痕量炸药SERS探测方法研究进展

痕量炸药探测技术在维护国家安全和开展军事行动中至关重要.随着战场排雷、反恐搜爆的迫切需求,具有分子"指纹"信息的表面增强拉曼散射(Surface-enhanced Raman scattering,SERS)方法受到广泛关注与研究.从SERS基底设计与炸药分子吸附浓缩两个方面,全面综述了痕量炸药SERS探测方法的研究现...     

增量学习的拉曼光谱识别算法

针对拉曼光谱仪内置数据库样本数量少和新增物质光谱无法识别的问题,提出了一种增量学习的拉曼光谱识别算法。构建了基于空间注意力机制的一维膨胀卷积神经网络（convolutional neural network model,CNN_SA）,用数据库已有光谱数据对CNN_SA预训练,提取拉曼光谱特征,与逻辑回归（logistic regression,LG）和支持向量机（support vector machine,SVM）等算法相比,CNN_SA具有更好的识别性能。并采用类别增量的学习方式,将CNN_SA学习的先验知识迁移到新增物质的拉曼光谱识别中,极大提高了新增物质小样本拉曼光谱的识别准确率。