[发明专利]光谱检测方法、装置及计算机可读存储介质

权利要求书

1.一种光谱检测方法，其特征在于，所述光谱检测方法包括以下步骤：

获取光谱训练数据对应的光谱特征矩阵，获取光谱特征矩阵对应的光谱第一角相似度矩阵，并获取所述光谱第一角相似度矩阵对应的正则化拉普拉斯矩阵；

基于所述光谱特征矩阵、正则化拉普拉斯矩阵、辅助变量以及稀疏约束噪声，确定光谱检测模型，其中，所述光谱检测模型的输出为去噪光谱特征矩阵；

将所述光谱训练数据输入所述光谱检测模型进行迭代训练，以获得所述光谱训练数据对应的去噪光谱特征矩阵以及训练后的光谱检测模型；

若基于当前迭代的去噪光谱特征矩阵以及上一次迭代的去噪光谱特征矩阵，确定训练后的光谱检测模型收敛，则将训练后的光谱检测模型作为目标光谱检测模型，并将当前迭代的去噪光谱特征矩阵作为目标去噪光谱特征矩阵；

当前迭代的去噪光谱特征矩阵输入集成学习模型进行预测，以获得光谱训练数据中各条光谱对应的预测结果；

基于多个预设阈值以及预测结果，确定各个预设阈值对应的真正率TPR以及假正率FPR；

基于真正率以及假正率，确定ROC曲线，并基于所述ROC曲线确定真正率阈值以及假正率阈值，其中，在TPR以及FPR的坐标系中，将不同预设阈值下的TPR和FPR连接，得到ROC曲线，并将TPR+FPR=1的直线与ROC曲线的交点对应的TPR以及FPR作为真正率阈值以及假正率阈值；

获取光谱训练数据对应的待预测光谱预测数据，将待预测光谱预测数据中待预测光谱特征矩阵输入所述目标光谱检测模型进行预测，以获得目标去噪光谱特征矩阵；

在第一光谱向量中确定各个第二光谱向量对应的多个目标光谱向量，其中，第一光谱向量为当前迭代的去噪光谱特征矩阵中的光谱向量，第二光谱向量为目标去噪光谱特征矩阵中的光谱向量；

基于所述目标光谱向量的预测结果，确定各个第二光谱向量对应的预测值；

基于所述预测值、真正率阈值以及假正率阈值，确定待预测光谱特征矩阵对应的各个产品的分类结果；

所述基于所述光谱特征矩阵、正则化拉普拉斯矩阵、辅助变量以及稀疏约束噪声，确定光谱检测模型的步骤包括：

确定所述光谱特征矩阵、所述去噪光谱特征矩阵以及所述稀疏约束噪声，确定第一F-范数；

基于所述正则化拉普拉斯矩阵以及所述光谱特征矩阵，确定矩阵的迹；

确定所述辅助变量对应的核范数，并基于所述稀疏约束噪声确定1-范数；

基于所述第一F-范数、矩阵的迹、核范数以及1-范数，确定光谱检测模型，光谱检测模型的模型函数公式为：

；

其中，||X-U-E||_F为第一F-范数，tr(U^TLU)为矩阵的迹，||V||_*为核范数，||E||₁为1-范数，X为光谱特征矩阵，U为去噪光谱特征矩阵，E为稀疏约束噪声，L为正则化拉普拉斯矩阵，V为辅助变量，μ、λ、η均为超参数。

2.如权利要求1所述的光谱检测方法，其特征在于，所述将所述光谱训练数据输入所述光谱检测模型进行迭代训练，以获得所述光谱训练数据对应的去噪光谱特征矩阵以及训练后的光谱检测模型的步骤包括：

对于每一次迭代训练，通过光谱检测模型根据线性最小二乘法计算所述光谱特征矩阵对应的当前迭代的去噪光谱特征矩阵；

通过光谱检测模型根据奇异值阈值化收缩算子，计算当前迭代的辅助变量；

通过光谱检测模型根据迭代收缩阈值算法，计算当前迭代的稀疏约束噪声。

3.如权利要求1所述的光谱检测方法，其特征在于，所述若基于当前迭代的去噪光谱特征矩阵以及上一次迭代的去噪光谱特征矩阵，确定训练后的光谱检测模型收敛，则将训练后的光谱检测模型作为目标光谱检测模型的步骤包括：

基于当前迭代的去噪光谱特征矩阵以及上一次迭代的去噪光谱特征矩阵，确定第二F-范数；

若第二F-范数小于预设误差值，则确定训练后的光谱检测模型收敛，并将训练后的光谱检测模型作为目标光谱检测模型。