近日，中国科学院合肥物质院安光所团队在红外光谱定性分析领域取得新进展。相关成果以《基于注意力机制与双分支卷积神经网络相结合的混合微塑料识别方法研究》为题，发表于分析化学领域国际学术期刊Microchemical Journal。

    微塑料（Microplastics，MPS）是指直径小于5mm形状多样的塑料碎片和颗粒，是国际上广泛关注的四类新污染物之一。与“白色污染”塑料相比，微塑料的危害体现在其颗粒直径微小上，这是其与一般的不可降解塑料相比，对于环境的危害程度更深的原因。

    现实中的微塑料往往是混合的，混合后的微塑料光谱图往往会更加复杂，会包含各单组分微塑料的光谱特征峰，微塑料的混合比例也会让光谱特征峰产生新的峰强和相对峰强变化，增加了对微塑料表征难度，而传统的机器学习算法提取到的光谱特征有限，对微塑料的表征不够准确。

    针对上述难题，本研究创新性地将高效注意力机制CBAM应用于双分支卷积神经网络上，两个分支将CBAM注意力模块的输出进行连接，提取更多光谱特征，从而优化模型的分类性能，并取得高达98%的分类准确率，优于RF、PLS-DA、SVM、KNN、CNN等传统算法模型。CBAM模块首先通过通道注意力模块筛选出关键通道，再借助空间注意力模块定位各通道中的重要空间区域，最终生成注意力图并与输入特征图逐元素相乘，完成特征精炼。结合GradCAM可视化卷积神经网络，更加清晰的显示了模型表征微塑料过程中所选取的重要特征。

注意力机制与双分支卷积神经网络相结合的混合微塑料识别方法

双分支CBAM卷积神经网络结构

PA&PE、PA&PET微塑料混合物的GradCAM热力图

    来源：中国科学院合肥物质院

来源: 中国科学院合肥物质院