[发明专利]基于深度机器学习模型实现拉曼信号鉴别的系统及方法

说明书

本发明涉及一种基于深度机器学习模型的拉曼信号数据处理与鉴别的系统，包括光谱仪，用于接收样品的拉曼信号；光学探头与光谱仪相连接；光谱仪包括激光器用于发出激光光束；处理器用于控制处理器处理数据并控制处理器的其余模块；信号预处理模块用于对样品的拉曼信号数据进行预处理；深度机器学习模型数据处理模块用于根据数据分析工具对样品的拉曼信号数据进行自动分析并训练分类器；样品分类标注模块用于通过分类器对样品数据进行样品类别归属和标注；显示屏用于展示信号数据。采用了该基于深度机器学习模型的拉曼信号数据处理与鉴别的系统及方法，可以实现对拉曼光谱仪采集的原始拉曼数据进行自动、快速去噪、有效信号的智能识别和分类。

技术领域

本发明涉及光学领域，尤其涉及光学检测技术领域，具体是指一种基于深度机器学习模型实现拉曼信号数据处理与鉴别功能的系统及其方法。

背景技术

拉曼光谱法是上世纪20年代由印度科学家拉曼提出来的一项技术。上世纪六十年代激光器的诞生，给拉曼光谱的应用带来了发展空间。拉曼光谱分析技术由于具有丰富的物质特性信息、无损检验、无需样品制备等优点，作为一种行之有效的检测分析方法目前已被广泛应用，是现代物质特征分析技术的重要组成部分。早期的拉曼光谱仪体积较大且安装不方便，主要应用于实验室中，随着光电、嵌入式软硬件、拉曼光谱分析技术的不断进步，体积小、重量轻、移动方便的手持便携式拉曼光谱仪具有检测快速准确等优点，迅速得到了发展，市场需求不断增加。世界上各知名光谱仪生产厂家相继推出了多种型号的便携式拉曼光谱仪。

原始的拉曼光谱包含荧光、各种干扰源等噪声，对测量造成极大影响。拉曼光谱数据处理技术是指在对样品进行定性、定量分析之前对所测光谱进行消除荧光、噪声的处理，为拉曼光谱物质鉴别提供可靠有效的数据，以获得稳定、可靠的分析结果。在实际测量中，对荧光进行抑制措施是十分必要的。此外，实际测量时，拉曼光谱中还存在着多种干扰源，主要有激光及拉曼散射光的发射噪声，CCD探测器的散粒噪声、暗电流噪声及读出噪声，样品、样品容器等的荧光和磷光背景、样品及其周围环境的黑体辐射，环境中射线导致的尖峰等等。这些干扰源会给后续的分析结果带来不准确性及不稳定性。所以，为了获得有效待测物品光谱，首先要对测的原始光谱进行有效的去荧光效应，去噪声处理，同时还要对被测物质光谱进行特征谱分析，实现物质鉴别。

随着机器学习、人工智能技术的不断发展，基于机器学习的自动、、智能拉曼光谱数据处理与鉴别方法，将是拉曼光光谱仪数据处理与鉴别发展的趋势。

发明内容

本发明的目的是克服了上述现有技术的缺点，提供了一种可以实现对拉曼光谱仪采集的原始拉曼数据进行自动、快速去噪、有效信号的智能识别和分类的基于深度机器学习模型实现拉曼信号数据处理与鉴别功能的系统及其方法。

为了实现上述目的，本发明的基于深度机器学习模型的实现拉曼信号数据处理与鉴别功能的系统及其方法如下：

该基于深度机器学习模型的拉曼信号数据处理与鉴别的系统，其主要特点是，所述的系统包括：

光学探头，与所述的光谱仪相连接，用于接收所述的光谱仪发出的激光光束并使所述的激光光束与样品表面接触，并采集样品的拉曼信号；

所述的光谱仪包括：

激光器，与所述的光学探头连接，用于发出激光光束；

处理器，与所述的激光器相连接，用于控制处理器处理数据并控制处理器的其余模块；

信号预处理模块，与所述的处理器相连接，用于对所述的样品的拉曼信号数据进行预处理；

深度机器学习模型数据处理模块，与所述的处理器相连接，用于根据数据分析工具对所述的样品的拉曼信号数据进行自动分析，并训练分类器；

样品分类标注模块，与所述的处理器相连接，用于通过所述的分类器对样品数据进行样品类别归属和标注，并存入数据库；