来源：期刊VIP网 时间：
作者：苏康慧;王超琪;张谷令;邹斌;杨玉平;
单位：中央民族大学理学院;光子系统工程软件教育部工程研究中心;
摘要：目的 采用光谱学结合机器学习方法实现菊科红花属植物草红花、鸢尾科番红花属植物西红花(产地伊朗)和藏红花(产地西藏)的种间与种内鉴别。方法 采用拉曼光谱(Raman spectroscopy, RS)与太赫兹(Terahertz, THz)光谱，以伊朗产西红花、甘肃产草红花、西藏产西红花(下文称藏红花)为研究对象，结合主成分分析(Principal component analysis, PCA)、支持向量机(Support-vector machine, SVM)、随机森林(Random forest, RF)等机器学习方法和多层感知机(Multilayer perceptron, MLP)、卷积神经网络(Convolutional neural network, CNN)、长短期记忆递归神经网络(Long short term memory, LSTM)、径向基函数神经网络(Radial Basis Function, RBF)、基于遗传算法的反向传播神经网络(Genetic Algorithm-Back Propagation, GA-BP)等深度学习方法，分析三类样本的THz吸收光谱与RS,实现中草药小样本的快速分类识别。结果 (1)SVM方法对三类样本的RS数据和经PCA降维后的RS数据进行分类精度分别为83.33%和94.44%;MLP对三类样本的原始THz光谱数据和经PCA降维后的THz光谱数据进行分类，准确率分别为94.00%和96.79%;表明PCA对机器学习分类精度提升较为明显，THz光谱用于深度学习结果较RS精度更高。(2)MLP、CNN、RBF、GA-BP、LSTM等神经网络对THz光谱数据的分类准确率高于对RS分类准确率，其中LSTM和RF对太赫兹原始吸收数据分类准确率高达100%,分类精度高、速度快、模型稳定性好。结论 光谱与机器学习方法结合可以实现草红花、西红花和藏红花的种间与种内鉴别，THz光谱鉴别精度较高。
关键词：太赫兹时域光谱;拉曼光谱;深度学习;草红花;藏红花
基金资助：国家重点基础研究发展计划项目(2017YFB00405402,2020YFB2009303); 国家自然科学基金项目(62075248)
