Las diferencias entre los instrumentos de espectroscopia de infrarrojo cercano dificultan el uso compartido del modelo de predicción entre diferentes instrumentos, lo que limita la aplicación de la tecnología. Para reducir la dificultad de reconstruir el modelo de predicción después de un desplazamiento espectral, este artículo propone un método de transferencia de modelo de espectros de infrarrojo cercano basado en un autoencoder gemelo de reducción de ruido con puente convolucional (CBSDAE). Este método utiliza el codificador del autoencoder convolucional de reducción de ruido (CDAE) para extraer características latentes del espectro, y ajusta mediante una red neuronal convolucional la función de mapeo de transferencia entre las características latentes del espectro de la máquina fuente y la máquina objetivo, para finalmente reconstruir los espectros transferidos mediante el decodificador del CDAE. Para verificar su eficacia, se evaluaron los espectros de tabaco de infrarrojo cercano y los resultados de predicción de componentes químicos. Los resultados muestran que los espectros de la máquina objetivo transferida por el método CBSDAE coinciden fuertemente con los espectros de la máquina fuente. En comparación con la estandarización directa (DS), la estandarización directa por segmentos (PDS), el algoritmo de corrección de diferencia espectral (SSC), el algoritmo de Shenk, la red neuronal convolucional (CNN) y el algoritmo de autoencoder profundo, este método de transferencia espectral redujo el error relativo medio de predicción de nicotina en un 6,42%, 5,84%, 5,32%, 5,24%, 4,35% y 4,85%, respectivamente, mejorando también el RMSEP y el coeficiente de correlación en comparación con los métodos mencionados. Los resultados indican que este método es un método efectivo de transferencia de modelos.

transferencia de modelo;codificador;gemelo;puente convolucional;espectros de infrarrojo cercano