一种基于GAF-CWT协同表征的矿浆LIBS成分分析方法

摘要: 本发明涉及光谱分析,具体为一种基于gaf-cwt协同表征的矿浆libs成分分析方法。背景技术:1、激光诱导击穿光谱技术(libs)是一种快速、非接触、多元素光谱...
一种基于GAF-CWT协同表征的矿浆LIBS成分分析方法

本发明涉及光谱分析,具体为一种基于gaf-cwt协同表征的矿浆libs成分分析方法。

背景技术:

1、激光诱导击穿光谱技术(libs)是一种快速、非接触、多元素光谱分析技术,可通过脉冲激光激发矿浆产生等离子体,并采集等离子体发射光谱获取矿浆成分信息;然而,矿浆光谱容易受到颗粒粒度、含水量、悬浮状态、基体效应和自吸收效应等因素影响,导致libs信号稳定性差、定量精度受限,对矿浆成分精确分析提出挑战;

2、近年来,机器学习和深度学习方法逐渐应用于libs光谱定量分析;例如,cheng等人利用卷积神经网络对铁矿浆libs光谱进行fe品位预测;wang等人采用resnet网络进行libs多元素定量回归;hu等人结合卷积自编码器和深度网络进行libs光谱特征降维与回归分析;上述方法能够自动提取光谱特征,但仍主要针对一维光谱强度序列建模,对不同谱线波长间的关联信息、局部差异变化以及谱峰多尺度形态信息表征不足;为增强光谱特征表征能力,已有研究尝试将一维光谱转换为二维表示;例如,jiang等人将atr-ftir光谱转换为gramian angular field(gaf)图像以增强不同谱轴采样点响应间的二维联合关系表征;qi等人将一维raman光谱构建为二维raman图像用于光谱分类;shen等人指出二维cnn可利用光谱构造得到的二维上下文信息增强特征学习能力;此外,chen等人将morse小波变换与轻量级卷积神经网络结合,用于铁矿浆fe品位在线监测,说明小波尺度信息有助于增强复杂矿浆光谱中的多尺度特征表达;pan等人将连续小波变换(continuous wavelettransform, cwt)用于一维raman光谱的二维尺度表征,并将生成的二维尺度图输入深度卷积神经网络进行分类,结果表明cwt图像化能够增强复杂光谱中的多尺度局部响应特征表达;

3、然而,现有光谱二维化方法在处理矿浆libs光谱时仍存在一定局限:一方面,单一gaf图像表征侧重不同谱线波长间的强度关联信息,对光谱维度上不同谱线波长位置间的空间依赖、局部强度变化及多尺度谱峰形态信息表征不足;另一方面,单一cwt图像表征侧重尺度域谱峰响应,对不同谱线波长强度间的全局关联建模不足;此外,光谱二维编码方法存在对弱峰、重叠峰以及复杂基体干扰下的稳定特征提取能力不足。

技术实现思路

1、针对现有技术的不足,本发明提供了一种基于gaf-cwt协同表征的矿浆libs成分分析方法,具备提高矿浆中各组分定量预测的准确性、稳定性和泛化能力等优点,解决了上述技术问题。

2、为实现上述目的,本发明提供如下技术方案:一种基于gaf-cwt协同表征的矿浆libs成分分析方法,包括以下步骤:

3、s1:数据准备:通过libs系统采集矿浆的原始libs光谱数据,并将光谱数据与对应矿浆样品的目标成分含量标签进行匹配;

4、s2:gaf图像构建:读取原始libs光谱数据,基于归一化后得到的定长libs光谱序列进行角度映射,使每个谱线波长位置的光谱强度对应一个角度值;对任意两条谱线波长位置和的角度值进行组合计算,分别生成gasf图像和gadf图像;

5、s3:cwt图像构建:读取原始libs光谱数据,基于预处理后得到的libs谱线光谱强度及其对应波长序列,并根据谱线波长连续性进行波段处理;计算不同尺度下各谱线波长位置处的小波响应;对各波段cwt结果进行拼接、幅值化、动态范围压缩和标准化后得到cwt图像;

