基于循环光谱映射的Vis-NIR光谱图像转换,用于测量颗粒物度
Tiantian Pan1, Xiaorong Dai2, Wei Wang3
1College of Biosystems Engineering and Food Science, Zhejiang University, 866 Yuhangtang Road, Hangzhou, 310058, China.
Analytica chimica acta
|May 17, 2025
概括
一种新方法将细颗粒物 (PM2.5) 光谱转化为图像,大大提高了测量精度和稳定性. 这种方法为监测空气质量的传统方法提供了快速,精确的替代方案.
科学领域:
- 环境科学 环境科学
- 分析化学 分析化学
- 频谱学是一种光谱学.
背景情况:
- 细颗粒物 (PM2.5) 对空气质量和人类健康构成重大风险.
- 传统的PM2.5测量方法昂贵且耗时.
- 现有的低成本传感器往往缺乏准确性和稳定性.
研究的目的:
- 开发一种快速,精确和稳定的方法来测量基于波器的PM2.5度.
- 克服用于PM2.5分析的基于光谱的机器学习模型的局限性.
主要方法:
- 提出了一种使用便携式可见近红外 (Vis-NIR) 光谱仪的新型光谱图像转换和融合方法.
- 引入了循环光谱映射 (CSM) 以将PM2.5光谱转换为图像.
- 利用了深度学习网络 (ResNet-18,ShuffleNet V2,MobileNet V2),使用了注意力机制和功能融合技术.
主要成果:
- 最优的模型,ShuffleNetV2_Attn,实现了0.9935.5的R2p.
- 功能融合进一步提高了模型的稳定性和准确性.
- 基于融合特征的部分最小平方 (PLS) 模型显示出高性能 (R2p=0.9947,RMSEP=6.0213 μg/m3,MAPEp=4.17%).
结论:
- 开发的光谱图像转换和融合方法显著提高了PM2.5测量的准确性和效率.
- 这种方法有效地整合了数值和图形光谱信息,克服了仅光谱方法的局限性.
- 为实时,可靠的PM2.5监测提供了一个有希望的新策略.
更多相关视频
08:22Measurement of 3-Dimensional cAMP Distributions in Living Cells using 4-Dimensional x, y, z, and λ Hyperspectral FRET Imaging and Analysis
Published on: October 27, 2020
3.8K
07:13Biomolecular Imaging of Cellular Uptake of Nanoparticles using Multimodal Nonlinear Optical Microscopy
Published on: May 16, 2022
1.8K
