本技术涉及基于拉曼光谱时序分析与机器学习结合的复合菌种检测方法,包括:采集复合菌种的拉曼光谱数据;利用小波变换将所述复合菌种的拉曼光谱数据转化为时序数据;使用LSTM模型对所述时序数据进行时序分析,初步将复合菌种分离为不同的单菌种;利用预设的SNG‑DBSCAN算法,对分离后的单菌种进行分类,获取菌种类别。
背景技术
传统的复合菌种检测流程往往非常繁琐,需要经过多个步骤才能得到结果,其操作的复杂性不仅延长了整个检测周期,还增加了对操作人员的专业技能的要求,分离过程存在耗时长、效率低、成本高等问题,特别是在面对复杂的生态环境或大量样本需求场景下。拉曼光谱作为一种分子振动光谱技术,能够提供关于分子结构和化学键的信息,通过分析细胞中特定化学键的振动频率和细胞分子的振动特征,获取细胞的分子结构信息,实现对不同菌种的快速识别和分离。然而,现有基于拉曼光谱技术,构建特定菌种模型,来预测未知样品中的单菌种检测方法无法实现快速检测,并且不能有效区分菌种之间的差异,在复合菌种检测方面存在一定的局限性。基于机器学习与拉曼光谱结合的检测方式可以免去大量人工传统实验筛选在精力、财力和时间上的消耗,是当前复合菌种分离的热点研究方向。但由于复合菌种集聚,各种细菌堆叠在一起,容易造成重叠、团块化等难以区分的问题。
实现思路