改进注意力机制MobileNetV2网络对水污染SERS分类研究
摘要
为应对突发性水污染事件中的污染物快速识别需求，提出一种适用于便携式设备的轻量级神经网络算法。采集5种常见水污染物的表面增强拉曼光谱（SERS）并进行预处理，利用二维Morlet小波变换分离高频和低频信号，增强特征表达。为提高模型特征提取能力，引入多池化策略，改进高效通道注意力（ECA）机制，形成多池化ECA（MP_ECA）模块，并将其结合MobileNetV2网络，构建MobileNetV2_MP_ECA模型用于小波图像分类识别。通过梯度加权类激活映射（Grad-CAM）技术生成热力图，进一步验证小波变换在提升特征提取和分类精度方面的作用。实验结果表明，所提模型的分类准确率达到97.83%，优于其他注意力机制模型、传统卷积神经网络和常见的机器学习方法。此外，所提模型的大小为6.11 MB，浮点计算量为230.20 MFLOPs，适合资源受限的移动设备应用，为实际情境下突发性水污染物检测提供新的策略和思路。
引用本文（GB/T 7714）
李雪玲 Li Xueling, 禹静 Yu Jing, 张海洋 Zhang Haiyang, 等. 改进注意力机制MobileNetV2网络对水污染SERS分类研究[J]. Laser & Optoelectronics Progress, 2025.
引文网络
本站仅收录题录与摘要供学习参考，全文版权归属出版方；如有侵权请联系我们删除。