本发明公开了一种基于深度学习卷积神经网络的LIBS多成分定量反演方法，适用于激光光谱分析领域。本方法利用卷积神经网络算法在图像特征识别方面的独特优势，将其应用于LIBS光谱定量反演。由本发明所设计的卷积神经网络构建方案，能够对样品的LIBS谱线形态进行特征提取和深度学习，利用已知样品的LIBS光谱对卷积神经网络进行训练后，该网络可同时对未知样品的多种化学成分含量进行分析预测。本发明具有操作简捷、训练高效、准确度高、鲁棒性好的优点，适用于定量分析LIBS光谱，尤其适用于分析谱线形态复杂度较高、干扰噪声较大的LIBS光谱。
声明：
“基于深度学习卷积神经网络的LIBS多成分定量反演方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究，如用于商业用途，请联系该技术所有人。
我是此专利(论文)的发明人(作者)
1070
编辑：管理员
来源：北方有色网
咨询细节
