原文传递
一种用于乳制品中细菌拉曼光谱的复原方法
| 专利名称： | 一种用于乳制品中细菌拉曼光谱的复原方法 |
| 摘要： | 本发明属于拉曼光谱重建技术领域，公开了一种用于乳制品中细菌拉曼光谱的复原方法。所述用于乳制品中细菌拉曼光谱的复原方法，基于生成式对抗神经网络发展了用于乳制品中细菌拉曼光谱的复原的DARnet网络，用于细菌拉曼光谱重建，以解决拉曼光谱中在聚二甲基硅氧烷(PDMS)基片或者玻璃基片等的检测环境下背景噪声造成的信噪比下降的问题。DARnet网络能从少量真实数据中拟合出目标函数，可以弥补普通方法中需要大量样本拉曼光谱信号进行建模的缺点，对于不同拉曼光谱仪具有普适性和通用性，能有效去除检测环境导致的背景噪声，提高拉曼光谱的信噪比和微弱信号检测能力。 |
| 专利类型： | 发明专利 |
| 国家地区组织代码： | 天津;12 |
| 申请人： | 天津大学 |
| 发明人： | 马翔云;李志鹏;李奇峰;杨云鹏;夏华;孙逸 |
| 专利状态： | 有效 |
| 申请日期： | 2023-06-01T00:00:00+0800 |
| 发布日期： | 2023-11-10T00:00:00+0800 |
| 申请号： | CN202310637454.9 |
| 公开号： | CN117030675A |
| 分类号： | G01N21/65;G06F18/214;G06F18/10;G;G01;G06;G01N;G06F;G01N21;G06F18;G01N21/65;G06F18/214;G06F18/10 |
| 申请人地址： | 300072 天津市南开区卫津路92号 |
| 主权项： | 1.一种用于乳制品中细菌拉曼光谱的复原方法，其特征在于，所述方法包括以下步骤，本专利选用拉曼光谱检测设备作为实施主体，基于生成式对抗神经网络发展了用于乳制品中细菌拉曼光谱的复原的DARnet网络，DARnet由生成网络和判别网络两部分组成，通过两个网络之间的不断对抗训练生成网络，在实际检测实施中，采集的细菌光谱信号作为条件输入到训练好的生成网络中，经生成网络提取细菌的拉曼光谱信号分布特征，包含其位置信息和结构成分信息，最后输出重建后的细菌的拉曼光谱，能有效去除在聚二甲基硅氧烷基片和玻璃基片检测环境下导致的背景噪声，提高了拉曼光谱检测性能。 2.根据权利要求1所述的方法，其特征在于，所述的方法训练的对抗过程可以不断生成近似真实细菌拉曼光谱信号的样本，最后经生成网络提取细菌的拉曼光谱信号分布特征。 3.根据权利要求1所述的方法，其特征在于，所述的方法不需要提前建立模型，只要DARnet的判别网络合适，其生成网络就能完全重建细菌光谱信号的理想分布状态，去除在聚二甲基硅氧烷基片和玻璃基片检测环境下导致的背景噪声，达到提高信噪比的目的。 4.根据权利要求1所述的方法，其特征在于，DARnet的生成网络的参数调整来自于其判别网络的结果反馈，而不是完全依赖样本拉曼光谱信号，所以其生成网络实际学习的是细菌拉曼光谱信号的本质特征和分布情况，不是在对样本信号进行拟合，所以可以在不需要改变任何拉曼光谱仪参数的情况下去除在聚二甲基硅氧烷基片和玻璃基片检测环境下导致的背景噪声。 5.根据权利要求2所述的方法，其特征在于，DARnet的生成网络和判别网络对抗的目的是使生成网络能够重建细菌拉曼光谱本质的特征分布情况，因此用于乳制品中细菌拉曼光谱的复原的DARnet网络对于不同拉曼光谱仪具有普适性和通用性。 6.根据权利要求1所述的方法，其特征在于，所述的DARnet的生成网络共有9层，卷积层形状分别为512*16，128*32，32*64，8*128，8*128，32*64，128*32，512*16，1024*1，卷积核大小为2x1，并设置适当的步长和填充，另外，还设置了跳跃连接，将每个编码层连接到相应的解码层，生成网络的输出层是一个Tanh激活函数，Tanh在训练过程中稳定性更好，速度更快，且有饱和区域对数据有一定限制。 7.根据权利要求1所述的方法，其特征在于，所述的DARnet的判别网络采用和生成网络的编码阶段相同的多层卷积结构，卷积层形状分别为512*32，128*64，32*128，8*256，1*512，卷积核大小为2x1，并设置适当的步长和填充，在最后添加了一个一维卷积全连接层，这一层的作用是简化最终分类神经元的结构表达，使得参数数量减少，判别网络最终输出结果用作对输入拉曼光谱信号真假的判断结果。 8.根据权利要求6，7所述的方法，其特征在于，DARnet的判别网络用来来感知其生成网络在训练过程中的损失，判别网络将感知到的损失信息传递给生成网络，生成网络按照这些信息稍微修正其输出波形，使其接近真实分布，从而去除在聚二甲基硅氧烷基片和玻璃基片检测环境下导致的背景噪声。 9.根据权利要求6，7所述的方法，其特征在于，用于乳制品中细菌拉曼光谱的复原的DARnet网络，输入输出都是一维的光谱信号，其采用编码解码架构，能提取出待测样品中细菌的特异性特征，特征重组后完成去除在聚二甲基硅氧烷基片和玻璃基片检测环境下导致的背景噪声任务。 10.根据权利要求2所述的方法，其特征在于，DARnet网络使用前需要完成训练，最终使用训练完善的生成网络进行细菌光谱重建，实现检测环境干扰下的细菌拉曼光谱的数字重建和优化，达到去除在聚二甲基硅氧烷基片和玻璃基片检测环境下导致的背景噪声的效果。 11.根据权利要求6所述的方法，其特征在于，生成网络被设计成完全由卷积层组成，没有全连接层，这样设置可以让输入信号以及分层过程中的波长维度相关性得到足够的重视，还可以减少网络训练时必须的参数数量，加快训练收敛速度。 12.一种用于乳制品中细菌拉曼光谱的复原方法，其特征在于，所述用于乳制品中细菌拉曼光谱的复原方法用于执行如权利要求1-11任一项所述的用于乳制品中细菌拉曼光谱的复原方法。 |
| 所属类别： | 发明专利 |
检索历史
应用推荐
