差异指标，确定待测数据与对比数据的样本差异程度。其中，第一相关指标和反射率差异指标与样本差异程度成正相关关系，实际含量差异指标与样本差异程度呈负相关关系。
其中，正相关关系表示因变量会随着自变量的增大而增大，因变量会随着自变量的减小而减小，具体关系可以为相乘关系、相加关系、指数函数的幂等，由实际应用进行确定；负相关关系表示因变量会随着自变量的增大而减小，因变量会随着自变量的减小而增大，可以为相减关系、相除关系等，由实际应用进行确定。
需要注意的是，为保证排斥程度的计算结果有意义，负相关关系为相除关系时，需在分母添加大于0的调参因子以防止分母为0，调参因子的数值由实施者根据实际情况自行设定，本申请不做特殊限制。由实际应用进行确定，本申请不做特殊限制。
由此，本发明实施例可以计算第一相关指标和反射率差异指标的乘积，作为反射率数值特征系数，而后，将反射率数值特征系数与实际含量差异指标的比值，作为样本差异程度。
其中，反射率差异指标的值越大，则说明待测数据与对比数据对应磷元素含量较大，或某一试验样本的光谱数据受到了较大的噪声的影响，导致其结果产生了较大偏差；第一相关指标越大，说明二者之间的差异并非杂质或波段重叠的因素引起，而大概率为实际的磷元素含量差异引起，因此，第一相关指标较大且实际含量差异指标较小时，则表示仍旧受到气泡或波段重叠的影响。
S202：根据待测数据与所有对比数据的样本差异程度，确定待测数据的样本可靠系数。
其中，待测数据与对比数据的样本差异程度，表征两个数据间在进行光谱分析时的差异情况，则可以综合待测数据与所有对比数据的样本差异程度，对待测数据在所有光谱数据中的离群性进行分析。
其中，待测数据在所有光谱数据中的离群性越高，则表示待测数据本身可靠性越低，由此，确定待测数据的样本可靠系数。
本发明实施例中，可以计算待测数据与所有对比数据的样本差异程度的均值，其中，均值与样本可靠系数呈负相关关系，待测数据的样本可靠系数的取值为归一化后的数值。
也即是说，可以对均值进行负相关的归一化处理，从而得到待测数据的样本可靠系数。在本发明的一个实施例中，归一化处理可以具体例如为最大最小值归一化处理，并且，后续步骤中的归一化均可以采用最大最小值归一化处理，在本发明的其他实施例中可以根据数值具体范围选择其他归一化方法，对此不再赘述。
则本发明实施例中可以使用exp（-x）函数实现待测数据的样本可靠系数的计算，其中，exp表示以自然常数e为底的指数函数，x表示待测数据与所有对比数据的样本差异程度的均值，通过该方式实现负相关的归一化。
本发明实施例通过将反射率的数值相关性和数值差异作为反射率数值特征，从而实现数值分析，根据数值分析结合实际的磷含量差异，对试验样本受杂质或波段重叠等因素影响的程度进行具体分析，得到样本差异程度，结合待测数据与所有对比数据的样本差异程度，对待测数据本身的可靠性进行分析，也即样本可靠系数越大，则表示待测样本受到杂质或波段重叠等因素影响的程度越小，待测样本本身越可靠。
结合图3，对步骤S104进行具体实施例说明，图3为本发明一个实施例所提供的一种目标波段的回归贡献度的获取方法流程示意图。
S301：在所有光谱数据中，确定任意两个目标波段在不同光谱数据中的反射率的相关性，作为两个目标波段的第二相关指标。
其中，该相关性也可以使用皮尔逊相关系数，或者动态时间规整算法进行分析，得到任意两个目标波段的第二相关指标，需要说明的是，为了便于后续分析，可以将第二相关指标的取值范围调整为（0,1），以避免第二相关指标为负数或0时导致的计算问题，其具体调整过程可以例如为线性映射，对此不做限制。
S302：将任一目标波段作为分析波段，根据分析波段的调整相关系数、分析波段与其他目标波段的第二相关指标，确定分析波段的回归贡献度，更新分析波段，得到每一目标波段的回归贡献度。
本发明实施例中，分析波段与其他目标波段均具有对应的第二相关指标，可以根据分析波段与其他目标波段的第二相关指标的总体数值特征进行分析，也即在波段维度下，确定任一目标波段与其他目标波段的相关性，进而结合目标波段本身的调整相关系数，实现目标波段的回归贡献度分析。
可以理解的是，分析波段与其他目标波段的第二相关指标的总体数值特征的分析过程，具体可以例如为对所有第二相关指标进行数值综合分析，例如均值分析、中位数分析和众数分析等多种。
进一步地，在本发明的一些实施例中，根据分析波段的调整相关系数、分析波段与其他目标波段的第二相关指标，确定分析波段的回归贡献度，包括：将分析波段与所有其他目标波段的第二相关指标的均值，作为分析波段的相关性系数；将分析波段的调整相关系数与分析波段的相关性系数之比，作为分析波段的回归贡献度。
