一种基于拉曼光谱和机器学习的食源性致病菌与芽孢的快速识别方法和系统

本发明提出了一种基于拉曼光谱和机器学习的食源性致病菌与芽孢的快速识别方法步骤1：进行拉曼光谱数据采集与预处理，得到拉曼光谱数据集；步骤2：构建基于SPA‑RF的分类模型：采用连续投影算法对拉曼光谱数据进行特征提取，采用随机森林算法对特征提取后的数据进行分类；步骤3：利用拉曼光谱数据集对所述的基于SPA‑RF的分类模型进行训练获取性能最优的模型，并使用SHAP方法对性能最优的模型进行可解释性分析；步骤4：利用步骤1所述的预处理方法对待分类的未知拉曼光谱数据样本进行预处理并利用所述的性能最优的模型进行分类，获取分类结果，还提供了一种基于B/S架构的识别系统。本发明实现对拉曼光谱数据的自动处理与分类预测，提升微生物检测的效率与准确性。