化工儀器網手機版
移動端訪問更便捷
中國科學家研發級聯神經網絡 實現混合微塑料拉曼光譜高精度識別
2026年03月19日 14:01:21
來源：化工儀器網 作者：宋池 點擊量：586
中國科學院安光所高曉明研究員團隊提出一種基于級聯神經網絡的光譜處理方案，實現了對混合微塑料拉曼光譜的高精度識別與分類。相關成果發表于國際期刊《分析化學》，為復雜環境下的微塑料快速檢測提供了新技術路徑。
近日，中國科學院合肥物質科學研究院安徽光學精密機械研究所(安光所)高曉明研究員團隊在微塑料檢測技術領域取得新進展。該團隊提出了一種基于級聯改進神經網絡的光譜處理方案，能夠實現對混合微塑料拉曼光譜的高質量重構、有效分類與解混。相關研究成果已發表于美國化學學會出版的期刊《分析化學》(Analytical Chemistry)。
微塑料通常指直徑小于5毫米的塑料顆粒物，作為一種新興污染物，其已廣泛分布于全球各地，學術界此前在人體血液、深海沉積物及極地冰雪等環境中均發現了其存在。拉曼光譜因具有非接觸、無損、分辨率高等特點，被視為識別微塑料的理想工具。然而在實際檢測中，混合微塑料的拉曼光譜處理面臨諸多技術瓶頸：多組分特征峰之間的相互干擾使成分識別變得復雜；受環境因素影響，實測光譜往往伴隨強噪聲和基線漂移；傳統預處理算法參數敏感，難以有效處理大規模數據集。
針對上述難題，安光所團隊成員王貴師研究員、陳家金副研究員及碩士研究生黃威翔等人，提出了一種級聯ResUNet結合通道與空間注意力模塊（CSAM-ResUNet）的神經網絡解決方案。據介紹，該模塊不同于常規的注意力機制，能夠在不過度增加模型參數和計算負擔的情況下，更高效地提取光譜特征。研究團隊同時引入了動態混合物理損失函數對神經網絡訓練進行優化，進一步提升了模型的收斂性和重構精度。
通過對21種不同質量的混合微塑料樣本在多種實驗條件下的拉曼光譜進行分析，該模型首先對原始光譜進行了噪聲去除和基線矯正預處理。結果顯示，與傳統算法相比，CSAM-ResUNet將峰值信噪比提升了35%，結構相似性提升了80%；與僅引入Squeeze-and-Excitation模塊的改進ResNet相比，均方誤差進一步降低了32%。
在分類與解混能力方面，該研究顯示出較強的魯棒性。在最優實驗條件下，模型對21類混合微塑料樣本的分類準確率達到99.68%。即使在樣本接收能量降至20%的非理想條件(如激光功率不足、采集時間縮短)下，模型的分類準確率仍能保持在90%以上。在光譜解混過程中，該模型成功地從混合光譜中分離出了屬于單一微塑料成分的光譜，且大部分解混光譜的峰位與相應純塑料的特征峰高度吻合。
研究團隊表示，該工作實現了神經網絡在混合微塑料拉曼光譜處理中更為完整和綜合的應用，展現了深度學習技術在處理復雜環境樣本光譜時的潛力，為未來開發快速、自動化的微塑料檢測系統提供了新的技術路徑。
相關閱讀 Related Reading
查看更多+-
武漢東隆科技有限公司受邀參展慕尼黑上海光博會，攜光纖鏈路分析儀FLA、CompactPowerMonitor CPM 高精度水冷功...2026-03-20 15:22:29
-
近日，云南林業職業技術學院就“云南林業職業技術學院環境工程學院教學、科研儀器設備采購”項目發布公開招標公告，預算金額為114.5萬...2026-03-20 10:52:59
-
上海科技大學發布多項儀器采購意向，采購預算金額25509.5萬元。2026-03-19 14:54:25
-
近日，光譜檢測技術平臺創銳光譜宣布完成超億元 A 輪融資。本輪融資由杭實資管、海通創新、杭州高新金投集團聯合投資，老股東君聯資本、...2026-03-19 14:48:31
-
近日，大連民族大學就“2026年大連民族大學改善基本辦學條件項目-設備資料購置-環境與資源學院綜合實驗中心教學實驗室擴建(二)”發...2026-03-19 09:51:24
版權與免責聲明
- ①凡本網注明“來源：化工儀器網”的所有作品，均為浙江興旺寶明通網絡有限公司-化工儀器網合法擁有版權或有權使用的作品，未經本網授權不得轉載、摘編或利用其他方式使用上述作品。已經本網授權使用作品的，應在授權范圍內使用，并注明“來源：化工儀器網”。違反上述聲明者，本網將追究其相關法律責任。
- ②本網轉載并注明自其他來源（非化工儀器網）的作品，目的在于傳遞更多信息，并不代表本網贊同其觀點和對其真實性負責，不承擔此類作品侵權行為的直接責任及連帶責任。其他媒體、網站或個人從本網轉載時，必須保留本網注明的作品第一來源，并自負版權等法律責任。
- ③如涉及作品內容、版權等問題，請在作品發表之日起一周內與本網聯系，否則視為放棄相關權利。
