基于拉曼光谱的药品智能分析

摘要

拉曼光谱分析技术应用于药品分析领域,传统的拉曼光谱分析方法依赖于人工的专业性和测试条件,耗费大量的时间和人力。针对此问题,本文提出一种将拉曼光谱与深度学习中卷积神经网络(CNN)结合的方法,可以更加高效、便捷地用于药品分析。实验采集了4种药品拉曼光谱,分别使用了非对称最小二乘法(ALS)进行基线校正和S-G平滑滤波以及最大最小标准化对原始拉曼光谱进行预处理。结合了包括将多条狄利克雷分布的光谱混合的方法在内的6种数据增强的方法来生成新的拉曼光谱以扩充数据,数据增强方法提高了模型的拟合能力和表达能力。使用主成分分析(PCA)方法对测得的原始拉曼光谱进行降维,将光谱数据作为输入,搭建一维卷积神经网络模型预测药品类别,实现药品分类,为药品分析提供了智能方法。