[发明专利]基于拉曼光谱的物质识别方法及云端系统

权利要求书

1.一种基于拉曼光谱的物质识别方法，其特征在于，包括：

将多组单一物质的拉曼光谱数据进行多种成分比例的组合，得到组合的拉曼光谱数据；

根据组合的拉曼光谱数据的物质成分及其比例，对初始化的物质识别模型进行训练，得到训练好的多任务学习的物质识别模型；

接收待检测物质的拉曼光谱数据；

将所述待检测物质的拉曼光谱数据输入预设的多任务学习的物质识别模型，学习并提取拉曼光谱的特征向量，并基于所述特征向量对所述待检测物质的拉曼光谱数据进行识别，得到所述待检测物质的物质成分及其比例；基于数据库中初始的拉曼光谱数据训练所述多任务学习的物质识别模型，实现方法包括：

对当前数据库中所有单一物质的拉曼光谱数据进行遍历，生成由多个单一物质的拉曼光谱数据组成的物质成分组合，并对所生成的包含多组拉曼光谱数据的组合分别进行全排列；

将新的拉曼光谱数据作为训练样本对初始化的物质识别模型进行训练，得到训练好的所述多任务学习的物质识别模型。

2.如权利要求1所述的方法，其特征在于，所述预设的多任务学习的物质识别模型中的多任务包括用于物质成分识别的第一任务和用于物质成分比例识别的第二任务。

3.如权利要求1或2所述的方法，其特征在于，所述预设的多任务学习的物质识别模型的损失函数的计算公式为：

损失函数＝0.5*物质成分损失函数+0.5*物质成分比例损失函数。

4.如权利要求2所述的方法，其特征在于，所述对所述待检测物质的拉曼光谱进行识别，得到所述待检测物质的物质成分及其比例，包括：

基于第一任务识别得到多个物质成分编号以及所述物质成分对应的置信度；

根据所述物质成分对应的置信度，确定待检测物质包含的各物质成分编号；

根据所述各物质成分编号，基于第二任务识别所述各物质成分所占的比例。

5.如权利要求4所述的方法，其特征在于，还包括：

根据待检测物质包含的各物质成分编号，获取所述各物质成分信息。

6.一种基于拉曼光谱的物质识别云端系统，其特征在于，包括：

训练服务器，用于将多组单一物质的拉曼光谱数据进行多种成分比例的组合，得到组合的拉曼光谱数据；根据组合的拉曼光谱数据的物质成分及其比例，对初始化的物质识别模型进行训练，得到训练好的多任务学习的物质识别模型；

拉曼光谱采集终端，用于采集待检测物质的拉曼光谱数据；

识别服务器，用于接收待检测物质的拉曼光谱数据；以及，

将所述待检测物质的拉曼光谱数据输入预设的多任务学习的物质识别模型，学习并提取拉曼光谱的特征向量，并基于所述特征向量对所述待检测物质的拉曼光谱数据进行识别，得到所述待检测物质的物质成分及其比例；所述训练服务器，还用于基于数据库中初始的拉曼光谱数据训练所述多任务学习的物质识别模型，实现方法包括：

对当前数据库中所有单一物质的拉曼光谱数据进行遍历，生成由多个单一物质的拉曼光谱数据组成的物质成分组合，并对所生成的包含多组拉曼光谱数据的组合分别进行全排列；

将新的拉曼光谱数据作为训练样本对初始化的物质识别模型进行训练，得到训练好的多任务学习的物质识别模型。

7.如权利要求6所述的云端系统，其特征在于，所述预设的多任务学习的物质识别模型中的多任务包括用于物质成分识别的第一任务和用于物质成分比例识别的第二任务。

8.如权利要求6或7所述的云端系统，其特征在于，所述预设的多任务学习的物质识别模型的损失函数的计算公式为：

损失函数＝0.5*物质成分损失函数+0.5*物质成分比例损失函数。