[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

说明书

本发明公开了一种成品油的性质分析方法，包括：获取若干成品油样本；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。本发明还公开了一种成品油的性质分析装置、设备和存储介质，其能够利用成品油样本来训练变分自编码卷积神经网络模型，并用于待测成品油的性质分析，实现了用少量的样本训练模型，利用训练完成的模型实现对待测成品油的快速测定。

技术领域

本发明涉及近红外光谱分析技术领域，具体的说，涉及的是一种成品油的性质分析方法、装置、设备及存储介质。

背景技术

成品油作为机动车和船舶燃料，在给人民生活带来方便的同时，也加剧了环境污染。劣质成品油会对发动机油泵造成危害，导致供油不畅、发动机抖动、熄火等问题，城市空气质量也和成品油的质量密切相关。

虽然炼油厂在成品油出厂时会进行严格的质量检测，但是在成品油储运和销售环节中，可能存在混油、调合勾兑或外来污染，导致成品油品质下降。因此有必要对成品油从生产、仓储到运输的全链条、全覆盖的性质分析，保证成品油的质量。

目前成品油的质量检测主要依靠从现场取样送检测机构检测，按照国家标准GB17930-2016《车用汽油》、GB 19147-2016《车用柴油》和GB 17411-2015《船用燃料油》标准要求，现有技术中利用标准试验方法综合评价成品油产品质量，单个样品全分析检测至少需要2天，检测周期长，难以满足对成品油进行快速检测的需求。

发明内容

本发明实施例的目的是提供一种成品油的性质分析方法、装置、设备及存储介质，其能够利用成品油样本来训练变分自编码卷积神经网络模型，并用于待测成品油的性质分析，实现了用少量的样本训练模型，利用训练完成的模型实现对待测成品油的快速测定。

为实现上述目的，本发明实施例提供了一种成品油的性质分析方法，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。

作为上述方案的改进，

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。

作为上述方案的改进，

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，采集背景光谱；