一种基于深度学习的拉曼光谱数据处理方法

本发明公开了一种基于深度学习的拉曼光谱数据处理方法，包括：通过Voigt函数合成理想拉曼光谱数据，并构建自监督数据集；基于所述自监督数据集，进行谱峰检测模型以及多分支光谱解混模型训练；其中，谱峰检测模型包括下采样部分、残差网络部分、上采样部分和输出部分；多分支光谱解混模型包括位移分支和半峰宽分支；将待处理拉曼光谱数据，输入训练好的谱峰检测模型以及多分支光谱解混模型，生成对应的解混结果。通过自监督学习构建抗噪性强的数据集，结合多网络联合优化与多分支解混模型，实现了光谱数据的准确解混，显著提高了光谱分析的准确性和效率。