
-
生物通官微
陪你抓住生命科技
跳动的脉搏
MSAMixerNet:一种具有注意力机制的多尺度MLP-Mixer模型,用于动物皮革的拉曼光谱分类
《Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy》:MSAMixerNet: A multi-scale MLP-Mixer model with attention mechanisms for Raman spectral classification of animal leather
【字体: 大 中 小 】 时间:2026年07月21日 来源:Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy 4.3
编辑推荐:
摘要随着动物皮革市场的快速发展,准确识别不同动物种类的皮革已成为确保市场监管和保护消费者权益的重要问题。拉曼光谱因其非破坏性、快速且高灵敏度的特点,已被广泛用于复杂材料的定性和定量分析。然而,在实际应用中常常面临高维冗余、噪声干扰、光谱峰偏移以及类别重叠等挑战,这些因素使得传统模
生物通微信公众号
热搜:拉曼光谱动物皮革分类|高维噪声鲁棒性|多尺度注意力网络|Bagging共识机制|98.27%分类准确率|信号置信度增强 摘要显示|该研究提出了一种针对高维噪声环境的动物皮革拉曼光谱分类新方法。传统的化学计量方法(如 PCA、PLS-DA)因仅依赖线性假设而难以处理复杂的局部分辨度变化及干扰信号。本研究通过融合多尺度 MLP-Mixer 骨干网络、基于 Transformer 的全局建模模块以及 CBAM 通道 - 空间注意力机制|构建了能够自适应捕捉光谱特征的初始框架。为了进一步提升模型的稳健性并缓解过拟合问题|研究引入了 Bagging 多模型集成策略|在不同训练子集上同时构建多个子模型并通过共识投票机制进行投票。实验表明|该地区提出的 MSAMixerNet 框架在复杂的实验不确定性(如噪声和偏移)下仍能保持 98.27% 的高分类准确率。该方法的关键创新在于通过多尺度特征提取、长距离依赖建模以及概率输出的不确定性感知预测|成功解决了类别重叠和信噪比低带来的影响|为大规模环境监测和防伪应用提供了可靠的软测量模型。