基于傅里叶变换中红外光谱的不同维度光谱图像结合残差神经网络鉴别黄精属物种

胡晓燕; 王元忠; 《分析测试学报 》 2024 北大核心 CSCD

摘要：将不同维度光谱图像的概念首次应用于物种鉴别，建立了快速准确的黄精属鉴别方法。采集6种黄精属共计563批样品，基于傅里叶变换中红外光谱（FT-MIR）的一阶导数（1st）、二阶导数（2nd）、乘法散射校正（MSC）、标准正态变量变换（SNV）和Savitzky-Golay(SG)5种预处理方法，构建了决策树（DT）、随机森林（RF）和支持向量机（SVM）3种机器学习算法。同时构建了深度学习残差神经网络（ResNet）模型，绘制了不同维度的光谱图像，包括一维MIR，同步、异步和综合二维相关光谱、三维相关光谱、三维相关光谱投影图像的10个数据集，并将其与ResNet模型相结合进行分类。结果表明，不同预处理方法对模型结果的影响不同，MSC预处理方法可显著提高DT、RF和SVM 3种算法的准确率。基于同步二维相关光谱数据集的ResNet算法建模效果最好，准确率达到100%，损失值较小，不需要复杂的预处理，时间成本低，可以准确鉴别黄精属物种，为食品、中草药等其他领域的鉴别提供了参考。

关键词： 黄精属物种 傅里叶变换中红外光谱 不同维度光谱图像 机器学习算法 残差神经网络