[发明专利]珠宝玉石鉴定方法、装置、介质及设备

说明书

本文是关于基于深度学习的珠宝玉石鉴定方法，应用于拉曼光谱仪，包括：获取待测物的拉曼光谱；将拉曼光谱输入第一级识别模型，确定待测物的相似类别或种属类别；若待测物为某一相似类别，选择与所述相似类别对应的第二级识别模型，将拉曼光谱输入对应的第二级识别模型，输出待测物的种属类别。通过两级识别模型，先确定待测物的相似类别，再选择与相似类别对应的第二级识别模型，确定待测物是相似类别中的具体种属类别，有效提高识别准确率。

技术领域

本文涉及化学物质的鉴定识别领域，尤其涉及珠宝玉石鉴定方法、装置、介质和设备。

背景技术

相关技术中，光谱检测的技术主要包括红外光谱分析、激光拉曼光谱分析两种，而拉曼光谱仪又多采用激光显微拉曼光谱仪。然而，激光显微拉曼光谱仪设备昂贵、操作复杂，而且不便携带，只能在实验室进行珠宝玉石种类检测。手持式拉曼光谱仪在现场识别应用中已表现出了卓越且不可替代的优势，然而，在宝石鉴定方面，手持式拉曼光谱仪受设备本身的限制，采集的拉曼光谱分辨率低，不易识别，而且手持式拉曼光谱仪由于检测过程中采样环境、采样人员和采样规范性的不确定性，使得准确性受到了很大程度的影响。另外，宝石在激光激发下会产生不同程度的背景荧光，荧光的干扰对于本就微弱的拉曼散射信号来说影响巨大，会导致最终拉曼图谱不能成图，影响检测结果的准确程度。

因此，优化或开发新的拉曼光谱分析识别算法是提高手持式拉曼光谱仪鉴定宝石亟待解决的问题。

发明内容

为克服相关技术中存在的问题，本文提供一种基于深度学习的珠宝玉石鉴定方法、装置、介质及设备。

根据本文的第一方面，提供一种基于深度学习的珠宝玉石鉴定方法，应用于拉曼光谱仪，包括：

获取待测物的拉曼光谱；

将所述拉曼光谱输入第一级识别模型，确定所述待测物的相似类别或种属类别；

若所述待测物为某一相似类别，选择与所述相似类别对应的第二级识别模型，将所述拉曼光谱输入所述对应的第二级识别模型，输出所述待测物的种属类别。

基于深度学习的珠宝玉石鉴定方法，还包括：将拉曼光谱相似的不同种属类别的珠宝玉石划分为同一相似类别。

拉曼光谱仪包括：手持式拉曼光谱仪。

所述第一级识别模型，为经过深度学习方法训练后得到的模型，使用标记了相似类别或种属类别的珠宝玉石的样本数据进行训练，用于识别所述待测物是否为珠宝玉石，并确定所述待测物的相似类别或种属类别。

所述第二级识别模型包括多个经过深度学习或其他机器学习方法训练后得到的模型，每一模型使用标记了种属类别的一组拉曼光谱相似的珠宝玉石的样本数据进行训练，用于识别待测物的种属类别。

根据本文的另一方面，提供一种基于深度学习的珠宝玉石鉴定装置，包括：

拉曼光谱获取模块，用于获取待测物的拉曼光谱；

第一识别模块，用于将所述拉曼光谱输入第一级识别模型，确定所述待测物的相似类别或种属类别；

模型选择模块，用于若所述待测物为某一相似类别，选择与所述相似类别对应的第二级识别模型；

第二识别模块，用于将所述拉曼光谱输入所述对应的第二级识别模型，输出所述待测物种属类别。

所述第一识别模块，为经过深度学习方法训练后得到的模型，使用标记了相似类别或种属类别的珠宝玉石的样本数据进行训练，用于识别所述待测物是否为珠宝玉石，并确定所述待测物的相似类别或种属类别。

所述第二识别模块包括多个经过深度学习或其他机器学习方法训练后得到的模型，每一模型使用标记了种属类别的一组拉曼光谱相似的珠宝玉石的样本数据进行训练，用于识别待测物的种属类别。