也即是说，将均值作为总体数值特征，计算分析波段与所有其他目标波段的第二相关指标的均值得到相关性系数。相关性系数越大，表示分析波段与其他所有目标波段的相关性越高，说明存在多个相似的光谱数据对于物质浓度的贡献方式相同，可能受到单一杂质的影响较大，也即分析波段对回归的贡献越小。
本发明通过确定第二相关指标和调整相关系数，从而对回归贡献度进行准确分析，使得该回归贡献度能够有效表征各目标波段的回归贡献能力，提升后续进行回归分析的准确性。
结合图4，图4为本发明一个实施例所提供的一种核回归模型的获取方法流程示意图。
S401：基于高斯核函数，将影响因子作为协方差矩阵中方差的权重进行加权，得到每一光谱数据的光谱回归函数。
本发明实施例中，高斯核函数为本领域技术人员所熟知的技术，高斯核函数中的协方差矩阵能够表征对应维度下的特征，由此，通过影响因子进行加权，实现具体的回归函数构建。
进一步地，在本发明的一些实施例中，核回归选取高斯核函数，针对第个光谱数据，以其特征波段区间内多个目标波段的反射率大小作为高斯核函数的均值向量，记高斯核函数的协方差矩阵为：
；
其中，n表示目标波段的索引，其取值为正整数，表示第个光谱数据在第个目标波段下的影响因子；表示初始的方差大小，预设值可以为0.8，根据实际情况进行设置。则通过对初始方差进行加权，得到每一光谱数据所分别对应的协方差矩阵。
本发明实施例中，根据每一光谱数据所对应的协方差矩阵，构建每一光谱数据的高斯回归函数作为光谱回归函数，其具体过程为常规的高斯回归函数的构建过程，对此不作进一步赘述。
S402：将所有光谱数据的光谱回归函数组成核回归模型。
本发明实施例中，每一光谱数据对应一个光谱回归函数，则本发明实施例可以组合所有光谱数据的光谱回归函数，得到核回归模型，该组合方式可以具体例如为直接进行函数整合，得到函数组，或者，也可以对所有光谱回归函数进行统一整理，将其整理成一个函数，并将该函数作为核回归模型，对此不做限制。
本发明通过影响因子加权的方式，实现光谱回归函数的变化，使得光谱回归函数能够有效结合多个光谱数据的特征，得到更加自适应、处理效果更优的光谱回归函数，进而提升核回归模型本身的可靠性。
可以理解的是，在步骤S402之后，还可以根据核回归模型进行具体分析，则以直接进行函数整合，得到函数组的方式得到核回归模型，参见图5，图5为本发明一个实施例所提供的一种测量结果的获取方法流程示意图。在步骤S402之后，还包括：
S501：将未知磷元素含量的试验样本输入至每一光谱回归函数中，确定每一分析结果。
本发明实施例中，将未知磷元素含量的试验样本输入至核回归模型所对应函数组中的每一光谱回归函数，经由每一光谱回归函数处理，得到对应的分析结果。
也即是说，本发明实施例中，每一光谱回归函数均获得一个对应的分析结果，由此，得到多个分析结果。
S502：对所有分析结果进行数值整合，确定测量结果。
本发明实施例中，数值整合可以具体为对所有分析结果的数值进行求均，作为测量结果，或者，在本发明的另一些实施例中，也可以对所有分析结果的中位数作为测量结果，或者，也可以去除分析结果中数值偏大和偏小的部分，将剩余部分求均作为测量结果，对此不做限制。
本发明实施例通过将未知磷元素含量的试验样本输入至每一光谱回归函数中，确定分析结果，并数值整合得到测量结果，则能够结合多个光谱数据的光谱回归函数，确定最终的测量结果，保证最终测量结果的准确性，实现钼铁合金内磷元素含量的精确测量。
另一方面，本发明实施例还提供了一种钼铁合金的成分含量精确测量系统，参见图6，图6为本发明一个实施例所提供的一种钼铁合金的成分含量精确测量系统的结构图，系统包括存储器601、处理器602以及存储在存储器601中并可在处理器602上运行的计算机程序603，处理器602执行计算机程序603时实现如前述一种钼铁合金的成分含量精确测量方法的步骤。
另一方面，参见图7，图7为本发明一个实施例所提供的一种钼铁合金的成分含量精确测量装置的结构示意图，本发明还提供了一种钼铁合金的成分含量精确测量装置，该装置包括：
获取模块701，用于获取至少两个已知磷元素含量的试验样本的光谱数据，将光谱数据中受磷元素影响的波段作为目标波段，每一目标波段具有对应光谱分析的反射率；
样本分析模块702，用于任选一个光谱数据作为待测数据，根据待测数据与其他光谱数据在试验样本的磷元素含量差异和所有目标波段的反射率数值特征，确定待测数据的样本可靠系数；
波段分析模块703，用于在同一目标波段下，根据所有光谱数据的样本可靠系数对反射率以及磷元素含量的相关性进行加权，得到所有光谱数据在对应目标波段的反射率与磷元素含量的调整相关系数；
确定模块704，用于根据任一目标波段的调整相关系数，以及对应目标波段与其他目标波段在光谱数据的反射率的相关性，确定每一目标波段的回归贡献度；
整合模块705，用于根据每一光谱数据的样本可靠系数和每一目标波段的回归贡献度，确定每一光谱数据在每一目标波段的影响因子；
