(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 (43)申请公布日 (21)申请 号 202111546557.1 (22)申请日 2021.12.17 (71)申请人 青岛理工大 学 地址 266525 山东省青岛市黄岛区嘉陵江 东路777号 (72)发明人 穆国庆　纪乃华　孙文静　张媛媛　 孟凡云　纪佳瑶　 (74)专利代理 机构 济南泉城专利商标事务所 37218 代理人 张贵宾 (51)Int.Cl. G06F 30/27(2020.01) G06K 9/62(2022.01) G06F 119/02(2020.01) (54)发明名称 一种基于条件变分自编码的光谱数据增强 方法 (57)摘要 本发明公布了一种基于条件变分自编码的 光谱数据增强方法， 主要包括以下四个步骤： 步 骤一： 预处理收集的历史数据； 步骤二： 训练条件 变分自动编码器以生成虚拟样本； 步骤三： 训练 半监督阶梯网络以构建标定模型； 步骤四： 使用 半监督阶梯网络构建的标定模型在线检测组分 含量。 本发 明中条件变分自动编码器旨在生成与 组分浓度相同分布的虚拟光谱， 以增强训练集， 便于开发标定模 型， 为了使用生 成的虚拟光谱进 行建模， 使用了一种基于半监督阶梯网络的回归 学习模型； 该方法将生成的虚拟未标记光谱与真 实标记样 本相结合， 能够确保生成的虚拟光谱和 实际标记的光谱分布相同， 确保了半监督学习的 有效性。 权利要求书2页 说明书6页 附图1页 CN 114239399 A 2022.03.25 CN 114239399 A 1.一种基于条件变分自编码的光谱数据增强方法， 其特 征在于： 包括以下步骤： 步骤一： 预处 理收集的历史数据 用仪 器 测 量 产 品 组 分 浓 度 ， 得 到 了 有 标 签 的 训练 集 ， 包 括 有 标 签 光 谱 和对应的组分浓度YL， 将获得的产品组分浓度绘制趋势图， 将不符合过 程趋势的光谱和组分含量从训练集中删除； 之后， 干净的训练集 和YL进行标准化处理， 以减弱外界干扰对光谱的影响； 步骤二： 训练条件变分自动 编码器以生成虚拟 样本 建立基于编码器 和解码器 的条件变分自编码器， 在建模集内设置虚 拟组分含量YU， 以生成虚拟光谱 XU，， 其中 x和y分别是训练集的光谱和组分浓度， p表示概率 分布函数， z表示潜变量； 生成具有代 表性的标记样本的类似样本， 写为 建立概率模型， 即是最大化收集的数据， 表示 为： 其中 进一步分解为： 其中 是变分下界； 由于KL散度的非负性 其值大于或等于  0， 因此有 其中 进一步分解为： 步骤三： 训练半监 督阶梯网络以构建标定模型； 步骤四： 使用半监 督阶梯网络构建的标定模型在线检测组分含量 将在线光谱样本输入到建立的条件变分自编码器指导的半监督阶梯网络光谱标定模 型中， 在线实时检测组分含量。 2.根据权利要求1所述的一种基于条件变分 自编码的光谱数据增强方法， 其特征在于： 步骤一中训练集 和YL标准化处理公式为： 其中： 表示经过标准化处理的第 i个光谱数据的吸光度； 表示第i个光谱数据波权　利　要　求　书 1/2 页 2 CN 114239399 A 2的吸光度； 表示有标签光谱数据吸光度的均值； 表示有标签光谱数据吸光度的标准差 。 3.根据权利要求1所述的一种基于条件变分 自编码的光谱数据增强方法， 其特征在于： 步骤二中的虚拟组分含量YU在YL的范围内， 设定的步长， 生成的虚拟光谱数量 是有标签数据 量的10倍以上。 4.根据权利要求1所述的一种基于条件变分 自编码的光谱数据增强方法， 其特征在于： 步骤三中将使用条件变分自编码器生成的虚拟样本XU输入到半监督阶梯网络 的无标签部 分， 将真实标记样本XL和YL输入到半监督阶梯网络的有标签部分， 采用半监督阶梯网络进行 半监督学习， 获得 条件变分自编码器指导的半监 督阶梯网络的光谱标定模型。权　利　要　求　书 2/2 页 3 CN 114239399 A 3