基于深度特征提取结合化学计量学的 MATLAB 教程：用于分析应用
计算机视觉与模式识别
2025-11-07 v1
摘要
背景 在分析化学中，材料的空间信息通常通过成像技术捕获，例如传统的彩色相机或先进的高光谱相机和显微镜。然而，对于探索性和预测目的，高效提取和分析这些空间信息 remains a 挑战，尤其是当使用传统化学计量方法时。近期的深度学习和人工智能进展显著增强了图像处理能力，使能够提取难以使用常规图像处理技术捕获的多尺度深度特征。尽管开源深度学习模型广泛可用，但在分析化学中的采用仍有限，因为缺乏针对实现这些模型的结构化、逐步指导。结果 本教程旨在弥合这一差距，通过提供逐步指南，将深度学习方法应用于从成像数据中提取空间信息并将其与其他数据源（如光谱信息）集成。重要的是，本工作的重点不在于为图像处理训练深度学习模型，而在于使用现有的开源模型从成像数据中提取深度特征。意义 本教程提供了 MATLAB 代码演示，展示了来自分析化学中常见的各种成像模态的数据处理。读者必须使用本教程中 presented 的代码在自己的数据集上运行教程步骤。
引用
@article{arxiv.2511.04349,
title = {A MATLAB tutorial on deep feature extraction combined with chemometrics for analytical applications},
author = {Puneet Mishra and Martijntje Vollebregt and Yizhou Ma and Maria Font-i-Furnols},
journal= {arXiv preprint arXiv:2511.04349},
year = {2025}
}