基于多维度并联卷积神经网络与质谱数据的芬太尼分类模型研究
Research on fentanyl classification model based on multi-dimensional parallel convolutional neural network and mass spectrometry data作者机构：杭州电子科技大学自动化学院浙江杭州310018
出 版 物：《杭州电子科技大学学报（自然科学版）》 (Journal of Hangzhou Dianzi University：Natural Sciences)
年 卷 期：2024年第44卷第1期
页 面：23-30页
学科分类：1305[艺术学-设计学（可授艺术学、工学学位）] 13[艺术学] 08[工学] 081104[工学-模式识别与智能系统] 0804[工学-仪器科学与技术] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程]
基 金：浙江省自然科学基金资助项目(2022C03G2072815)和(TGY23H180036)
摘 要：近几年,由于芬太尼及其类似物质很容易合成,所需要的化学物品和设备等也并不难找,导致全球发生了无数滥用芬太尼及其类似物质过量死亡的案例。为避免该新型毒品流通,提高芬太尼及其类似物质的识别率,设计了一种基于多维度并联卷积神经网络与质谱数据的芬太尼分类模型,并且利用SeLU激活函来防止梯度消失。该模型利用Focal loss作为损失函数来提高对相似品种的识别准确率,将查询质谱和5条经典参考谱拼接成5张二维图像,最终将原始查询一维谱图和其拼接得到的5张二维图像输入到并联卷积神经网络对查询质谱进行分类。实验结果表明,该方法公开数据集中识别率达99.73%的识别率,验证了该方法的有效性。
维普期刊数据库
同方期刊数据库