[发明专利]基于神经网络的太赫兹时域光谱物品分类方法

说明书

本发明公开了一种基于神经网络的太赫兹时域光谱物品分类方法，本方法实现步骤为：(1)测量待分类物品的太赫兹光谱数据；(2)计算待分类物品的光学常数；(3)提取泡利分解特征值；(4)构建卷积神经网络；(5)构建训练样本的特征矩阵和测试样本的特征矩阵；(6)训练卷积神经网络；(7)获取测试样本中每个数据点的类标；(8)根据类标的不同输出分类结果。本发明测量物品的太赫兹时域光谱，应用卷积神经网络，对物品进行分类，使得本发明具有使用场景广泛、不接触、无损伤以及分类精度高的优点。

技术领域

本发明属于物理技术领域，更进一步涉及于物品分类技术领域中的一种基于神经网络的太赫兹时域光谱物品分类方法。本发明可用于对含有不同太赫兹光谱的物品进行分类。

背景技术

太赫兹时域光谱(THz-TDS)技术是近年来发展起来的光谱测量新技术，具有很多传统光谱技术所没有的优点。太赫兹波对物质结构和环境的微小变化非常敏感，太赫兹时域光谱技术在研究物质的内部结构和分子间相互作用中具有很大潜力，它可以给出物品独一无二的指纹光谱，结构非常相似的物品的太赫兹谱也具有很大差异，因此可以用于进行物品分类。一方面,不同物品的太赫兹成像可以实现光谱分辨,成像对比度非常高；另一方面,由于太赫兹波具有低能性,太赫兹波不致因为电离作用破坏所研究物品成分,能够实现物品无损不接触分类。

同方威视技术股份有限公司在申请的专利文献“用于物品查验的拉曼光谱检测方法”(专利申请号：201611257547.5，公布号：CN 108254351 A)中提出了一种用于物品查验的拉曼光谱检测方法。该方法包括以下步骤：拉曼光谱采集步骤：采集待检物品的拉曼光谱；和比对和判定步骤：将采集的待检物品的拉曼光谱与标准数据库中存储的标准物品的拉曼光谱作比对，以判定待检物品是否与标准物品匹配。所述比对和判定步骤包括：采用支持向量机对待检物品的拉曼光谱进行分类，以实现待检物品的拉曼光谱与标准数据库中存储的标准物品的拉曼光谱的比对。该方法通过物品的拉曼光谱作为特征结合支持向量机的方法，对不同物品进行分类，可以通过一次检测实现多重信息的同时匹配查验，加快物品的现场查验效率，但是，该方法仍然存在的不足之处是，激光照射在物品上获取拉曼光谱时，激发的能量较高，很有可能破坏原物品的组织结构，不能实现无损检测分类；并且直接利用拉曼光谱信息进行分类，分类的精度比较低。

人福普克药业(武汉)有限公司在其申请的专利文献“检测药物样品中六个活性成分的方法”(专利申请号：201610743206.2，公布号：CN 107782809 A)中提出了检测药物样品中六个活性成分的方法。该方法涉及的六个活性成分包括对乙酰氨基酚、盐酸去氧肾上腺素、琥珀酸多西拉敏、氢溴酸右美沙芬、愈创木酚甘油醚和马来酸氯苯那敏。该方法的步骤是，利用高效液相色谱法对每种药物样品进行检测，其中，高效液相色谱法的流动相含有：流动相A，为含有0.1v/v％三氟乙酸的水溶液，以及流动相B，为体积比为60:40的乙腈和甲醇的混合溶液。该方法能够简单、快速地同时检测出药物样品中这六种活性成分，且这六种活性成分能够被有效地分离，该检测方法虽然操作简单，适合用于检测大部分的感冒药，并且检测应用范围广泛，但是该方法仍然存在的不足之处是，该方法需要制备混合溶液，制备检测样本的过程比较复杂，没有办法进行无接触检测，并且会改变样品的状态，样品需求量大。

发明内容

本发明的目的是针对上述现有技术的不足，提供一种基于神经网络的太赫兹时域光谱物品分类方法。

实现本发明目的的思路是，先测量待分类物品的太赫兹光谱数据，计算出物品的复折射率矩阵，利用物品的复折射率构建训练样品和测试样品的特征矩阵，再搭建卷积神经网络，然后利用训练集中的特征矩阵来训练卷积神经网络，然后将测试样本中的特征矩阵输入卷积神经网络，最后根据卷积神经网络中计算得到的不同类标，输出物品的分类结果。

本发明的具体步骤如下：

(1)测量待分类物品的太赫兹光谱数据：