拉曼光谱分类方法及模型构建方法

本发明公开了一种拉曼光谱分类模型的构建方法及分类方法，涉及光谱学和深度学习两种技术领域的分类模型，是一种结合深度可分离卷积、残差连接以及结构重参化的轻量级多尺度特殊生物血液拉曼光谱分类方法。在网络模型训练过程中，采用Adam优化器对模型进行调参，使模型获取全局上的最佳参数。将训练好的模型通过结构重参化，获取适用于在移动端设备上部署的精简模型。本方法在有着较低的参数大小的同时能够有效的捕获光谱数据的局部特征信息并且尽可能地保留了相应特征信息的连贯性，该方法在特殊生物血液的分类中取得了不错的效果，同时该模型还可用于其他物质的拉曼光谱的分类中，具有较高的实用价值。