公开(公告)号：CN120030385A

公开(公告)日：2025-05-23

申请号：CN202510097519.4

申请日：2025-01-22

Applicant: 中国科学院上海技术物理研究所

Inventor： 舒嵘 ,  崔志成 ,  李鲁宁 ,  徐卫明 ,  徐聿升 ,  唐红 ,  黄荣 ,  许学森 ,  张绪辰 ,  容仕翰

IPC: G06F18/24 ,  G01N15/00 ,  G01N21/71 ,  G06F18/23213 ,  G06F18/2135 ,  G06F18/22 ,  G06F18/15 ,  G16C20/20 ,  G16C20/30 ,  G16C20/70

Abstract: 本发明公开了一种基于PHATE降维的粉尘覆表靶标LIBS光谱有效性识别方法，结合PHATE(基于亲和性的轨迹嵌入热扩散势)算法和K均值算法，实现粉尘覆表靶标LIBS光谱有效性的精准识别。本发明包括特征降维和聚类分析两个阶段：首先基于PHATE算法，将高维LIBS光谱数据变换为低维特征向量，在保留数据全局结构的同时提取出光谱核心特征；随后基于K均值算法，对低维光谱特征向量进行聚类分析，从而区分粉尘光谱、粉尘‑基质过渡光谱和基质光谱这三类不同光谱数据。本发明具有数据处理简捷高效、光谱有效性识别准确度高、鲁棒性强的优点，有助于从粉尘覆表靶标LIBS光谱中筛选出真正有效的靶标光谱，适用于快速分析在野外勘探、深空探测等非洁净场景中采集的LIBS光谱。

公开(公告)号：CN119992219A

公开(公告)日：2025-05-13

申请号：CN202510266824.1

申请日：2025-03-07

Applicant: 中国科学院上海技术物理研究所

Inventor： 李鲁宁 ,  崔志成 ,  张绪辰 ,  徐卫明 ,  舒嵘 ,  许学森 ,  刘向锋 ,  王建宇

IPC: G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于深度CNN和样本权重优化的LIBS多距离混合光谱分类方法，涉及光谱分析技术。本发明构建深度卷积神经网络(CNN)模型，并用于激光诱导击穿光谱(LIBS)数据的分类，适用于分析在多个不同距离采集的LIBS光谱混合数据。本发明的核心创新点是在CNN训练过程中对不同距离的光谱样本赋予不同的样本权重。常规的模型训练方法对所有训练集光谱样本赋予均等的权重，而本发明则根据训练集光谱样本的绝对距离值以及训练集光谱样本与测试集光谱样本的距离差值来专门设计各光谱样本权重，使不同距离光谱样本权重得到优化，从而提升深度CNN模型的分类效果。本发明具有无需距离校正、训练高效、准确度高的优点，可以有效地对LIBS多距离混合光谱进行分类。