典型文献
基于卷积神经网络和便携式拉曼光谱仪的彩色矿物颜料成分分析
文献摘要：
使用便携式拉曼光谱仪检测矿物颜料具有检测速度快、操作简单、非破坏性等优势,但是会引入更多的环境光和噪声,为光谱分析带来困难.为了解决上述问题,提出一种深度卷积神经网络模型(Deep Convolutional Neural Network,Deep-CNN),该模型使用多个卷积层和多个池化层在深度方向提取拉曼光谱特征,然后使用全连接层进行分类,可以有效消除环境光和噪声的影响,自动、准确地识别三元混合矿物颜料的成分.实验结果表明:当训练集和验证集数量不少于140条光谱,或测试集信噪比不低于30 dB时,模型准确率为100％;使用与训练集成分不同的混合物光谱进行测试,准确率也达到了100％,这说明模型具备很强的鲁棒性.该研究为使用便携式拉曼光谱仪检测矿物颜料提供了一种可行的解决方案.
文献关键词：
拉曼光谱;矿物颜料;卷积神经网络;便携式拉曼光谱仪
中图分类号：
作者姓名：
祁文博;牟涛涛;陈少华
作者机构：
北京信息科技大学仪器科学与光电工程学院,北京 100192
文献出处：
引用格式：
[1]祁文博;牟涛涛;陈少华-.基于卷积神经网络和便携式拉曼光谱仪的彩色矿物颜料成分分析)[J].传感器世界,2022(03):16-22
A类：
B类：
便携式拉曼光谱仪,矿物颜料,颜料成分,检测速度,破坏性,环境光,光谱分析,深度卷积神经网络,卷积神经网络模型,Deep,Convolutional,Neural,Network,模型使用,卷积层,池化,光谱特征,全连接层,层进,混合矿,训练集,验证集,测试集,dB,模型准确率,混合物
AB值：
0.251552
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
