As diferenças entre instrumentos de espectroscopia no infravermelho próximo dificultam o uso compartilhado de modelos de predição em diferentes aparelhos, limitando a aplicação da tecnologia. Para reduzir a dificuldade de reconstruir modelos de predição após deslocamento espectral, este artigo propõe um método de transferência de modelo espectral no infravermelho próximo baseado em um autoencoder gêmeo de redução de ruído com ponte convolucional (CBSDAE). O método utiliza o codificador do autoencoder convolucional de redução de ruído (CDAE) para extrair características latentes do espectro e, através de uma rede neural convolucional, ajusta a função de mapeamento de transferência entre as características latentes do espectro da máquina fonte e da máquina destino, reconstruindo finalmente os espectros transferidos pelo decodificador do CDAE. Para verificar sua eficácia, o artigo avalia espectros de tabaco no infravermelho próximo e os resultados da predição de componentes químicos. Os resultados mostram que os espectros da máquina destino transferidos pelo método CBSDAE coincidem fortemente com os espectros da máquina fonte. Em comparação com padronização direta (DS), padronização direta segmentada (PDS), algoritmo de correção de diferença espectral (SSC), algoritmo de Shenk, rede neural convolucional (CNN) e algoritmo de autoencoder profundo, o método de transferência espectral reduziu o erro percentual médio relativo na predição de nicotina em 6,42%, 5,84%, 5,32%, 5,24%, 4,35% e 4,85%, respectivamente, e o RMSEP previsto e os coeficientes de correlação também foram superiores aos desses métodos. Os resultados indicam que este método é um método eficaz de transferência de modelo.

transferência de modelo;codificador;gêmeo;ponte convolucional;espectros no infravermelho próximo