拉曼光谱组分识别算法研究与软件实现

拉曼光谱组分识别算法研究与软件实现

论文摘要

拉曼光谱是一种分子振动光谱,凭借其快速、无损等特点,被广泛应用于食品安全、生物医学、药物化学等领域的定性分析中。定性分析的首要目标是正确识别组分。然而,受环境等因素的影响,拉曼光谱容易产生一些非线性变化,如谱峰漂移、展宽或畸变等,使组分识别变得困难。另外,随着时间的推移,由于仪器老化等原因,过去采集的光谱可能将不再满足现在的统计分布,导致原本的识别算法失效。为解决这些问题,本文对光谱组分识别的相关方法进行了探究,并编写了配套的在线识别软件。本文的主要工作内容如下:提出了一种基于卷积去噪自编码器的单光谱去噪方法。该方法首先向光谱中注入噪声,获得高低信噪比匹配的训练数据,然后配合贪心逐层无监督预训练得到一个适用于光谱的卷积去噪自编码器,最后该其用于预测以达到去噪目的。该方法能够自动化地完成去噪,且效果优于传统算法。提出了一种基于奇异值分解和中位数绝对偏差的多光谱去噪方法。该方法首先对多条光谱进行奇异值分解,然后采用中位数绝对偏差法筛选出具有离群特征的前k个奇异值,最后采用这些奇异值进行重新求解得到去噪后的光谱。该方法适合用于成像数据的处理,且对成像质量有很大的提高。提出了一种基于多任务卷积基和非共享卷积神经网络的在线拉曼光谱组分识别方法。该方法首先通过标签均匀的生成数据训练获得多任务卷积基,然后将其冻结并迁移到用于识别感兴趣组分的非共享卷积神经网络中,得到初始模型;最后配合在线学习的方式对模型进行不断调优,实现模型的识别性能提升。该方法在小样本上拥有较为良好的泛化能力,配合在线学习也克服了光谱数据的时效性问题。编写了前后端分离的拉曼光谱组分识别软件。软件由TypeScript和Python编写,并实现了本文提及的所有算法和一些常见的光谱预处理算法。

论文目录

  • 摘要
  • Abstract
  • 第一章 绪论
  •   1.1 论文研究背景及意义
  •   1.2 拉曼光谱识别算法的研究现状
  •   1.3 拉曼光谱仪软件的研究现状
  •   1.4 本文主要研究内容
  • 第二章 拉曼光谱信号预处理方法
  •   2.1 概述
  •   2.2 常用的光谱预处理方法
  •     2.2.1 基线校正
  •     2.2.2 光谱去噪
  •   2.3 基于卷积去噪自编码器的单光谱去噪方法
  •     2.3.1 理论与方法
  •     2.3.2 算法性能验证
  •   2.4 基于奇异值分解和中位数绝对偏差的多光谱去噪方法
  •     2.4.1 理论与方法
  •     2.4.2 算法性能验证
  •   2.5 本章小结
  • 第三章 在线拉曼光谱组分识别方法
  •   3.1 概述
  •   3.2 理论部分
  •     3.2.1 非共享卷积
  •     3.2.2 多任务学习
  •     3.2.3 标签均匀的数据增强
  •     3.2.4 迁移学习
  •     3.2.5 在线学习
  •     3.2.6 基于多任务卷积基和非共享卷积神经网络的光谱识别
  •     3.2.7 模型评价方法
  •   3.3 实验部分
  •     3.3.1 实验一: 混合有机溶剂识别
  •     3.3.2 实验二: 烟草成分识别
  •     3.3.3 实验三: 孔雀石绿识别
  •     3.3.4 分析与讨论
  •   3.4 本章小结
  • 第四章 拉曼光谱组分识别软件
  •   4.1 需求分析
  •   4.2 概要设计
  •     4.2.1 架构选择
  •     4.2.2 开发环境
  •     4.2.3 运行环境
  •     4.2.4 功能页面划分
  •   4.3 各页面详细设计
  •     4.3.1 首页
  •     4.3.2 识别页面
  •     4.3.3 批量识别页面
  •     4.3.4 组分库页面
  •     4.3.5 设置页面
  •   4.4 软件测试
  •   4.5 本章小结
  • 第五章 总结与展望
  • 参考文献
  • 附录
  • 致谢
  • 硕士期间的科研成果
  • 文章来源

