公开(公告)号：CN114861541A

公开(公告)日：2022-08-05

申请号：CN202210523696.0

申请日：2022-05-13

Applicant: 电子科技大学长三角研究院(湖州)

Inventor： 赵彦春 ,  李福生 ,  王欣然 ,  张焕龙

IPC: G06F30/27 ,  G06F17/10 ,  G06N3/04 ,  G06N3/08 ,  G01N23/223

Abstract: 本发明涉及XRF光谱分析领域，公开了一种基于XRF‑EGAN的土壤XRF光谱本底扣除方法，是基于GAN模型的设计模式，采用一维全卷积网络层和残差连接，构建模型的生成器，采用一维卷积和全连接层构建模型的判别器，并采用对抗训练模式训练XRF‑EGAN模型，进而获得训练好的生成器和判别器，且生成器是土壤XRF本底扣除模型，进而提高土壤XRF的元素净峰面积和含量之间的相关性，进而提升基于XRF光谱的元素定量分析的准确性。本发明的方法应用在土壤XRF光谱本底扣除中，实现土壤XRF光谱的本底扣除，消除因X荧光分析仪在分析过程中脉冲堆积导致的XRF本底干扰。本发明适用于土壤XRF光谱本底扣除。

公开(公告)号：CN114861541B

公开(公告)日：2025-04-15

申请号：CN202210523696.0

申请日：2022-05-13

Applicant: 电子科技大学长三角研究院(湖州)

Inventor： 赵彦春 ,  李福生 ,  王欣然 ,  张焕龙

IPC: G06F30/27 ,  G06F17/10 ,  G06N3/0475 ,  G06N3/094 ,  G01N23/223

Abstract: 本发明涉及XRF光谱分析领域，公开了一种基于XRF‑EGAN的土壤XRF光谱本底扣除方法，是基于GAN模型的设计模式，采用一维全卷积网络层和残差连接，构建模型的生成器，采用一维卷积和全连接层构建模型的判别器，并采用对抗训练模式训练XRF‑EGAN模型，进而获得训练好的生成器和判别器，且生成器是土壤XRF本底扣除模型，进而提高土壤XRF的元素净峰面积和含量之间的相关性，进而提升基于XRF光谱的元素定量分析的准确性。本发明的方法应用在土壤XRF光谱本底扣除中，实现土壤XRF光谱的本底扣除，消除因X荧光分析仪在分析过程中脉冲堆积导致的XRF本底干扰。本发明适用于土壤XRF光谱本底扣除。