基于深度学习的气溶胶荧光光谱识别应用研究
空气中的高危病原微生物对人类社会存在着极大威胁，而传统的监测方法无法对空气中的微生物实现准确的识别与分类.因此采用激光诱导荧光技术原理，以单光子探测器为核心器件，设计并搭建了一种高效的荧光光谱仪用于空气中高危病原微生物的识别与分类，并且该光谱仪可以实现对微生物浓度的预测，其对于环境安全具有重要意义.对于该光谱仪采集的数据，探索了以一维向量和二维矩阵2 种输入形式来实现荧光光谱的识别与分类，并研究对比了主成分分析网络、卷积神经网络和全卷积网络等深度学习网络的识别与分类效果.实验结果表明以矩阵形式输入的卷积神经网络模型在测试集中识别分类准确率达到98.05％.采用矩阵形式输入的全卷积网络模型在测试集中微生物浓度预测准确率达到98.97％.
荧光光谱 深度学习网络 识别与分类 浓度预测 卷积神经网络
张学成 金尚忠 赵天琦 张飞 陈义
中国计量大学 光学与电子科技学院,浙江 杭州 310018
国内会议
南京
中文
466-471
2022-04-01（万方平台首次上网日期，不代表论文的发表时间）