化工仪器网手机版
移动端访问更便捷
中国科学家研发级联神经网络 实现混合微塑料拉曼光谱高精度识别
2026年03月19日 14:01:21
来源：化工仪器网 作者：宋池 点击量：4720
中国科学院安光所高晓明研究员团队提出一种基于级联神经网络的光谱处理方案，实现了对混合微塑料拉曼光谱的高精度识别与分类。相关成果发表于国际期刊《分析化学》，为复杂环境下的微塑料快速检测提供了新技术路径。
近日，中国科学院合肥物质科学研究院安徽光学精密机械研究所(安光所)高晓明研究员团队在微塑料检测技术领域取得新进展。该团队提出了一种基于级联改进神经网络的光谱处理方案，能够实现对混合微塑料拉曼光谱的高质量重构、有效分类与解混。相关研究成果已发表于美国化学学会出版的期刊《分析化学》(Analytical Chemistry)。
微塑料通常指直径小于5毫米的塑料颗粒物，作为一种新兴污染物，其已广泛分布于全球各地，学术界此前在人体血液、深海沉积物及极地冰雪等环境中均发现了其存在。拉曼光谱因具有非接触、无损、分辨率高等特点，被视为识别微塑料的理想工具。然而在实际检测中，混合微塑料的拉曼光谱处理面临诸多技术瓶颈：多组分特征峰之间的相互干扰使成分识别变得复杂；受环境因素影响，实测光谱往往伴随强噪声和基线漂移；传统预处理算法参数敏感，难以有效处理大规模数据集。
针对上述难题，安光所团队成员王贵师研究员、陈家金副研究员及硕士研究生黄威翔等人，提出了一种级联ResUNet结合通道与空间注意力模块（CSAM-ResUNet）的神经网络解决方案。据介绍，该模块不同于常规的注意力机制，能够在不过度增加模型参数和计算负担的情况下，更高效地提取光谱特征。研究团队同时引入了动态混合物理损失函数对神经网络训练进行优化，进一步提升了模型的收敛性和重构精度。
通过对21种不同质量的混合微塑料样本在多种实验条件下的拉曼光谱进行分析，该模型首先对原始光谱进行了噪声去除和基线矫正预处理。结果显示，与传统算法相比，CSAM-ResUNet将峰值信噪比提升了35%，结构相似性提升了80%；与仅引入Squeeze-and-Excitation模块的改进ResNet相比，均方误差进一步降低了32%。
在分类与解混能力方面，该研究显示出较强的鲁棒性。在最优实验条件下，模型对21类混合微塑料样本的分类准确率达到99.68%。即使在样本接收能量降至20%的非理想条件(如激光功率不足、采集时间缩短)下，模型的分类准确率仍能保持在90%以上。在光谱解混过程中，该模型成功地从混合光谱中分离出了属于单一微塑料成分的光谱，且大部分解混光谱的峰位与相应纯塑料的特征峰高度吻合。
研究团队表示，该工作实现了神经网络在混合微塑料拉曼光谱处理中更为完整和综合的应用，展现了深度学习技术在处理复杂环境样本光谱时的潜力，为未来开发快速、自动化的微塑料检测系统提供了新的技术路径。
相关阅读 Related Reading
查看更多+-
聚焦精准检测 “石油产品中微量元素分析检测技术及应用”线上研讨会报名开启
2026年9月4日 14:00，化工仪器网特联合珀金埃尔默企业管理(上海)有限公司，举办 “石油产品中微量元素分析检测技术及应用”...2026-08-24 15:25:57 -
项目名称：京东方第8.6代AMOLED生产线项目，项目编号：4197-244BOECDDT01/374，招标范围：阵列光谱仪，招标...2026-08-24 14:38:06
-
预算超3000万元 湖北省质检院拟购置检验检测设备90台（套）
湖北省产品质量监督检验研究院拟购置重点工业产品检验检测设备90台(套)，项目概算总投资为3081.3万元。2026-08-24 13:55:51 -
中标金额超1800万元！吉林农业大学多学科仪器设备集中采购落地
据化工仪器网不完全统计，吉林农业大学近半年累计完成322台/套多学科科研教学实验设备采购，中标总金额达1833.003万元。2026-08-21 11:01:24 -
《碳排放计量能力建设指导目录（2026版）》正式印发，关键测量参数增至58个、检测标准方法增至169种、测量仪器设备增至229种，...2026-08-20 14:45:29
-
辽宁省疾病预防控制中心委托辽宁励合招标代理有限公司组织公开招标，采购高效液相色谱仪等化学类分析检测设备，预算824万元。2026-08-20 10:50:06
版权与免责声明
- ①凡本网注明“来源：化工仪器网”的所有作品，均为浙江兴旺宝明通网络有限公司-化工仪器网合法拥有版权或有权使用的作品，未经本网授权不得转载、摘编或利用其他方式使用上述作品。已经本网授权使用作品的，应在授权范围内使用，并注明“来源：化工仪器网”。违反上述声明者，本网将追究其相关法律责任。
- ②本网转载并注明自其他来源（非化工仪器网）的作品，目的在于传递更多信息，并不代表本网赞同其观点和对其真实性负责，不承担此类作品侵权行为的直接责任及连带责任。其他媒体、网站或个人从本网转载时，必须保留本网注明的作品第一来源，并自负版权等法律责任。
- ③如涉及作品内容、版权等问题，请在作品发表之日起一周内与本网联系，否则视为放弃相关权利。
