一种基于高光谱大数据的人工智能算法匹配方法与流程

1.本发明涉及人工智能技术领域，具体为一种基于高光谱大数据的人工智能算法匹配方法。


背景技术：

2.自然界中大部分物质在外界电磁波的作用下，由于其自身原子振动、电子跃迁等因素的影响，吸收能量后会发生相应的能级跃迁，在某些特定波长位置会发生光谱辐射，包括反射、吸收等。记录分子对电磁辐射的光谱辐射程度与波长的关系就可以得到物质光谱特征。基于光谱分析理论基础，通过对物质光谱特征分析，可以反演出物质性质和成分含量，对物质进行定性和定量分析。高光谱遥感源于20世纪80年代对地探测技术，具有较高的光谱分辨率和图谱合一的特点，能够准确快速地获取物质组成成分含量信息。光谱分析技术是遥感的物理基础，物质组成成分依据光谱信息来反演。其原理是物质组成成分含量与光谱在某一波长范围中存在很高的相关性，利用光谱与物质含量元素的关系模型，来实现物质成分测定。光谱技术对物质组成成分检测具有快速、无损、无污染等特点，目前已应用于煤炭热值、水质监测、工业油脂检测等领域。
3.现有的像《一种基于光谱分析的旋转设备监测平台及监测方法》、《基于光谱形态特征的高光谱水质参数定量反演方法》等发明专利仅仅对特定物质组成成分的进行测定，不能满足日益增长物质检测需求以及多种物质检测成本降低需求。


