本申请属于近场光学测试，更具体地，涉及一种基于近场光学测试的物质信息获取方法及装置。
背景技术：
1、近场光学显微镜（scanning near-field optical microscopy，snom）是一种高分辨率的光学显微技术，它突破了传统光学显微镜的衍射极限，能够获得远超普通光学显微镜的分辨率，达到纳米量级。近场光学显微镜则利用近场效应，即当针尖（或称为探针）非常接近样品表面（距离小于波长）时，可以探测到样品表面的近场光学信号。通过探测不同频率/波长的近场光学信号，近场显微镜能够对样品进行纳米尺度上的光谱探测，在材料识别、缺陷检测、分子传感等方面具有重要应用潜力。如何利用近场光学信号高效准确地获取被测样品的物质信息是本领域亟待解决的技术问题。
技术实现思路
1、针对现有技术的研究现状，本申请的目的在于利用深度学习辅助，实现近场光学显微镜对被测样品物质信息的高效准确地获取。
2、为实现上述目的，第一方面，本申请提供一种基于近场光学测试的物质信息获取方法，包括：
3、引入泵浦光聚焦在近场光学显微镜的针尖的下方以及引入探测光照射在针尖的下方，在针尖的下方设置有被测样品；
4、在不同泵浦探测延迟下，通过近场光学显微镜测得被测样品的一组光谱，泵浦探测延迟用于表示引入泵浦光时刻与引入探测光时刻之间的时间间隔，一组光谱包括多个光谱，一组光谱中的不同光谱对应不同的泵浦探测延迟；
5、将被测样品的一组光谱输入至深度学习模型，获取深度学习模型输出的物质信息，深度学习模型用于基于被测样品的一组光谱，预测被测样品的物质信息。
6、在一种可能的实现方式中，深度学习模型是通过以下步骤获取的：
7、获取光谱数据集，光谱数据集包括多组光谱样本和各组光谱样本对应的标签，任意一组光谱样本是一次近场光学测试过程中在多个泵浦探测延迟下获取的，标签用于指示对应组光谱样本所表征的物质信息；
8、基于多组光谱样本和各组光谱样本对应的标签，按照有监督方式训练初始的深度学习模型，获取训练后的深度学习模型。
9、在一种可能的实现方式中，在基于多组光谱样本和各组光谱样本对应的标签，按照有监督方式训练初始的深度学习模型，获取训练后的深度学习模型之前，还包括：
10、按照泵浦探测延迟，将光谱数据集中光谱样本划分到对应的光谱样本集合，不同光谱样本集合对应不同的泵浦探测延迟；
11、确定各个光谱样本集合的平均值与方差；
12、基于各个光谱样本集合的平均值与方差，对各个光谱样本集合中光谱样本进行标准化，获取标准化后的光谱数据集。
13、在一种可能的实现方式中，获取光谱数据集，包括：
14、通过仿真获取多组仿真光谱；
15、对多组仿真光谱进行添加白噪声以及加窗处理，获取多组光谱样本。
16、在一种可能的实现方式中，在被测样品为低维材料的情况下，被测样品设置于基底之上，低维材料为厚度在纳米量级的材料；在被测样品为块状材料的情况下，被测样品作为基底设置于针尖的下方，块状材料为厚度超过纳米量级的材料。
17、在一种可能的实现方式中，针尖和/或基底具有泵浦效果。
18、第二方面，本申请提供一种基于近场光学测试的物质信息获取装置，包括：
19、泵浦探测光引入模块，用于引入泵浦光聚焦在近场光学显微镜的针尖的下方以及引入探测光照射在针尖的下方，在针尖的下方设置有被测样品；
20、光谱获取模块，用于在不同泵浦探测延迟下，通过近场光学显微镜测得被测样品的一组光谱，泵浦探测延迟用于表示引入泵浦光时刻与引入探测光时刻之间的时间间隔，一组光谱包括多个光谱，一组光谱中的不同光谱对应不同的泵浦探测延迟；
21、物质信息获取模块，用于将被测样品的一组光谱输入至深度学习模型，获取深度学习模型输出的物质信息，深度学习模型用于基于被测样品的一组光谱，预测被测样品的物质信息。
22、第三方面，本申请提供一种电子设备，包括：至少一个存储器，用于存储程序；至少一个处理器，用于执行存储器存储的程序，当存储器存储的程序被执行时，处理器用于执行第一方面或第一方面的任一种可能的实现方式所描述的方法。
23、第四方面，本申请提供一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，当计算机程序在处理器上运行时，使得处理器执行第一方面或第一方面的任一种可能的实现方式所描述的方法。
24、第五方面，本申请提供一种计算机程序产品，当计算机程序产品在处理器上运行时，使得处理器执行第一方面或第一方面的任一种可能的实现方式所描述的方法。
25、总体而言，通过本申请所构思的以上技术方案与现有技术相比，具有以下有益效果：
26、在与被测样品的材料性质对应波段泵浦光的作用下，在针尖、被测样品以及基底组成的系统内会产生非平衡载流子，激发光致极化激元，从而在探测光波段能得到与平衡态（无泵浦光时）明显不同的响应，测得的光谱能够表征被测样品的材料性质，同时利用泵浦光与探测光之间的时间延迟，可以探测到光致极化激元在不同延迟下（上述响应会随着泵浦光与探测光之间的时间延迟发生变化）产生的光谱，能够得到多个与延迟相关的表征样品性质的光谱，一方面实现一次测试得到时延相关的一组光谱（包括多个光谱），保障测试效率，另一方面测得的光谱包含了极化激元时间维度上的信息，表征更为全面，为深度学习模型的准确预测提供数据支撑。进而将近场光学测试得到的一组光谱输入至深度学习模型，利用深度学习模型的拟合能力从多个光谱中提取和总结特征，能够准确地预测被测样品的物质信息。
1.一种基于近场光学测试的物质信息获取方法，其特征在于，包括：
2.根据权利要求1所述基于近场光学测试的物质信息获取方法，其特征在于，所述深度学习模型是通过以下步骤获取的：
3.根据权利要求2所述基于近场光学测试的物质信息获取方法，其特征在于，在基于多组光谱样本和各组光谱样本对应的标签，按照有监督方式训练初始的深度学习模型，获取训练后的深度学习模型之前，还包括：
4.根据权利要求2所述基于近场光学测试的物质信息获取方法，其特征在于，所述获取光谱数据集，包括：
5.根据权利要求1-4任一所述基于近场光学测试的物质信息获取方法，其特征在于，在所述被测样品为低维材料的情况下，所述被测样品设置于基底之上，所述低维材料为厚度在纳米量级的材料；在所述被测样品为块状材料的情况下，所述被测样品作为基底设置于所述针尖的下方，所述块状材料为厚度超过纳米量级的材料。
6.根据权利要求5所述基于近场光学测试的物质信息获取方法，其特征在于，所述针尖和/或所述基底具有泵浦效果。
7.一种基于近场光学测试的物质信息获取装置，其特征在于，包括：
8.一种电子设备，其特征在于，包括：
9.一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，当所述计算机程序在处理器上运行时，使得所述处理器执行如权利要求1-6任一所述的方法。
10.一种计算机程序产品，其特征在于，当所述计算机程序产品在处理器上运行时，使得所述处理器执行如权利要求1-6任一所述的方法。