6、s4:模型构建:构建基于gaf与cwt协同表征的矿浆libs成分分析模型,包括关系感知gaf编码器、尺度感知cwt编码器、gaf-cwt图像特征门控融合模块和多成分回归预测模块;分别从gasf图像、gadf图像和cwt图像中提取波长关联特征与尺度-波长响应特征,并通过门控融合模块自适应融合两类特征,得到融合特征;

7、s5:模型训练与成分预测:将融合特征输入多成分回归预测模块,通过各目标成分对应的独立回归输出头得到标准化预测值;利用训练集有效标签的统计量对目标成分真实标签进行标准化,并基于标准化预测值与标准化真实标签计算训练损失,其中仅对具有有效标签的样本-成分组合计算损失;通过反向传播和验证集早停策略完成模型训练,并对训练完成后得到的标准化预测值进行反标准化,获得各目标成分的实际含量预测值。

8、作为本发明的优选技术方案,所述s2包括以下步骤:

9、s2.1:gaf输入处理和角度映射:将原始libs光谱数据按波长顺序划分为个连续且互不重叠的压缩区间,采用均值-峰值混合压缩方式得定长压缩光谱序列,对进行归一化进行角度映射并得到角度序列;

10、s2.2:gasf/gadf图像生成:对任意两条谱线波长位置和进行角度组合计算,分别得到gasf图像和gadf图像,计算公式如下:

11、

12、

13、其中,表示余弦,表示正弦,、表示第条谱线波长位置与第条谱线波长位置处的角度值,和分别表示第条谱线波长位置与第条谱线波长位置间的角度和关系与角度差关系,将其作为gasf图像和gadf图像。

14、作为本发明进一步的优选技术方案,所述s2.1中的定长压缩光谱序列中第r个元素的具体表达式如下:

15、

16、其中,表示第个压缩区间的光谱强度均值,表示区间内绝对强度最大的峰值,表示峰值保持权重,表示压缩区间总数。

17、作为本发明的优选技术方案,所述s3包括以下步骤:

18、s3.1:cwt输入处理与统一波长网格:获取原始libs光谱数据和其对应波长位置序列,根据波长位置序列的连续性将光谱划分为个连续波段,通过线性插值将波段插值到统一波长网格,得到插值后的波段光谱强度序列,其中第个波段在统一波长网格上的光谱强度序列的表达式如下:

19、

20、其中,分别为1~个插值后的光谱强度,表示波段插值后的波长方向长度;

21、s3.2:分波段连续小波变换:对各连续波段光谱强度序列沿波长方向进行反射填充,在预设尺度集合和所述统一波长网格上执行连续小波变换,并在变换完成后沿波长方向裁除由反射填充区域产生的小波响应,得到各连续波段与原统一波长网格宽度相对应的有效cwt响应矩阵;

22、s3.3:cwt图像拼接与标准化:将得到的各连续波段cwt响应矩阵按照原始波长顺序沿波长方向依次拼接,得到完整的尺度-波长cwt响应矩阵,并依次进行幅值化、动态范围压缩和标准化处理,得到cwt尺度-波长响应图。

23、作为本发明进一步的优选技术方案,所述s3.2中包括对第个连续波段的光谱强度序列沿波长方向进行反射填充,经连续小波变换后裁除两端填充区域对应的响应,得到有效cwt响应矩阵,具体表达式如下:

24、

25、

26、其中,表示第个波段反射填充后的光谱强度序列,表示个不同位置光谱强度中的第个位置的光谱强度;为波段两端的反射填充宽度;为反射填充后的光谱经连续小波变换得到的cwt响应矩阵;第个连续波段统一波长网格的宽度;为裁剪函数,表示反射填充函数,表示第个连续波段的光谱强度序列。

27、作为本发明的优选技术方案,所述s4包括以下步骤:

28、s4.1:构造关系感知gaf编码器:设置包括对应gasf图像和gadf图像的gaf的子编码器,所述gaf子编码器包括关系感知gasf子编码器和关系感知gadf子编码器,在gasf图像和gadf图像分别输入对应的关系感知gasf编码器和关系感知gadf编码器后进入gasf-gadf自适应门控融合模块,最终得到gaf分支特征;

