本技术属于危险化学品识别，尤其涉及危险化学品的识别方法、装置、电子设备及可读存储介质。
背景技术：
1、危险化学品是指具有毒害、腐蚀、爆炸、燃烧、助燃等性质，对人体、设施、环境具有危害的剧毒化学品和其他化学品。我国是危险化学品生产和消费大国，每年在全国各进出口岸都有大量的危险化学品进出口业务。由于危险化学品具备易燃、易爆、有毒等危险特征，一旦出现监管漏洞极易引起重大的安全隐患。因此，对危险化学品进行准确的识别具有重要意义。
2、目前，拉曼光谱(raman spectra，rs)分析技术由于具有操作简便和测定时间短等优点，已被用于多种有害物质的检测分析。然而该技术对危险化学品的识别率较低，无法满足当前对危险化学品的监管需求。
技术实现思路
1、为克服相关技术中存在的问题，本技术实施例提供了一种危险化学品的识别方法、装置、电子设备及可读存储介质，以解决目前危险化学品识别技术识别率低的问题。
2、本技术是通过如下技术方案实现的：
3、第一方面，本技术实施例提供了一种危险化学品的识别方法，包括：获取待识别化学品的原始红外光谱和原始拉曼光谱；对所述原始红外光谱和所述原始拉曼光谱进行预处理，得到目标红外光谱和目标拉曼光谱；对所述目标红外光谱进行特征提取，得到红外光谱特征；对所述目标拉曼光谱进行特征提取，得到拉曼光谱特征；利用预先训练好的危化品识别模型对所述红外光谱特征和所述拉曼光谱特征进行处理，确定所述待识别化学品所属的危险种类；基于所述待识别化学品所属的危险种类，判断所述待识别化学品是否易燃或易爆。
4、结合第一方面，在一些实施例中，所述危险种类包括爆炸物、易燃液体、易制爆物、自燃液体、氧化性液体和遇水放出易燃气体的物质；所述基于所述待识别化学品所属的危险种类，判断所述待识别化学品是否易燃或易爆，包括：若所述待识别化学品所属的危险种类包括易燃液体、易制爆物、自燃液体和爆炸物中的一种或多种，则获取所述待识别化学品的闪点数据；基于预设闪点阈值和所述闪点数据，判断所述待识别化学品是否易燃或易爆。
5、结合第一方面，在一些实施例中，所述红外光谱特征包括波数特征、波峰数目特征、红外峰位特征和红外峰强特征，所述拉曼光谱特征包括位移特征、拉曼峰强特征和拉曼峰形特征。
6、所述对所述目标红外光谱进行特征提取，得到红外光谱特征，包括：通过第一特征提取网络对所述目标红外光谱进行特征提取，得到所述波数特征、所述波峰数目特征、所述红外峰位特征和所述红外峰强特征；其中，所述第一特征提取网络基于样本红外光谱训练得到，所述第一特征提取网络的训练标签为对所述样本红外光谱处理后得到的含有所述波数特征、所述波峰数目特征、所述红外峰位特征和所述红外峰强特征的样本红外特征谱图。
7、所述对所述目标拉曼光谱进行特征提取，得到拉曼光谱特征，包括：通过第二特征提取网络对所述目标拉曼光谱进行特征提取，得到所述位移特征、所述拉曼峰强特征和所述拉曼峰形特征；其中，所述第二特征提取网络基于样本拉曼光谱训练得到，所述第二提取网络的训练标签为对所述样本拉曼光谱处理后得到的含有所述位移特征、所述拉曼峰强特征和所述拉曼峰形特征的样本拉曼特征谱图。
8、结合第一方面，在一些实施例中，所述危化品识别模型包括特征融合网络、成分识别网络和危险种类识别网络；所述利用预先训练好的危化品识别模型对所述红外光谱特征和所述拉曼光谱特征进行处理，确定所述待识别化学品所属的危险种类，包括：通过所述特征融合网络对所述红外光谱特征和所述拉曼光谱进行融合处理，得到光谱融合特征；通过所述成分识别网络对所述光谱融合特征进行处理，确定所述待识别化学品的成分信息；通过所述危险种类识别网络对所述成分信息进行处理，确定所述待识别化学品所属的危险种类。
9、结合第一方面，在一些实施例中，所述危化品识别模型包括第一层识别模型和第二层识别模型，所述第一层识别模型包括所述特征融合网络和所述成分识别网络，所述第二层识别模型包括所述危险种类识别网络；所述危化品识别模型的训练过程包括：获取多个样本化学品的成分信息、原始红外光谱数据、原始拉曼光谱数据，以及所述多个样本化学品各自所属的危险种类；对所述多个样本化学品的原始红外光谱数据和原始拉曼光谱数据进行预处理，得到所述多个样本化学品的目标红外光谱和目标拉曼光谱；对所述多个样本化学品的目标红外光谱和目标拉曼光谱分别进行特征提取，得到所述多个样本化学品各自对应的红外光谱特征和拉曼光谱特征；以所述多个样本化学品各自对应的红外光谱特征和拉曼光谱为所述第一层识别模型的输入数据，以所述多个样本化学品的成分信息为所述第一层识别模型的训练标签，对所述第一层识别模型进行训练；以所述多个样本化学品的成分信息所述第二层识别模型的输入数据，以所述多个样本化学品各自所属的危险种类为所述第二层识别模型的训练标签，对所述第二层识别模型进行训练。
