基于掩码自编码器的拉曼光谱自监督学习方法及系统

本发明公开了一种基于掩码自编码器的拉曼光谱自监督学习方法及系统，包括：数据增广步骤，随机添加光谱抖动或高斯噪声，增加预训练的数据量；随机掩码处理步骤，将预训练数据集中无标签的光谱谱段随机掩码破坏，构建自监督前置代理任务；预训练步骤，采用生成式学习对模型预训练；预训练评估步骤，获得光谱去噪和分簇结果；微调步骤，少量的有标签数据对预训练模型和增加的分类层进行微调，获得最终分类模型；微调评估步骤，将测试数据输入到微调后的分类模型中，获得最终的拉曼光谱分类结果。相较于其他有监督学习方法可学习到除标签限制外更多的光谱特征，在无法获取大量有标签数据情况下，仅用少量的有标签数据即可提高光谱分类效率和准确度。