欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2020104110133
申请人: 山东科技大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于卷积神经网络的色谱峰识别方法,其特征在于:包括如下步骤:步骤1:对测试数据集进行预处理;

步骤2:使用卷积神经网络,在卷积层,使用多个卷积核对预处理后的图像进行卷积操作,并进行特征提取和特征映射;

步骤3:在池化层即下采样层,对卷积后的图像进行下采样操作,得到特征图;

步骤4:在全连接层,对池化后的图像即特征图进行全连接操作;

步骤5:使用训练后的卷积神经网络CNN对测试数据集进行识别;

步骤6:计算识别后的图像的一阶导数和二阶导数;

步骤7:根据卷积神经网络CNN识别的结果和一阶导数、二阶导数,计算每个峰的起点和终点;

步骤8:将峰识别的结果输出;

在步骤1中,预处理主要包括:(1)将采集到的数据从内存转存到数据库表中;(2)滤除色谱图中的噪声;(3)对去噪后的色谱图进行基线校准;

在步骤2中,根据公式(1),对预处理后的图像进行卷积操作:其中,星号*表示卷积运算,X为卷积层的输入,H是卷积核;

在步骤3中,根据公式(2),对卷积后的图像进行下采样操作:其中,β为池化层的权重系数,down()为降采样函数, 代表偏置;

特征图的大小:

其中,W′为图像宽度,H′为图像高度,F为卷积核宽高,S为每次移动的步长;

在步骤4中,全连接层将经历卷积、池化操作后得到的特征图,展开为特征向量,然后将特征向量作为分类器的输入,进行类别判定;假定第l+1层全连接层其输入为输出为 其中n′与m′分别代表输入神经元数目与输出神经元数目;记连接第i个输入神经元与第j个输出神经元的权重为 根据公式(5),对池化后的图像进行全连接操作:其中,f()代表激活函数;

采用ReLU函数作为激活函数,其表达式如式(6)所示:当输入信号小于0时,输出为0,输入信号大于0时,输出等于输入;

在步骤7中,根据原函数F(t)、一阶导数G(t)、二阶导数S(t)和卷积神经网络CNN识别结果判断峰的特征点:若色谱图中仅有单个色谱峰,则识别方法为:(1)峰起点前:曲线较为平缓,无明显升降趋势或抖动强度较小,G(t)和S(t)均趋近于

0;

(2)峰起点判断条件:G(t)>0,S(t)>0,则峰起点出现;

(3)左拐点判断条件:G(t)为最大值,S(t)=0,则该点为左拐点;

(4)峰顶点判断条件:F(t)为最大值,G(t)=0,S(t)为最小值,则该点为峰顶点;

(5)右拐点判断条件:G(t)为最小值,S(t)=0,则该点为右拐点;

(6)峰终点判断条件:G(t)=0,S(t)=0,则峰终点出现;

若多个色谱峰连续出现,则需根据卷积神经网络CNN识别的色谱峰顶点位置,再分别向两侧寻找最近的G(t)=0、S(t)=0,且G(t)、S(t)都没有出现符号变动的点,即为该峰的起点/终点;

若多个色谱峰连续出现,则:

(7)连续峰谷点判断条件:F(t)出现上升沿,G(t)呈上升状态且出现符号变动,S(t)>0;

连续峰谷点即为两色谱峰的交点。