卷积神经网络在拉曼光谱预处理中的应用

摘要

拉曼光谱往往受到荧光、噪声、基线漂移和宇宙射线的影响,导致后续对光谱的分析出现错误。传统的光谱预处理方法,例如小波变换、多项式平滑(Savitzky-Golay smooth,SG平滑),不对称最小二乘法等,只能对应地校正单一的干扰项。在本文中提出应用深度学习(deep learning)中的卷积神经网络(convolutional neural network)进行光谱预处理。卷积神经网络是人工神经网络的一种,广泛应用于图像识别,图像超分辨等领域。在光谱预处理中,CNN能够有效地提取拉曼光谱的特征进行学习。本文通过比较不同卷积神经网络中超参数和损失函数的影响,优化网络模型,使得拉曼光谱中的噪声、尖峰、基线和宇宙射线的处理都能够通过一个网络模型一次完成,简化了拉曼光谱数据的处理步骤。