公开(公告)号：CN117291251A

公开(公告)日：2023-12-26

申请号：CN202311227238.3

申请日：2023-09-21

Applicant: 上海交通大学 ,  上海海关工业品与原材料检测技术中心

Inventor： 段晨阳 ,  俞进 ,  孙琛 ,  刘曙 ,  闵红

IPC: G06N3/09 ,  G01N21/71 ,  G06N5/046 ,  G06N20/20

Abstract: 本发明提供了一种激光诱导击穿光谱的多元素分析方法和系统，包括：步骤S1：建模样品准备和光谱采集；步骤S2：光谱预处理和正则化；步骤S3：XGBoost模型构建和训练；步骤S4：XGBoost模型预测值残差计算；步骤S5：光谱通道重要性计算和光谱特征提取；步骤S6：神经网络模型构建和其针对残差值的训练；步骤S7：使用独立样品进行串联组合模型测试；步骤S8：根据测试结果进行光谱特征数优化和最终模型应用。本发明在应用时具有正向推理过程计算量低，速度快，模型简单的优势，能节约算力，降低对终端分析设备的硬件需求。

公开(公告)号：CN111504981B

公开(公告)日：2021-10-22

申请号：CN202010340647.4

申请日：2020-04-26

Applicant: 上海交通大学

Inventor： 孙琛 ,  俞进

IPC: G01N21/71

Abstract: 本发明公开了一种测定粉末物质中化学组分和水分含量的方法，包括以下步骤：步骤A：建立预测模型；步骤B：采用前述预测模型对待测粉末物质进行检测。本发明的模型建立后，水分和待测化学组分含量的预测值计算时间可以达到工业在线检测的要求，因此本发明为矿产、工业生产、环保等领域提供了实时的现场、在线检测、分析和控制的有效手段。

公开(公告)号：CN109557080A

公开(公告)日：2019-04-02

申请号：CN201810829668.5

申请日：2018-07-25

Applicant: 上海交通大学

Inventor： 孙琛 ,  俞进

IPC: G01N21/71

Abstract: 本发明提供了一种基于机器学习的光谱数据回归方法，包括如下步骤：光谱数据以及相关实验条件及样品信息收集及其格式化，作为校准模型的输入数据；超空间中的广义光谱强度定义；校准模型的建立和初始化，将机器学习中的算法引入校准模型，每一组广义光谱强度对应一个广义模长，即待测元素浓度的预测值；校准模型的优化，当待测元素浓度的预测值与其期望值的误差小于0.1％，认为校准模型优化完成；含有待测元素的未知样品，通过测定光谱数据，建立相应的广义光谱强度，输入校准模型中，给出待测元素的浓度含量预测值。本发明对元素浓度的测量精确度、准确度达到定量分析的要求；对检测未知样品的待测元素浓度的计算时间达到工业在线监测的要求。

公开(公告)号：CN109557080B

公开(公告)日：2020-07-14

申请号：CN201810829668.5

申请日：2018-07-25

Applicant: 上海交通大学

Inventor： 孙琛 ,  俞进

IPC: G01N21/71

Abstract: 本发明提供了一种基于机器学习的光谱数据回归方法，包括如下步骤：光谱数据以及相关实验条件及样品信息收集及其格式化，作为校准模型的输入数据；超空间中的广义光谱强度矢量定义；校准模型的建立和初始化，将机器学习中的算法引入校准模型，每一组广义光谱强度矢量对应一个广义模长，即待测元素浓度的预测值；校准模型的优化，当待测元素浓度的预测值与其期望值的误差小于0.1％，认为校准模型优化完成；含有待测元素的未知样品，通过测定光谱数据，建立相应的广义光谱强度矢量，输入校准模型中，给出待测元素浓度含量预测值。本发明对元素浓度测量精准度达到定量分析的要求；对检测未知样品待测元素浓度的计算时间达到工业在线监测的要求。

公开(公告)号：CN110161013B

公开(公告)日：2020-12-29

申请号：CN201910398915.5

申请日：2019-05-14

Applicant: 上海交通大学

Inventor： 孙琛 ,  俞进

IPC: G01N21/71

Abstract: 本发明提供一种基于机器学习的激光诱导击穿光谱数据处理方法和系统，对钢铁中碳元素进行定量分析，对碳元素含量已知的标准样品在给定实验条件下进行光谱采集，光谱数据在其范围内可以不包括碳元素和碳分子(C2)的主要发射谱线。通过训练建立定量分析模型，用于预测待测样品中碳元素浓度。机器学习算法深入挖掘光谱数据和相应样品中碳元素浓度的相关性，通过映射关系表现，突破经典光谱学通过实验测量待分析元素或相应分子发射谱线强度来确定元素浓度的传统做法。对待测钢铁样品中碳元素浓度测量的精确度、准确度以及检出限都达到定量分析要求，所需计算时间达到工业在线检测和分析要求。在合适的条件下，该方法和系统可推广至其它元素和材料。

公开(公告)号：CN111504981A

公开(公告)日：2020-08-07

申请号：CN202010340647.4

申请日：2020-04-26

Applicant: 上海交通大学

Inventor： 孙琛 ,  俞进

IPC: G01N21/71

Abstract: 本发明公开了一种测定粉末物质中化学组分和水分含量的方法，包括以下步骤：步骤A：建立预测模型；步骤B：采用前述预测模型对待测粉末物质进行检测。本发明的模型建立后，水分和待测化学组分含量的预测值计算时间可以达到工业在线检测的要求，因此本发明为矿产、工业生产、环保等领域提供了实时的现场、在线检测、分析和控制的有效手段。

公开(公告)号：CN110161013A

公开(公告)日：2019-08-23

申请号：CN201910398915.5

申请日：2019-05-14

Applicant: 上海交通大学

Inventor： 孙琛 ,  俞进

IPC: G01N21/71

Abstract: 本发明提供一种基于机器学习的激光诱导击穿光谱数据处理方法和系统，对钢铁中碳元素进行定量分析，对碳元素含量已知的标准样品在给定实验条件下进行光谱采集，光谱数据在其范围内可以不包括碳元素和碳分子(C2)的主要发射谱线。通过训练建立定量分析模型，用于预测待测样品中碳元素浓度。机器学习算法深入挖掘光谱数据和相应样品中碳元素浓度的相关性，通过映射关系表现，突破经典光谱学通过实验测量待分析元素或相应分子发射谱线强度来确定元素浓度的传统做法。对待测钢铁样品中碳元素浓度测量的精确度、准确度以及检出限都达到定量分析要求，所需计算时间达到工业在线检测和分析要求。在合适的条件下，该方法和系统可推广至其它元素和材料。