基于卷积神经网络的工程塑料太赫兹光谱分类识别方法

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...