-
题名面向气体光谱检测的机器学习技术研究进展
- 1
-
-
作者
张莹
张驰
石剑波
刘思思
-
机构
国家电网湖北省电力有限公司电力科学研究院
电力数智化碳监测与协同减控湖北省重点实验室(国网湖北省电力有限公司)
华南师范大学环境研究院/环境学院
-
出处
《光谱学与光谱分析》
北大核心
2025年第11期3001-3010,共10页
-
基金
广州市科技计划项目(2025A04J0172)
国家电网公司总部科技项目(5200-202222102A-1-1-ZN)资助。
-
文摘
近年来,人工智能技术在光谱检测领域受到广泛关注,带来了数据驱动的科研新范式。机器学习擅长从高维、异构的光谱数据中探索关联性,提高检测效率和准确度,可以有效解决混合气体光谱检测难题。介绍了机器学习的基本原理、常见算法、光谱数据建模的一般流程,简要梳理了基于光谱学的各种气体检测技术及其典型应用,并对机器学习在混合气体光谱检测技术的最新研究进展(2020年至今)进行了全面综述。目前,面向气体光谱检测的机器学习技术在工业过程控制、癌症早期诊断、环境监测、地球观测系统等领域表现出巨大的潜力。进一步,重点探索了机器学习在混合气体定性识别、定量分析以及高光谱成像中的具体应用,最后讨论了基于机器学习的气体光谱检测技术在实际应用中面临的挑战与前景。本文可为气体光谱检测及传感领域的相关研究者提供新思路和建议,推动和扩展机器学习在该领域的应用。
-
关键词
机器学习(ML)
光谱
深度学习(DL)
卷积神经网络(C
NN)
传感器
挥发性有机物(VOCs)
高光谱成像(HSI)
-
Keywords
Machine learning(ML)
Spectrum
Deep learning(DL)
Convolutional neural network(CNN)
Sensor
Volatile organic compounds(VOCs)
Hyperspectral imaging(HSI)
-
分类号
O659.32
[理学—分析化学]
-
