基于表面增强拉曼光谱和一维卷积神经网络的工业园区污水识别和应用模拟
面向追溯违规排污企业、防治工业园区污水排放超标的需求,针对传统光谱无法精细化描述目标特征、传统分析手段受限于经验驱动无法实现高精度分类等问题,本文提出了一种表面增强拉曼光谱(Surface-enhanced Raman spectroscopy,SERS)结合一维卷积神经网络(one-dimensional Convolutional Neural Networks,1D-CNN)的方法,通过SERS 光谱精细化描述污水特征,针对性构建并训练1D-CNN 模型进行分析处理,得到快速精确的分类结果.实验对22 类污水获取了532nm、638nm、785nm 三种激光下的SERS 光谱,使用本文模型进行分类,精度均能达到100％,而使用传统支持向量机方法的分类精度分别为77.78％、93.43％、45.96％.为探究本文模型在实际应用中的适应性,实验模拟出实际排污情况,本文模型的整体分类精度为98.62％,其中638nm激光下本文模型的分类精度仍然为100％.这些结果表明,在638nm 激光下获取污水SERS 光谱,结合本文训练的1D-CNN 模型,可以适应复杂环境,实现不同企业所排污水的准确识别和快速分类.
表面增强拉曼光谱 深度学习 一维卷积神经网络 污水识别
袁冰雪 邰佳怡 王浩 黄雨婷 王雪擎 慎利 范美坤
西南交通大学地球科学与环境工程学院,四川成都 611756
国内会议
成都
中文
8-13
2021-05-01（万方平台首次上网日期，不代表论文的发表时间）