[发明专利]近红外光谱的分类模型训练方法、系统及分类方法、系统

权利要求书

1.一种近红外光谱的分类模型训练方法，其特征在于，所述训练方法包括：

获取多种类型样品分别对应的多个训练用近红外光谱序列；

利用MTF将每一所述训练用近红外光谱序列转换为训练用二维图像，得到训练样本；所有所述训练样本和所述训练样本对应的标签组成训练数据集；

构建初始分类模型；

利用所述训练数据集对所述初始分类模型进行训练，得到分类模型。

2.根据权利要求1所述的训练方法，其特征在于，在所述利用MTF将每一所述训练用近红外光谱序列转换为训练用二维图像之前，所述训练方法还包括对所述训练用近红外光谱序列进行裁剪，具体包括：

对于每一所述训练用近红外光谱序列，确定所有峰值点的位置；

随机选取任一所述峰值点作为中心点，根据预设范围对所述训练用近红外光谱序列进行裁剪，得到训练用裁剪后序列，并以所述训练用裁剪后序列作为新的训练用近红外光谱序列；所述训练用裁剪后序列的中心即为所述中心点。

3.根据权利要求1所述的训练方法，其特征在于，所述利用MTF将每一所述训练用近红外光谱序列转换为训练用二维图像具体包括：

将所述训练用近红外光谱序列划分为Q个分位数区间；所述训练用近红外光谱序列中的每一个序列点均对应一个唯一的分位数区间；

采用一阶马尔可夫链计算所述分位数区间之间的转移概率，构建马尔可夫矩阵；所述马尔可夫矩阵为Q×Q矩阵；

根据所述马尔可夫矩阵构建马尔可夫变迁场；所述马尔可夫变迁场为T×T矩阵；T为所述训练用近红外光谱序列所对应的序列点的个数；

将所述马尔可夫变迁场进行可视化，得到训练用二维图像。

4.根据权利要求1所述的训练方法，其特征在于，在所述利用MTF将每一所述训练用近红外光谱序列转换为训练用二维图像之后，所述训练方法还包括：

确定不同类型所述样品所对应的所述训练用二维图像中像素值差异大于预设阈值的差异区域；

根据所述差异区域对每一所述训练用二维图像进行裁剪，得到训练用裁剪后图像，并以所述训练用裁剪后图像作为训练样本。

5.根据权利要求1所述的训练方法，其特征在于，在得到训练数据集之后，利用所述训练数据集对所述初始分类模型进行训练之前，所述训练方法还包括：

对所述训练数据集进行增强处理，得到增强后训练数据集，并以所述增强后训练数据集作为新的训练数据集；所述增强处理包括随机旋转、随机缩放、水平移动、垂直移动、水平翻转、垂直翻转、剪切变换和通道移位。

6.根据权利要求1所述的训练方法，其特征在于，所述初始分类模型采用残差网络；所述残差网络包括依次连接的输入层、第一卷积层、残差模块、第一批规范化层、全局平均池化层、全连接层和输出层；

所述残差模块包括依次连接的第二批规范化层、第二卷积层、第三批规范化层和第三卷积层；所述第一卷积层分别与所述第二批规范化层和所述残差模块的输出端相连接；所述第三卷积层和所述残差模块的输出端相连接。

7.根据权利要求6所述的训练方法，其特征在于，当所述残差模块的输入维度和输出维度不同时，所述第一卷积层通过平均池化层和所述残差模块的输出端相连接。

8.一种近红外光谱的分类模型训练系统，其特征在于，所述训练系统包括：

第一获取模块，用于获取多种类型样品分别对应的多个训练用近红外光谱序列；

第一转换模块，用于利用MTF将每一所述训练用近红外光谱序列转换为训练用二维图像，得到训练样本；所有所述训练样本和所述训练样本对应的标签组成训练数据集；

构建模块，用于构建初始分类模型；

训练模块，用于利用所述训练数据集对所述初始分类模型进行训练，得到分类模型。

9.一种近红外光谱的分类方法，其特征在于，所述方法包括：

获取待分类近红外光谱序列；

利用MTF将所述待分类近红外光谱序列转换为二维图像；

以所述二维图像作为输入，利用分类模型进行分类。

10.一种近红外光谱的分类系统，其特征在于，所述系统包括：

第二获取模块，用于获取待分类近红外光谱序列；

第二转换模块，用于利用MTF将所述待分类近红外光谱序列转换为二维图像；

分类模块，用于以所述二维图像作为输入，利用分类模型进行分类。