理化检验-化学分册

作者：周玉, 李四海, 李坤鹏, 王泽朋

关键词：近红外光谱, 连续小波变换, 卷积神经网络, 注意力机制, 模型, 秦艽

针对近红外光谱的处理研究大多聚焦于对原始的一维光谱信号直接进行卷积特征抽取，为了更加全面地挖掘光谱数据中的信息，提高分类模型的建模效果，提出了连续小波变换与卷积注意力模块建立秦艽定性分析模型的方法。采用连续小波变换将一维的信号转换为二维图像表现形式，以得到的小波时频图作为光谱特征，建立具有注意力机制的秦艽近红外光谱的卷积神经网络定性分析模型Att-GoogleNet，并通过翻转、对比度增强以及加入高斯噪声来扩充数据集实现数据增强，提高模型的泛化能力。结果表明：对207个秦艽样品的产地进行分析，Att-GooogleNet模型的分类准确率为99.6%，准确率、精确率、召回率、特异度、F1分数均优于传统机器学习模型。

来源：2025年第4期

《理化检验-化学分册》期刊编辑部

查看理化检验-化学分册杂志2025年第4期