公开(公告)号：CN112945899A

公开(公告)日：2021-06-11

申请号：CN202110127969.5

申请日：2021-01-29

Applicant: 燕山大学

Inventor： 赵勇 ,  王泊林 ,  谈爱玲

IPC: G01N21/359 ,  G01N21/3563 ,  G06K9/62 ,  G06N20/10

Abstract: 本发明公开了一种聚谷氨酸复合肥鉴别方法，该方法包括：获取两种化肥样本；测定化肥样本的近红外光谱并进行多元散射校正处理；对处理后的近红外光谱数据进行二维相关分析，确定特征波段；基于主成分分析对特征波段进行数据降维，得到输入光谱数据；基于输入光谱数据形成的训练集对支持向量机进行训练，利用网格寻优以及交叉验证方法确定最优支持向量机参数；利用训练好的支持向量机鉴别测试化肥样本中有无聚谷氨酸成分。本发明首次提出一种基于近红外光谱的聚谷氨酸化肥鉴别方法，基于近红外光谱能够快速分析采集大量化肥样本光谱，结合化学计量学算法能够快速准确的对聚谷氨酸进行定性鉴别，具有操作简单、快速和准确的突出优点。

公开(公告)号：CN113607684A

公开(公告)日：2021-11-05

申请号：CN202110946350.7

申请日：2021-08-18

Applicant: 燕山大学

Inventor： 赵勇 ,  王泊林 ,  谈爱玲

IPC: G01N21/359 ,  G06N3/04 ,  G06N3/08

Abstract: 本申请公开了一种基于GAF图像和四元数卷积的光谱定性建模方法，属于近红外光谱分析领域，该方法包括以下步骤：测得待测样本的近红外光谱数据；对原始光谱进行多元散射矫正，一阶导数等预处理；将处理后的光谱进行归一化；将归一化后的光谱数据在极坐标中进行表示；将处理后的光谱数据转换成格拉姆彩色图像；将彩色图像基于四元数理论表示生成四元数彩色图像矩阵；建立四元数卷积神经网络模型并优化模型参数建立定性模型。本发明利用格拉姆角场图像、四元数和深度学习算法对近红外光谱进行特征提取，充分挖掘原始光谱数据的深层特征，建立性能更优的近红外光谱定性分析模型。

公开(公告)号：CN111912931A

公开(公告)日：2020-11-10

申请号：CN202010797532.8

申请日：2020-08-10

Applicant: 燕山大学

Inventor： 赵勇 ,  何梦园 ,  谈爱玲 ,  赵荣 ,  王泊林

IPC: G01N30/90 ,  G01N30/95 ,  G01N30/86 ,  G01N30/91 ,  G01N30/94 ,  G01N30/88

Abstract: 本发明涉及基于四元数主成分分析的TLC-SERS定量建模方法，属于化学计量学领域应用到食品添加剂检测。其包括以下步骤：金纳米粒子表面增强活性基底制备；样品的制备；样品进行薄层色谱展开；通过便携式拉曼光谱仪采集不同三聚氰胺浓度污染牛奶样品的表面增强拉曼光谱；表面增强拉曼光谱嵌入四元数空间并行表示；基于四元数主成分特征提取的多光谱特征交叉和特征融合；基于支持向量回归的三聚氰胺污染牛奶样品定量预测模型建立。本发明将四元数主成分分析算法引入化学计量学，通过挖掘薄层色谱分离后沿展开方向空间顺序分布的多通道光谱之间的相关性，解决传统TLC-SERS联用技术难以进行定量分析的挑战。

公开(公告)号：CN112945899B

公开(公告)日：2022-10-14

申请号：CN202110127969.5

申请日：2021-01-29

Applicant: 燕山大学

Inventor： 赵勇 ,  王泊林 ,  谈爱玲

IPC: G01N21/359 ,  G01N21/3563 ,  G06K9/62 ,  G06N20/10

Abstract: 本发明公开了一种聚谷氨酸复合肥鉴别方法，该方法包括：获取两种化肥样本；测定化肥样本的近红外光谱并进行多元散射校正处理；对处理后的近红外光谱数据进行二维相关分析，确定特征波段；基于主成分分析对特征波段进行数据降维，得到输入光谱数据；基于输入光谱数据形成的训练集对支持向量机进行训练，利用网格寻优以及交叉验证方法确定最优支持向量机参数；利用训练好的支持向量机鉴别测试化肥样本中有无聚谷氨酸成分。本发明首次提出一种基于近红外光谱的聚谷氨酸化肥鉴别方法，基于近红外光谱能够快速分析采集大量化肥样本光谱，结合化学计量学算法能够快速准确的对聚谷氨酸进行定性鉴别，具有操作简单、快速和准确的突出优点。

公开(公告)号：CN112098358B

公开(公告)日：2021-12-17

申请号：CN202010931678.7

申请日：2020-09-07

Applicant: 燕山大学

Inventor： 赵勇 ,  王晓斯 ,  谈爱玲 ,  楚振原 ,  王泊林 ,  赵荣 ,  何梦园

IPC: G01N21/3563 ,  G01N21/3577 ,  G01N21/359 ,  G06N3/04

Abstract: 本申请公开了一种基于四元数卷积神经网络的近红外光谱并行融合定量检测方法。该方法包括以下步骤：获得国际公开玉米近红外光谱和四种成分数据库数据；由原始光谱求出一阶导数和二阶导数光谱并进行归一化；基于四元数理论对三种归一化光谱数据进行四元数空间嵌入并行表示；建立四元数卷积神经网络模型并优化模型参数完成玉米成分定量模型建立。本发明利用四元数和深度学习算法将近红外光谱及其导数光谱进行并行表示和并行特征提取，充分挖掘原始光谱数据和导数光谱数据的并行融合特征，建立性能更优的近红外光谱定量分析模型。

公开(公告)号：CN112098358A

公开(公告)日：2020-12-18

申请号：CN202010931678.7

申请日：2020-09-07

Applicant: 燕山大学

Inventor： 赵勇 ,  王晓斯 ,  谈爱玲 ,  楚振原 ,  王泊林 ,  赵荣 ,  何梦园

IPC: G01N21/3563 ,  G01N21/3577 ,  G01N21/359 ,  G06N3/04

Abstract: 本申请公开了一种基于四元数卷积神经网络的近红外光谱并行融合定量建模方法。该方法包括以下步骤：获得国际公开玉米近红外光谱和四种成分数据库数据；由原始光谱求出一阶导数和二阶导数光谱并进行归一化；基于四元数理论对三种归一化光谱数据进行四元数空间嵌入并行表示；建立四元数卷积神经网络模型并优化模型参数完成玉米成分定量模型建立。本发明利用四元数和深度学习算法将近红外光谱及其导数光谱进行并行表示和并行特征提取，充分挖掘原始光谱数据和导数光谱数据的并行融合特征，建立性能更优的近红外光谱定量分析模型。