基于卷积神经网络的工程塑料太赫兹光谱分类识别方法 |
| |
引用本文: | 郑志杰,林振衡,谢海鹤,聂泳忠.基于卷积神经网络的工程塑料太赫兹光谱分类识别方法[J].光谱学与光谱分析,2023(5):1387-1393. |
| |
作者姓名: | 郑志杰 林振衡 谢海鹤 聂泳忠 |
| |
作者单位: | 1. 福州大学机械工程及自动化学院;2. 莆田学院新工科产业学院;3. 西人马联合测控(泉州)科技有限公司 |
| |
基金项目: | 国家自然科学基金项目(62103209);;福建省自然科学基金项目(2022J01116)资助; |
| |
摘 要: | 工程塑料优异的介电性能和金属可替代性,使其成为5G建设的热门材料。对外观相近但性能不同的几种工程塑料的检测与定性分析,有助于工程塑料更好地应用于5G线路板和天线模块的制造。应用太赫兹时域光谱技术(THz-TDS)对几种常见的工程塑料PEEK、 PPS、 ABS进行光谱检测,分别得到三种工程塑料在太赫兹波段的光谱数据。通过快速傅里叶变换,将三种工程塑料的THz时域光谱进行转换,获取工程塑料在0.1~1.2 THz下的THz频域光谱,并经过计算提取出相应的吸收光谱。分析THz时域光谱可知,不同种类工程塑料的THz时域谱存在时间延迟线和振幅的差异,可以直观地显示出各种塑料间的差异,这表明工程塑料的THz-TDS分类识别具有一定的可行性。但由于同属工程塑料,在太赫兹波段上表现为峰位、峰值相近,且各个材料无明显的THz特征吸收峰,因此无法直接以指纹谱进行判定。鉴于此,研究将非线性工具卷积神经网络(CNN)应用于无明显特征吸收峰的工程塑料识别研究的可行性,通过对CNN的网络结构和重要权值参数的优化,提出了一种改进的CNN分类模型。该模型使用LeakyRelu激活函数,添加BN层,利用Adams梯度...
|
关 键 词: | 太赫兹时域光谱检测技术 工程塑料 卷积神经网络 分类识别 |
|