29、s4.2:构造尺度感知cwt编码器:所述尺度感知cwt编码器包括局部-轴向卷积模块、局部峰形残差模块、多尺度上下文模块、尺度注意力模块、深层编码模块以及通道投影与全局池化层,将cwt图像输入尺度感知cwt编码器得到cwt分支特征;

30、s4.3:gaf-cwt图像特征门控融合:将获得的gaf分支特征与cwt分支特征输入gaf-cwt图像特征门控融合模块,在经过对齐后通过sigmoid函数得到gaf分支的自适应加权系数,基于gaf分支的自适应加权系数生成融合后的图像特征。

31、作为本发明的优选技术方案,所述步骤s4.1的具体计算过程如下:

32、s4.1.1:基于初始卷积层的gaf浅层特征提取:通过初始卷积层对任一输入的图像采用卷积核尺寸为、步幅为2、填充为3的初始卷积层,将其映射为通道的初始特征图;

33、s4.1.2:基于下采样-条带关系块layer1的初始波长关系建模:将初始特征图输入下采样-条带关系块layer1,通过下采样卷积降低特征图空间尺寸,并采用、和三分支卷积分别提取横向波长关联特征、纵向波长关联特征和局部二维邻域特征;将三路特征进行通道拼接和融合,并与下采样特征进行残差连接,得到:

34、

35、其中,分别表示横向波长关联特征、纵向波长关联特征和局部二维邻域特征,表示经三分支特征融合及残差连接后得到的layer1输出特征,表示条带卷积沿单一方向的卷积核长度,表示卷积;

36、s4.1.3:基于下采样-条带关系块与坐标注意力的中层递进编码:将依次输入坐标注意力层1、下采样-条带关系块layer2、坐标注意力层2、下采样-条带关系块layer3和坐标注意力层3,对中层波长关联特征进行递进编码;其中,坐标注意力层分别沿宽度方向和高度方向聚合上下文信息,生成对应的注意力权重并增强输入特征,坐标注意力层的具体表达式如下:

37、

38、

39、

40、

41、

42、其中,表示坐标注意力层编号;表示第个坐标注意力层的输入特征图,表示高度方向上下文特征,表示宽度方向上下文特征,表示高度方向注意力权重,表示宽度方向注意力权重;和分别表示沿宽度方向和高度方向的平均池化操作;和表示轻量映射函数;表示sigmoid激活函数;⊙表示逐元素相乘;表示第个坐标注意力层;表示第个坐标注意力层输出的增强特征;

43、s4.1.4:基于深层关系编码和轻量轴向注意力的gaf特征输出:将坐标注意力层的最终输出输入到下采样-条带关系块layer4中得到,将输入轻量轴向注意力层,轻量轴向注意力层具体表达式如下:

44、

45、

46、

47、其中,和分别表示高度方向和宽度方向的轴向注意力权重;表示sigmoid激活函数;和分别表示沿高度方向和宽度方向上的一维卷积映射;和分别表示沿高度方向和宽度方向上的池化操作,表示注意力调节系数;⊙表示逐元素相乘;表示轻量轴向注意力增强后的深层特征,对分别进行全局平均池化和全局最大池化,并将两种池化结果拼接后输入线性投影层,得到gaf子编码器输出特征,具体表达式为:

48、

49、其中,表示全局平均池化,表示全局最大池化,表示特征拼接操作,表示线性投影层;

50、所述关系感知gasf子编码器和关系感知gadf子编码器采用gaf子编码器一致的过程得到gasf特征和gadf特征;

51、s4.1.5:将gasf特征和gadf特征以及二者的绝对差异特征进行拼接构造门控输入向量,将输入多层感知机,并通过sigmoid函数生成gaf权重,将gasf特征和gadf特征基于gaf权重进行加权求和得到gaf分支特征。

52、作为本发明的优选技术方案,所述s4.2具体包括:

53、s4.2.1基于局部-轴向卷积模块的cwt初始特征编码:采用卷积分支提取局部尺度-波长邻域特征,采用轴向卷积分支和轴向卷积分支分别提取波长方向连续变化特征和尺度方向响应特征,并通过卷积进行通道融合得到初始cwt特征图,表示轴向卷积沿单一方向的卷积核长度;

54、s4.2.2:基于局部峰形残差模块的局部峰形编码:采用卷积核、步幅为2的下采样卷积处理初始cwt特征图后,输入到局部峰形残差模块得到经局部峰形残差模块增强后的输出特征图;

