一种基于机器学习的薄层色谱浓度预测方法、装置及存储介质

本发明公开了一种基于机器学习的薄层色谱浓度预测方法、装置及存储介质，通过采集设定数量的具有梯度浓度的化合物的薄层色谱结果图像，通过Grounded‑SAM模型截取出以斑点为中心的正方形斑点图像；将正方形斑点图像数据及其相应的浓度数据用于卷积神经网络模型的训练、验证和测试；利用测试集对卷积神经网络模型进行测试得到相应预测结果并结合测试集中已知的浓度数据计算决定系数、均方根误差，当决定系数、均方根误差的数值均满足对应设定值时，保存当前的卷积神经网络模型。将未知浓度的化合物的薄层色谱结果图像依次传入Grounded‑SAM模型、卷积神经网络模型，获得化合物的浓度预测值。此方法可以实现化合物的大批量浓度预测，节约成本的同时预测性能也得到提高。