(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111655340.4 (22)申请日 2021.12.31 (71)申请人 中科谱光 （郑州） 应用科 学技术研究 院有限公司 地址 450000 河南省郑州市自贸试验区郑 州片区(郑东)金水东路33号美盛中心 6楼601 (72)发明人 劳从坤　王琛茜　王峋越　刘亚坤　 周绍辉　刘光宗　李秀萍　 (74)专利代理 机构 宁波海曙甬睿专利代理事务 所(普通合伙) 33330 专利代理师 王英环 (51)Int.Cl. G01N 21/31(2006.01) G01N 21/01(2006.01)G06K 9/62(2022.01) (54)发明名称 一种基于高光谱大数据的人工智能算法匹 配方法 (57)摘要 本发明涉及人工智能技术领域， 公开了一种 基于高光谱 大数据的人工智能算法匹配方法。 本 发明通过设置算法快速匹配层， 把预处理后的光 谱数据传入算法快速匹配层， 算法快速匹配层通 过标准样本光谱库模板匹配算法对光谱数据进 行快速匹配， 其中算法快速匹配层的搭建包含两 步， 第一步为建立标准样本光谱库： 在大类中随 机取样利用光谱仪对样本光谱数据获取， 同时获 取标准反射率白板光谱信息； 接着对原始光谱数 据进行去噪、 多元散射校正等预处理； 同时对待 测物质进行光谱数据获取、 预处理、 计算； 第二步 快速匹配算法主要基于模板匹配算法对待测物 质光谱与 样本光谱对比分析， 根据模板匹配结果 快速匹配相应算法对待测物质 进行组成成分测 定。 权利要求书1页 说明书4页 附图3页 CN 114486774 A 2022.05.13 CN 114486774 A 1.一种基于高光谱大 数据的人工智能算法匹配方法， 其特 征在于： 包括以下步骤： 1)待测物质预处 理： 例如检测水质， 首次取一定量的水放入有固定刻度的容器里。 2)采集水质光谱数据： 先将便携式光谱仪器打开预热10min， 然后将便携式光谱仪放入 盛水的容器中， 由于便携式光谱仪器的放入水会上升到固定刻度， 设置光谱仪器光谱获取 参数， 记录水质光谱数据。 3)数据传输： 通过便携式光谱仪器自身4G/5G通信信号， 把光谱原始数据进行上传， 上 传至平台数据层。 4)数据预处 理： 平台数据层对光谱数据进行去噪、 多元散射校正 等预处理。 5)数据匹配： 把预处理后的光谱数据传入算法快速匹配层， 算法快速匹配层通过标准 样本光谱库模板匹配算法对光谱数据进行快速匹配， 把信息反馈到算法仓库， 其中算法快 速匹配层的搭建包含两步， 第一步为建立标准样本光谱库； 标准样本库主要以大类进行区 分， 在大类中随机取样利用光谱仪对样本光谱数据获取， 同时获取标准反射率白板光谱信 息； 接着对原始光谱数据进行去噪、 多元散射校正等预处理； 再然后对样本数据进行编号； 编号分为前后两部分例如a ‑b， 其中a部分为样本大类； 第二步快速匹配算法主要基于模板 匹配算法待测物质光谱与样本光谱(例a ‑0000)对比分析， 先对待测物质进行光谱数据获 取、 预处理、 计算。 6)数据分析： 算法仓库层依据算法快速匹配层 反馈信息， 开放对应算法， 对光谱数据进 行分析， 反演出物质组成 成分。 7)导入系统： 开放接口层通过API服务接口把算法仓库 导入到自研系统， 开发相关系统 达到相关应用。 2.根据权利要求1所述的一种基于高光谱大数据的人工智能算法匹配方法， 其特征在 于： 所述步骤五中样本光谱 数据以文本方式存储， 前6行为两列 记录文件信息主要包括数据 获取日期(年‑月‑日， 例如2008 ‑08‑08)、 时间(12:02:02)、 获取地点经度(123 °12′23″)、 纬 度(39°23′15″)、 波长单位(nm)、 波长分辨率。 