近日，中国科学院合肥物质科学研究院安光所高晓明研究员团队在实现基于改进残差神经网络在劣质拉曼光谱检测识别微塑料方面取得新进展，相关研究成果发表在国际知名期刊《塔兰塔》上。
微塑料是指直径小于5毫米的塑料颗粒，对环境和生物构成严重危害，快速准确对不同类型的微塑料进行分类识别对环境中微塑料污染的追溯和针对性治理有重要意义。拉曼光谱技术具有无损检测、非入侵性、样品要求量低、空间分辨率高、光谱范围宽等特点，适用于微塑料检测识别。机器学习算法可以快速处理和分析大量光谱数据，能够从复杂的拉曼光谱数据中快速提取特征进行有效分类，然而运用拉曼光谱处理和分析复杂环境或干扰情况下的微塑料仍然具有挑战。
安光所团队成员王贵师研究员、陈家金副研究员和黄威翔硕士研究生等人，提出了一种改进的残差网络模型，可对激光功率不足和光谱采集时间较短的非理想实验条件下测得的微塑料不同质量拉曼光谱进行分类识别。相比传统的卷积神经网络，引入挤压-激发（SE）模块的改进的残差网络能够在不显著增加参数量和计算量情况下，在噪声干扰大、信噪比低的低质量微塑料拉曼光谱分类中达到更高的准确率，并且通过Grad-CAM可视化反映了机器学习进行光谱分类的依据。这项工作表明了机器学习在更多复杂环境和干扰下，分析处理低质量拉曼光谱的能力。（记者 鹿嘉惠）
原标题：拉曼光谱检测识别微塑料有新进展
来源：安徽日报