【技術實現步驟摘要】
本申請涉及光譜分析，特別是涉及一種基于光譜分析的樣品定量分析方法及相關裝置。
技術介紹
1、隨著光譜分析技術在如測定物質濃度等樣品分析領域的廣泛應用，基體效應對于分析結果的影響越發引起關注。
2、目前，通常采用有監督學習的方法，先利用分類器對待測樣品中基體所屬類別進行分類；隨后，基于待測樣品的基體類別，從針對各個基體類別單獨建立的多個分析模型中，選擇與待測樣品的基體類別對應的分析模型，對待測樣品進行定量分析，從而降低基體類別對分析結果的影響。然而，這種先分類后定量的光譜分析方案中，為實現對待測樣品中基體所屬類別的分類，需要利用一個包含對樣品中基體類別的標注的光譜數據集，預先對分類器進行訓練。在很多情況下，由于先驗知識的缺乏，難以事先確定基體類別的數量，光譜數據集中也難以全面覆蓋基體復雜的樣品，通過人工標注來得到光譜數據集所需的標注成本高且標注誤差難以避免，導致基體分類結果的準確度較低，基體效應對于分析結果的影響程度較高，樣品定量分析結果的準確性較低。
3、由此，如何提升基于光譜分析得到的樣品定量分析結果的準確性，成為需要解決的問題。
技術實現思路
1、基于上述問題，本申請提供了一種基于光譜分析的樣品定量分析方法及相關裝置，可以提升基于光譜分析得到的樣品定量分析結果的準確性。
2、本申請實施例公開了如下技術方案：
3、第一方面，本申請實施例提供了一種基于光譜分析的樣品定量分析方法，所述方法包括：
4、獲取待測樣品的待分析光譜
5、基于所述待分析光譜數據以及多個已知光譜數據，通過聚類分析方法確定所述待分析光譜數據對應的目標基體類別；
6、通過與所述目標基體類別對應的目標分析模型，對所述待測樣品進行定量分析；所述目標分析模型利用屬于所述目標基體類別的已知光譜數據訓練得到。
7、可選地，所述基于所述待分析光譜數據以及多個已知光譜數據，通過聚類分析方法確定所述待分析光譜數據對應的目標基體類別，包括：
8、對所述待分析光譜數據和多個所述已知光譜數據共同進行層次聚類，得到第一聚類結果；
9、基于所述第一聚類結果在最大輪廓系數下的聚類數量，得到多個基體類別；其中，所述待分析數據所屬基體類別為目標基體類別。
10、可選地，所述通過與所述目標基體類別對應的目標分析模型，對所述待測樣品進行定量分析，包括：
11、基于所述目標基體類別包含的已知光譜數據進行模型訓練，得到目標分析模型；
12、通過所述目標分析模型，對所述待測樣品進行定量分析。
13、可選地，所述通過與所述目標基體類別對應的目標分析模型，對所述待測樣品進行定量分析，包括：
14、若預先對所述已知光譜數據進行層次聚類而得到的多個預分類基體類別中，包含所述目標基體類別，則：
15、基于所述目標基體類別，從預先通過已知光譜數據訓練得到的與所述預分類基體類別一一對應的多個分析模型中，確定目標分析模型；
16、通過所述目標分析模型，對所述待測樣品進行定量分析。
17、可選地，所述基于所述待分析光譜數據以及多個已知光譜數據，通過聚類分析方法確定所述待分析光譜數據對應的目標基體類別，包括：
18、基于對所述已知光譜數據進行層次聚類而得到的多個預分類基體類別各自的聚類中心，確定所述待分析光譜數據到多個聚類中心的距離；
19、基于所述待分析光譜數據到多個所述聚類中心的距離中的最小值，確定所述待分析光譜數據對應的目標基體類別。
20、可選地，所述獲取待測樣品的待分析光譜數據之前，所述方法還包括：
21、獲取多個已知光譜數據；
22、對多個所述已知光譜數據進行層次聚類，得到第二聚類結果；
23、基于所述第二聚類結果在最大輪廓系數下的聚類數量，得到多個預分類基體類別；
24、基于每個所述預分類基體類別中包括的已知光譜數據，分別進行模型訓練，得到與所述預分類基體類別一一對應的多個分析模型。
25、第二方面，本申請實施例提供了一種基于光譜分析的樣品定量分析裝置，所述裝置包括：獲取模塊，分類模塊以及分析模塊；
26、所述獲取模塊，用于獲取待測樣品的待分析光譜數據；
27、所述分類模塊，用于基于所述待分析光譜數據以及多個已知光譜數據，通過聚類分析方法確定所述待分析光譜數據對應的目標基體類別；
