基于多通道CNN-GRU的表面增强拉曼光谱对毒品的模糊识别

作者：黄锐^*; 彭安; 胡家祥; 周毅; 胡维昊

来源：中国科学:化学 , 2023, 53(05): 861-873.

• 毒品
• 模糊识别
• 表面增强拉曼光谱
• 深度学习
• 多通道CNN-GRU

毒品问题是全世界当局面临的严峻挑战,对缉获样品、生物体液和废水中毒品的快速检测是打击毒品犯罪的重要环节和领域热点.本文提出了多通道深度神经网络结合表面增强拉曼光谱(SERS)快速识别混合毒品的新方法,成功实现对溶液中海洛因(heroin)、氯胺酮(ketamine)、3,4-亚甲二氧基甲基苯丙胺(MDMA)的快速模糊识别.该方法以金纳米颗粒(Au NPs)作为增强基底,利用SERS对毒品进行高灵敏分析,运用深度学习对获得的差异信号进行辨识,从而实现对多种毒品的模糊识别.基于多通道卷积神经网络(CNN)-门控神经单元(GRU)模型可以从原始数据中提取空间与序列的高维分布特征,以99.9%的高准确率分类, 99.6%的准确率半定量,远优于传统CNN模型.该方法为复杂基质中混合毒品的快速模糊识别提供了新途径.

• 单位
  西南政法大学; 电子科技大学