买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：浙江工业大学

摘要：本发明涉及到差分拉曼光谱技术，特别涉及一种结合差分拉曼光谱和SE‑Res2Net的黄曲霉素检测方法。测得含有黄曲霉素以及不含有黄曲霉素的待测物的差分拉曼光谱；构建模型，初始化模型参数；将黄曲霉素的差分拉曼光谱和待测物的差分拉曼光谱输入模型得到特征图X；将特征图X输入Res2Net模块，得到特征图Y5；将特征图Y5输入SE模块，得到特征图f'；通过跳跃连接的方式将特征图X连接到特征图f'上，得到特征图f；得到待测物中是否含有黄曲霉素的概率，完成模型的训练；验证模型并更新参数。本发明有效去除拉曼光谱中的荧光、环境光等干扰，增强拉曼光谱中的特征峰，提高检测准确率。

主权项：1.一种结合差分拉曼光谱和SE-Res2Net的黄曲霉素检测方法，其特征在于，所述结合差分拉曼光谱和SE-Res2Net的黄曲霉素检测方法，包括：测得含有黄曲霉素以及不含有黄曲霉素的待测物的差分拉曼光谱，将待测物的差分拉曼光谱作为训练集；构建SE-Res2Net神经网络模型，初始化SE-Res2Net神经网络模型的参数；将黄曲霉素的差分拉曼光谱和待测物的差分拉曼光谱分别输入SE-Res2Net神经网络模型的两个特征提取模块提取特征图，将提取到的特征图进行拼接得到特征图X；将特征图X输入SE-Res2Net神经网络模型的Res2Net模块，得到特征图；将特征图输入SE-Res2Net神经网络模型的SE模块，得到特征图；通过跳跃连接的方式将特征图X连接到特征图上，得到特征图；特征图f经过SE-Res2Net神经网络模型的输出模块得到待测物中是否含有黄曲霉素的概率，根据概率更新SE-Res2Net神经网络模型的参数，完成SE-Res2Net神经网络模型的训练；配制含有黄曲霉素以及不含有黄曲霉素的混合物溶液，测得所述混合物溶液的差分拉曼光谱作为验证集，利用训练好的SE-Res2Net神经网络模型对验证集进行识别；其中，所述测得含有黄曲霉素以及不含有黄曲霉素的待测物的差分拉曼光谱，包括：采用两个具有已知微小波长错位的激发波长，收集同一待测物的两份原始拉曼光谱数据；对两份原始拉曼光谱数据进行预处理得到两份预处理光谱；对两份预处理光谱进行差分处理，得到差分图像和差分图像的强度值；将待重建拉曼光谱的强度值初始化为0，将差分图像的强度值与位移差为的待重建拉曼光谱的强度值相加，对待重建拉曼光谱进行更新，得到差分拉曼光谱；所述将特征图X输入SE-Res2Net神经网络模型的Res2Net模块，得到特征图，包括：特征图X经过一个2D卷积层，将特征图X分割成4组，分别记作X1、X2、X3和X4；对特征图X2、特征图X3和特征图X4分别进行卷积操作，将卷积操作记作Ki，得到的四个特征图可用如下公式表示： ；其中，表示对特征图X1、特征图X2、特征图X3和特征图X4进行相应处理后得到的特征图，，表示特征图X分割成的第i组特征图，表示在第i组中对特征图进行卷积操作，表示先将第i-1组的卷积操作的输出和门按通道相乘，然后将结果与第i组特征图相加，将相加得到的结果进行卷积操作；将特征图拼接后输入Res2Net模块的输出层得到特征图，可用公式表示如下： ；其中，表示Res2Net模块的输出，表示拼接操作，表示一维卷积操作，表示归一化操作，表示函数。

全文数据：

权利要求：

百度查询： 浙江工业大学 一种结合差分拉曼光谱和SE-Res2Net的黄曲霉素检测方法