基于近红外光谱的连续小波变换与卷积注意力模块建立秦艽的定性分析模型.pdfVIP

4

DOI：10.11973/lhjy-hx230629

工作简报

基于近红外光谱的连续小波变换与卷积注意力模块

建立秦艽的定性分析模型

*

周玉，李四海，李坤鹏，王泽朋

（甘肃中医药大学医学信息工程学院，兰州730000）

摘要：针对近红外光谱的处理研究大多聚焦于对原始的一维光谱信号直接进行卷积特征抽取，

为了更加全面地挖掘光谱数据中的信息，提高分类模型的建模效果，提出了连续小波变换与卷积注意

力模块建立秦艽定性分析模型的方法。采用连续小波变换将一维的信号转换为二维图像表现形式，

以得到的小波时频图作为光谱特征，建立具有注意力机制的秦艽近红外光谱的卷积神经网络定性分

析模型Att-GoogleNet，并通过翻转、对比度增强以及加入高斯噪声来扩充数据集实现数据增强，提高

模型的泛化能力。结果表明：对207个秦艽样品的产地进行分析，Att-GooogleNet模型的分类准确率

为99.6%，准确率、精确率、召回率、特异度、F1分数均优于传统机器学习模型。

关键词：近红外光谱；连续小波变换；卷积神经网络；注意力机制；模型；秦艽

中图分类号：O657.33文献标志码：A文章编号：1001-4020(2025)04-0436-07

秦艽属龙胆科龙胆属植物，广泛分布在我国西学习，进而更好地对光谱数据进行分类。文献[5]利用

北地区，是我国重要的传统中药之一，具有祛风除近红外光谱技术，将竞争性自适应重加权算法与卷积

湿、清热泻火、解除痹痛等作用。不同产地的秦艽品神经网络相结合，实现了对茶叶品种的鉴别，准确率

质有所差异，目前药材市场用药品种混乱，药材质量提升到97.72%；文献[6]提出了一种基于注意力机制

参差不齐，因此研究一种用于鉴别不同产地秦艽药和U-Net++网络的近红外光谱快速定性分析羊毛制

材的方法具有重要意义。品的方法，建立的模型经过十折交叉验证后准确率达

在现代鉴定方法中，通过近红外光谱技术结合到93.59%。光谱预处理的研究大多聚焦于对原始的

深度学习方法对秦艽产地进行有效划分，该方法操作一维光谱信号直接进行卷积特征抽取，或者运用常用

简单、高效快速，可无损检测。近红外光谱是近年来的光谱预处理方法，这些研究中挖掘到的光谱数据信

发展迅速的绿色分析技术，光谱特征随着样品成分息不够全面，因而将一维光谱信号转换为二维图像信

的变化而发生变化，该技术对样品的定性分析具有号以及进行二维卷积可解决上述问题，使特征提取更

[1][2-3][4]

强大的优势，已广泛应用于食品、农业、中医药加全面，进而提高分类模型的建模效果。

等领域。目前基于光谱数据的分类识别方法主要是本工作以秦艽样本的近红外光谱数据集为研究

依据光谱特征，并采用偏最小二乘法（PLS-DA）、随对象，在卷积神经网络GoogleNet的基础上，提出了

机森林（RandomForest）、支持向量机等传统的机器一种基于近红外光谱的连续小波变换与卷积神经网

学习方法进行识别，然而已有研究尝试将近红外光络融合注意力机制建立定性分析模型Att-GoogleNet

谱技术与深度学习算法相结合，深度学习中的卷积的方法，并通过翻转、对比度增强