近日，中国科学院合肥物质院安光所高晓明研究员团队在实现基于级联神经网络分析处理混合微塑料拉曼光谱方面取得新进展，相关研究成果以《级联改进神经网络用于混合微塑料拉曼光谱重构、分类和解混》为题，发表在Analytical Chemistry上。
微塑料，指直径小于5毫米的塑料颗粒，作为一种新型污染物，学术界已经在人体血液、偏远海岛、极地冰雪与深海等均发现了微塑料的存在。拉曼光谱被视为是探测与识别微塑料的理想手段，但混合微塑料拉曼光谱处理和分类识别仍然面临诸多挑战。
针对混合微塑料拉曼光谱处理和分类识别问题，研究团队提出了级联神经网络的光谱处理方案，实现混合微塑料拉曼光谱的高质量稳定重构、光谱解混和有效分类。相比一般的注意力模块，引入通道和空间注意力模块(CSAM)，能够以不显著增加参数量和计算负担情况下，具有更为出色的特征提取能力，同时使用了动态混合物理损失函数优化神经网络训练，进一步提升了模型的收敛性。该研究对多种实验条件下测得的21种不同质量混合微塑料样本的拉曼光谱进行光谱噪声去除和基线矫正预处理，光谱质量的改善提升了分类识别效果，以及对混合微塑料光谱解混，分离出了属于单一微塑料成分的光谱。该光谱处理方案实现了更完整的神经网络在混合微塑料拉曼光谱处理中的应用。
该论文第一作者为硕士研究生黄威翔，通讯作者为陈家金副研究员、王贵师研究员。本研究工作得到中国科学院合肥物质院院长基金创新项目、国家自然科学基金项目的资助。
图1.级联神经网络实现混合微塑料拉曼光谱的重构，分类和解混
图2.实测拉曼光谱的噪声去除和基线矫正效果
图3.光谱重构提升神经网络分类性能
图4.混合微塑料拉曼光谱的解混
