一种面向高通量拉曼光谱的识别方法

本发明提供一种面向高通量拉曼光谱的识别方法，属于拉曼光谱数据处理技术领域。该方法通过自适应特征贡献率与噪声估计算法动态确定主成分数量，实现针对不同光谱复杂度的灵活压缩，并显著提升在大批量数据处理中的运算效率；在此基础上构建引入通道注意力机制的轻量级卷积神经网络模型，以增强对关键拉曼峰位的响应能力并抑制背景干扰；同时在训练过程中引入基于谱间余弦相似度约束的辅助损失函数，提高类内一致性与类间分离度，并结合可视化反馈机制优化模型对判别区段的关注区域。本发明与传统拉曼光谱分类方法相比，不依赖人工特征提取和预设维度参数，具备判别性强、解释性好、适应性广等优点，可实现复杂拉曼光谱的高效准确分类。