一种基于多通道一维卷积神经网络与空间金字塔池化技术的拉曼光谱算法

本发明公开一种基于空间金字塔池化的多通道一维卷积神经网络的拉曼光谱训练及预测算法SPP‑1D。该方法通过1D‑CNN提取光谱数据的局部特征，并利用空间金字塔池化(SPP)在多尺度上池化特征，从而生成全局特征表示。与传统的主成分分析(PCA)和线性判别分(LDA)方法相比，本发明能有效捕捉光谱数据的复杂非线性关系，并增强抗噪性能。SPP‑1D支持多通道输入，可同时处理拉曼光谱的多个特征通道，融合通道间的相关性与互补性，实现更全面的特征描述。该算法适用于单一物质的识别、复杂混合物成分分析及光谱成像等应用场景，显著提升了拉曼光谱数据处理的精度、鲁棒性及泛化能力。本发明创新性地将深度学习与信号处理技术相结合，为材料科学、化学分析及生物医学领域提供了一种高效的光谱分析工具。