来源：期刊VIP网 时间：
作者：李强;陈蓓;张芳;
单位：陕西科技大学电气与控制工程学院;
摘要：近红外光谱（Near infrared spectroscopy, NIRS）技术广泛应用于医药、食品和化工行业的定量分析中。本研究提出了一种基于多尺度扩张卷积神经网络的近红外光谱定量分析模型（Multi-scale dilated convolutional spectral network, MDCSpec Net），该模型由一维卷积层、批归一化层、最大池化层、多尺度扩张卷积神经网络和全连接层组成，其中，一维卷积层和最大池化层对原始光谱做初步特征提取和特征降维，批归一化层加快模型收敛，多尺度扩张卷积神经网络对光谱特征进行提取与融合，全连接层对特征信息进行线性表示，增加模型的预测精度和泛化能力。利用公开的药品、谷物、小麦、牛奶、汽油与三聚氰胺的近红外光谱数据集建立MDCSpec Net预测模型，并与一维卷积神经网络（One dimensional convolution neural network,1D-CNN）、偏最小二乘法（Partial least squares, PLS）、支持向量机（Support vector regression, SVR）和极限学习机（Extreme learning machine, ELM）建模方法的预测结果进行对比分析。结果表明，在药品活性成分（Active pharmaceutical ingredient, API）含量、谷物葡萄糖含量、谷物乳酸盐含量、谷物水分含量、小麦蛋白质含量、汽油辛烷值以及三聚氰胺浊点预测中，相较于其它4种建模方法，MDCSpec Net模型的精度分别提升了16.0%、36.7%、25.1%、22.6%、34.2%、15.2%、22.6%(1D-CNN), 46.9%、66.7%、73.2%、65.8%、16.6%、15.9%、13.7%(PLS), 68.1%、70.6%、81.7%、73.9%、69.2%、77.9%、56.0%(SVR)和62.0%、20.4%、48.9%、85.6%、50.4%、13.0%、44.6%(ELM)。基于多尺度扩张卷积神经网络的MDCSpec Net模型解决了传统近红外光谱建模方法精度低和泛化能力差等问题，利用MDCSpec Net模型进行多种物质的近红外光谱定量分析是可行的。
关键词：近红外光谱;;定量分析;;扩张卷积;;多尺度特征融合
基金资助：国家自然科学基金项目(No.62203285)资助~~
