公开(公告)号：CN116842312A

公开(公告)日：2023-10-03

申请号：CN202310820909.0

申请日：2023-07-06

Applicant: 桂林电子科技大学 ,  南宁桂电电子科技研究院有限公司

Inventor： 苑立波 ,  陆晟祺 ,  杨世泰

IPC: G06F17/18

Abstract: 本发明公开一种基于统计学的去除拉曼光谱基线的方法，其步骤为：1、对拉曼光谱进行分段；2、统计每段谱的方差并去掉方差大的谱；3、对剩余谱进行曲线拟合；4、原谱数据减去拟合数据得到去除基线后的谱。本发明利用统计学特性对拉曼光谱进行基线去除，具有高精确度的特点，可用于拉曼光谱的基线去除。

公开(公告)号：CN115690533A

公开(公告)日：2023-02-03

申请号：CN202211294331.1

申请日：2022-10-21

Applicant: 桂林电子科技大学

Inventor： 苑立波 ,  陆晟祺 ,  杨世泰

IPC: G06V10/774 ,  G06V10/764 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开一种基于生成对抗网络的拉曼光谱重建方法，其步骤为：1、利用光电系统收集生成对抗网络所需数据集；2、构建生成对抗网络；3、以光电系统的输出的拉曼光谱为输入，以预先已知的所对应的真实拉曼光谱为输出，在经过处理之后送入生成对抗网络并进行训练，当满足预设条件时即认为训练完成；4、进行重建，即以光电系统输出的新的拉曼光谱作为生成对抗网络的输入，输出网络重建后的拉曼光谱。本发明利用生成对抗网络，能对光电系统输出的拉曼光谱进行重建，当生成对抗网络训练好时，就可以快速生成良好的无噪声的拉曼光谱。此方法具有高效性，高精确度的特点，可用于拉曼光谱的重建。

公开(公告)号：CN117574106A

公开(公告)日：2024-02-20

申请号：CN202311551236.X

申请日：2024-01-03

Applicant: 桂林电子科技大学 ,  南宁桂电电子科技研究院有限公司

Inventor： 苑立波 ,  陆晟祺 ,  冯程成

IPC: G06F18/21 ,  G01N21/65 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开一种基于深度学习的差分拉曼光谱重建方法，其步骤为：1、利用光电系统收集重建网络所需数据集；2、构建重建网络；3、以光电系统的输出的拉曼光谱及相应的差分拉曼光谱为输入，以预先已知的所对应的真实拉曼光谱为输出，在经过处理之后送入重建网络并进行训练，当满足预设条件时即认为训练完成；4、进行重建，即以光电系统输出的新的拉曼光谱作为重建网络的输入，输出网络重建后的拉曼光谱。本发明利用深度学习，能对光电系统输出的拉曼光谱进行重建，当重建网络训练好时，就可以快速生成良好的无噪声的拉曼光谱。此方法具有高效性，高精确度的特点，可用于拉曼光谱的重建。

公开(公告)号：CN115690532A

公开(公告)日：2023-02-03

申请号：CN202211293752.2

申请日：2022-10-21

Applicant: 桂林电子科技大学

Inventor： 苑立波 ,  陆晟祺 ,  冯程成

IPC: G06V10/774 ,  G06V10/764 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开一种结合差分拉曼及深度学习的拉曼光谱重建方法，其步骤为：1、利用光电系统收集用于差分及深度学习所需数据集；2、对拉曼光谱进行差分处理并初步重建；3、构建深度学习所用的重建网络；4、以初步重建后的拉曼光谱为输入，以预先已知的所对应的真实拉曼光谱为输出，送入重建网络并进行训练，当满足预设条件时即认为训练完成；5、进行重建，即以光电系统输出的新的拉曼光谱在经过初步差分重建后作为重建网络的输入，输出网络重建后的拉曼光谱。本发明结合了差分拉曼及深度学习的优势，能对光电系统输出的拉曼光谱进行重建，具有高效性，高精确度的特点，可用于拉曼光谱的重建。

公开(公告)号：CN115661570A

公开(公告)日：2023-01-31

申请号：CN202211293753.7

申请日：2022-10-21

Applicant: 桂林电子科技大学

Inventor： 苑立波 ,  陆晟祺 ,  张楷

IPC: G06V10/774 ,  G06T3/40 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开一种拥有成像功能的光纤光谱仪深度学习算法，其步骤为：1、利用光纤光谱仪收集深度学习所需数据集；2、构建深度学习成像网络；3、以光纤光谱仪成像系统输出的时间波形作为深度学习的输入，以光纤光谱仪成像系统的输入图像作为深度学习成像网络的输出目标训练深度学习成像网络；4、进行成像，即以光纤光谱仪输出的新的时间波形作为成像网络的输入，输出网络预测的图像。本发明利用深度学习方法，能对光纤光谱仪的输出波形进行成像，当成像网络训练好时，就可以快速检测出高质量的内容感知图像，具有高效性，高精确度的特点，可用于光纤光谱仪的成像。