一种聚丙烯弹性模量及低温脆化温度的评估方法及装置与流程

本发明涉及聚丙烯，并且更具体地，涉及一种聚丙烯弹性模量及低温脆化温度的评估方法及装置。

背景技术：

1、目标重识别数据集由多个摄像头捕获，不同的摄像头由于视图、光照、参数不同，会产生不同风格的图像，这些图像常常导致同一个身份的样本存在很大差异，给重识别带来难度，例如：不同的目标在相同的相机下可能产生视觉上很相似的图像，同一目标在不同的相机下可能产生视觉上并不相似的图像。在此基础上利用特征相似性根据聚类算法为未标注数据分配的伪标签存噪声问题，从而影响模型的准确率。

技术实现思路

1、针对现有技术的不足，本发明提供一种聚丙烯弹性模量及低温脆化温度的评估方法及装置。

2、根据本发明的一个方面，提供了一种聚丙烯弹性模量及低温脆化温度的评估方法，包括：

3、采集预先设定的聚丙烯绝缘材料的多个近红外光谱曲线作为样品集，并进行去噪预处理；

4、采用kennard-stone算法对多个近红外光谱曲线进行样品集分类，确定训练集和验证集；

5、选取训练集中近红外光谱曲线的近红外光谱特征参量构建近红外光谱特征矩阵；

6、选取训练集中近红外光谱曲线的材料弹性模量和低温催化温度参量构建聚丙烯性能矩阵；

7、根据近红外光谱特征矩阵以及聚丙烯性能矩阵，建立聚丙烯绝缘材料弹性模量及低温催化温度评估模型；

8、获取待评估聚丙烯绝缘材料的近红外光谱曲线；

9、根据待评估聚丙烯绝缘材料的近红外光谱曲线，利用聚丙烯绝缘材料弹性模量及低温催化温度评估模型，确定待评估聚丙烯绝缘材料的弹性模量及低温催化温度。

10、可选地，近红外光谱样品集的波长范围为900～2200mm，分辨率为0.8cm-1，波长精度：max±2nm，信噪比：6000：1，描次数16～32次。

11、可选地，进行去噪预处理，包括：

12、采用一阶导数法消除近红外光谱曲线的基线以及背景的影响；

13、采用s-g卷积法对近红外光谱曲线进行平滑处理，采用二项多项式对窗口数据进行最小二乘拟合。

14、可选地，近红外光谱特征参量包括特征峰位、特征吸光度、特征波长。

15、可选地，还包括通过如下步骤选取特征波长：

16、采用cars波长变量选择方法，通过自适应重加权采样技术筛选出最小二乘法中回归系数绝对值最大的波长点作为波长变量，在进行多次筛选后留下来的波长变量即为特征波长，选取波长时用指数衰减函数ri＝ae-ki去除权重值bi相对较小的波长点，其中ri为波长保留率，i为运行次数。

