近年来随着塑料的广泛使用，微塑料颗粒总数呈指数级增加，严重破坏海
洋的生态环境，对人与动物的健康造成威胁。显微拉曼光谱技术在微塑料分析
方面具备诸多优势，但传统的拉曼分析需要复杂的人工预处理且分析存在主观
性，无法满足实时性与原位分析的要求。因此本论文研究并开发了应用于微塑
料自动化显微拉曼分析的相关算法。
       本论文自主搭建了一套桌面显微拉曼系统，分别采集了标准微塑料样品、
海洋沉积物以及海水中的颗粒物的显微图片及相应的拉曼光谱。采用双窗口自
适应阈值分割技术，实现了颗粒物轮廓与相关参数的提取，并且验证了该算法
对于颗粒尺寸差异、光照不均匀、对比度及形状差异的鲁棒性。在此基础上，
开发并验证了基于背景建模的新增颗粒物识别以及基于黄金分割搜索的自动聚
焦算法，实现自动化显微拉曼数据获取。经实验，在模拟连续运行条件下对于
新增颗粒的检测成功率大于 90%。
       在对采集到的拉曼光谱进行平滑滤波、基线校正、重采样及归一化等预处
理的基础上，本论文搭建了结合残差层和多输入网络结构的深度学习模型，将
待匹配光谱和数据库光谱作为模型的输入，来获得模型对输入光谱相似度的评
分。为了克服实测光谱数据的有限性，本论文使用模拟光谱生成的方法批量生
成数据集，经训练的模型对于模拟数据集的分类准确率达到 99.98%。使用采集
到的 10 种标准微塑料拉曼光谱制作原始数据集、背景扣除数据集、背景扣除加
基线校正及平滑滤波数据集，对比支持向量机、K 近邻、决策树三种模型，证
明了本模型在光谱分类上的优势。为进一步验证模型泛化能力，使用生活塑料
模拟海洋微塑料进行分类，准确率达到 100%。再使用采集到的疑似微塑料样品
和矿物颗粒分别与微塑料库和矿物库进行匹配，模型检测到了聚对苯二甲酸乙
二醇酯、聚碳酸酯等微塑料以及方解石、光线石等矿物。
       本论文研究的基于显微拉曼的微塑料光谱自动获取与识别算法，有望部署
于深海原位显微拉曼分析仪，实现无人值守下深海微塑料自动显微拉曼分析。