10、结合第一方面，在一些实施例中，所述对所述原始红外光谱和所述原始拉曼光谱进行预处理，得到目标红外光谱和目标拉曼光谱，包括：对所述原始红外光谱和所述原始拉曼光谱进行数据平滑处理，得到去噪红外光谱和去噪拉曼光谱；对所述去噪红外光谱和所述去噪拉曼光谱进行基线校正处理，得到所述目标红外光谱和所述目标拉曼光谱。
11、结合第一方面，在一些实施例中，所述方法还包括：若判断出所述待识别化学品易燃或易爆，则发出风险预警信号。
12、第二方面，本技术实施例提供了一种危险化学品的识别装置，包括：获取模块，用于获取待识别化学品的原始红外光谱和原始拉曼光谱；预处理模块，用于对所述原始红外光谱和所述原始拉曼光谱进行预处理，得到目标红外光谱和目标拉曼光谱；特征提取模块，用于对所述目标红外光谱进行特征提取，得到红外光谱特征；对所述目标拉曼光谱进行特征提取，得到拉曼光谱特征；识别模块，利用预先训练好的危化品识别模型对所述红外光谱特征和所述拉曼光谱特征进行处理，确定所述待识别化学品所属的危险种类；分析模块，基于所述待识别化学品所属的危险种类，判断所述待识别化学品是否易燃或易爆。
13、第三方面，本技术实施例提供了一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面任一项所述的危险化学品的识别方法。
14、第四方面，本技术实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面任一项所述的危险化学品的识别方法。
15、第五方面，本技术实施例提供了一种计算机程序产品，当计算机程序产品在电子设备上运行时，使得电子设备执行上述第一方面中任一项所述的危险化学品的识别方法。
16、本技术实施例与相关技术相比存在的有益效果是：
17、本技术实施例提供的危险化学品的识别方法，通过对待识别化学品的原始红外光谱和原始拉曼光谱进行预处理，得到目标红外光谱和目标拉曼光谱；再对目标红外光谱进行特征提取，得到红外光谱特征；对目标拉曼光谱进行特征提取，得到拉曼光谱特征；然后利用训练好的危化品识别模型，同时对红外光谱特征和拉曼光谱特征进行处理，确定待识别化学品所属的危险种类，并基于危险种类进一步判断其是否易燃或易爆。本技术通过训练好的危化品识别模型对两种光谱进行同步分析，即利用红外和拉曼两种光谱特征对待识别化学品进行危险性识别，相较于单一光谱的分析分别技术，本技术可以明显提高危险化学品识别的准确率；同时，在识别出的危险种类的基础上，继续对待识别化学品的易燃性、易爆性进行判断，可进一步提高识别的准确率。
18、可以理解的是，上述第二方面至第五方面的有益效果可以参见上述第一方面中的相关描述，在此不再赘述。
19、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本说明书。
1.一种危险化学品的识别方法，其特征在于，包括：
2.如权利要求1所述的危险化学品的识别方法，其特征在于，所述危险种类包括爆炸物、易制爆物、易燃液体、自燃液体、氧化性液体和遇水放出易燃气体的物质；所述基于所述待识别化学品所属的危险种类，判断所述待识别化学品是否易燃或易爆，包括：
3.如权利要求1所述的危险化学品的识别方法，其特征在于，所述红外光谱特征包括波数特征、波峰数目特征、红外峰位特征和红外峰强特征，所述拉曼光谱特征包括位移特征、拉曼峰强特征和拉曼峰形特征；
4.如权利要求1所述的危险化学品的识别方法，其特征在于，所述危化品识别模型包括特征融合网络、成分识别网络和危险种类识别网络；所述利用预先训练好的危化品识别模型对所述红外光谱特征和所述拉曼光谱特征进行处理，确定所述待识别化学品所属的危险种类，包括：
5.如权利要求4所述的危险化学品的识别方法，其特征在于，所述危化品识别模型包括第一层识别模型和第二层识别模型，所述第一层识别模型包括所述特征融合网络和所述成分识别网络，所述第二层识别模型包括所述危险种类识别网络；所述危化品识别模型的训练过程包括：
6.如权利要求1所述的危险化学品的识别方法，其特征在于，所述对所述原始红外光谱和所述原始拉曼光谱进行预处理，得到目标红外光谱和目标拉曼光谱，包括：
7.如权利要求1所述的危险化学品的识别方法，其特征在于，所述方法还包括：
8.一种危险化学品的识别装置，其特征在于，包括：
9.一种电子设备，包括存储器和处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的方法。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的方法。
