基于X射线光谱与机器学习结合的药物分类
计算机视觉与模式识别
2025-05-06 v1
摘要
新型毒品的泛滥迫切需要开发更快、更准确的检测方法。传统检测方法对仪器和环境要求高，操作复杂。X射线吸收光谱作为一种无损检测技术，具有操作简便、可穿透观察、物质区分能力强等优点，非常适合应用于毒品检测与识别领域。在本研究中，我们构建了一个使用卷积神经网络（CNN）、支持向量机（SVM）和粒子群优化（PSO）的分类模型，根据药物的X射线光谱轮廓对其进行分类和识别。在实验中，我们选择了14种化学式与毒品相似的化学试剂作为样本。我们利用CNN从这14种化学试剂的光谱数据中提取特征，并使用提取的特征训练SVM模型。我们还利用PSO优化了SVM的两个关键初始参数。实验结果表明，与其他两种常用方法相比，该模型取得了更高的分类准确率，预测准确率达到99.14%。此外，该模型执行速度快，减轻了PSO与SVM直接融合可能导致运行时间急剧增加和效率降低的缺点。因此，X射线吸收光谱与CNN、PSO和SVM相结合的方法，为毒品检测领域提供了一种快速、高精度且可靠的分类识别方法，具有广阔的应用前景。
引用
@article{arxiv.2505.01986,
title = {Drug classification based on X-ray spectroscopy combined with machine learning},
author = {Yongming Li and Peng Wang and Bangdong Han},
journal= {arXiv preprint arXiv:2505.01986},
year = {2025}
}