测量模块706，用于根据所有光谱数据在所有目标波段的影响因子，构建核回归模型，根据核回归模型对未知磷元素含量的试验样本进行磷含量分析，得到测量结果。
需要说明的是：上述实施例提供的装置，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将计算机设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的一种钼铁合金的成分含量精确测量装置与一种钼铁合金的成分含量精确测量方法实施例属于同一构思，其具体实现过程详见方法实施例，在此不再赘述。
应理解，本实施例提供的装置用于执行上述一种钼铁合金的成分含量精确测量方法，因此可以达到与上述实现方法相同的效果。
另一方面，本实施例还提供一种计算机可读存储介质，该计算机可读存储介质中存储有计算机程序代码，当该计算机程序代码在计算机上运行时，使得计算机执行上述相关方法步骤实现上述实施例提供的一种钼铁合金的成分含量精确测量方法。
另一方面，本实施例还提供了一种计算机程序产品，当该计算机程序产品在计算机上运行时，使得计算机执行上述相关步骤，以实现上述实施例提供的一种钼铁合金的成分含量精确测量方法。
其中，本实施例提供的系统、计算机可读存储介质、计算机程序产品均用于执行上文所提供的对应的方法，因此，其所能达到的有益效果可参考上文所提供的对应的方法中的有益效果，此处不再赘述。
在本申请所提供的实施例中，应该理解到，所揭露的系统和方法，可以通过其它的方式实现。例如，以上所描述的系统实施例仅仅是示意性的，例如，模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个装置，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。
Claims (6)
1.一种钼铁合金的成分含量精确测量方法，其特征在于，所述方法包括：
获取至少两个已知磷元素含量的试验样本的光谱数据，将所述光谱数据中受磷元素影响的波段作为目标波段，每一目标波段具有对应光谱分析的反射率；
任选一个光谱数据作为待测数据，根据所述待测数据与其他光谱数据在试验样本的磷元素含量差异和所有目标波段的反射率数值特征，确定所述待测数据的样本可靠系数；
在同一目标波段下，根据所有光谱数据的样本可靠系数对反射率以及磷元素含量的相关性进行加权，得到所有光谱数据在对应目标波段的反射率与磷元素含量的调整相关系数；
根据任一目标波段的调整相关系数，以及对应目标波段与其他目标波段在光谱数据的反射率的相关性，确定每一目标波段的回归贡献度；
根据每一光谱数据的样本可靠系数和每一目标波段的回归贡献度，确定每一光谱数据在每一目标波段的影响因子；
根据所有光谱数据在所有目标波段的影响因子，构建核回归模型，根据核回归模型对未知磷元素含量的试验样本进行磷含量分析，得到测量结果；
所述待测数据的样本可靠系数的获取方法，包括：
将除待测数据之外的任一其他光谱数据作为对比数据；
根据待测数据与对比数据在所有目标波段的反射率的数值差异、数值相关性和磷元素含量差异，确定所述待测数据与对比数据的样本差异程度；
根据所述待测数据与所有对比数据的样本差异程度，确定所述待测数据的样本可靠系数，其中，确定待测数据与所有对比数据的样本差异程度的均值，所述均值与所述样本可靠系数呈负相关关系，所述待测数据的样本可靠系数的取值为归一化后的数值；
所述待测数据与对比数据的样本差异程度，包括：
将所述待测数据与对比数据的磷元素含量差异，作为实际含量差异指标；
获取待测数据与对比数据在所有目标波段的反射率的相关性，作为第一相关指标；
将所述待测数据与对比数据在所有目标波段的反射率差异的均值，作为所述待测数据与对比数据的反射率差异指标；
根据所述第一相关指标、所述实际含量差异指标和所述反射率差异指标，确定所述待测数据与对比数据的样本差异程度，其中，所述第一相关指标和所述反射率差异指标与所述样本差异程度成正相关关系，所述实际含量差异指标与所述样本差异程度呈负相关关系；
所述目标波段的回归贡献度的获取方法，包括：
在所有光谱数据中，确定任意两个目标波段在不同光谱数据中的反射率的相关性，作为两个目标波段的第二相关指标；
将任一目标波段作为分析波段，根据分析波段的调整相关系数、分析波段与其他目标波段的第二相关指标，确定分析波段的回归贡献度，更新分析波段，得到每一目标波段的回归贡献度；
所述根据分析波段的调整相关系数、分析波段与其他目标波段的第二相关指标，确定分析波段的回归贡献度，包括：
将分析波段与所有其他目标波段的第二相关指标的均值，作为分析波段的相关性系数；
