[发明专利]一种基于地物谱仪的气载微塑料快速检测方法

权利要求书

1.一种基于地物谱仪的气载微塑料快速检测方法，其特征在于，包括以下步骤：

获取大气沉降物，对大气沉降物进行过滤处理，得到大气沉降物样品；

通过地物光谱仪对大气沉降物样品进行光谱数据采集；

对光谱数据进行预处理；

根据光谱数据获取特征波段；

根据微塑料的标准光谱数据和特征波段建立分类模型；

根据分类模型对光谱数据分类，得到微塑料在大气中的丰度大小；

通过被动式大气采样器获取大气沉降物；过滤处理为通过孔径为5mm的不锈钢过滤大气沉降物，获取直径小于5mm的大气沉降物作为大气沉降物样品。

2.根据权利要求1所述的一种基于地物谱仪的气载微塑料快速检测方法，其特征在于，根据分类模型，得到基于特征波段的真实地物类别，根据分类模型对光谱数据分类，得到测试地物类别，通过对比真实地物类别和测试地物类别，得到不同成分的微塑料从大气沉降物中的检出概率。

3.根据权利要求1所述的一种基于地物谱仪的气载微塑料快速检测方法，其特征在于，所述预处理为消除噪音处理。

4.根据权利要求1所述的一种基于地物谱仪的气载微塑料快速检测方法，其特征在于，根据光谱数据获取特征波段，具体包括：

将光谱数据进行归一化处理，得到地物样本数据；

抽取1-10％的地物样本数据作为第一训练集，剩余的地物样本数据作为第一测试集；

通过第一训练集及地物类别标签生成对抗网络ACGAN；

第一训练集及地物类别标签在对抗网络ACGAN中训练，并通过对抗网络ACGAN得到地物样本数据的特征波段。

5.根据权利要求1或4所述的一种基于地物谱仪的气载微塑料快速检测方法，其特征在于，根据微塑料的标准光谱数据和特征波段建立分类模型，具体包括：

根据微塑料的标准光谱数据，得到卷积神经网络模型；

将特征波段分为70％的第二训练集和30％的第二测试集；

将第二训练集输入到卷积神经网络模型中进行训练，得到训练好的分类模型。

6.根据权利要求5所述的一种基于地物谱仪的气载微塑料快速检测方法，其特征在于，根据分类模型对光谱数据分类，得到微塑料在大气中的丰度，具体包括：

将第二测试集输入到分类模型中，得到微塑料在大气中的丰度。

7.根据权利要求4所述的一种基于地物谱仪的气载微塑料快速检测方法，其特征在于，抽取5％的地物样本数据作为第一训练集，95％的地物样本数据作为第一测试集。

8.根据权利要求5所述的一种基于地物谱仪的气载微塑料快速检测方法，其特征在于，所述卷积神经网络模型包括三个卷积层和两个全连接层。