近日，我校仪器科学与光电工程学院夏果老师课题组发表在光学领域国际期刊《Applied Optics》上的研究论文被国际著名工程学科技机构“Advances In Engineering”（简称AIE）遴选为关键科学文章（a key scientific article），并以“Spectral bandwidth correction with optimal parameters based on deep learning”为题在电子工程（Electrical Engineering）栏目进行专题报道。硕士研究生崔浩为第一作者，夏果老师为通讯作者。

光谱仪是最常见的将成分复杂的光分解为光谱线的科学仪器，光谱仪测量的光谱数据的精度通常受到硬件、光路设计、环境因素等方面的影响。其中，带宽是光谱仪数据处理过程中需要考虑的重要因素，也是能够提高光谱仪精度的关键技术之一。目前，光谱仪带宽校正的研究大都集中在分析带宽函数对测量光谱的影响，利用测量光谱、带宽函数、实际光谱之间存在的数学关系来获得实际光谱。

夏果团队提出了一种新的基于深度学习的最优参数选择方法，并通过构造和训练神经网络获得相应带宽校正算法的最优参数。在目前的带宽校正算法中，用合理的方法选择最优参数是一个重要问题。为了在光谱带宽校正中选择相应算法的最优参数，采用深度学习进行最优参数选择；通过神经网络得到带宽校正中的最优参数，并结合相应算法进行光谱复原。首先，分析了光谱带宽校正的模型，用最小二乘法说明了参数选择的重要性。然后，介绍了通过深度学习选择最优参数的过程，并构建了一个用于训练的数据库和多层感知机神经网络。最后，将训练得到的最优参数用于相应的带宽校正算法，并使用白光LED和拉曼光谱进行模拟和实验，证明了基于深度学习的最优参数选择方法的有效性。该研究成果对光谱校正工作具有指导性意义。

图1. AIE专题报道图片

AIE主要面向工程科技领域的科学家、工程师及大学师生，拥有广泛的读者群和较大的影响力。AIE每周由其委员会筛选出20篇左右的优秀论文进行特别报道，研究方向包括材料、化学、电气、机械、纳米技术、土木以及通用工程（航空航天、通信、计算机），入选率仅为上述领域论文总数的1‰以内。目前，AIE每月的阅读量达80万次，被世界排名前40位的工程公司和全球主要研究机构所链接，用于跟踪重要的工程科技进展。

Advances in Engineering（AIE）报道原文链接：https://advanceseng.com/spectral-bandwidth-correction-optimal-parameters-based-deep-learning/

相关文章链接：https://www.osapublishing.org/ao/abstract.cfm?uri=ao-60-5-1273

（陈丽娟/文 夏果/图 钟军/审核）

责任编辑：钟敏