近日，中國科學院合肥物質院安光所團隊在紅外光譜定性分析領域取得新進展。相關成果以《基于注意力機制與雙分支卷積神經網絡相結合的混合微塑料識別方法研究》為題，發表于分析化學領域國際學術期刊Microchemical Journal。

微塑料（Microplastics，MPS）是指直徑小于5mm形狀多樣的塑料碎片和顆粒，是國際上廣泛關注的四類新污染物之一。與“白色污染”塑料相比，微塑料的危害體現在其顆粒直徑微小上，這是其與一般的不可降解塑料相比，對于環境的危害程度更深的原因。

現實中的微塑料往往是混合的，混合后的微塑料光譜圖往往會更加復雜，會包含各單組分微塑料的光譜特征峰，微塑料的混合比例也會讓光譜特征峰產生新的峰強和相對峰強變化，增加了對微塑料表征難度，而傳統的機器學習算法提取到的光譜特征有限，對微塑料的表征不夠準確。

針對上述難題，本研究創新性地將高效注意力機制CBAM應用于雙分支卷積神經網絡上，兩個分支將CBAM注意力模塊的輸出進行連接，提取更多光譜特征，從而優化模型的分類性能，并取得高達98%的分類準確率，優于RF、PLS-DA、SVM、KNN、CNN等傳統算法模型。CBAM模塊首先通過通道注意力模塊篩選出關鍵通道，再借助空間注意力模塊定位各通道中的重要空間區域，最終生成注意力圖并與輸入特征圖逐元素相乘，完成特征精煉。結合GradCAM可視化卷積神經網絡，更加清晰的顯示了模型表征微塑料過程中所選取的重要特征。

論文的第一作者為安光所2023級碩士研究生何敏，通訊作者為安光所童晶晶副研究員，該研究獲得國家重點研發計劃、國家自然科學基金等項目的資助。

論文鏈接：https://doi.org/10.1016/j.microc.2025.115131

注意力機制與雙分支卷積神經網絡相結合的混合微塑料識別方法

雙分支CBAM卷積神經網絡結構

PA&PE、PA&PET微塑料混合物的GradCAM熱力圖