来源：期刊VIP网 时间：
作者：谷艳红;李凡丁;年福东;
单位：合肥大学先进制造工程学院;中国科学技术大学工程科学学院;
摘要：针对白芍质量检测中有标签样本数据获取成本较高的问题，利用激光诱导击穿光谱（LIBS）技术结合度量学习和一致性约束的半监督回归模型对白芍中Pb和Cd的含量进行分析研究。此模型由两个结构相同但参数各异的多任务深度学习网络组成，即教师模型和学生模型。多任务深度学习网络通过分类分支的度量学习确保不同样本的聚类性，提高回归分支对白芍样品中重金属含量的预测性能。学生模型通过约束无标签样本在教师模型和学生模型输出的一致性实现无标签数据的有效利用。相较于其它常用方法，本研究提出的多任务深度学习网络对测试集中Pb和Cd的预测平均相对误差分别显著降低至7.01%和8.16%；进一步融合度量学习和一致性约束的教师-学生半监督学习模型后，同一样品明显呈现聚类现象，损失函数的收敛速度更快且收敛值更接近0，对测试集中Pb和Cd的预测平均相对误差进一步降低至3.32%和4.77%。研究结果表明，本模型能有效提高LIBS技术在白芍样品中的微量重金属元素定量分析中的准确度和可靠性，增强LIBS技术在中药材市场质量监管中的优势。
关键词：激光诱导击穿光谱;;白芍;;度量学习;;一致性约束;;半监督学习
基金资助：国家自然科学基金项目（No.61902104）;; 安徽高校自然科学研究重点项目（No.2022AH051783）;; 安徽省重点研究与开发计划项目（No.2022a05020042）资助~~
