(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 202211071574.9 (22)申请日 2022.09.02 (71)申请人 燕山大学 地址 066000 河北省秦皇岛市海港区河北 大街438号 (72)发明人 谈爱玲　王鋆鑫　赵勇　 (74)专利代理 机构 石家庄众志华清知识产权事 务所(特殊普通 合伙) 13123 专利代理师 周胜欣 (51)Int.Cl. G01N 21/359(2014.01) G01N 21/01(2006.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种仪器间的近红外深度神经网络模型转 移方法 (57)摘要 本发明公开了一种仪器间的近红外深度神 经网络模型转移方法， 包括用多台不同型号便携 式可见近红外光谱仪测定待测物质的近红外光 谱； 将多台不同型号便携式可见近红外光谱仪的 近红外光谱的波长范围和分辨率统一； 对多台不 同型号便携式可见近红外光谱仪的近红外光谱 做预处理； 对多台不同型号便携式可见近红外光 谱仪的近红外光谱划分数据集； 开发主型号光谱 仪的1D‑Inception ‑Resnet定量网络； 用不同从 型号光谱仪数据调整主型号光谱仪的网络参数； 使用不同从型号光谱仪数据验证校正模型； 本发 明可将主仪器的1D ‑Inception‑Resnet网络模型 校正转移到从光谱仪上， 修复对从光谱仪采集光 谱的预测。 权利要求书2页 说明书6页 附图3页 CN 115524306 A 2022.12.27 CN 115524306 A 1.一种仪器间的近红外深度神经网络模型转移方法， 其特 征在于： 具体包括以下步骤： (1)用多台不同型号便携式可 见近红外光谱仪测定待测物质的近红外光谱； (2)将多台不同型号便携式可见近红外光谱仪的近红外光谱的波长范围和分辨率统 一； (3)对多台不同型号便携式可 见近红外光谱仪的近红外光谱进行 预处理； (4)对多台不同型号便携式可 见近红外光谱仪的近红外光谱划分数据集； (5)开发主型号 光谱仪的1D ‑Inception‑Resnet定量网络； (6)用不同从型号光谱仪数据调整主型号光谱仪的1D ‑Inception ‑Resnet定量网络的 参数， 而非从头开发； (7)使用不同从型号 光谱仪数据验证校正模型。 2.根据权利要求1所述的一种仪器间的近红外深度神经网络模型转移方法， 其特征在 于： 所述步骤(2)中， 使用3次埃尔米特插值统一波长范围和分辨 率。 3.根据权利要求1所述的一种仪器间的近红外深度神经网络模型转移方法， 其特征在 于： 所述步骤(3)中， 对多台不同型号便携式可见近红外光谱仪的近红外光谱进行线性映 射， 增强训练模型的鲁棒 性。 4.根据权利要求1所述的一种仪器间的近红外深度神经网络模型转移方法， 其特征在 于： 所述步骤(3)中， 对多台不同型号便携式可见近红外光谱仪的近红外光谱进 行标准正态 变量变换SNV， 来减小基线偏移。 5.根据权利要求4所述的一种仪器间的近红外深度神经网络模型转移方法， 其特征在 于： 所述步骤(4)中， 使用联合x ‑y距离SPXY算法进 行数据集划分， 分别将多台不同型号便携 式可见近红外光谱仪的近红外光谱数据按3:1:1划分为独立校正 集、 验证集和预测集。 6.根据权利要求5所述的一种仪器间的近红外深度神经网络模型转移方法， 其特征在 于： 所述步骤(4)中， 开发的1D ‑Inception‑Resnet整体网络 框架为： sequenceInputLayer ‑convolutionLayer ‑batchnormLayer ‑eluLayer ‑ convolutionLayer ‑batchnormLayer ‑eluLayer ‑(1D‑Inception  module) ‑(Residual   module)‑flattenLayer ‑fullyconectedLayer ‑softplusLayer ‑fullyconectedLayer ‑ softplusLayer ‑fullyconectedLayer ‑softplusLayer ‑fullyconectedLayer ‑ regressionLayer。 7.根据权利要求6所述的一种仪器间的近红外深度神经网络模型转移方法， 其特征在 于： 所述步骤(4)中， 1D ‑Inception module由4个卷积通路通过co ncatLayer拼接构成： 通路1： co nvolutionLayer‑batchnormLayer ‑eluLayer 通路2： maxpo olingLayer‑convolutionLayer‑batchnormLayer ‑eluLayer 通路3： co nvolutionLayer‑batchnormLayer ‑eluLayer ‑convolutionLayer ‑batchnormLayer ‑eluLayer 通路4： co nvolutionLayer‑batchnormLayer ‑eluLayer ‑convolutionLayer ‑batchnormLayer ‑eluLayer。 8.根据权利要求7所述的一种仪器间的近红外深度神经网络模型转移方法， 其特征在 于： 所述步骤(4)中， Residual  module由1D ‑Inception  module的输入和输出通过 addictionLayer跳跃 连接构成。权　利　要　求　书 1/2 页 2 CN 115524306 A 29.根据权利要求1所述的一种仪器间的近红外深度神经网络模型转移方法， 其特征在 于： 所述步骤(6)中， 用不同从型号光谱仪数据调整主型号光谱仪的1D ‑Inception ‑Resnet 定量网络的参数。 10.根据权利要求1所述的一种仪器间的近红外深度神经网络模型转移方法， 其特征在 于： 所述步骤(7)中， 用于验证模型校准转移的评估指标分别为相关系数R2、 均方根误差 RMSEP。权　利　要　求　书 2/2 页 3 CN 115524306 A 3