17、可选地，根据近红外光谱特征矩阵以及聚丙烯性能矩阵，建立聚丙烯绝缘材料弹性模量及低温催化温度评估模型，包括：

18、采用最小二乘法，根据近红外光谱特征矩阵以及聚丙烯性能矩阵，建立聚丙烯绝缘材料弹性模量及低温催化温度评估模型。

19、可选地，最小二乘法的校准部分过程如下：

20、①将近红外光谱矩阵x和性能矩阵y标准化，即中心化和方差规一化；

21、②令维数k＝0，迭代交叉回归计算开始；

22、③令k＝k+1，取y中的某列作为u的初始向量；

23、④求x的权向量wk:wk′＝u′x，将wk标准化||wk||＝1；

24、⑤计算t:t＝xwk′；

25、⑥计算y的载荷向量q:q＝u′y，确定y的新特征向量u＝yqq；

26、⑦若||t-told||＞10-6||u||，转到步骤④；否则执行以下步骤；

27、⑧计算关联x和y的特征向量t和u的系数bk(第k个元素)：bk＝t′u/||t||；

28、⑨计算x的载荷向量p:p＝t′x，计算x和y中形成残差，将其作为下一维中新的x和y：x＝x-tp，y＝y-bktq

29、⑩由交叉证实法确定k是否为最佳维数d，若达到最佳维数，停止迭代。

30、可选地，还包括：将验证集中聚丙烯绝缘材料样品的近红外光谱特征参量x按照最小二乘法的校准过程进行标准化处理，具体如下：

31、令k＝0，y＝0；

32、进入迭代过程，k＝k+1,t＝x·wk′；y＝y+bktq；x＝x-tp；

33、当k＜d计入校准过程第③步骤，否则迭代停止；

34、通过逆运算过程得到验证集绝缘材料的性能参量y；

35、根据预测得到的未知绝缘材料样品的性能与实测得到的各项性能进行对比，验证其误差区间，确定光程误差；

36、对光程误差进行校正，采用矢量归一化算法校正微小光程引起的光谱变化，其算法如下：

37、

38、其中，m为波长点数，k＝1,2，...m，x为光谱矩阵中特征参量的值，为不同光程下的平均值。

39、根据本发明的另一个方面，提供了一种聚丙烯弹性模量及低温脆化温度的评估装置，包括：

40、采集模块，用于采集预先设定的聚丙烯绝缘材料的多个近红外光谱曲线作为样品集，并进行去噪预处理；

41、分类模块，用于采用kennard-stone算法对多个近红外光谱曲线进行样品集分类，确定训练集和验证集；

42、第一构建模块，用于选取训练集中近红外光谱曲线的近红外光谱特征参量构建近红外光谱特征矩阵；

43、第二构建模块，用于选取训练集中近红外光谱曲线的材料弹性模量和低温催化温度参量构建聚丙烯性能矩阵；

44、建立模块，用于根据近红外光谱特征矩阵以及聚丙烯性能矩阵，建立聚丙烯绝缘材料弹性模量及低温催化温度评估模型；

45、获取模块，用于获取待评估聚丙烯绝缘材料的近红外光谱曲线；

46、确定模块，用于根据待评估聚丙烯绝缘材料的近红外光谱曲线，利用聚丙烯绝缘材料弹性模量及低温催化温度评估模型，确定待评估聚丙烯绝缘材料的弹性模量及低温催化温度。

47、根据本发明的又一个方面，提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行本发明上述任一方面所述的方法。

48、根据本发明的又一个方面，提供了一种电子设备，所述电子设备包括：处理器；用于存储所述处理器可执行指令的存储器；所述处理器，用于从所述存储器中读取所述可执行指令，并执行所述指令以实现本发明上述任一方面所述的方法。

49、从而，本发明提出了一种基于相似筛选的无监督目标重识别方法，针对相机内和相机间的分布差异问题，使用相似筛选机制，分别优化聚类和损失，可以有效缓解类内差异的问题，从而提高重识别的准确率。

技术特征：

1.一种聚丙烯弹性模量及低温脆化温度的评估方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述近红外光谱样品集的波长范围为900～2200mm，分辨率为0.8cm-1，波长精度：max±2nm，信噪比：6000：1，描次数16～32次。

3.根据权利要求1所述的方法，其特征在于，进行去噪预处理，包括：

4.根据权利要求1所述的方法，其特征在于，所述近红外光谱特征参量包括特征峰位、特征吸光度、特征波长。

5.根据权利要求4所述的方法，其特征在于，还包括通过如下步骤选取所述特征波长：

6.根据权利要求1所述的方法，其特征在于，根据所述近红外光谱特征矩阵以及所述聚丙烯性能矩阵，建立聚丙烯绝缘材料弹性模量及低温催化温度评估模型，包括：

7.根据权利要求6所述的方法，其特征在于，所述最小二乘法的校准部分过程如下：

8.根据权利要求7所述的方法，其特征在于，还包括：将所述验证集中聚丙烯绝缘材料样品的近红外光谱特征参量x按照所述最小二乘法的校准过程进行标准化处理，具体如下：

9.一种聚丙烯弹性模量及低温脆化温度的评估装置，其特征在于，包括：

10.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序用于执行上述权利要求1-8任一所述的方法。

11.一种电子设备，其特征在于，所述电子设备包括：

技术总结
本发明公开了一种聚丙烯弹性模量及低温脆化温度的评估方法及装置。方法包括：采集预先设定的聚丙烯绝缘材料的多个近红外光谱曲线作为样品集，并进行去噪预处理；采用Kennard‑Stone算法对多个近红外光谱曲线进行样品集分类，确定训练集和验证集；选取训练集中近红外光谱曲线的近红外光谱特征参量构建近红外光谱特征矩阵；选取训练集中近红外光谱曲线的材料弹性模量和低温催化温度参量构建聚丙烯性能矩阵；根据近红外光谱特征矩阵以及聚丙烯性能矩阵，建立聚丙烯绝缘材料弹性模量及低温催化温度评估模型；获取待评估聚丙烯绝缘材料的近红外光谱曲线，利用聚丙烯绝缘材料弹性模量及低温催化温度评估模型，确定待评估聚丙烯绝缘材料的弹性模量及低温催化温度。

技术研发人员：黄凯文,欧阳本红,王昱力,赵鹏,刘松华,王格,邓显波,夏荣,刘宗喜,李文杰,袁建军
受保护的技术使用者：中国电力科学研究院有限公司
技术研发日：
技术公布日：2024/1/16