[发明专利]确定多层浑浊介质光学特性参数及层厚度的方法及系统

说明书

本发明涉及一种确定多层浑浊介质光学特性参数及层厚度的方法，包括获取不同角度激发光下从多层浑浊介质中漫反射出来的光强分布信息；将光强分布信息与对应光学特性参数及层厚度的随机组合划分为训练数据集和测试数据集；利用训练数据集训练机器学习模型；利用测试数据集对确定的模型进行测试；评估该模型对多层浑浊介质光学特性参数及层厚度的识别性能。本发明从不同角度激发光对应的漫反射光强分布信息实现多层浑浊介质中每层光学特性参数及层厚度的识别方法，克服了现有技术中仅能对单层或两层介质吸收系数和降散射系数进行识别研究、无法同时识别多层介质中每层的光学特性参数以及每层介质的厚度的缺陷。

技术领域

本发明涉及在医疗诊断、食品质量和材料检测等方面对介质光学特性参数检测的应用，尤其是指一种确定多层浑浊介质光学特性参数及层厚度的方法及系统。

背景技术

光在浑浊介质中传播主要受介质内部的光学特性参数的影响，包括吸收系数μ_a，散射系数μ_s，各项异性因子g和折射率n。其中吸收系数主要反映组织内部化学信息(如水分、酸度、糖度等)的变化；散射系数主要表现为介质内部的结构和物理特性(如密度、形态学特征、细胞结构组成等)；散射特性和各项异性因子给出组织中不同散射成分的形状，大小和浓度信息；折射率用来处理光在组织中传输的边界问题和速度问题。通过测量生物组织的光学特性参数可以确定生物组织的生理状态以及是否发生病变等。因此这些光学特性参数的精准量化信息对于光学检测的主要应用领域如生物医学和食品质量来说至关重要。

对生物组织光学特性参数的测量，一般是假设生物组织为半无限厚的均匀的组织，通过传输方程的漫反射近似解求出光与组织相互作用的结果来实现光学特性参数的测量。实际的生物组织，如水果、皮肤、食管、胃、膀胱以及头部均具有分层结构，不同层具有不同的光学特性参数。由于介质的多样性和复杂性，因此研究光在多层介质中的传播及每层介质光学特性参数测定具有更重要的意义。并且在对多层介质的光学特性的识别中，介质层厚度的考量也是必要的。但是现有技术中仅能对单层或两层介质吸收系数和降散射系数进行识别研究，无法同时识别多层介质中每层的光学特性参数以及每层介质的厚度，从而无法更好地量化光在其中的传播，很难准确地实现无损实时检测。

发明内容

为此，本发明所要解决的技术问题在于克服现有技术中仅能对单层或两层介质吸收系数和降散射系数进行识别研究、无法同时识别多层介质中每层的光学特性参数以及每层介质的厚度的缺陷。

为解决上述技术问题，本发明提供一种确定多层浑浊介质光学特性参数及层厚度的方法，包括：

获取不同角度激发光下从多层浑浊介质中漫反射出来的光强分布信息，在所述光强分布信息与对应的多层浑浊介质每层的光学特性参数及层厚度之间建立机器学习映射关系模型；

将所述光强分布信息与对应的光学特性参数及层厚度的随机组合划分为训练数据集和测试数据集，并对所述训练数据集和测试数据集进行归一化处理；

利用归一化处理后的所述训练数据集确定不同角度激发光下的漫反射光强分布信息和对应的光学特性参数及层厚度的随机组合的机器学习模型，其中所述光强分布信息作为该模型的输入，每一层的光学特性参数及层厚度作为该模型的输出，对建立的模型进行训练；

利用归一化处理后的所述测试数据集对确定的模型进行测试，通过所述模型将测试数据集的光强分布信息作为输入，预测多层浑浊介质中每层的光学特性参数及层厚度；

将预测的光学特性参数及层厚度与真实的光学特性参数和层厚进行对比，以评估该模型对多层浑浊介质光学特性参数及层厚度的识别性能。

在本发明的一个实施例中，所述光学特性参数包括吸收系数μ_a，散射系数μ_s，各项异性因子g、折射率n。

在本发明的一个实施例中，在所述光强分布信息与对应的多层浑浊介质每层的光学特性参数及层厚度之间建立机器学习映射关系模型包括：