将所述分析波段的调整相关系数与所述分析波段的相关性系数之比，作为分析波段的回归贡献度。
2.如权利要求1所述的一种钼铁合金的成分含量精确测量方法，其特征在于，所述调整相关系数的获取方法，包括：
基于皮尔逊相关系数计算公式，将所述样本可靠系数作为对应皮尔逊相关系数计算公式分子中协方差累加的权重，进行加权处理得到目标波段的反射率与磷元素含量的调整相关系数，其中，所述调整相关系数的取值范围为非负数。
3.如权利要求1所述的一种钼铁合金的成分含量精确测量方法，其特征在于，所述每一光谱数据在每一目标波段的影响因子，包括：
对光谱数据的样本可靠系数和目标波段的回归贡献度进行数值融合，得到对应光谱数据在对应目标波段下的影响因子。
4.如权利要求1所述的一种钼铁合金的成分含量精确测量方法，其特征在于，所述根据所有光谱数据在所有目标波段的影响因子，构建核回归模型，包括：
基于高斯核函数，将所述影响因子作为协方差矩阵中方差的权重进行加权，得到每一光谱数据的光谱回归函数；
将所有光谱数据的光谱回归函数组成核回归模型。
5.如权利要求4所述的一种钼铁合金的成分含量精确测量方法，其特征在于，所述据核回归模型对未知磷元素含量的试验样本进行磷含量分析，得到测量结果，包括：
将未知磷元素含量的试验样本输入至每一光谱回归函数中，确定每一分析结果；
对所有分析结果进行数值整合，确定测量结果。
6.一种钼铁合金的成分含量精确测量系统，所述系统包括存储器、处理器以及存储在所述存储器中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计算机程序时实现如权利要求1~5任意一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410763907.7A CN118329807B (zh) | 2024-06-14 | 2024-06-14 | 一种钼铁合金的成分含量精确测量方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410763907.7A CN118329807B (zh) | 2024-06-14 | 2024-06-14 | 一种钼铁合金的成分含量精确测量方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN118329807A CN118329807A (zh) | 2024-07-12 |
| CN118329807B true CN118329807B (zh) | 2024-08-23 |
Family
ID=91782930
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410763907.7A Active CN118329807B (zh) | 2024-06-14 | 2024-06-14 | 一种钼铁合金的成分含量精确测量方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN118329807B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118858199B (zh) * | 2024-09-26 | 2024-12-17 | 宝鸡拓普达钛业有限公司 | 基于光谱仪的钛合金成分测定方法及系统 |
| CN120629039A (zh) * | 2025-06-06 | 2025-09-12 | 深圳市宁深检验检测技术有限公司 | 基于光谱数据分析的贵金属成分高效检测方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109323999A (zh) * | 2018-10-24 | 2019-02-12 | 大连理工大学 | 一种基于图像数值分析的分光光度检测方法 |
| CN114018833A (zh) * | 2021-11-07 | 2022-02-08 | 福建师范大学 | 基于高光谱遥感技术估算土壤重金属含量的方法 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4931627B2 (ja) * | 2007-02-09 | 2012-05-16 | 北斗電工株式会社 | りん測定方法とその装置 |
| KR101181315B1 (ko) * | 2010-03-22 | 2012-09-11 | 주식회사 장원 | 근적외 분광분석법을 이용한 녹차 카페인과 녹차 카테친의 개별 함량 동시 측정방법 |