    类型: 硕士论文

    作者: 吴腾达

    导师: 范贤光,王昕

    关键词: 拉曼光谱识别,自编码器,奇异值分解,非共享卷积,多任务

    来源: 厦门大学

    年度: 2019

    分类: 基础科学,信息科技

    专业: 物理学,计算机软件及计算机应用

    单位: 厦门大学

    分类号: TP391.41;O433

    总页数: 93

    文件大小: 6589K

    下载量: 27

    相关论文文献

    • [1].拉曼光谱检测技术应用[J]. 科技经济市场 2018(01)
    • [2].拉曼光谱在食用油鉴别及检测领域的最新研究进展[J]. 粮食与油脂 2018(04)
    • [3].当新技术碰撞市场 应用拉曼光谱如何诠释仪器风采[J]. 化学分析计量 2018(02)
    • [4].拉曼光谱在文物考古领域的应用态势分析[J]. 光谱学与光谱分析 2018(09)
    • [5].2,4-二硫代尿嘧啶的紫外吸收光谱和共振拉曼光谱[J]. 物理化学学报 2017(10)
    • [6].浅析拉曼光谱的原理及其应用[J]. 科学家 2017(07)
    • [7].二甲基亚砜对离体猪皮肤组织的拉曼光谱的影响[J]. 激光生物学报 2013(06)
    • [8].基于拉曼光谱的天然气主要组分定量分析[J]. 分析化学 2019(01)
    • [9].小型高灵敏度水下拉曼光谱系统[J]. 光学精密工程 2018(01)
    • [10].拉曼光谱在癌症组织学诊断中的研究进展[J]. 实用肿瘤学杂志 2018(01)
    • [11].拉曼光谱在多组分定量分析中方法学验证的探讨[J]. 光谱学与光谱分析 2017(01)
    • [12].我国率先实现紧邻不同分子的拉曼光谱识别[J]. 功能材料信息 2015(04)
    • [13].唾液的拉曼光谱用于疾病诊断的初步研究[J]. 北京生物医学工程 2011(02)
    • [14].中美科学家发明增强拉曼光谱检测新技术[J]. 化学分析计量 2010(03)
    • [15].拉曼光谱应用技术研究[J]. 标准科学 2018(03)
    • [16].拉曼光谱在新型毒品快速检测中的应用[J]. 光谱学与光谱分析 2018(11)
    • [17].利用拉曼光谱识别新烟碱类农药[J]. 分析试验室 2017(09)
    • [18].利用密度泛函理论研究六种多环芳烃的分子结构以及拉曼光谱[J]. 光散射学报 2012(04)
    • [19].安神类保健品中常见非法添加物拉曼光谱初析[J]. 山东化工 2019(13)
    • [20].红外和拉曼光谱的煤灰矿物组成研究[J]. 光谱学与光谱分析 2018(03)
    • [21].拉曼光谱在纸质文物研究中的应用[J]. 文物保护与考古科学 2018(03)
    • [22].高龄慢性肾脏病人群血清拉曼光谱评价体系建立[J]. 国际检验医学杂志 2018(14)
    • [23].拉曼光谱中荧光抑制技术的研究新进展综述[J]. 光谱学与光谱分析 2017(07)
    • [24].偏振拉曼光谱在研究分子空间构象中的应用[J]. 光谱学与光谱分析 2013(07)
    • [25].拉曼光谱与拉曼效应的量子模型结构分析[J]. 光谱实验室 2011(04)
    • [26].单个活细胞的空间位置的拉曼光谱[J]. 科技与企业 2011(14)
    • [27].基于血清拉曼光谱的丙型肝炎病毒诊断和1b亚型的鉴定[J]. 新疆医科大学学报 2019(05)
    • [28].拉曼光谱在微生物研究中的应用[J]. 世界最新医学信息文摘 2019(71)
    • [29].生物组织拉曼光谱定量测量的方法研究[J]. 光散射学报 2019(03)
    • [30].活性污泥中抗性细菌筛选及拉曼光谱检测[J]. 光谱学与光谱分析 2018(09)

    标签:;  ;  ;  ;  ;  

    拉曼光谱组分识别算法研究与软件实现
    下载Doc文档

    猜你喜欢