[发明专利]基于1D-CNN的食用油横向弛豫衰减曲线信号特征提取方法

说明书

本发明提供一种基于1D‑CNN的食用油横向弛豫衰减曲线信号特征提取方法，包括如下步骤：采用低场核磁共振设备与CPMG序列采集多个种类已知的食用油原始信号数据文件，而后分别读取CPMG原始信号数据文件作为训练集的第一原始信号数据与测试集的第二原始信号数据；将两个原始信号数据绘制成横向弛豫衰减曲线并对其进行衰减截止点的判断，并根据衰减截止点对两个原始信号数据进行信号截取，得到不包含噪声的训练集的第一去噪信号数据与测试集的第二去噪信号数据；将两个去噪信号数据进行归一化处理，得到两个归一化信号数据；将训练集归一化信号数据用于构建一维卷积神经网络模型即CNN模型后将测试集归一化信号数据输入进行测试，得测试集中的食用油的种类标签。

技术领域

本发明属于深度学习与核磁共振信号处理技术领域，具体涉及一种基于1D-CNN的食用油横向弛豫衰减曲线信号特征提取方法。

背景技术

食用油安全性已经成为了老百姓所关心的一个共同话题。但是由于目前缺少一种准确、简单、快速鉴别食用油真实性的检测技术方法，食用油的质量安全问题依然呈现出屡禁不止的状态。

在食品品质检测中，传统的检测方法包括气相色谱法、气相色谱-质谱法和高效液相色谱法。虽然这些方法已经得到了广泛的应用，并被证明是一种优秀的工具，但由于分析过程中需要复杂的样品制备、昂贵的设备和熟练的操作人员，使得这些方法难以进行实时和现场分析。为此，提出了几种快速、无损的新型仪器方法，如拉曼光谱法、红外光谱法、离子迁移光谱法和基质辅助激光解吸/电离质谱法。同时，还需要更有效的油类鉴定方法，低场磁共振作为对食用油种类检测的一种技术，具有快速、无损、低成本、无复杂前处理、环保等诸多特点。

CPMG(Carr-Purcell-Meiboom-Gill)序列速度快，是低场核磁共振中最常用的测量T₂值的序列之一。研究者常常利用CPMG等序列的原始数据和样品横向弛豫时间、纵向弛豫时间的分布特点，进行相关领域的研究。虽然核磁共振采集到的原始信号中包含有丰富的样品结构信息，但这些信息不能直观地为我们所用，因此为了得到样品的组成、性质等重要信息，传统方法需要先对横向弛豫衰减曲线进行反演得到反演谱，然后对反演谱进行特征提取，由于反演过程会受到反演参数不同等原因可能造成无效特征产生进而影响分类结果情况的发生，因此，采用一维卷积神经网络直接对原始数据信息进行特征提取，并根据所得特征直接对样本进行分类。

发明内容

本发明是为了解决上述问题而进行的，目的在于提供一种基于1D-CNN的食用油横向弛豫衰减曲线信号特征提取方法。

本发明提供了一种基于1D-CNN的食用油横向弛豫衰减曲线信号特征提取方法，用于获取多种食用油的种类标签，具有这样的特征，包括如下步骤：

步骤1，采用低场核磁共振设备与CPMG序列采集多个种类已知的食用油原始信号数据文件，而后分别读取CPMG原始信号数据文件作为训练集的第一原始信号数据与测试集的第二原始信号数据；

步骤2，将第一原始信号数据与第二原始信号数据绘制成横向弛豫衰减曲线并对该衰减曲线进行衰减截止点的判断，并根据所得的衰减截止点对第一原始信号数据第二原始信号数据进行信号截取，得到不包含噪声的训练集的第一去噪信号数据与测试集的第二去噪信号数据；

步骤3，将第一去噪信号数据与第二去噪信号数据进行归一化处理，得到训练集的第一归一化信号数据与测试集的第二归一化信号数据；

步骤4，将第一归一化信号数据用于构建一维卷积神经网络模型即CNN模型；

步骤5，将第二归一化信号数据输入CNN模型进行测试，得到测试集中的食用油的种类标签。

在本发明提供的基于1D-CNN的食用油横向弛豫衰减曲线信号特征提取方法中，还可以具有这样的特征：其中，步骤2中，衰减截止点的判断包括如下子步骤：