55、s4.2.3:基于多尺度上下文模块的谱峰响应建模:将同时输入四个并行卷积分支,具体包括卷积分支、卷积分支、空洞率分别为2和3的空洞卷积分支,将各个分支的输出拼接后进行卷积后与加和后得到,具体计算公式如下:

56、

57、

58、

59、

60、

61、其中,、、和分别表示由卷积、卷积、空洞率分别为2的空洞卷积和3的空洞卷积得到的分支特征;表示空洞卷积;表示通道拼接;

62、s4.2.4:基于尺度注意力模块的cwt特征增强:首先沿波长方向聚合多尺度上下文特征,生成尺度带注意力权重,对有效尺度响应进行增强;接着分别沿尺度方向和波长方向聚合上下文信息,再引入尺度-波长坐标注意力,生成尺度方向注意力权重和波长方向注意力权重,得到增强后的cwt特征;

63、s4.2.5:基于深层编码模块的cwt特征输出:将依次输入深层编码模块layer1和layer2进行深层编码;每个深层编码模块包括下采样卷积、局部峰形残差模块、多尺度上下文模块和尺度注意力模块,用于逐级降低特征图空间尺寸并进一步提取高层尺度-波长特征,接着,对深层特征进行通道投影和全局池化,得到固定维度的cwt分支特征。

64、作为本发明进一步的优选技术方案,所述s4.2.4中尺度注意力模块的计算过程为:

65、

66、

67、

68、

69、

70、其中,表示多尺度上下文特征;和分别表示沿波长方向和沿尺度方向的池化操作;表示一维卷积映射;表示经尺度带注意力增强后的cwt中间特征图;和表示轻量映射函数;表示sigmoid激活函数;⊙表示逐元素相乘;表示尺度带注意力权重;和分别表示尺度方向和波长方向的坐标注意力权重;表示经过尺度-波长注意力增强后的cwt特征图。

71、作为本发明的优选技术方案,所述s5中利用训练集中第个目标成分有效标签的均值和标准差对真实标签进行标准化:

72、

73、将第个样本的融合特征输入第个目标成分对应的独立回归输出头,得到标准化预测值:

74、

75、其中,表示第个目标成分对应的独立回归输出头,训练完成后,对所述标准化预测值进行反标准化:

76、

77、其中,第个样本中第个目标成分的实际含量预测值。

78、与现有技术相比,本发明提供了一种基于gaf-cwt协同表征的矿浆libs成分分析方法,具备以下有益效果:

79、1、本发明通过将矿浆libs光谱分别构建为gasf/gadf图像和cwt图像;其中,gasf/gadf图像从波长-波长关系角度表征不同谱线波长位置间的整体联合响应和差异变化信息,cwt图像从尺度-波长角度表征谱峰的多尺度响应特征;通过关系表征与尺度表征的协同建模,模型能够同时捕捉全局波长关系、局部峰形差异、弱峰响应、重叠峰结构和峰宽变化等信息,从而提高矿浆libs光谱的综合特征表达能力。

80、2、本发明通过针对gaf图像的波长-波长关系图像特点,设计了关系感知gaf编码器;该编码器通过大核初始卷积扩大感受野,通过条带关系块分别建模横向和纵向波长关系,通过坐标注意力增强关键波长对应的行列区域,并通过轻量轴向注意力捕获高层长距离条纹依赖;相比直接采用普通二维cnn的方法,本发明能够更有针对性地提取gaf图像中的全局相关关系、局部差异关系和远距离谱线关联,提高了对复杂矿浆libs光谱关系结构的刻画能力。

81、3、本发明针对cwt图像横轴为波长、纵轴为尺度的特点,本发明设计了尺度感知cwt编码器;该编码器通过局部-轴向卷积分别提取局部尺度-波长纹理、波长方向峰形连续特征和尺度方向响应特征;通过局部峰形残差模块和多尺度上下文模块增强弱峰、重叠峰和宽尺度背景变化的表达;通过尺度带注意力和尺度-波长坐标注意力突出有效尺度区域和关键波长位置,从而提高了模型对复杂谱峰形态的感知能力。