(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202211075417.5 (22)申请日 2022.09.05 (65)同一申请的已公布的文献号 申请公布号 CN 115184281 A (43)申请公布日 2022.10.14 (73)专利权人 北京智麟科技有限公司 地址 100070 北京市丰台区航丰路1号院4 号楼3至17层301内17层20 07室 (72)发明人 王心安　 (74)专利代理 机构 北京高沃 律师事务所 1 1569 专利代理师 王爱涛 (51)Int.Cl. G01N 21/25(2006.01) G06V 10/30(2022.01) G06V 10/44(2022.01) G06V 10/766(2022.01)G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (56)对比文件 CN 111289446 A,2020.0 6.16 CN 107505268 A,2017.12.2 2 CN 102609703 A,2012.07.25 FR 2989497 A1,2013.10.18 US 2022008157 A1,202 2.01.13 CN 109900645 A,2019.0 6.18 张梅等.基于快速蒙特卡罗的散射介质光学 参量干涉测量方法研究. 《光子学报》 .2012,(第 07期), 赵紫竹等.基 于高光谱的牛奶脂肪质量浓度 预测模型建立与评价. 《中国乳品工业》 .2018, (第02期), 审查员 黄彬 (54)发明名称 一种基于二维光谱的溶液组分浓度确定方 法及系统 (57)摘要 本发明提供了一种基于二维光谱的溶液组 分浓度确定方法及系统， 涉及溶液成分确定技术 领域， 包括： 获取待测溶液的光谱数据； 根据待测 溶液的光谱数据， 构建待测溶液的二维光谱图 像； 提取二维光谱图像的特征； 将二维光谱图像 的特征输入到溶液组分浓度预测模 型中， 得到待 测溶液的组分及浓度； 溶液 组分浓度预测模型是 根据历史溶液的组分和浓度， 以及二维光谱图像 的特征， 对初始预测模型进行训练得到的； 初始 预测模型为偏最小二乘回归模型， 或栈式自编码 网络模型， 或卷积神经网络模型。 本发明通过对 待测溶液的二维光谱图像进行特征提取以及建 立溶液组分浓度预测模型， 能够提高溶液组分浓 度的确定精度。 权利要求书2页 说明书6页 附图3页 CN 115184281 B 2022.12.09 CN 115184281 B 1.一种基于二维光谱的溶 液组分浓度确定方法， 其特 征在于， 包括： 获取待测溶 液的光谱数据； 根据所述待测溶 液的光谱数据， 构建待测溶 液的二维光谱图像； 提取所述二维光谱图像的特 征； 将所述二维光谱图像的特征输入到溶液组分浓度 预测模型中， 得到待测溶液的组分及 浓度； 所述溶液组分浓度预测模型是根据历史溶液 的组分和浓度， 以及二维光谱图像的特 征， 对初始预测模型进 行训练得到的； 所述初始预测模型为偏最小二乘回归模型， 或栈式 自 编码网络模型， 或卷积神经网络模型； 所述提取所述二维光谱图像的特 征， 包括： 在所述二维光谱图像上提取 预设波段的光谱数据， 得到预设波段二维光谱图像； 确定所述预设波段二维光谱图像的峰值 点； 提取所述预设波段二维光谱图像上 经过所述峰值 点的纵向光强分布曲线； 提取所述预设波段二维光谱图像上 经过所述峰值 点的横向光强分布曲线； 确定纵向光强分布曲线上 大于预设阈值的区域 为第一特 征区域； 确定横向光强分布曲线上 大于预设阈值的区域 为第二特 征区域； 确定所述第 一特征区域和第 二特征区域的交集为总特征区域； 所述二维光谱图像的特 征包括纵向光强分布曲线、 横向光强分布曲线和总特 征区域。 2.根据权利要求1所述的一种基于二维光谱的溶液组分浓度确定方法， 其特征在于， 在 所述根据所述待测溶 液的光谱数据， 构建待测溶 液的二维光谱图像之后， 还 包括： 对所述二维光谱图像进行去噪处 理。 3.根据权利要求1所述的一种基于二维光谱的溶液组分浓度确定方法， 其特征在于， 在 所述获取待测溶 液的光谱数据之前， 还 包括： 获取多个历史溶 液的光谱数据； 根据每个所述历史溶 液的光谱数据， 构建历史溶 液二维光谱图像； 提取每个所述历史溶 液二维光谱图像的特 征； 以所述历史溶液二维光谱图像的特征为输入， 以所述历史溶液的组分和浓度为期望输 出， 对初始预测模型进行训练， 得到溶 液组分浓度预测模型。 4.一种基于二维光谱的溶 液组分浓度确定系统， 其特 征在于， 包括： 光谱数据获取模块， 用于获取待测溶 液的光谱数据； 二维光谱图像构建模块， 用于根据所述待测溶液的光谱数据， 构建待测溶液的二维光 谱图像； 特征提取模块， 用于提取 所述二维光谱图像的特 征； 预测模块， 用于将所述二维光谱图像的特征输入到溶液组分浓度预测模型中， 得到待 测溶液的组分及浓度； 所述溶液组分浓度预测模型是根据历史溶液 的组分和浓度， 以及二 维光谱图像的特征， 对初始预测模型进行训练得到的； 所述初始预测模型为偏最小二乘 回 归模型， 或栈式自编码网络模型， 或卷积神经网络模型； 其中， 所述特 征提取模块包括： 预设波段二维光谱图像确定单元， 用于在所述二维光谱图像上提取预设波段的光谱数 据， 得到预设波段二维光谱图像；权　利　要　求　书 1/2 页 2 CN 115184281 B 2峰值点确定单 元， 用于确定所述预设波段二维光谱图像的峰值 点； 纵向光强分布曲线确定单元， 用于提取所述预设波段二维光谱图像上经过所述峰值点 的纵向光强分布曲线； 横向光强分布曲线确定单元， 用于提取所述预设波段二维光谱图像上经过所述峰值点 的横向光强分布曲线； 第一特征区域确定单元， 用于确定纵向光强分布曲线上大于预设阈值的区域为第 一特 征区域； 第一特征区域确定单元， 用于确定横向光强分布曲线上大于预设阈值的区域为第 二特 征区域； 总特征区域确定单元， 用于确定所述第 一特征区域和第 二特征区域的交集为总特征区 域； 所述二维光谱图像的特 征包括纵向光强分布曲线、 横向光强分布曲线和总特 征区域。 5.根据权利要求4所述的一种基于二维光谱的溶液组分浓度确定系统， 其特征在于， 所 述系统包括： 去噪模块， 用于对所述 二维光谱图像进行去噪处 理。 6.根据权利要求4所述的一种基于二维光谱的溶液组分浓度确定系统， 其特征在于， 所 述系统还 包括： 历史溶液光谱数据获取模块， 用于获取多个历史溶 液的光谱数据； 历史溶液二维光谱图像构建模块， 用于根据每个所述历史溶液的光谱数据， 构建历史 溶液二维光谱图像； 历史溶液二维光谱图像特征提取模块， 用于提取每个所述历史溶液二维光谱图像的特 征； 训练模块， 用于以所述历史溶液二维光谱图像的特征为输入， 以所述历史溶液的组分 和浓度为期望 输出， 对初始预测模型进行训练， 得到溶 液组分浓度预测模型。权　利　要　求　书 2/2 页 3 CN 115184281 B 3