[发明专利]一种基于太赫兹光谱定性识别氨基酸混合物的方法

权利要求书

1.一种基于太赫兹光谱定性识别氨基酸混合物的方法，其特征在于，具备包括以下步骤：

步骤1：采用透射式太赫兹时域系统对样品进行逐点扫描，得到氨基酸混合物样品采样点对应的太赫兹时域光谱数据；

步骤2：通过傅里叶变换将时域光谱数据转换成频谱数据，采用公式(1)-(2)计算吸收率，得到待测氨基酸混合样品采样点的吸收光谱图；

式中，n(ω)表示折射率，ω是角频率，φ(ω)表示在样品中传播引起的相位改变，c是真空中的光速，d是样品厚度，α(ω)表示吸收率，ρ(ω)表示样品和参考信号的幅值比；

步骤3：构建氨基酸混合物样品的太赫兹光谱数据矩阵F_N×L，采用公式(4)计算得到矩阵P_M×L，即氨基酸混合物样品的化学图；

[P_M×L]＝([S_N×M]^t[S_N×M])^-1[S_N×M]^t[F_N×L]， (4)

式中，L表示氨基酸混合物样品上的像素点，即采样点(事先将样品上的采样点的二维坐标转变为一维坐标，与L对应)，N表示每一个像素点对应的N个太赫兹光谱数据频率分量，即F_N×L为氨基酸混合物样品中L个采样点的太赫兹吸收光谱的N个频率分量组成的矩阵，S_N×M表示已知的M种氨基酸的太赫兹光谱矩阵，每种氨基酸的太赫兹吸收光谱数据都有N个频率分量，即S_N×M为已知的M种氨基酸的太赫兹吸收光谱的N个频率分量组成的矩阵，P_M×L表示每个像素点出现某种氨基酸的概率，也被描述为化学图；

步骤4：采用公式(5)对P_M×L中的每一个数据自适应阈值去除背景，高于该阈值像素值设置为1，否则为0，得到处理后的化学图；

C₁＝min(P)+C₀[max(P)-min(P)] (5)

式中，C₁表示阈值0；max(P)是矩阵P_M×L中元素的最大值，min(P)是矩阵P_M×L中元素的最小值；C₀是[max(P)-min(P)]值范围的权重，设置为0.6；

步骤5：基于LeNet-5构建了一个卷积神经网络，对卷积神经网络进行训练；

步骤6：将按照步骤1到4得到的待测氨基酸混合物样品的化学图输入到训练好卷积神经网络中，输出样品采样点中含有的氨基酸种类。

2.根据权利要去1所述的基于太赫兹光谱定性识别氨基酸混合物的方法，其特征在于，所述卷积神经网络包括依次相连的第一卷积-池化层、第二卷积-池化层、第一全连通层、第二全连通层和平面层，其中，6个卷积核组成第一卷积-池化层，16个卷积核组成的第二卷积-池化层，第一全连通层大小为120、第二全连通层的大小为大小为84，卷积滤波器的核大小为5,步进为1；两个全连通层将第二卷积-池化层的输出转换为平面层的线性输入，全连通层使用sigmoid激活函数进行二进分类，网络选择Adam训练策略，并使用二元交叉熵损失函数计算预测结果和数据标记之间的距离，训练的最大迭代次数为50，并在精度停止增长10个迭代期之后，提前终止训练。