纳米颗粒浓度和粒径估算方法及装置.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113723471A(43)申请公布日2021.11.30(21)申请号202110908842.7(22)申请日2021.08.09(71)申请人北京工业大学地址100022北京市朝阳区平乐园100号申请人北京市劳动保护科学研究所(72)发明人谢鹏曹喆张新平(74)专利代理机构北京路浩知识产权代理有限公司11002代理人肖艳(51)Int.Cl.G06K9/62(2006.01)G06N3/04(2006.01)G01N15/06(2006.01)G01N15/02(2006.01)权利要求书2页说明书12页附图3页(54)发明名称纳米颗粒浓度和粒径估算方法及装置(57)摘要本发明提供一种纳米颗粒浓度和粒径估算方法及装置，该方法包括：根据目标纳米颗粒的温度和在多种波长下的消光系数确定神经网络模型的第一输入信息；将第一输入信息输入神经网络模型，输出目标纳米颗粒的浓度和粒径；其中，神经网络模型通过根据样本纳米颗粒的温度和在多种波长下的消光系数确定的第二输入信息，以及样本纳米颗粒的实际浓度和实际粒径进行训练获取。本发明实现通过联合目标纳米颗粒的温度和在多种波长下的消光系数确定神经网络模型的输入信息，神经网络模型可以通过学习到的温度、消光系数、浓度和粒径之间的非线性关系，同时对浓度和粒径进行估算，不仅估算效率高，还可以准确和便捷地获取目标纳米颗粒的浓度和粒径。CN113723471ACN113723471A权利要求书1/2页1.一种纳米颗粒浓度和粒径估算方法，其特征在于，包括：根据目标纳米颗粒的温度和所述目标纳米颗粒在多种波长下的消光系数确定神经网络模型的第一输入信息；将所述第一输入信息输入所述神经网络模型，输出所述目标纳米颗粒的浓度和粒径；其中，所述神经网络模型通过根据样本纳米颗粒的温度和所述样本纳米颗粒在多种波长下的消光系数确定的第二输入信息，以及所述样本纳米颗粒的实际浓度和实际粒径进行训练获取。2.根据权利要求1所述的纳米颗粒浓度和粒径估算方法，其特征在于，所述神经网络模型包括第一神经网络模型和第二神经网络模型；相应地，所述将所述第一输入信息输入所述神经网络模型，输出所述目标纳米颗粒的浓度和粒径，包括：将所述第一输入信息输入所述第一神经网络模型，输出所述目标纳米颗粒的粒径；将所述目标纳米颗粒的粒径、温度和消光系数输入所述第二神经网络模型，输出所述目标纳米颗粒的浓度。3.根据权利要求2所述的纳米颗粒浓度和粒径估算方法，其特征在于，在所述将所述第一输入信息输入所述神经网络模型，输出所述目标纳米颗粒的浓度和粒径之前，还包括：将所述第二输入信息输入所述第一神经网络模型，输出所述样本纳米颗粒的粒径；将所述第一神经网络模型输出的所述样本纳米颗粒的粒径、所述样本纳米颗粒的温度和消光系数输入所述第二神经网络模型，输出所述样本纳米颗粒的浓度；根据所述第一神经网络模型输出的所述样本纳米颗粒的粒径和所述实际粒径，获取所述第一神经网络模型的损失函数；根据所述第二神经网络模型输出的所述样本纳米颗粒的浓度和所述实际浓度，获取所述第二神经网络模型的损失函数；根据所述第一神经网络模型的损失函数和第二神经网络模型的损失函数对所述神经网络模型的参数进行优化。4.根据权利要求3所述的纳米颗粒浓度和粒径估算方法，其特征在于，所述将所述第二输入信息输入所述第一神经网络模型，输出所述样本纳米颗粒的粒径，包括：对所述第二输入信息进行归一化处理；将归一化处理后的第二输入信息输入所述第一神经网络模型，输出所述样本纳米颗粒的粒径。5.根据权利要求1‑4任一所述的纳米颗粒浓度和粒径估算方法，其特征在于，所述根据目标纳米颗粒的温度和所述目标纳米颗粒在多种波长下的消光系数确定神经网络模型的第一输入信息，包括：计算所述目标纳米颗粒在任意两种波长下的消光系数的比值；将所述目标纳米颗粒的温度和消光系数的比值作为所述第一输入信息。6.根据权利要求1‑4任一所述的纳米颗粒浓度和粒径估算方法，其特征在于，所述神经网络模型中隐含层的节点数量根据所述神经网络模型的输入层的节点数量和输出层的节点数量计算获取；所述隐含层和输出层的传递函数为正切双弯曲转移函数。2CN113723471A权利要求书2/2页7.一种纳米颗粒浓度和粒径估算装置，其特征在于，包括：确定模块，用于根据目标纳米颗粒的温度和所述目标纳米颗粒在多种波长下的消光系数确定神经网络模型的第一输入信息；估算模块，用于将所述第一输入信息输入所述神经网络模型，输出所述目标纳米颗粒的浓度和粒径；其中，所述神经网络模型通过根据样本纳米颗粒的温度和所述样本纳米颗粒在多种波长下的消光系数确定的第二输入信息，以及所述样本纳米颗粒的实际浓度和实际粒径进行训练获取。8.根据权利要求7所