(19)中华 人民共和国 国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202110183500.3 (22)申请日 2021.02.08 (65)同一申请的已公布的文献号 申请公布号 CN 112966726 A (43)申请公布日 2021.06.15 (66)本国优先权数据 20201086 5270.4 2020.08.25 CN (73)专利权人 山东省科学院海洋仪器仪表研究 所 地址 266200 山东省青岛市 鳌山卫街道青 岛蓝色硅谷核心区蓝 色硅谷创业中心 一期2号楼 专利权人 山东省海洋仪器仪表科技中心有 限公司 (72)发明人 李雪莹　范萍萍　侯广利　邱慧敏　吕红敏　 (74)专利代理 机构 青岛华慧泽专利代理事务所 (普通合伙) 37247 代理人 付秀颖 (51)Int.Cl. G06K 9/62(2022.01) G06F 30/25(2020.01) G06F 30/27(2020.01) G01N 15/02(2006.01) G01N 21/55(2014.01) (56)对比文件 US 2020300700 A1,2020.09.24 CN 105092436 A,2015.1 1.25 CN 10264620 0 A,2012.08.2 2 审查员 谢晶 (54)发明名称 一种基于光谱技术的近海沉积物粒径大小 分类方法 (57)摘要 本发明为一种基于光谱技术的近海沉积物 粒径大小分类方法， 步骤如下： S1.获取不同粒径 的近海沉积物样品， 采集光谱； S2.将近海沉积物 全光谱划分成m个波段， 每个波段分别建立近海 沉积物粒径模型； S3.从m个近海沉积物粒径模型 中选取n个最优模型， 采用融合算法进行融合处 理， 得到最优近海沉积物不同粒径的最优分类结 果； S4.将获取的最优模型所用到的n个最优模型 及融合算法作为近海沉积物粒径大小分类的模 型和方法， 用于预测未知近海沉积物的粒径大 小。 本发明打破原有粒径分析方法， 减少了海洋 沉积物粒径传统方法测量的时间， 快速、 无损的 实现近海沉积物粒径分类的预测， 为寻找沉积物 特征波段提供理论基础， 为粒径的划分提供了解 决方法。 权利要求书2页 说明书5页 附图2页 CN 112966726 B 2022.04.22 CN 112966726 B 1.一种基于光谱技 术的近海沉积物粒径大小分类方法， 其特 征在于， 包括以下步骤： S1.采集不同粒径的近海沉积物样品， 获取其 光谱， 称为全光谱； S2.将近海沉积物全光谱划分成m个波段， 每个波段分别建立近海沉积物粒径模型， 共m 个近海沉积物粒径模型； S3.从m个近海沉积物粒径模型中选取n个最优模型， 其 中3≤n＜m， 将n个最优模型的分 类结果采用融合 算法进行融合处 理， 得到最优近海沉积物不同粒径的最优分类结果； 融合算法具体步骤为， S31.计算投票法分类结果result1； S32.计算贝叶斯方法分类结 果result2； S33.计算加权投票法分类结果resu lt3； S34.计算最优分类结果fihal_resu lt， 将result1， result2， result3通过步骤S31所述的投票法二次进行融合， 得到的融合结果即 为最优分类结果fi nal_result； S4.将获取的最优模型所用到的n个最优模型以及融合算法作为近海沉积物粒径大小 分类的模型和方法， 用于预测未知近海沉积物的粒径大小。 2.根据权利要求1所述的一种基于光谱技术的近海沉积物粒径大小分类方法， 其特征 在于： 所述步骤S1和S2采用紫外 ‑可见‑近红外光谱、 或紫外 ‑可见光谱、 或可见 ‑近红外光 谱、 或近红外光谱数据。 3.根据权利要求1所述的一种基于光谱技术的近海沉积物粒径大小分类方法， 其特征 在于： 所述步骤S2全光谱划分m个波段的方法可采用顺序截 取波段， 也可采用波长提取算法 按照波长相关性顺序选取m个波段或根据 专家经验划分m个波段， 其中每个波段可为不连续 性波段， 也可以是 连续性波段。 4.根据权利要求1所述的一种基于光谱技术的近海沉积物粒径大小分类方法， 其特征 在于： 所述步骤S2建立近海沉积物粒径模 型采用深度学习、 支持向量机、 AdaBoost分类算法 中一种分类算法或多种分类算法进行建立模型。 5.根据权利要求1所述的一种基于光谱技术的近海沉积物粒径大小分类方法， 其特征 在于： 所述步骤S 3从m个近海沉积物粒径模型中选取n个最优模型的标准是根据粒径分类正 确率。 6.根据权利要求1所述的一种基于光谱技术的近海沉积物粒径大小分类方法， 其特征 在于： 所述 步骤S31计算投票法分类结果result1具体步骤为， 设Ai(i＝1， 2， ...， p)为近海沉积物所属不同粒径的类别， 共分为p个粒径类别， Bj(j＝ 1， 2， ...， n)为n个最优模型的分类结果， x为Bj的一个样本， 投票法公式如下： 取E(x)值 为判别的粒径类别， 即为result1。 7.根据权利要求6所述的一种基于光谱技术的近海沉积物粒径大小分类方法， 其特征 在于： 所述 步骤S32计算贝叶斯方法分类结果result 2具体步骤为， 设Ai为近海沉积物所属不同粒径的类别， 共分为p个粒径类别， B1， B2， ...， Bn为n个最优权　利　要　求　书 1/2 页 2 CN 112966726 B 2模型的分类结果， 贝叶斯 概率公式如下： 取P(Ai|B1∩B2∩...∩Bn)值最大的Ai为判别的粒径类别， 即为result 2。 8.根据权利要求7所述的一种基于光谱技术的近海沉积物粒径大小分类方法， 其特征 在于： 所述 步骤S33计算加权投票法分类结果result3具体步骤为， B1， B2， ...， Bn为n个最优模型 的分类结果， P1， P2， ...， Pn为n个最优模型 的分类准确率， 权值αj计算公式如下： result3＝α1B1+α2B2+…+αnBn。权　利　要　求　书 2/2 页 3 CN 112966726 B 3