典型文献
激光诱导击穿光谱技术与卷积神经网络相结合的中药材产地识别研究
文献摘要：
为 了更好地对道地药材产地进行识别,文中提出一种激光诱导击穿光谱(Laser-induced breakdown spectroscopy,LIBS)技术与卷积神经网络(Convolutional neural networks,CNN)相结合,并在网络结构中加入卷积块注意力模块(Convolutional block attention module,CBAM)的药材产地识别混合模型(CNN-CBAM).该模型采用端到端的网络结构,利用CNN挖掘数据中的深层特征,通过加入注意力机制来提升网络的特征提取能力.实验采集5个不同产地黄芪的LIBS光谱数据,通过构建的混合模型对测试集的识别精度进行评估,发现相较于未改进的CNN模型以及传统机器学习中的支持向量机和随机森林算法模型,改进后的CNN在测试集上的准确率可达到100％.研究结果证明了 LIBS技术结合CNN-CBAM网络模型对中药材产地进行准确识别的有效性.
文献关键词：
激光诱导击穿光谱技术;卷积神经网络;CBAM模块;支持向量机;随机森林
中图分类号：
作者姓名：
梁西银;路霄;钱恒礼;李双豆;苏茂根
作者机构：
甘肃省智能信息技术与应用工程研究中心,西北师范大学物理与电子工程学院,甘肃兰州 730070;甘肃省原子分子物理与功能材料重点实验室,西北师范大学 物理与电子工程学院,甘肃 兰州 730070
文献出处：
引用格式：
[1]梁西银;路霄;钱恒礼;李双豆;苏茂根-.激光诱导击穿光谱技术与卷积神经网络相结合的中药材产地识别研究)[J].西北师范大学学报（自然科学版）,2022(04):50-57
A类：
B类：
激光诱导击穿光谱技术,中药材产地,产地识别,道地药材,Laser,induced,breakdown,spectroscopy,LIBS,Convolutional,neural,networks,卷积块注意力模块,block,attention,module,CBAM,混合模型,端到端,深层特征,注意力机制,特征提取能力,不同产地,地黄,黄芪,光谱数据,测试集,识别精度,未改,随机森林算法,算法模型,技术结合,准确识别
AB值：
0.290107
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