5行之后分为4列， 第一列为波长， 第二列为物 体反射/透射光照强度， 第3列为白板反射 光照强度， 第4列为反射 率/透射率。 3.根据权利要求1所述的一种基于高光谱大数据的人工智能算法匹配方法， 其特征在 于： 所述步骤五采用 对数据进行计算， 若上式成 立说明待测物质光谱与样本光谱存在相同的特征， 物质成分相似， 为准确判断待测物质光 谱与样本光谱之间的差异需进一 步匹配。 4.根据权利要求3所述的一种基于高光谱大数据的人工智能算法匹配方法， 其特征在 于： 所述进一步匹配为计算待测物质光谱积分面积MS与样本光谱积分面积ME之差异， 即 若|MS‑ME|＜ ε成立， 说明待测物质光谱与样本光谱(a ‑0000)物质成分相 同， 把a信息传递给算法仓库自动调取a反演算法， 对待测物质组成 成分进行反演。权　利　要　求　书 1/1 页 2 CN 114486774 A 2一种基于高光谱大数据的 人工智能算法匹配方 法 技术领域 [0001]本发明涉及人工智能技术领域， 具体为一种基于高光谱大数据的人工智能算法匹 配方法。 背景技术 [0002]自然界中大部分物质在外界电磁波的作用下， 由于其自身原子振动、 电子跃迁等 因素的影响， 吸收能量后会发生相应的能级跃迁， 在某些特定波长位置会发生光谱辐射， 包 括反射、 吸收等。 记录分子对电磁辐 射的光谱辐 射程度与波长的关系就可以得到物质光谱 特征。 基于光谱分析理论基础， 通过对物质光谱特征分析， 可以反演出物质性质和成分含 量， 对物质进 行定性和定量分析。 高光谱遥感源于20世纪80年代对地探测技术， 具有较高的 光谱分辨率和图谱合一的特点， 能够准确快速地获取物质组成成分含量信息。 光谱分析技 术是遥感的物理基础， 物质组成成分依据光谱信息来反演。 其原理是物质组成成分含量与 光谱在某一波长范围中存在很高的相关性， 利用光谱与物质含量元素 的关系模型， 来实现 物质成分测定。 光谱技术对物质组成成分检测具有快速、 无损、 无污染等特点， 目前已应用 于煤炭热值、 水质监测、 工业油脂检测等领域。 [0003]现有的像 《一种基于光谱分析的旋转设备监测平台及监测方法》 、 《基于光谱形态 特征的高光谱水质参数定量反演方法》 等发明专利仅仅对特定物质组成成分的进行测定， 不能满足日益增长物质检测需求以及多种物质检测成本降低需求。 发明内容 [0004](一)解决的技 术问题 [0005]针对现有技术的不足， 本发明提供了一种基于高光谱大数据的人工智能算法匹配 方法， 具备不同物质光谱算法快速匹配以及物质成分快速检测， 实现不同领域不同场景 的 物质成分检测等优点， 解决了背景技 术中提出的问题。 [0006](二)技术方案 [0007]为实现上述具备不同物质光谱算法快速匹配以及物质成分快速检测， 实现不同领 域不同场景的物质成分检测的目的， 本发明提供如下技 术方案： [0008]本发明要解决的另一技术问题是提供一种基于高光谱大数据的人工智能算法匹 配方法， 包括以下步骤： [0009]1)待测物质预处理： 例如检测水质， 首次取一定量的水体放入有固定刻度的容器 里。 [0010]2)采集水体光谱数据： 把便携式光谱仪器打开预热10min， 然后将便携式光谱仪放 入容器中， 水体会由于便携式光谱仪器的放入而上升到固定刻度， 使便携式光谱仪器在取 不同的样时光源与水体保持相同高度， 设置光谱仪器光谱获取参数， 记录水体光谱数据。 [0011]3)数据传输： 通过便携式光谱仪器自身4G/5G通信信号， 把光谱原始数据进行上 传， 上传至平台数据层。说　明　书 1/4 页 3 CN 114486774 A 3