【儀表網(wǎng) 研發(fā)快訊】近日，中國科學院安光所環(huán)境光學中心FTIR團隊，在紅外光譜定性分析領域取得重要進展。相關成果以《基于注意力機制與雙分支卷積神經(jīng)網(wǎng)絡相結合的混合微塑料識別方法研究》為題，發(fā)表于分析化學領域國際學術期刊Microchemical Journal(中國科學院二區(qū)TOP期刊，JCR一區(qū))。
 

　　微塑料(Microplastics，MPS)是指直徑小于5mm形狀多樣的塑料碎片和顆粒，是國際上廣泛關注的四類新污染物之一。與“白色污染”塑料相比，微塑料的危害體現(xiàn)在其顆粒直徑微小上，這是其與一般的不可降解塑料相比，對于環(huán)境的危害程度更深的原因。
 

　　現(xiàn)實中的微塑料往往是混合的，混合后的微塑料光譜圖往往會更加復雜，會包含各單組分微塑料的光譜特征峰，微塑料的混合比例也會讓光譜特征峰產生新的峰強和相對峰強變化，增加了對微塑料表征難度，而傳統(tǒng)的機器學習算法提取到的光譜特征有限，對微塑料的表征不夠準確。針對這一難題，本研究創(chuàng)新性地將高效注意力機制CBAM應用于雙分支卷積神經(jīng)網(wǎng)絡上，兩個分支將CBAM注意力模塊的輸出進行連接，提取更多光譜特征，從而優(yōu)化模型的分類性能，并取得高達98%的分類準確率，優(yōu)于RF、PLS-DA、SVM、KNN、CNN等傳統(tǒng)算法模型。CBAM模塊首先通過通道注意力模塊篩選出關鍵通道，再借助空間注意力模塊定位各通道中的重要空間區(qū)域，最終生成注意力圖并與輸入特征圖逐元素相乘，完成特征精煉。結合GradCAM可視化卷積神經(jīng)網(wǎng)絡，更加清晰的顯示了模型表征微塑料過程中所選取的重要特征。
 

　　論文的第一作者為安光所2023級碩士研究生何敏，通訊作者為安光所童晶晶副研究員，該研究獲得國家重點研發(fā)計劃、國家自然科學基金等項目的資助。
 

注意力機制與雙分支卷積神經(jīng)網(wǎng)絡相結合的混合微塑料識別方法
 

雙分支CBAM卷積神經(jīng)網(wǎng)絡結構
 

PA&PE、PA&PET微塑料混合物的GradCAM熱力圖