面向便携式拉曼光谱仪未知物质识别的一维卷积神经网络综述

拉曼光谱是一种强大的分析工具，应用范围涵盖质量控制至前沿生物医学研究。过去十年中取得巨大进展的一个特定领域是功能强大的手持式拉曼光谱仪的开发。它们已被第一响应者和执法机构广泛采用，用于未知物质的现场分析。利用拉曼光谱对未知物质进行现场检测和识别严重依赖于现有设备的谱图匹配能力。传统谱图匹配算法（如相关性、点积等）通过将未知谱图与大型参考数据库进行比较来识别未知拉曼谱图。这通常通过对参考谱图与未知谱图之间逐像素差异进行暴力求和来实现。传统算法存在明显缺陷。例如，它们在识别纯化合物时表现良好，但对混合物的识别则较差。例如，相对于样本数量而言类别数量庞大的有限参考谱图数据库，一直阻碍了拉曼光谱在现场分析应用中的广泛使用。作为替代方案，最先进的深度学习方法（特别是卷积神经网络 CNN）相较于传统谱图比较算法具有诸多优势。经过优化，它们非常适合部署在手持式光谱仪中用于未知物质的现场检测。在本研究中，我们对利用一维 CNN 进行拉曼谱图识别进行了全面综述。具体而言，我们重点介绍了这种强大的深度学习技术在手持式拉曼光谱仪中的应用，并兼顾了手持系统在功耗和计算能力方面的潜在限制。