[发明专利]一种基于深度学习的定量光谱数据分析处理方法有效
| 申请号： | 201811179747.2 | 申请日： | 2018-10-10 |
| 公开（公告）号： | CN109493287B | 公开（公告）日： | 2022-03-15 |
| 发明（设计）人： | 林涛;张晓蕾;应义斌 | 申请（专利权）人： | 浙江大学 |
| 主分类号： | G06T5/00 | 分类号： | G06T5/00;G01N21/359 |
| 代理公司： | 杭州求是专利事务所有限公司 33200 | 代理人： | 林超 |
| 地址： | 310058 浙江*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度学习的定量光谱数据分析处理方法。本发明不需要对数据进行预处理，能够从原始光谱数据中学习到有效信息和背景信息，提高定量光谱分析的准确度。本发明通过三个卷积层提取光谱数据中的高维特征，在第二层采用1×1的卷积核，能够降维和减少计算量，并且在第三个卷积层采用三种不同大小的卷积核，能够从原始光谱数据中学习到隐含在光谱数据中的不同大小的特征。本发明没有对数据做预处理，可以直接处理原始数据，当测试集光谱与训练集的光谱噪声分布不同时，本发明的泛化能力较高。 | ||
| 搜索关键词： | 一种 基于 深度 学习 定量 光谱 数据 分析 处理 方法 | ||
【主权项】：
1.一种基于深度学习的定量光谱数据分析处理方法，其特征在于方法包含如下步骤：步骤1)：构建一维卷积神经网络模型，并且优化计算获得模型的超参数；步骤2)：用样品已知预测值的光谱数据输入到卷积神经网络模型中，训练获得模型的权重，经过多轮训练后得到一个最优模型，获得训练后的模型；步骤3)：将样品未知预测值的光谱数据输入到训练后的模型，输出获得光谱数据的预测值结果。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于浙江大学，未经浙江大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811179747.2/，转载请声明来源钻瓜专利网。
