基于卷积神经网络特征提取的拉曼光谱分类研究

拉曼光谱物质定性识别已被广泛的应用于化工、安防、缉毒等行业和研究领域，但是传统的拉曼光谱分析技术依赖于光谱数据库，通过光谱特征提取进行识别。特征提取是拉曼识别的关键处理步骤，通常利用主成分分析，因子分析等方法进行特征提取，而后通过KNN,SVM和随机森林等方法进行光谱特征定性识别，当拉曼数据库不存在待定性物质时，易造成待检测物质的错误分类。针对此问题，提出一种基于卷积神经网络的对数据库缺少物质光谱识别方法。在实验过程中，采用九类，200余种精神类药品拉曼光谱作为测试对象，通过搭建卷积神经网络自动特征提取并利用Softmax分类器将200余种物质，按照Amphetamine, cathinone, cannabinoids等九种类别进行定性分析。通过与传统机器学习方法如K近邻，支持向量机等方法进行比较，基于卷积神经网络的模型识别准确性有显著提高，该方法可为拉曼光谱数据库的光谱识别检索提供一种新的识别方法。

Research on Raman Spectrum Classification Based on Convolution Neural Network Feature Extraction