太赫兹光谱吸收峰提取与深度学习识别算法研究

发布时间：2025-06-26 00:57

　　太赫兹光谱能够通过检测物质分子的振动转动信息来识别物质,在食品安全、公共安全方面有广泛的应用前景。许多物质的太赫兹光谱具有特定吸收峰,使用吸收峰特征可以识别出物质。但混合物光谱中不同成分的吸收峰可能会相互混叠,难以识别被掩盖的弱峰。另一方面由于目前太赫兹光谱硬件技术的限制,光谱测量时间长,样品制作流程复杂,很难获得大量的光谱样本用于特征学习。针对以上问题,本文分别研究了太赫兹光谱的吸收峰提取和深度学习算法。传统的吸收峰提取算法分成寻峰和拟合两个独立步骤,寻峰的结果不一定适合拟合,无法根据拟合的效果反过来调整吸收峰数量,容易存在假峰、漏峰、峰位不准等问题。为此,本文提出了区间组合多峰拟合算法,光谱频段以曲线大幅度平滑后的波谷点为界划分为不同大小的区间。相邻的区间可以合并成更大的区间单独多峰拟合,采用遗传算法求解最优区间组合方案。对每种纯净物测量多次光谱,并使用密度聚类算法筛选出特征吸收峰。以纯净物特征吸收峰为标准数据,使用本文提出的吸收峰匹配识别算法能够计算含有任意个吸收峰的吸收谱与标准物质间的吸收峰相似度,进而实现物质识别和混合物成分检测。深度学习技术能够自动提取光谱的特征,无论物质是否...

【文章页数】：91 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 研究背景及意义
    1.2 课题来源
    1.3 光谱特征提取与识别算法研究现状
        1.3.1 光谱吸收峰提取算法研究现状
        1.3.2 光谱深度学习识别算法研究现状
    1.4 研究内容
    1.5 论文组织结构
第二章 项目背景及相关基础理论
    2.1 项目需求
    2.2 太赫兹光谱原理
    2.3 光学常数的计算
    2.4 传统吸收峰提取算法
        2.4.1 导数寻峰算法
        2.4.2 多峰拟合算法
    2.5 本章小结
第三章 吸收峰特征提取与匹配识别算法
    3.1 问题描述
    3.2 光谱预处理
        3.2.1 曲线平滑
        3.2.2 基线校正
    3.3 区间组合多峰拟合算法
        3.3.1 求解最优区间组合方案
        3.3.2 判断最优吸收峰数
    3.4 吸收峰密度聚类算法
    3.5 吸收峰匹配识别算法
    3.6 本章小结
第四章 太赫兹光谱深度学习识别算法
    4.1 问题描述
    4.2 卷积神经网络
        4.2.1 卷积层
        4.2.2 池化层
        4.2.3 全连接层
        4.2.4 GoogLeNet
    4.3 多尺度跨步卷积神经网络模型
        4.3.1 多尺度卷积结构
        4.3.2 整体网络框架
    4.4 本章小结
第五章 实验结果与分析
    5.1 实验准备
        5.1.1 实验环境
        5.1.2 样本制备
        5.1.3 光谱测量
    5.2 吸收峰特征提取与识别实验
        5.2.1 纯净物吸收峰提取
        5.2.2 纯净物吸收峰聚类
        5.2.3 纯净物识别
        5.2.4 混合物吸收峰提取
        5.2.5 混合物成分检测
    5.3 深度学习识别实验
        5.3.1 池化与跨步卷积对比
        5.3.2 全连接层前不同处理对比
        5.3.3 不同识别模型对比
    5.4 本章小结
结论
参考文献
攻读学位期间的学术成果
攻读学位期间参加的科研项目
致谢



本文编号：4052898