技术实现要素：

4.(一)解决的技术问题
5.针对现有技术的不足，本发明提供了一种基于高光谱大数据的人工智能算法匹配方法，具备不同物质光谱算法快速匹配以及物质成分快速检测，实现不同领域不同场景的物质成分检测等优点，解决了背景技术中提出的问题。
6.(二)技术方案
7.为实现上述具备不同物质光谱算法快速匹配以及物质成分快速检测，实现不同领域不同场景的物质成分检测的目的，本发明提供如下技术方案：
8.本发明要解决的另一技术问题是提供一种基于高光谱大数据的人工智能算法匹配方法，包括以下步骤：
9.1)待测物质预处理：例如检测水质，首次取一定量的水体放入有固定刻度的容器里。
10.2)采集水体光谱数据：把便携式光谱仪器打开预热10min，然后将便携式光谱仪放入容器中，水体会由于便携式光谱仪器的放入而上升到固定刻度，使便携式光谱仪器在取不同的样时光源与水体保持相同高度，设置光谱仪器光谱获取参数，记录水体光谱数据。
11.3)数据传输：通过便携式光谱仪器自身4g/5g通信信号，把光谱原始数据进行上传，上传至平台数据层。
12.4)数据预处理：平台数据层对光谱数据进行去噪、多元散射校正等预处理。
13.5)数据匹配：把预处理后的光谱数据传入算法快速匹配层，算法快速匹配层通过标准样本光谱库模板匹配算法对光谱数据进行快速匹配，把信息反馈到算法仓库，其中算法快速匹配层的搭建包含两步，第一步为建立标准样本光谱库：标准样本库主要以大类进行区分，在大类中随机取样利用光谱仪对样本光谱数据获取，同时获取标准反射率白板光谱信息；接着对原始光谱数据进行去噪、多元散射校正等预处理；再然后对样本数据进行编号：编号分为前后两部分例如a-b，其中a部分为样本大类；第二步快速匹配算法主要基于模板匹配算法待测物质光谱与样本光谱(例a-0000)对比分析，先对待测物质进行光谱数据获取、预处理、计算。
14.6)数据分析：算法仓库层依据算法快速匹配层反馈信息，开放对应算法，对光谱数据进行分析，反演出物质组成成分。
15.7)导入系统：开放接口层通过api服务接口把算法仓库导入到自研系统，开发相关系统达到相关应用。
16.优选的，所述步骤五中样本光谱数据以文本方式存储，前6行为两列记录文件信息主要包括数据获取日期(年-月-日，例如2008-08-08)、时间(12:02:02)、获取地点经度(123
°
12
′
23
″
)、纬度(39
°
23
′
15
″
)、波长单位(nm)、波长分辨率。5行之后分为4列，第一列为波长，第二列为物体反射/透射光照强度，第3列为白板反射光照强度，第4列为反射率/透射率。
17.优选的，所述步骤五采用对数据进行计算，若上式成立说明待测物质光谱与样本光谱存在相同的特征，物质成分相似，为准确判断待测物质光谱与样本光谱之间的差异需进一步匹配。
18.优选的，所述进一步匹配为计算待测物质光谱积分面积ms与样本光谱积分面积me之差异，即若|m
s-me|＜ε成立，说明待测物质光谱与样本光谱(a-0000)物质成分相同，把a信息传递给算法仓库自动调取a反演算法，对待测物质组成成分进行反演。
19.(三)有益效果
20.与现有技术相比，本发明提供了一种基于高光谱大数据的人工智能算法匹配方法，具备以下有益效果：该基于高光谱大数据的人工智能算法匹配方法，通过设置算法快速匹配层来实现不同待测物质与反演算法之间快速匹配，达到了可以对多种不同的物质进行组成成分的进行测定，并且能够大大降低测定的成本的目的。
附图说明
21.图1为本发明样本编号示例图；
22.图2为本发明数据文本文件存储格式图；
23.图3为本发明系统结构图。
具体实施方式
24.下面将结合本发明的实施例，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
25.实施例：一种基于高光谱大数据的人工智能算法匹配方法，包括以下步骤：
26.步骤一：待测物质预处理：例如检测水质，首次取一定量的水体放入有固定刻度的容器里。
27.步骤二：采集水体光谱数据：把便携式光谱仪器打开预热10min，然后将便携式光谱仪放入容器中，水体会由于便携式光谱仪器的放入而上升到固定刻度，使便携式光谱仪器在取不同的样时光源与水体保持相同高度，设置光谱仪器光谱获取参数，记录水体光谱数据。
28.步骤三：数据传输：通过便携式光谱仪器自身4g/5g通信信号，把光谱原始数据进行上传，上传至平台数据层。
29.步骤四：数据预处理：平台数据层对光谱数据进行去噪、多元散射校正等预处理。
30.步骤五：数据匹配：把预处理后的光谱数据传入算法快速匹配层，算法快速匹配层通过标准样本光谱库模板匹配算法对光谱数据进行快速匹配，把信息反馈到算法仓库，其中算法快速匹配层的搭建包含两步。
31.第一步为建立标准样本光谱库：标准样本库主要以大类进行区分，在大类中随机取样利用光谱仪对样本光谱数据获取，同时获取标准反射率白板光谱信息；接着对原始光谱数据进行去噪、多元散射校正等预处理；再然后对样本数据进行编号：编号分为前后两部分例如a-b，其中a部分为样本大类；样本光谱数据以文本方式存储，前6行为两列记录文件信息主要包括数据获取日期(年-月-日，例如2008-08-08)、时间(12:02:02)、获取地点经度(123
°
12
′
23
″
)、纬度(39
°
23
′
15
″
)、波长单位(nm)、波长分辨率。5行之后分为4列，第一列为波长，第二列为物体反射/透射光照强度，第3列为白板反射光照强度，第4列为反射率/透射率，如图2
32.第二步快速匹配算法主要基于模板匹配算法待测物质光谱与样本光谱(例a-0000)对比分析，先对待测物质进行光谱数据获取、预处理、计算。在相同波长(λ0、λ1、λ2…
)处对待测物质波峰光谱反射/吸收率(sr(λ)\sa(λ))与样本波峰光谱反射/吸收率(er(λ)\ea(λ))进行比对。
33.|sr(λ0)-er(λ0)| |sr(λ1)-er(λ1)|
…
＜ε或
34.|sa(λ0)-ea(λ0)| |sa(λ1)-ea(λ1)|
…
＜ε
35.若上式成立，说明待测物质光谱与样本光谱存在相同的特征，物质成分相似，为准确判断待测物质光谱与样本光谱之间的差异需进一步匹配。计算待测物质光谱积分面积ms与样本光谱积分面积me之差异，即
[0036][0037]
若|m
s-me|＜ε成立，说明待测物质光谱与样本光谱(a-0000)物质成分相同，把a信息传递给算法仓库自动调取a反演算法，对待测物质组成成分进行反演。
[0038]
步骤六：数据分析：算法仓库层依据算法快速匹配层反馈信息，开放对应算法，对光谱数据进行分析，反演出物质组成成分。
[0039]
步骤七：导入系统：开放接口层通过api服务接口把算法仓库导入到自研系统，开发相关系统达到相关应用。
[0040]
本发明的有益效果是：该基于高光谱大数据的人工智能算法匹配方法，通过设置算法快速匹配层来实现不同待测物质与反演算法之间快速匹配，达到了对多种不同的物质进行组成成分的进行测定，并且能够大大降低测定的成本的目的。
[0041]
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。