[发明专利]一种野生滇龙胆LIBS识别方法及系统有效
申请号: | 202010500435.8 | 申请日: | 2020-06-04 |
公开(公告)号: | CN111624193B | 公开(公告)日: | 2023-01-17 |
发明(设计)人: | 孙明华;孔汶汶;孙永祺 | 申请(专利权)人: | 杭州岚达科技有限公司 |
主分类号: | G01N21/71 | 分类号: | G01N21/71 |
代理公司: | 北京高沃律师事务所 11569 | 代理人: | 杜阳阳 |
地址: | 310012 浙江省杭州市西湖区三墩镇*** | 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: | |||
搜索关键词: | 一种 野生 龙胆 libs 识别 方法 系统 | ||
1.一种野生滇龙胆LIBS识别方法,其特征在于,包括:
获取待检测的滇龙胆植株的压片样本;
利用激光诱导击穿光谱仪确定所述压片样本的激光诱导击穿光谱;
根据所述激光诱导击穿光谱,利用matlab中的findpeaks算法和有效谱峰阈值,确定所述激光诱导击穿光谱的有效谱峰;所述有效谱峰为激光诱导击穿光谱中当前波长的光谱值均大于前一波长的光谱值和后一波长的光谱值,且所述当前波长的光谱值大于所述有效谱峰阈值的谱峰;
根据所述激光诱导击穿光谱中的有效谱峰确定重构后的激光诱导击穿光谱;
根据所述重构后的激光诱导击穿光谱和识别模型确定识别结果;所述识别模型以所述重构后的激光诱导击穿光谱为输入,以所述识别结果为输出;所述识别结果包括野生滇龙胆和家种滇龙胆;所述识别模型包括极限学习机模型、支持向量机模型、随机森林模型、线性识别分析模型和径向基函数神经网络模型;
所述根据所述激光诱导击穿光谱中的有效谱峰确定重构后的激光诱导击穿光谱,具体包括:
根据所述有效谱峰确定所述有效谱峰的峰位置;
根据所述峰位置确定有效谱峰的强度;
根据所述有效谱峰的强度确定重构后的光谱变量;
根据所述重构后的光谱变量确定重构后的激光诱导击穿光谱;
所述识别模型的确定过程,具体包括:
获取样本集的压片样本;所述样本集包括野生的滇龙胆和家种的滇龙胆;
根据所述样本集的压片样本确定所述样本集的激光诱导击穿光谱;
根据所述样本集的激光诱导击穿光谱,利用matlab中的findpeaks算法和有效谱峰阈值,确定所述样本集的激光诱导击穿光谱的有效谱峰;
根据所述样本集的激光诱导击穿光谱中的有效谱峰确定所述样本集的重构后的激光诱导击穿光谱;
根据所述样本集的重构后的激光诱导击穿光谱确定光谱角数据;所述光谱角数据包括多个光谱角;所述光谱角为光谱数据中所有样本集的重构后的激光诱导击穿光谱与平均光谱间的夹角;
对所述光谱角进行排序,得到排序结果;
获取排序结果中的最大光谱角和最小光谱角,并确定与所述最大光谱角相对应的光谱和与所述最小光谱角相对应的光谱,以构建建模集;
将除所述最大光谱角和所述最小光谱角之外的其他光谱角划分为多个区间,并获取与每一区间中的中间光谱角相对应的光谱,以构建验证集;将与多个所述区间中除中间光谱角之外的其他光谱角相对应的光谱放入所述建模集;
以所述建模集为输入,以所述识别结果为输出,构建识别模型;
利用所述验证集对所述识别模型进行验证。
2.根据权利要求1所述的一种野生滇龙胆LIBS识别方法,其特征在于,所述利用激光诱导击穿光谱仪确定所述压片样本的激光诱导击穿光谱,之后还包括:
对所述激光诱导击穿光谱进行小波去噪,得到去噪后的激光诱导击穿光谱;
对所述去噪后的激光诱导击穿光谱进行基线校正和面积归一化。
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杭州岚达科技有限公司,未经杭州岚达科技有限公司许可,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/pat/books/202010500435.8/1.html,转载请声明来源钻瓜专利网。