我院董新伟等老师在《Microchemical Journal》EI/SCI核心期刊（二区）上发表以下文章，主要论述基于AI方法的新成像方法，论文将于2025年5月见刊（论文封面截图如下）。

论文内容简介：

显微高光谱成像（Micro-HSI）技术是一种检测和分类微塑料的有效手段，但其性能常受基底诱导的光谱噪声与低对比度制约。本研究开发了一种基于局域表面等离子体共振（LSPR）效应的银（Ag）纳米阵列基底，在显微高光谱成像应用中展现出相较于传统硅（Si）基底的显著性能优势。该银纳米阵列在500-750 nm波段内有效增强光谱对比度并提升信噪比，从而实现更精准的光谱特征提取。通过构建混合卷积神经网络-通道先验卷积注意力（CNN-CPCA）模型并结合支持向量机（SVM）分类器，我们在银纳米阵列基底上分别实现了98.65%和93.28%的分类准确率，显著优于硅基底88.70%和76.59%的基准水平。特别值得注意的是，CNN-CPCA模型对银纳米阵列样品的分类错误率仅为硅基底样品的八分之一。这些突破性进展证实了等离子体工程基底在增强光谱特征表达、降低信号重叠方面的关键作用，为高精度空间-光谱联合特征分析提供了新的技术路径。

图1 整体研究内容介绍图

该工作获得广西科技基地和人才专项项目的资助。

论文作者： 董新伟，赵旭，郑富新，徐国效，张涛，周明勇，周瑾，刘宴升，王国富。

论文链接：https://doi.org/10.1016/j.microc.2025.113465