[发明专利]一种便携式血痕识别仪及其鉴别方法在审

专利信息
申请号: 202011008431.4 申请日: 2020-09-23
公开(公告)号: CN112014378A 公开(公告)日: 2020-12-01
发明(设计)人: 杨志超 申请(专利权)人: 浙江警察学院
主分类号: G01N21/65 分类号: G01N21/65;G06K9/62
代理公司: 杭州裕阳联合专利代理有限公司 33289 代理人: 金方玮
地址: 310051 浙*** 国省代码: 浙江;33
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 便携式 血痕 识别 及其 鉴别方法
【权利要求书】:

1.一种便携式血痕识别仪,其特征在于,包括:633nm的激光光源,将小于等于633nm的光阻挡的截至型滤光镜滤光片,将大于633nm的非弹性反射光分光的棱镜,将光信号采集记录下来的CCD检测器。

2.根据权利要求1所述的一种便携式血痕识别仪,其特征在于,所述CCD检测器的前方放置有光电倍增管。

3.根据权利要求1所述的一种便携式血痕识别仪,其特征在于,所述CCD检测器选择波段的数量为50个波段。

4.根据权利要求3所述的一种便携式血痕识别仪,其特征在于,所述50个波段在755cm-1,1230cm-1,1560cm-1位置。

5.一种便携式血痕识别仪的鉴别方法,其特征在于,包括如下步骤:

步骤一,将动物血液样本经过633nm的激光光源,经过截至型滤光镜滤光片、棱镜,由CCD检测器将光信号采集记录下来;

步骤二,获得反射光谱数据后,完成数据的降噪,降噪的方法采用Savitzky-Golay卷积平滑算法;

数学表达式为:

其中,Xi大为降噪前的数据值,为降噪后的数据值,Wj为移动窗口的权重,窗口的尺寸为(2r+1),窗口移动的多项式回归的基本思路是:利用多项式对窗口内的数据进行最小二乘拟合;

步骤三,对数据完成全局标准化,方法是Min-Max normalization;

数学表达式为:

其中,yi是标准化后的数据,Xi是标准化前的数据,minX和maxX分别是标准化前数据的最小值和最大值;

步骤四,利用支持向量机SVM的方法对血液的种属鉴别进行建模;

其中,w和b是超平面的法向量和截距,γ为1/║w║;

步骤五,通过支持向量模型计算样本的反射光强度的一系列光谱数据,直接得到分类结果。

6.根据权利要求5所述的一种便携式血痕识别仪的鉴别方法,其特征在于,

步骤一,将动物血液样本经过633nm的激光光源,经过截至型滤光镜滤光片、棱镜,由CCD检测器采集血25个波段的反射光强度数据;25个波段在755cm-1,1230cm-1,1560cm-1位置。

7.根据权利要求5所述的一种便携式血痕识别仪的鉴别方法,其特征在于,

步骤一,将动物血液样本经过633nm的激光光源,经过截至型滤光镜滤光片、棱镜,由CCD检测器采集血50个波段的反射光强度数据;50个波段在755cm-1,1230cm-1,1560cm-1位置。

8.根据权利要求5所述的一种便携式血痕识别仪的鉴别方法,其特征在于,

步骤四,利用支持向量机SVM配合主成分分析PCA的方法完成建模,求解能够正确划分训练数据集并且几何间隔最大的分离超平面;

使用主成分分析PCA算法对输入数据降维,将降维后的数据放入支持向量机分类器,完成分类;

其中,w和b是超平面的法向量和截距,γ为1/║w║。

9.根据权利要求5所述的一种便携式血痕识别仪的鉴别方法,其特征在于,

步骤四,利用支持向量机SVM配合互信息MI的方法完成建模,求解能够正确划分训练数据集并且几何间隔最大的分离超平面;

利用互信息方法,将各波段按照信息熵值依序排列,选择前K个波段,使用SVM分类器完成分类;

其中,其中,w和b是超平面的法向量和截距,γ为1/║w║。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于浙江警察学院,未经浙江警察学院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202011008431.4/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top