整合基于渐进选策略的连续波段变换与EfficientNetV2集成,用于增强的近红外光谱学.
Xinyi Liu1, Di Wang2, Rui Wang2
1Zhengzhou Tobacco Research Institute of CNTC, Zhengzhou, 450001, China; Department of Industrial and Manufacturing Systems Engineering, The University of Hong Kong, 999077, Hong Kong Special Administrative Region of China.
Talanta
|November 23, 2024
概括
本研究介绍了用于近红外 (NIR) 光谱的2D CWT-EfficientNetV2模型. 该模型准确量化样本中的化合物,优于现有方法,并在数据集中展示了强大的性能.
科学领域:
- 分析化学 分析化学
- 频谱学是一种光谱学.
- 化学测量 化学测量 化学测量
背景情况:
- 由于便携式设备的进步,近红外 (NIR) 光谱越来越多地被使用.
- 传统的1D NIR光谱可以通过使用连续波波变换 (CWT) 将其转换为2D光谱图来增强.
研究的目的:
- 为优化NIR光谱应用引入高效的2D CWT-EfficientNetV2回归模型.
- 通过2D光谱图来增强光谱分析和解释.
主要方法:
- 使用一种新的渐进性选策略来选择最佳的波形函数和CWT尺度.
- 使用灰色色图的直接数字映射 (DDM) 从波形系数矩阵生成了2D光谱图.
- 应用了2D CWT-EfficientNetV2模型来预测烟草叶样本中的多醇含量.
主要成果:
- 2D CWT-EfficientNetV2 模型与部分最小平方回归 (PLSR) 和其他模型相比,显示出更高的性能.
- 该模型在测试数据集上实现了较低的根平均平方预测误差 (RMSEP) 和更高的预测确定系数 (RP2) 和RPD.
- 对其他公共NIR光谱数据集的验证证实了该模型的稳定性和可靠性.
结论:
- 2D CWT-EfficientNetV2模型是使用NIR光谱学进行准确量化的一种强大而高效的方法.
- 这种方法显著提高了对各种标化合物的光谱信息的分析和解释.


