[发明专利]拉曼光谱的峰位分析方法、系统、终端设备及介质

权利要求书

1.一种拉曼光谱的峰位分析方法，其特征在于，所述拉曼光谱的峰位分析方法，包括：

基于预设的滑动PCA模型和预设的分类预测模型对所述拉曼光谱进行划分得到多个光谱区间和多个所述光谱区间对应的F1分数，并基于多个所述F1分数从多个所述光谱区间确定最优光谱区间，其中，所述F1分数为精确率和召回率的调和平均数；

获取所述最优光谱区间内的原始光谱和所述原始光谱中的多个光谱峰位，并确定多个所述光谱峰位对应的峰位区间的中间位置；

根据所述中间位置确定峰均值组，基于多个所述峰均值组对所述原始光谱中的多个所述光谱峰位进行排序，并针对排序后的多个光谱峰位进行分析；

所述根据所述中间位置确定峰均值组的步骤，包括：

将预设的多个PCA特征向量分别与所述原始光谱进行融合得到多个融合光谱，其中，所述PCA特征向量基于所述滑动PCA模型和所述分类预测模型得到；

获取各个所述融合光谱中的多个特征峰位，和，多个所述特征峰位在各自所述中间位置处的峰均值，并基于多个所述峰均值确定各个所述融合光谱对应的峰均值组。

2.如权利要求1所述的拉曼光谱的峰位分析方法，其特征在于，所述将预设的多个PCA特征向量分别与所述原始光谱进行融合得到多个融合光谱的步骤，包括：

分别针对多个所述PCA特征向量进行归一化处理；

将归一化处理后的多个所述PCA特征向量与所述原始光谱按照点乘的方式进行融合得到多个所述PCA特征向量各自对应的所述融合光谱。

3.如权利要求1所述的拉曼光谱的峰位分析方法，其特征在于，在所述基于预设的滑动PCA模型和预设的分类预测模型对所述拉曼光谱进行划分得到多个光谱区间和多个所述光谱区间对应F1分数，并基于多个所述F1分数从多个所述光谱区间确定最优光谱区间的步骤之前，还包括：

基于预设的初始PCA模型和预设的初始分类预测模型构建所述滑动PCA模型和所述分类预测模型。

4.如权利要求1所述的拉曼光谱的峰位分析方法，其特征在于，所述基于多个所述峰均值组对所述原始光谱中的多个所述光谱峰位进行排序的步骤，包括：

在多个所述峰均值组中，分别将各所述峰均值组中的多个峰均值进行排序得到多个所述峰均值组各自对应的排序结果；

将各所述排序结果进行求和操作得到求和结果，并根据所述求和结果对所述原始光谱中的多个所述光谱峰位进行重要程度排序。

5.如权利要求4所述的拉曼光谱的峰位分析方法，其特征在于，所述针对排序后的多个光谱峰位进行分析的步骤，包括：

获取进行重要程度排序后的多个光谱峰位，并依次对多个所述光谱峰位进行分析。

6.如权利要求1所述的拉曼光谱的峰位分析方法，其特征在于，所述基于多个所述F1分数从多个所述光谱区间确定最优光谱区间的步骤，包括：

从多个所述光谱区间各自的所述F1分数中确定最大的F1分数，并将所述最大的F1分数所对应的光谱区间设置为最优光谱区间。