(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 202211256339.9 (22)申请日 2022.10.13 (71)申请人 南方科技大 学 地址 518000 广东省深圳市南 山区桃源街 道学苑大道1088号 (72)发明人 沈平　胡嘉祺　陈金娜　薛陈龙　 党竑　 (74)专利代理 机构 深圳市科 冠知识产权代理有 限公司 4 4355 专利代理师 孔丽霞 (51)Int.Cl. G01N 21/65(2006.01) G06F 30/27(2020.01) G06K 9/62(2022.01) (54)发明名称 拉曼光谱预处理模型生成方法、 系统、 终端 及存储介质 (57)摘要 本发明涉及拉曼光谱 预处理模 型生成方法、 系统、 终端及存储介质， 通过:提取真实拉曼光谱 库中的噪声、 基线背景信号和拉曼峰并建库， 将 拉曼峰库中的拉曼特征峰自由组合生成不带噪 声和基线背景信号的理想光谱库， 再在此数据库 上叠加提取的噪声和基线背景信号生成参考光 谱库， 理想光谱库和随机高斯噪声输入生成器生 成仿真光谱库， 通过鉴别器与上述生成器形成对 抗训练， 在训练结束后生 成符合真实拉曼光谱特 征的高仿真拉曼光谱库； 使用该库对基于自监督 算法的光谱预处理模型进行训练从而完成参数 自动设置； 理想光谱库作为模型训练的标签， 训 练结束后模 型可直接用于处理真实采集的光谱， 使用简单、 快速， 去噪去基线背景效果好， 光谱高 保真。 权利要求书4页 说明书13页 附图10页 CN 115326783 A 2022.11.11 CN 115326783 A 1.一种拉曼光谱预处 理模型生成方法， 其特 征在于， 包括以下步骤: 第一步： 将真实拉曼/表面增强拉曼光谱库经由拉曼光谱生成对抗网络处理， 生成理想 光谱库和高仿真拉曼光谱库： 第二步： 将高仿真拉曼光谱库输入拉曼光谱预处理模型进行训练； 理想光谱库作为拉 曼光谱预 处理模型的标签， 对预处理后的拉曼光谱进 行损失值计算并反馈至拉曼光谱预处 理模型， 进行参数自动优化。 2.根据权利要求1所述的拉曼光谱预处理模型生成方法， 其特征在于， 所述将真实拉 曼/表面增强拉曼光谱库经 由拉曼光谱生成对抗网络处理， 生成理想光谱库和高仿真拉曼 光谱库包括方法： 准备训练数据集， 生成理想光谱库和参 考光谱库； 训练拉曼光谱生成对抗网络， 并最终生成高仿真拉曼光谱库。 3.根据权利要求2所述的拉曼光谱预处理模型生成方法， 其特征在于， 所述准备训练数 据集， 生成理想光谱库和参 考光谱库包括方法： 收集真实的拉曼光谱/表面增强拉曼光谱数据； 提取拉曼光谱/表面增强拉曼光谱数据中拉曼光谱的噪声信息、 基线背景信号和拉曼 特征峰， 并分别生成噪声信息库、 基线 背景信号库和拉曼峰库； 将拉曼峰库中的特 征峰随机组合 生成不带噪声和基线 背景信号的理想光谱， 并建库； 在理想光谱数据上叠加提取的噪声和基线 背景信号 生成参考光谱， 并建库。 4.根据权利要求2所述的拉曼光谱预处理模型生成方法， 其特征在于， 所述训练拉曼光 谱生成对抗网络， 并最终生成高仿真拉曼光谱库包括方法： 拉曼光谱生成对抗网络包 含生成器和鉴别器， 其中 生成器： 以理想光谱库和随机高斯噪声为输入， 生成仿真拉曼光谱； 鉴别器： 以仿真拉曼光谱库和参考光谱库为输入， 将仿真拉曼光谱判别为假或真， 并将 参考光谱判别为真或假； 在训练生成器时， 生成器损失函数以鉴别器将仿真光谱判别为真或假的误差最小化为 目标； 在训练鉴别器时， 鉴别器损失函数以鉴别器分类准确率 最大化为目标； 交替训练生成器与鉴别器， 生成器最终生成接 近参考光谱的高仿真拉曼光谱库。 