专利交易市场

本发明公开一种基于Deep Residual Shrinkage‑VGG的端到端深度学习的分类方法，包括：获取拉曼光谱数据，进行一阶样条插值处理且补零，随机打乱后划分成训练集、验证集和测试集；构建一个基于Deep ResidualShrinkage‑VGG的端到端深度学习的分类模型；使用训练集训练该分类模型，使用验证集对模型的超参数进行调整；使用测试集测试该性能。本发明提出的方法，无需光谱数据校正预处理，适用于高噪声、小样本、超多分类的拉曼光谱数据，提高了拉曼光谱数据分类问题的正确率与适用性，在一定程度上改善了深层深度学习网络模型的训练过慢的问题。

本发明提供了一种基于拉曼光谱实时监测中药配方颗粒提取过程的方法，以甘草配方颗粒为例，涉及以拉曼光谱技术进行甘草配方颗粒提取过程中甘草苷和甘草酸含量预测方法，实施步骤包括甘草配方颗粒提取过程的取样、拉曼光谱采集过程、液相分析过程和含量预测模型的建立；本发明通过一种拉曼光谱技术实时采集中药配方颗粒在提取过程中的拉曼谱图信息，对拉曼光谱进行多种预处理方法和特征变量提取方法的优选，通过大数据拟合拉曼光谱图信息与指标成分(甘草苷和甘草酸)含量之间的数学模型，为实现中药配方颗粒提取过程快速实时监测提供了分析方法，有利于提高中药配方颗粒产品质量，促进中药配方颗粒生产的自动化和智能化。

本发明公开了一种基于稀疏表示的拉曼光谱特征提取方法，包括以下步骤：a.获取原始拉曼光谱信息；b.根据峰的位置将步骤a中的原始拉曼光谱分为N块；c.将步骤b中处理后的拉曼光谱进行变换域变换，得到光谱信息域图像；d.获取步骤c中的光谱信息域图像的最相关分量；e.将步骤d中的最相关分量进行反变换，恢复原光谱；f.将步骤e中的原光谱进行合并，得到重构后的拉曼光谱。本发明采用了拉曼光谱在变换域是稀疏的特性，提取稀疏域中最相关的分量，减小了各种噪声对拉曼光谱信号的影响；同时，对原始光谱进行分段处理，提高了光谱重构的准确性，保证想要特征峰的信息能够从噪声中还原出来。

一种拉曼光谱测试系统，其特征在于：包括其中激光器（21）、光学整形器（90）、用于改变光斑大小的透镜组（91、92），第一号光路切换装置（1-1）、第贰号光路切换装置（1-2），第一号反射镜（93）、第二号反射镜（94）、第三号反射镜（96）、第四号反射镜（100）、两相色镜（95）、滤光器件（102）（滤掉波长为工作波长的光），聚光凸透镜（101），聚光物镜（97），CCD为光采集模块，CCD用于采集经过单色仪采集光学信号发送至计算机。本发明实现光路切换后不需要重新调试，可快实时发现光源的失常状态。