System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 识别方法、装置、设备、存储介质及程序产品制造方法及图纸_技高网

识别方法、装置、设备、存储介质及程序产品制造方法及图纸

技术编号:42617940 阅读:11 留言:0更新日期:2024-09-03 18:24
本申请公开了一种识别方法、装置、设备、存储介质及程序产品。该方法包括:获取目标对象的初始拉曼光谱;根据数学函数确定初始拉曼光谱的校正系数,得到目标校正矩阵;基于目标校正矩阵对初始拉曼光谱进行校正,得到目标拉曼光谱;根据所述目标拉曼光谱对所述目标对象进行识别。由此可以先对目标对象的初始拉曼光谱先进行校正,通过校正后的拉曼光谱对目标对象进行识别,提高了识别的准确性。

【技术实现步骤摘要】

本申请属于数据处理领域,尤其涉及一种识别方法、装置、设备、存储介质及程序产品


技术介绍

1、拉曼光谱是一种分子振动光谱,它可以反映分子的指纹特征,可用于对物质的检测。拉曼光谱检测通过检测待测物对于激发光的拉曼散射效应所产生的拉曼光谱来检测和识别物质。拉曼光谱检测方法已经广泛应用于液体安检、珠宝检测、爆炸物检测、毒品检测、药品检测、农药残留检测等领域。

2、目前,拉曼光谱检测通常采用光谱匹配方法,通常是将未知物光谱与标准光谱(数据库光谱),在全光谱范围或者人为选择的光谱范围计算相关系数。但是,不同的拉曼或红外光谱仪测得的光谱在出峰位置或信号强度等方面会有所不同,这对于相关系数的计算会产生误差,导致误判。


技术实现思路

1、本申请实施例提供了一种识别方法、装置、设备、存储介质及程序产品,能够准确识别目标对象。

2、第一方面,本申请实施例提供一种识别方法,方法包括:

3、获取目标对象的初始拉曼光谱;

4、根据数学函数确定所述初始拉曼光谱的校正系数,得到目标校正矩阵;

5、基于所述目标校正矩阵对所述初始拉曼光谱进行校正,得到目标拉曼光谱;

6、根据所述目标拉曼光谱对所述目标对象进行识别。

7、在一些实施例中,所述根据数学函数,确定所述初始拉曼光谱的校正系数,得到目标校正矩阵,包括:

8、将所述初始拉曼光谱进行分段处理,得到m个第一拉曼光谱,m为大于1的整数;

9、基于数学函数确定各所述第一拉曼光谱对应的校正系数矩阵,得到m个第一校正矩阵;

10、所述基于所述目标校正矩阵对所述初始拉曼光谱进行校正,得到目标拉曼光谱,包括:

11、基于所述第一拉曼光谱对应的第一校正矩阵,对各所述第一拉曼光谱进行校正,得到m个第二拉曼光谱,所述目标拉曼光谱包括所述m个第二拉曼光谱。

12、在一些实施例中,所述基于数学函数确定各所述第一拉曼光谱对应的校正系数矩阵,得到m个第一校正矩阵,包括:

13、基于所述初始拉曼光谱的光谱矩阵,利用数学函数计算得到各所述第一拉曼光谱对应的校正系数矩阵,得到m个第一校正矩阵。

14、在一些实施例中,所述根据所述目标拉曼光谱对所述目标对象进行识别,包括:

15、分别将所述m个第二拉曼光谱与标准拉曼光谱进行匹配,得到匹配结果;

16、基于所述匹配结果,对所述目标对象进行识别。

17、在一些实施例中,所述分别将所述m个第二拉曼光谱与标准拉曼光谱进行匹配,得到匹配结果,包括:

18、将所述标准拉曼光谱进行分段处理,得到与所述m个第二拉曼光谱一一对应的m个第三拉曼光谱;

19、针对各所述第二拉曼光谱,计算所述第二拉曼光谱与对应的所述第三拉曼光谱之间的相关系数,得到m个第一相关系数;

20、根据所述m个第一相关系数,确定所述匹配结果。

21、第二方面,本申请实施例提供一种识别装置,装置包括:

22、获取模块,用于获取目标对象的初始拉曼光谱;

23、计算模块,用于根据数学函数确定所述初始拉曼光谱的校正系数,得到目标校正矩阵;

24、校正模块,用于基于所述目标校正矩阵对所述初始拉曼光谱进行校正,得到目标拉曼光谱;

25、识别模块,用于根据所述目标拉曼光谱对所述目标对象进行识别。

26、第三方面,本申请实施例提供了一种识别设备,设备包括:处理器以及存储有计算机程序指令的存储器;

27、处理器执行计算机程序指令时实现如上的识别方法。

28、第四方面,本申请实施例提供了一种计算机存储介质,计算机存储介质上存储有计算机程序指令,计算机程序指令被处理器执行时实现如上的识别方法。

29、第五方面,本申请实施例提供了一种计算机程序产品,所述计算机程序产品包括计算机程序指令,所述计算机程序指令被处理器执行时实现如上的识别方法。

30、本申请提供的识别方法,能够获取目标对象的初始拉曼光谱;根据数学函数确定初始拉曼光谱的校正系数,得到目标校正矩阵;基于目标校正矩阵对初始拉曼光谱进行校正,得到目标拉曼光谱;根据所述目标拉曼光谱对所述目标对象进行识别。由此可以先对目标对象的初始拉曼光谱先进行校正,通过校正后的拉曼光谱对目标对象进行识别,提高了识别的准确性。

本文档来自技高网...

【技术保护点】

1.一种识别方法,其特征在于,所述方法包括:

2.根据权利要求1所述的方法,其特征在于,所述根据数学函数,确定所述初始拉曼光谱的校正系数,得到目标校正矩阵,包括:

3.根据权利要求2所述的方法,其特征在于,所述基于数学函数确定各所述第一拉曼光谱对应的校正系数矩阵,得到M个第一校正矩阵,包括:

4.根据权利要求2所述的方法,其特征在于,所述根据所述目标拉曼光谱对所述目标对象进行识别,包括:

5.根据权利要求4所述的方法,其特征在于,所述分别将所述M个第二拉曼光谱与标准拉曼光谱进行匹配,得到匹配结果,包括:

6.一种识别装置,其特征在于,所述装置包括:

7.根据权利要求6所述的装置,其特征在于,所述计算模块,包括:

8.一种识别设备,应用于网络系统,其特征在于,所述设备包括:处理器以及存储有计算机程序指令的存储器;

9.一种计算机存储介质,其特征在于,所述计算机存储介质上存储有

10.一种计算机程序产品,其特征在于,所述计算机程序产品包括计算机程序指令,所述计算机程序指令被处理器执行时实现权利要求1-5中任一项所述的识别方法。

...

【技术特征摘要】

1.一种识别方法,其特征在于,所述方法包括:

2.根据权利要求1所述的方法,其特征在于,所述根据数学函数,确定所述初始拉曼光谱的校正系数,得到目标校正矩阵,包括:

3.根据权利要求2所述的方法,其特征在于,所述基于数学函数确定各所述第一拉曼光谱对应的校正系数矩阵,得到m个第一校正矩阵,包括:

4.根据权利要求2所述的方法,其特征在于,所述根据所述目标拉曼光谱对所述目标对象进行识别,包括:

5.根据权利要求4所述的方法,其特征在于,所述分别将所述m个第二拉曼光谱与标准拉曼...

【专利技术属性】
技术研发人员:左佳倩耿琳刘颖王泊林伍齐佳刘海辉
申请(专利权)人:北京鉴知技术有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1