详情

原文传递一种利用光声成像和深度网络检测物质颗粒平均尺寸的方法

专利名称：	一种利用光声成像和深度网络检测物质颗粒平均尺寸的方法
摘要：	本发明公开了一种利用光声成像和深度学习网络检测物质颗粒平均尺寸的方法，包括：选取足够数量与待测物质样本相似的其他物质样本作为学习样本；利用显微技术获得学习样本所包含物质颗粒的平均尺寸；激光器照射学习样本，采集光声信号；计算学习样本光声信号的幅度谱，并对幅度谱进行能量归一化；利用深度学习网络，将学习样本的光声信号幅度谱作为网络的输入，由显微技术得到的颗粒真实平均尺寸作为网络的输出，对学习样本进行训练和测试，确定深度学习网络的各项参数；测量待测物质样本的光声信号，计算其能量归一化后的幅度谱，将幅度谱输入深度学习网络，根据网络的输出预测该待测物质样本颗粒的平均尺寸。
专利类型：	发明专利
国家地区组织代码：	江苏;32
申请人：	南京大学
发明人：	袁杰;马翔;程茜;王学鼎
专利状态：	有效
申请日期：	2018-01-30T00:00:00+0800
发布日期：	2019-08-06T00:00:00+0800
申请号：	CN201810144979.8
公开号：	CN110095387A
分类号：	G01N15/02(2006.01);G;G01;G01N;G01N15
申请人地址：	210093 江苏省南京市鼓楼区汉口路22号南京大学1019信箱
主权项：	1.一种利用光声成像和深度网络检测物质颗粒平均尺寸的方法，其特征在于，包括如下步骤：步骤1，选取足够数量的与待测物质样本sample0同类的其他物质样本samplep，p＝1，2，3，...，P，构成P个学习样本；步骤2，利用显微技术观察学习样本的内部结构，并计算每个学习样本所包含物质颗粒的平均尺寸sp，p＝1，2，3，...，P，作为学习样本包含颗粒的真实平均尺寸；步骤3，搭建光声信号的测量装置：选取合适的激光器发射频率fa，调整激光器以及聚焦装置使聚焦后的光束照射在样本测量区域，物质样本放置在样本测量区域，位于样本旁侧的超声装置接收并采样声信号，超声装置所能接收的频段为fl～fu，采样频率为fs；步骤4，利用步骤3中的光声信号测量装置分别测量和接收P个学习样本的光声信号wp(n)，p＝1，2，3，...，P，n＝0，1，2，...，N-1，信号采样时长步骤5，计算每段光声信号wp(n)的离散傅里叶变换Wp(k)＝DFT[wp(n)]，p＝1，2，3，...，P，k＝0，1，2，...，N-1，计算Wp(k)的模\|Wp(k)\|，并对\|Wp(k)\|进行能量归一化得到归一化后的信号幅度谱步骤6，选取合适的网络结构，建立输入为I维，输出为一维的深度网络，将每个学习样本samplep，p＝1，2，3，...，P的归一化幅度谱预处理并作为网络的输入ini，i＝1，2，3，...，I，步骤2中所计算的每个学习样本所包含物质颗粒的平均尺寸sp，p＝1，2，3，...，P作为网络的输出out，对这P个学习样本进行训练和测试，计算出深度网络的最优参数；步骤7，利用步骤3中的光声信号测量装置测量和接收待测物质样本sample0的光声信号w0(n)，n＝0，1，2，...，N-1，计算其能量归一化后的信号幅度谱步骤8，将待测物质样本sample0的归一化幅度谱输入步骤6中获得的深度网络，将相应的网络输出out作为待测物质样本sample0的颗粒平均尺寸s0，从而实现对待测物质样本颗粒平均尺寸的检测。 2.根据权利要求书1所述的一种利用光声成像和深度网络检测物质颗粒平均尺寸的方法，其特征在于，步骤1中，所选取的学习样本samplep，p＝1，2，3，...，P应当与待测物质样本属于同种物质组成、同种物质形态，学习样本数量P应当足够，并且合适的样本数量随着待测物质的不同也会有所不同。 3.根据权利要求书1所述的一种利用光声成像和深度网络检测物质颗粒平均尺寸的方法，其特征在于，步骤2中，利用显微技术对每个学习样本成像，所成的图像中包含Mp个完整的物质颗粒，每个物质颗粒的尺寸为lp，m，p＝1，2，3，...，P，m＝1，2，3，...，Mp，则该学习样本所包含物质颗粒的平均尺寸 4.根据权利要求书1所述的一种利用光声成像和深度网络检测物质颗粒平均尺寸的方法，其特征在于，步骤3中，激光器的发射频率fa应当选为待测物质样本光吸收最强的频率，超声接收器的上限频率fu应当能够与物质颗粒的最小尺寸相匹配，即其中c0是该物质中的声速，smin是物质颗粒尺寸的最小分辨率，采样频率fs应满足fs≥2fu。 5.根据权利要求书1所述的一种利用光声成像和深度网络检测物质颗粒平均尺寸的方法，其特征在于，步骤5中，对计算的信号幅度谱\|Wp(k)\|进行能量归一化，计算信号的总能量则能量归一化后的信号幅度谱为 6.根据权利要求书1所述的一种利用光声成像和深度网络检测物质颗粒平均尺寸的方法，其特征在于，步骤6中，深度网络的输入维度I随着输入网络的信号幅度谱的不同而变化，假设输入网络的幅度谱为则所对应的信号频段为每两个相邻频率间隔深度网络具有R层，每层输入和输出的维度分别为inr和outr，r＝1，2，3，...，R，则in0＝I，outR＝1。 7.根据权利要求书1所述的一种利用光声成像和深度网络检测物质颗粒平均尺寸的方法，其特征在于，步骤6中，将P个样本按照α：1-α(0＜α＜1)分为测试集和训练集，随机取出(1-α)P的样本用于深度网络训练，得到训练集误差最小时的网络参数，剩余αP的样本用于测试并计算测试集的平均误差；通过随机选取不同的训练集和测试集，将网络训练T次，选取T次训练中测试集平均误差最小的网络参数作为网络最优参数。 8.根据权利要求书1所述的一种利用光声成像和深度网络检测物质颗粒平均尺寸的方法，其特征在于，步骤7中，对物质样本sample0采集光声信号、计算能量归一化幅度谱的过程与学习样本的测量和计算过程保持一致。 9.根据权利要求书1所述的一种利用光声成像和深度网络检测物质颗粒平均尺寸的方法，其特征在于，步骤8中，将物质样本sample0归一化幅度谱输入网络，选取的频段与学习样本保持一致，输入网络输出即为待测物质样本颗粒平均尺寸的预测值。 10.根据权利要求书1所述的一种利用光声成像和深度网络检测物质颗粒平均尺寸的方法，其特征在于，步骤8中，利用步骤6计算的深度网络的最优参数可以实现同类待测物质不同样本颗粒平均尺寸的多次预测：在检测同类待测物质的不同样本时，只需进行步骤1到步骤6一次，获得深度网络的最优参数，该参数适用于该类物质所有样本的预测。
所属类别：	发明专利