基于近红外光谱的模型转移方法及终端设备与流程

技术特征：
1.一种基于近红外光谱的模型转移方法，其特征在于，包括：获取目标样本在第一近红外光谱仪上的近红外光谱曲线，及所述目标样本在第二近红外光谱仪上的近红外光谱曲线；确定所述目标样本在第一近红外光谱仪上的近红外光谱曲线在多个预设波长处对应的特征点，并确定每相邻两个特征点之间连线的斜率，形成第一斜率集合；确定所述目标样本在第二近红外光谱仪上的近红外光谱曲线在所述多个预设波长处对应的特征点，并确定每相邻两个特征点之间连线的斜率，形成第二斜率集合；其中，所述相邻两个特征点为波长相邻的两个特征点；根据所述第一斜率集合和所述第二斜率集合，确定标准特征向量；根据所述标准特征向量进行建模，得到待分析样本的类别识别模型。2.如权利要求1所述的基于近红外光谱的模型转移方法，其特征在于，所述根据所述第一斜率集合和所述第二斜率集合，确定标准特征向量，包括：查找第一斜率；其中，所述第一斜率集合和所述第二斜率集合中均存在第一斜率；所述第一斜率为多个；其中，针对每个第一斜率，该第一斜率对应两个预设波长；各个第一斜率对应的两个预设波长处对应的特征点之间的斜率形成所述标准特征向量。3.如权利要求1所述的基于近红外光谱的模型转移方法，其特征在于，在所述获取目标样本在第一近红外光谱仪上的近红外光谱曲线，及所述目标样本在第二近红外光谱仪上的近红外光谱曲线之前，所述方法还包括：获取多个预设种类的实验样本在所述第一近红外光谱仪上的近红外光谱曲线；根据多个预设种类的实验样本在所述第一近红外光谱仪上的近红外光谱曲线，确定所述多个预设波长。4.如权利要求3所述的基于近红外光谱的模型转移方法，其特征在于，所述根据多个预设种类的实验样本在所述第一近红外光谱仪上的近红外光谱曲线，确定所述多个预设波长，包括：针对每个预设种类，确定该预设种类的实验样本在所述第一近红外光谱仪上的近红外光谱曲线中的各个极值点为中间特征点；根据各个预设种类对应的近红外光谱曲线中的中间特征点，确定所述多个预设波长。5.如权利要求4所述的基于近红外光谱的模型转移方法，其特征在于，所述根据各个预设种类对应的近红外光谱曲线中的中间特征点，确定所述多个预设波长，包括：查找目标波长；其中，各个预设种类对应的近红外光谱曲线中均存在第一波长对应的中间特征点；所述目标波长为多个；将多个目标波长作为多个预设波长；其中，所述目标波长的数量与所述预设波长的数量一致。6.如权利要求2所述的基于近红外光谱的模型转移方法，其特征在于，所述根据所述标准特征向量进行建模，得到待分析样本的类别识别模型，包括：获取多个训练样本在所述第一近红外光谱仪上的近红外光谱曲线；针对每个训练样本，确定该训练样本的近红外光谱曲线在各个第一斜率对应的两个预
设波长处对应的特征点之间的斜率，得到该训练样本对应的标准特征向量；根据各个训练样本对应的标准特征向量对基础模型进行训练，得到所述类别识别模型。7.如权利要求6所述的基于近红外光谱的模型转移方法，其特征在于，所述基础模型为神经网络模型。8.一种基于近红外光谱的模型转移装置，其特征在于，包括：第一参数获取模块，用于获取目标样本在第一近红外光谱仪上的近红外光谱曲线，及所述目标样本在第二近红外光谱仪上的近红外光谱曲线；第一特征提取模块，用于确定所述目标样本在第一近红外光谱仪上的近红外光谱曲线在多个预设波长处对应的特征点，并确定每相邻两个特征点之间连线的斜率，形成第一斜率集合；确定所述目标样本在第二近红外光谱仪上的近红外光谱曲线在所述多个预设波长处对应的特征点，并确定每相邻两个特征点之间连线的斜率，形成第二斜率集合；其中，所述相邻两个特征点为波长相邻的两个特征点；第二特征提取模块，用于根据所述第一斜率集合和所述第二斜率集合，确定标准特征向量；模型建立模块，用于根据所述标准特征向量进行建模，得到待分析样本的类别识别模型。9.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述基于近红外光谱的模型转移方法的步骤。10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述基于近红外光谱的模型转移方法的步骤。

技术总结
本发明适用于近红外光谱分析技术领域，提供了一种基于近红外光谱的模型转移方法及终端设备，上述方法包括：确定目标样本在第一近红外光谱仪上的近红外光谱曲线在多个预设波长处对应的特征点，并确定每相邻两个特征点之间连线的斜率，形成第一斜率集合；同理，在第二近红外光谱仪上得到第二斜率集合；根据第一斜率集合和第二斜率集合，确定标准特征向量；根据标准特征向量进行建模，得到待分析样本的类别识别模型。由于近红外光谱曲线的变化趋势反映了物质内部成分的变化，而特征点之间的斜率反应了这种变化趋势，因此本发明根据特征点之间的斜率寻找两台光谱仪的共性特征，建立适用于不同光谱仪的类型识别模型，模型转移的数据量小，过程简单。过程简单。过程简单。


技术研发人员：李鸿强 卢海博 魏东 王振兴 刘继文 马宏 霍利芳 薛红丹 闫常丽 赵丽娟 王佐承 武小云 葛泰 葛成鹏 邹其 王翊同 乔海明 黄智鸿 李民赞
受保护的技术使用者：河北建筑工程学院
技术研发日：2021.07.09
技术公布日：2021/10/23