详情

原文传递降低多批次样本间LIBS检测不确定性的方法及装置

专利名称：	降低多批次样本间LIBS检测不确定性的方法及装置
摘要：	本发明公开了一种降低多批次样本间LIBS检测不确定性的方法及装置，该方法包括同批次样本内自校正过程和多批次样本间校正过程；同批次样本内自校正过程针对同批次样本内的光谱数据，可有效降低批次内数据的波动性；多批次样本间校正过程用于多批次样本间的训练光谱数据和预测光谱数据，能够在一定程度上解决LIBS系统经过较长时间光谱强度会发生变化的问题，降低多批次样本间LIBS检测的不确定性；两种方法综合使用，可以提升系统的鲁棒性，提升LIBS系统预测精度。而且针对实际生产过程中，针对样本或者环境的变化导致的不确定性的问题，增加了对模型鲁棒性评判的过程，使模型具有自学习自补充的能力，进而降低了模型的不确定性。
专利类型：	发明专利
申请人：	北京科技大学;山西建龙实业有限公司
发明人：	阳建宏;李大亮;张庆;刘西峰;谷文铮;王占祥;张士横;杜保家;李嘉隆;张妍;孙浩;李海啸;黎敏;张永琪;陆慧丽;谢建军
专利状态：	有效
申请日期：	2022-08-15T00:00:00+0800
发布日期：	2022-12-06T00:00:00+0800
申请号：	CN202210975863.5
公开号：	CN115436342A
代理机构：	北京市广友专利事务所有限责任公司
代理人：	张仲波
分类号：	G01N21/71;G01N21/27;G06K9/62;G06N20/10;G;G01;G06;G01N;G06K;G06N;G01N21;G06K9;G06N20;G01N21/71;G01N21/27;G06K9/62;G06N20/10
申请人地址：	100083 北京市海淀区学院路30号;
主权项：	1.一种降低多批次样本间LIBS检测不确定性的方法，其特征在于，包括：同批次样本内自校正过程、多批次样本间校正过程以及对预测数据的校正过程；所述同批次样本内自校正过程包括： S1，获取待校正的同批次样本数据；其中，所述待校正的同批次样本数据为训练光谱数据或预测光谱数据，所述训练光谱数据指的是用于训练预设定标模型的光谱数据，所述预测光谱数据指的是用于输入所述定标模型，以实现样本预设成分预测的光谱数据； S2，选取样本数据的内标线，并提取内标线处各个样本的光谱强度值；对元素含量相同的样本对应的光谱强度值进行概率密度剔除，将剩余的数据取平均值作为此元素含量的样本对应内标线处的标准光谱强度值； S3，用标准光谱强度值除以此元素含量相同的样本对应的原始光谱强度值，得到每一个样本的自校正系数α1；将样本的原始光谱强度值乘以其对应的自校正系数α1，从而得到对应的自校正后的数据；所述多批次样本间校正过程包括： S1，获取待校正的多批次样本数据； S2，对每一批次样本数据分别进行自校正，得到自校正后的多批次样本数据； S3，将自校正后的n个批次的样本数据内标线处光谱强度值分别与自校正后的第一批次样本数据的内标线处光谱强度值做商，得到n-1个模型校正系数β1，β2，β3…βn-1；其中，n＝2,3,4…N，N表示多批次样本数据的总批次； S4，利用每一批次样本数据对应的模型校正系数和该批次经过自校正后内标线处的光谱强度值建立批次间校正模型；利用所述批次间校正模型实现多批次样本间校正；所述对预测数据的校正过程包括： S1，获取待校正的预测数据； S2，对预测数据进行自校正和多批次样本间校正，得到校正后的预测数据； S3，判断校正后的预测数据内标线处光谱强度是否处于训练数据对应内标线处强度概率区间内，如果是，则执行S4；否则，执行S5； S4，将校正后的预测数据带入预设定标模型进行计算； S5，将此批预测数据补充到训练数据中，再次采集预测数据，然后执行S3；直到预测数据内标线处光谱强度处于训练数据对应内标线处强度概率区间内，将预测数据代入模型计算。 2.如权利要求1所述的降低多批次样本间LIBS检测不确定性的方法，其特征在于，所述利用每一批次样本数据对应的模型校正系数和该批次经过自校正后内标线处光谱强度值建立批次间校正模型，包括：以最小二乘支持向量机为基学习器，将自校正后的第n批光谱数据的标准光谱强度值作为输入，将其对应的模型校正系数βn-1作为输出；将输入和输出带入基学习器中训练得到批次间校正模型。 3.一种降低多批次样本间LIBS检测不确定性的装置，其特征在于，包括：同批次样本内自校正模块、多批次样本间校正模块以及对预测数据的校正模块；所述同批次样本内自校正模块用于： S1，获取待校正的同批次样本数据；其中，所述待校正的同批次样本数据为训练光谱数据或预测光谱数据，所述训练光谱数据指的是用于训练预设定标模型的光谱数据，所述预测光谱数据指的是用于输入所述定标模型，以实现样本预设成分预测的光谱数据； S2，选取样本数据的内标线，并提取内标线处各个样本的光谱强度值；对元素含量相同的样本对应的光谱强度值进行概率密度剔除，将剩余的数据取平均值作为此元素含量的样本对应内标线处的标准光谱强度值； S3，用标准光谱强度值除以此元素含量相同的样本对应的原始光谱强度值，得到每一个样本的自校正系数α1；将样本的原始光谱强度值乘以其对应的自校正系数α1，从而得到对应的自校正后的数据；所述多批次样本间校正模块用于： S1，获取待校正的多批次样本数据； S2，对每一批次样本数据分别进行自校正，得到自校正后的多批次样本数据； S3，将自校正后的n个批次的样本数据内标线处光谱强度值分别与自校正后的第一批次样本数据的内标线处光谱强度值做商，得到n-1个模型校正系数β1，β2，β3…βn-1；其中，n＝2,3,4…N，N表示多批次样本数据的总批次； S4，利用每一批次样本数据对应的模型校正系数和该批次经过自校正后内标线处的光谱强度值建立批次间校正模型；利用所述批次间校正模型实现多批次样本间校正；所述对预测数据的校正模块用于： S1，获取待校正的预测数据； S2，对预测数据进行自校正和多批次样本间校正，得到校正后的预测数据； S3，判断校正后的预测数据内标线处光谱强度是否处于训练数据对应内标线处强度概率区间内，如果是，则执行S4；否则，执行S5； S4，将校正后的预测数据带入预设定标模型进行计算； S5，将此批预测数据补充到训练数据中，再次采集预测数据，然后执行S3；直到预测数据内标线处光谱强度处于训练数据对应内标线处强度概率区间内，将预测数据代入模型计算。 4.如权利要求3所述的降低多批次样本间LIBS检测不确定性的装置，其特征在于，所述利用每一批次样本数据对应的模型校正系数和该批次经过自校正后内标线处光谱强度值建立批次间校正模型，包括：以最小二乘支持向量机为基学习器，将自校正后的第n批光谱数据的标准光谱强度值作为输入，将其对应的模型校正系数βn-1作为输出；将输入和输出带入基学习器中训练得到批次间校正模型。