28、所述分析模塊，用于通過與所述目標基體類別對應的目標分析模型，對所述待測樣品進行定量分析；所述目標分析模型利用屬于所述目標基體類別的已知光譜數據訓練得到。
29、可選地，所述分類模塊，包括：聚類單元和分類單元；
30、所述聚類單元，用于對所述待分析光譜數據和多個所述已知光譜數據共同進行層次聚類，得到第一聚類結果；
31、所述分類單元，用于基于所述第一聚類結果在最大輪廓系數下的聚類數量，得到多個基體類別；其中，所述待分析數據所屬基體類別為目標基體類別。
32、第三方面，本申請實施例提供了一種基于光譜分析的樣品定量分析設備，所述設備包括：存儲器和處理器；
33、所述存儲器用于存儲程序代碼，并將所述程序代碼傳輸給所述處理器；
34、所述處理器用于根據所述程序代碼執行第一方面中任一實施方式所述的基于光譜分析的樣品定量分析方法的步驟。
35、第四方面，本申請實施例提供了一種計算機可讀存儲介質，所述計算機可讀存儲介質中存儲有計算機程序，當所述計算機程序在基于光譜分析的樣品定量分析設備上運行時，所述基于光譜分析的樣品定量分析設備執行第一方面中任一實施方式所述的基于光譜分析的樣品定量分析方法的步驟。
36、相較于現有技術，本申請具有以下有益效果：
37、本申請實施例提供了一種基于光譜分析的樣品定量分析方法，該方法中，首先，獲取待測樣品的待分析光譜數據；而后，基于待分析光譜數據以及多個已知光譜數據，通過聚類分析方法確定待分析光譜數據對應的目標基體類別；最后，通過與目標基體類別對應的目標分析模型，對待測樣品進行定量分析；目標分析模型利用屬于目標基體類別的已知光譜數據訓練得到。由此，通過對大量光譜數據進行無監督的聚類分析來劃分基體類別，不需要預定義聚類數量，無需預先對大量的光譜數據進行基體類別標注，可以避免人工標注錯誤對基體分類結果準確性的影響，提高了基體類別劃分的準確性，并大大降低了人工成本；基于與待分析光譜數據同屬相同基體類別的已知光譜數據，訓練得到目標分析模型，由于訓練數據與待分析光譜數據的基體類別相同，所服從的樣品間光譜強度與濃度的關系基本一致，采用這樣的目標分析模型對待測樣品進行定量分析，可以提高定量分析結果的準確性。
本文檔來自技高網...【技術保護點】
1.一種基于光譜分析的樣品定量分析方法，其特征在于，所述方法包括：
2.根據權利要求1所述的方法，其特征在于，所述基于所述待分析光譜數據以及多個已知光譜數據，通過聚類分析方法確定所述待分析光譜數據對應的目標基體類別，包括：
3.根據權利要求2所述的方法，其特征在于，所述通過與所述目標基體類別對應的目標分析模型，對所述待測樣品進行定量分析，包括：
4.根據權利要求2所述的方法，其特征在于，所述通過與所述目標基體類別對應的目標分析模型，對所述待測樣品進行定量分析，包括：
5.根據權利要求1所述的方法，其特征在于，所述基于所述待分析光譜數據以及多個已知光譜數據，通過聚類分析方法確定所述待分析光譜數據對應的目標基體類別，包括：
6.根據權利要求1所述的方法，其特征在于，所述獲取待測樣品的待分析光譜數據之前，所述方法還包括：
7.一種基于光譜分析的樣品定量分析裝置，其特征在于，所述裝置包括：獲取模塊，分類模塊以及分析模塊；
8.根據權利要求7所述的裝置，其特征在于，所述分類模塊，包括：聚類單元和分類單元；<...
【技術特征摘要】
1.一種基于光譜分析的樣品定量分析方法，其特征在于，所述方法包括：
2.根據權利要求1所述的方法，其特征在于，所述基于所述待分析光譜數據以及多個已知光譜數據，通過聚類分析方法確定所述待分析光譜數據對應的目標基體類別，包括：
3.根據權利要求2所述的方法，其特征在于，所述通過與所述目標基體類別對應的目標分析模型，對所述待測樣品進行定量分析，包括：
4.根據權利要求2所述的方法，其特征在于，所述通過與所述目標基體類別對應的目標分析模型，對所述待測樣品進行定量分析，包括：
5.根據權利要求1所述的方法，其特征在于，所述基于所述待分析光譜數據以及多個已知光譜數據，通過聚類分析方法確定所述待分析光譜數據對應的目標基體類別，包括：<...
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。