[发明专利]一种成品油的性质分析方法、装置、设备及存储介质

权利要求书

1.一种成品油的性质分析方法，其特征在于，包括：

获取若干成品油样本；其中，所述成品油样本包括成品油近红外光谱，以及与所述成品油近红外光谱对应的性质参数数据；

构建原始变分自编码卷积神经网络模型；

根据所述成品油样本，训练所述原始变分自编码卷积神经网络模型，得到目标变分自编码卷积神经网络模型；

获取待测成品油的待测近红外光谱；

将所述待测近红外光谱输入到所述目标变分自编码卷积神经网络模型，得到所述待测成品油的性质分析结果。

2.如权利要求1所述的成品油的性质分析方法，其特征在于，在所述根据所述成品油样本，训练所述原始变分自编码卷积神经网络模型，得到目标变分自编码卷积神经网络模型之前，还包括：

根据成品油近红外光谱，以及与所述成品油近红外光谱对应的性质参数数据，对所有成品油样本进行PCA分析，在多维主成分光谱空间内，确定各个成品油样本之间的样本距离；

根据所述样本距离对成品油样本进行分类，得到若干样本集合；

计算每个样本集合中的成品油样本数量；

保留成品油样本数量大于预设的数量阈值的样本集合，以对所述原始变分自编码卷积神经网络模型进行训练。

3.如权利要求1所述的成品油的性质分析方法，其特征在于，所述成品油近红外光谱，通过以下方式获得：

使用近红外检测仪，采集空白背景光谱；

采用塑料滴管吸取成品油样品注入样品池，以使注入样品池的成品油样品的体积与样品池容积的比值大于预设阈值且注入样品池的成品油样品无气泡存在；

采用近红外检测仪对所述样品池中成品油样品进行若干次光谱采集，得到所述成品油样品的若干近红外光谱；

根据空白背景光谱对所述近红外光谱进行处理，以消除环境干扰；

对消除环境干扰后的若干近红外光谱进行均值处理，得到所述成品油近红外光谱。

4.如权利要求3所述的成品油的性质分析方法，其特征在于，所述样品池为池长50mm、池宽40mm、池深40mm及光程2mm的不锈钢样品池。

5.如权利要求3所述的成品油的性质分析方法，其特征在于，所述近红外检测仪检测的光谱范围为900nm～1700nm，波长准确度优于1nm，波长重复性优于0.5nm。

6.如权利要求3所述的成品油的性质分析方法，其特征在于，在根据所述成品油样本，训练所述原始变分自编码卷积神经网络模型，得到目标变分自编码卷积神经网络模型之前，还包括：

对所述成品油近红外光谱进行预处理；其中，所述预处理包括标准化、小波降噪、差分求导、Savitzky-Golay求导和Savitzky-Golay平滑中的至少一种。

7.如权利要求1所述的成品油的性质分析方法，其特征在于，还包括：

将所述性质分析结果与预设的标准性质参数范围进行比对，以判断所述性质分析结果中的每一性质参数数据是否正常；

当所述性质分析结果存在异常的性质参数数据时，根据异常的性质参数数据生成异常提示信息。

8.一种成品油的性质分析装置，其特征在于，包括：

样本获取模块，用于获取若干成品油样本；其中，所述成品油样本包括成品油近红外光谱，以及与所述成品油近红外光谱对应的性质参数数据；

原始模型构建模块，用于构建原始变分自编码卷积神经网络模型；

目标模型训练模块，用于根据所述成品油样本，训练所述原始变分自编码卷积神经网络模型，得到目标变分自编码卷积神经网络模型；

待测光谱获取模块，用于获取待测成品油的待测近红外光谱；

性质分析模块，用于将所述待测近红外光谱输入到所述目标变分自编码卷积神经网络模型，得到所述待测成品油的性质分析结果。