摘要
一种基于荧光光谱重叠度评估的抗生素污染自适应检测方法,首先对原始激发‑发射矩阵(EEM)数据进行去基线、扣除拉曼散射和内滤效应校正;随后,明确散射区域并评估其内荧光强度梯度、分布特征及光谱形状匹配度,量化获得重叠度指标,基于该重叠度指标,自适应选择并实施散射处理策略:对低重叠情况,采用插值法;对高重叠情况,则运用迭代拟合‑减除法或深度学习模型进行精细处理;最后,对处理后的EEM数据进行平滑和标准化,输出高质量的荧光指纹图谱,用于抗生素组分识别、定性与定量分析。本发明能够最大限度地保留有效抗生素荧光信息,并有效去除散射干扰,显著提高抗生素污染检测的准确性和可靠性。
技术关键词
抗生素
内滤效应
数据
深度学习模型
波长
拉曼散射光谱
分布特征
校正
指标
三次样条插值
基线
策略
荧光强度值
荧光光谱仪
插值法
指纹
中心线
定义
系统为您推荐了相关专利信息
图像编码器
遥感图像数据
视觉特征
混合模块
大语言模型
室内定位模型
室内定位方法
多径
射频信号源
振荡特征