典型文献
基于深度学习的气溶胶荧光光谱识别应用研究
文献摘要：
空气中的高危病原微生物对人类社会存在着极大威胁,而传统的监测方法无法对空气中的微生物实现准确的识别与分类.因此采用激光诱导荧光技术原理,以单光子探测器为核心器件,设计并搭建了一种高效的荧光光谱仪用于空气中高危病原微生物的识别与分类,并且该光谱仪可以实现对微生物浓度的预测,其对于环境安全具有重要意义.对于该光谱仪采集的数据,探索了以一维向量和二维矩阵2种输入形式来实现荧光光谱的识别与分类,并研究对比了主成分分析网络、卷积神经网络和全卷积网络等深度学习网络的识别与分类效果.实验结果表明以矩阵形式输入的卷积神经网络模型在测试集中识别分类准确率达到98.05％.采用矩阵形式输入的全卷积网络模型在测试集中微生物浓度预测准确率达到98.97％.
文献关键词：
荧光光谱;深度学习网络;识别与分类;浓度预测;卷积神经网络
中图分类号：
作者姓名：
张学成;金尚忠;赵天琦;张飞;陈义
作者机构：
中国计量大学 光学与电子科技学院,浙江 杭州 310018
文献出处：
引用格式：
[1]张学成;金尚忠;赵天琦;张飞;陈义-.基于深度学习的气溶胶荧光光谱识别应用研究)[J].应用光学,2022(03):466-471
A类：
B类：
气溶胶,荧光光谱,光谱识别,病原微生物,社会存在,大威,监测方法,识别与分类,激光诱导荧光技术,技术原理,单光子探测器,光谱仪,环境安全,二维矩阵,研究对比,主成分分析网络,深度学习网络,分类效果,矩阵形式,卷积神经网络模型,测试集,识别分类,分类准确率,全卷积网络模型,浓度预测,预测准确率
AB值：
0.261423
相似文献
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。