5.根据权利要求4所述的拉曼光谱预处理模型生成方法， 其特征在于， 所述生成高仿真 拉曼光谱 采用公式： ； 其中 表示生成器 （G） 利用输入的随机高斯噪声 （z） 和理想光谱 （ ） 生成的仿 真拉曼光谱； 和 分别表示鉴别器 （D） 将输入光谱判断为仿真拉曼光谱 为假或真和参 考光谱 为真或假的概 率； 该公式包括 和 两个过程： 表示训练鉴别器时， 仿真拉曼光谱 被判断为假， 参考光谱 被判权　利　要　求　书 1/4 页 2 CN 115326783 A 2断为真， 使 的值接近于0， 进而 接近于0， 实现了鉴别器准确率 最大化； 表示在训练生成器时， 仿真拉曼光谱 被判断为真， 使 的 值接近于1， 进而 接近于1； 通过以上两个过程交替， 生成器实现高仿真光谱的生成。 6.根据权利要求1所述的拉曼光谱预处理模型生成方法， 其特征在于， 所述将高仿真拉 曼光谱库输入拉曼光谱预处理模型进行训练； 理想光谱库作为拉曼光谱预处理模型的标 签， 对预处理后的拉曼光谱进行损失值计算并反馈至拉曼光谱预处理模型， 进行参数自动 优化采用方法： 使用拉曼光谱位置编码器模块， 对光谱的强度和拉曼位移进行编码， 同时采用拉曼光 谱背景信号评估 模块， 初步拟合所需去除的噪声和基线 背景信号； 采用拉曼光谱编码器模块对光谱进行 特征提取， 提取其中属于拉曼峰的特 征； 采用拉曼光谱解码器模块将高度压缩的拉曼峰特 征还原成拉曼光谱； 理想光谱库作为模型训练的标签， 与还原后的拉曼光谱集进行比较并通过损失函数计 算损失值； 将损失值反馈回拉曼光谱预处 理模型， 通过链式法则进行模型参数的更新。 7.根据权利要求1所述的拉曼光谱预处理模型生成方法， 其特征在于， 所述将高仿真拉 曼光谱库输入拉曼光谱预处理模型进行训练； 理想光谱库作为拉曼光谱预处理模型的标 签， 对预处理后的拉曼光谱进行损失值计算并反馈至拉曼光谱预处理模型， 进行参数自动 优化采用方法： 使用拉曼光谱位置编码器模块， 对光谱的强度和拉曼位移进行编码； 采用拉曼光谱编码器模块对光谱进行 特征提取， 提取其中属于拉曼峰的特 征； 采用拉曼光谱解码器模块将高度压缩的拉曼峰特 征还原成拉曼光谱； 采用拉曼光谱背景信号评估 模块， 初步拟合所需去除的噪声和基线 背景信号； 理想光谱库作为模型训练的标签， 与还原后的拉曼光谱集进行比较并通过损失函数计 算损失值； 将损失值反馈回拉曼光谱预处 理模型， 通过链式法则进行模型参数的更新。 8.根据权利要求1所述的拉曼光谱预处理模型生成方法， 其特征在于， 所述将高仿真拉 曼光谱库输入拉曼光谱预处理模型进行训练； 理想光谱库作为拉曼光谱预处理模型的标 签， 对预处理后的拉曼光谱进行损失值计算并反馈至拉曼光谱预处理模型， 进行参数自动 优化采用方法： 使用拉曼光谱位置编码器模块， 对光谱的强度和拉曼位移进行编码； 采用拉曼光谱编码器模块对光谱进行 特征提取， 提取其中属于拉曼峰的特 征； 采用拉曼光谱解码器模块将高度压缩的拉曼峰特 征还原成拉曼光谱； 理想光谱库作为模型训练的标签， 与还原后的拉曼光谱集进行比较并通过损失函数计 算损失值； 将损失值反馈回拉曼光谱预处 理模型， 通过链式法则进行模型参数的更新。 9.根据权利要求6 ‑8任一所述的拉曼光谱预处理模型生成方法， 其特征在于， 所述拉曼权　利　要　求　书 2/4 页 3 CN 115326783 A 3