近日，中國科學院合肥物質院安光所高曉明研究員團隊在實現基于改進殘差神經網絡在劣質拉曼光譜檢測識別微塑料方面取得新進展，相關研究成果以《基于改進神經網絡結合劣質拉曼光譜的微塑料分類識別》為題發表在國際知名期刊Talanta上。
 

　　微塑料，指直徑小于5毫米的塑料顆粒，是一種造成污染的主要載體。2022年科學家首次在人體血液中檢測到了微塑料污染，在之后的研究中，研究者們不僅在偏遠的島嶼、極地的雪、馬里亞納海溝、食物、水甚至空氣等每個地方都發現了微塑料的身影，還發現它們遍布腎臟、肝臟、胎盤甚至大腦等人體器官。環境中的微塑料很可能帶有涂層，其中可能含有上萬種化學物質，使這些微粒具備不同的柔韌性、防火性或者可降解性。不同形狀的微塑料也可能造成不同后果。
 

　　微塑料對環境和生物構成嚴重危害，所以快速準確對不同類型的微塑料進行分類識別對環境中微塑料污染的追溯和針對性治理有重要意義。拉曼光譜技術具有無損檢測、非入侵性、樣品要求量低、空間分辨率高、光譜范圍寬等特點，適用于微塑料檢測識別。機器學習算法可以快速處理和分析大量光譜數據，能夠從復雜的拉曼光譜數據中快速提取特征進行有效分類，然而運用拉曼光譜處理和分析復雜環境或干擾情況下的微塑料仍然具有挑戰。
 

　　安光所團隊成員王貴師研究員、陳家金副研究員和黃威翔碩士研究生等人，提出了一種改進的殘差網絡模型，可對激光功率不足和光譜采集時間較短的非理想實驗條件下測得的微塑料不同質量拉曼光譜進行分類識別。相比傳統的卷積神經網絡，引入擠壓-激發(SE)模塊的改進的殘差網絡能夠以不顯著增加參數量和計算量情況下，在噪聲干擾大、信噪比低的低質量微塑料拉曼光譜分類中達到更高的準確率，并且通過Grad-CAM可視化反映了機器學習進行光譜分類的依據。這項工作表明了機器學習在更多復雜環境和干擾下，分析處理低質量拉曼光譜的能力。
 

　　本研究工作得到中國科學院合肥物質院院長基金創新項目、國家自然科學基金項目的資助。
 

改進殘差網絡結構
 

基于改進殘差網絡的微塑料拉曼光譜分類的示意圖
 

改進殘差網絡對比卷積神經網絡性能