| CN114739919A (zh) * | 2022-04-14 | 2022-07-12 | 常州市新翼空间信息科技有限公司 | 一种基于光谱反演分析的水质检测方法 |
| CN115327023A (zh) * | 2022-09-16 | 2022-11-11 | 江西省林业科学院 | 一种植物叶片氮含量检测方法及系统 |
| CN117907245A (zh) * | 2024-01-24 | 2024-04-19 | 桂林理工大学 | 一种基于约束性prosail-pro模型光谱超分辨率的岩溶湿地植被群落氮和磷含量反演方法 |
-
2024
- 2024-06-14 CN CN202410763907.7A patent/CN118329807B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109323999A (zh) * | 2018-10-24 | 2019-02-12 | 大连理工大学 | 一种基于图像数值分析的分光光度检测方法 |
| CN114018833A (zh) * | 2021-11-07 | 2022-02-08 | 福建师范大学 | 基于高光谱遥感技术估算土壤重金属含量的方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN118329807A (zh) | 2024-07-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN118329807B (zh) | 一种钼铁合金的成分含量精确测量方法及系统 | |
| CN106918567B (zh) | 一种测量痕量金属离子浓度的方法和装置 | |
| CN111198165A (zh) | 一种基于光谱数据标准化进行水质参数的测定方法 | |
| CN115855860A (zh) | 一种茶叶干燥过程中的水分含量预测方法及处理终端 | |
| WO2026020881A1 (zh) | 基于光谱特征的食用菌品质检测方法 | |
| CN119646491B (zh) | 一种基于光谱分析的食品成分检测方法及系统 | |
| CN117589741A (zh) | 基于光学特征的吲哚菁绿智能检测方法 | |
| CN117109494B (zh) | 一种x射线测厚仪智能标定方法 | |
| CN113049500B (zh) | 水质检测模型训练和水质检测方法、电子设备及存储介质 | |
| CN111896497B (zh) | 一种基于预测值的光谱数据修正方法 | |
| JP2006267111A (ja) | スペクトル、特にｎｍｒスペクトルのセットをプロセッシングする方法 | |
| AU2020100135A4 (en) | Method, system and apparatus for evaluating sensory assessors’ concentration ability | |
| CN102207474B (zh) | 一种基于xrf光谱仪合金牌号鉴定的智能方法 | |
| CN116698895A (zh) | 基于CARS-PCA-Pearson的XRF元素定量分析方法 | |
| CN120177387A (zh) | 水质评估方法、装置、电子设备、存储介质和程序产品 | |
| CN118569616B (zh) | 基于界面剂性能测试数据的智能生产管理方法与系统 | |
| CN118425089A (zh) | 一种食品级三醋酸甘油酯的智能测定方法 | |
| CN118965185A (zh) | 基于高光谱影像的土壤质地分类方法及装置 | |
| CN114036456B (zh) | 一种定量评估绝缘纸聚合度的光谱模型传递方法及系统 | |
| CN114707321B (zh) | 一种基于多传感器光谱数据的加权预测方法 | |
| CN117910883A (zh) | 测井数据质量检测方法、装置、计算设备及存储介质 | |
| CN119574488B (zh) | 基于光谱分析的蛋白品质智能检测方法及系统 | |
| Yang et al. | Mapping alpha diversity of plant species using scale effects of remote sensing | |
| CN120123857B (zh) | 基于tg和ire-2的涂层基料发射率测试方法和系统 | |
| CN111222455B (zh) | 波长的选择方法、装置、计算设备及计算机存储介质 |
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 |