[发明专利]一种拉曼光谱谱带区域分割方法

权利要求书

1.一种拉曼光谱谱带区域分割方法，其特征在于，包括以下几个步骤：

步骤1：利用拉曼光谱设备采集拉曼光谱数据，对拉曼光谱数据进行预处理，包括SG平滑、去基线；

步骤2：专家依据光谱中的特征峰位置，标注重要谱带区域，建立拉曼谱带分割模型训练数据集与测试集；

步骤3：建立深度学习模型，在该模型中利用带有残差边的1D卷积神经网络提取拉曼光谱特征信息；使用锚点结构的特征谱带区域推荐网络对重要谱带区域进行第一次预测；使用第一次预测的谱带区域对特征图进行截取，通过分类与回归网络预测出最终的重要谱带区域；

步骤4：使用训练集训练深度学习模型，包括主干特征提取网络、基于锚点的特征谱带区域推荐网络、以及最终的分类回归网络；

步骤5：使用测试集测试改进深度学习模型性能，然后将模型用于对拉曼光谱重要谱带区域的分割，并输出分割出的重要谱带区域。

2.根据权利要求1所述的一种拉曼光谱谱带区域分割方法，其特征在于，所述步骤1，对拉曼光谱数据进行预处理，其具体步骤如下：

步骤11：拉曼光谱数据复杂且带有大量噪音，为有效标注拉曼光谱重要谱带区域和模型训练，需对拉曼光谱数据进行SG平滑、去基线，减除拉曼光谱噪音数据。

3.根据权利要求1所述的一种拉曼光谱谱带区域分割方法，其特征在于，所述步骤2，对拉曼光谱重要谱带区域进行标注，具体步骤如下：

步骤22：采用目标检测标注工具LabelImg对拉曼光谱数据中的重要谱带区域进行标注，在标注中，利用该工具框选拉曼光谱谱带重要谱带区域，并记录谱带坐标，同时设置谱带的类别标签，然后，按照LabelImg工具的格式协议将标注的信息存入至XML格式文件中，具体包括：目标标注类别、目标起始坐标X1和终止坐标X2(一维数据)。

4.根据权利要求1所述的一种拉曼光谱谱带区域分割方法，其特征在于，所述步骤3，该模型中，利用带有残差边的1D卷积神经网络提取拉曼光谱特征信息，使用锚点结构的特征谱带区域推荐网络对重要谱带区域进行第一次预测；使用第一次预测的谱带区域对特征图进行截取，通过分类与回归网络预测出最终的重要谱带区域，具体步骤如下：

步骤31：深度学习模型主干网络采用ResNet50，ResNet50包含两个基本块，分别名为Conv Block和Identity Block，其中Conv Block输入输出维度不一样，主要作用是改变网络维度，Identity Block输入输出维度相同，负责加深网络。

5.根据权利要求4所述的一种拉曼光谱谱带区域分割方法，其特征在于，基于ResNet50的主干特征提取网络对拉曼光谱数据进行4次压缩以提取特征，第5次压缩则在对特征图进行截取时使用。

6.根据权利要求4所述的一种拉曼光谱谱带区域分割方法，其特征在于，步骤32：在步骤31的基础上，使用锚点结构的特征谱带区域推荐网络对重要谱带区域进行第一次预测。

7.根据权利要求6所述的一种拉曼光谱谱带区域分割方法，其特征在于，所述带有锚点结构的特征谱带区域推荐网络由一个3×1卷积核和两个1×1卷积核组合而成，将步骤31得出的特征图输入至该网络后输出重要谱带的置信度以及重要谱带的位置。

8.根据权利要求6所述的一种拉曼光谱谱带区域分割方法，其特征在于，步骤33：在步骤32的基础上，将带有锚点结构的特征谱带区域推荐网络输出结果对特征图进行截取，并输入至分类与回归网络，分类与回归网络将截取下来的特征图进行ResNet50的第五次压缩，然后输出最终的预测结果，即重点谱带区域位置及其置信度。