基于太赫兹光谱与神经网络的液体违禁品检测

来源 :天津理工大学 | 被引量 : 0次 | 上传用户:BEYONDPEAKER
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
太赫兹对大多数包装材料(如皮革、木材和报纸)具备良好的无损性和穿透性,因此在安检领域受到广泛的关注。然而,在液体违禁品的光谱分类中存在两个主要困难:(1)液体违禁品的成分复杂,其太赫兹波峰的位置和强度难以获取,导致无法准确高效提取手工特征。(2)液体成分类型相近的违禁品光谱存在重叠效应,导致光谱类别分类困难。为了解决上述问题,本文以液体违禁品太赫兹光谱为研究对象,建立了太赫兹光谱数据集,分析了太赫兹光谱的变化趋势及特点。此外,对太赫兹光谱数据集进行了预处理并结合深度学习方法进行特征提取与分类。文章的主要研究工作如下:1.使用太赫兹时域光谱系统建立了两个太赫兹光谱数据集,包括五种不同类别的液体违禁品(纯乙醇、纯净水、爽肤水、香油和菜籽油)的数据集和七种不同浓度乙醇水溶液(纯乙醇和纯净水的体积比率为2:1、1:1、1:2、0.5:2、0.5:4和0:3)的数据集。2.提出了基于卷积神经网络(Convolutional Neural Network,CNN)的实时多类别、多浓度的液体违禁品光谱分类框架。该框架既能检测成分较复杂的液体违禁品,又能区分不同浓度的液体违禁品。同时,评估了框架在不同信噪比(Signal Noise Ratio,SNR)下的鲁棒性。3.基于液体违禁品光谱分类框架,开发了一个液体违禁品分析及检测的图形用户界面,实现了液体违禁品光谱数据的上传及快速判别。实验结果表明,与其他深度学习和机器学习算法相比,我们所提出来的基于CNN的框架取得了最好的性能。在低信噪比的情况下,不同种类液体违禁品和不同浓度乙醇水溶液的分类准确率分别达到98.00%和97.14%。同时,我们设计的液体违禁品分析及检测用户界面可为安检人员提供便利,加快太赫兹产品在安检中的推广。
其他文献
实时嵌入式系统通常具有严格的实时性约束。然而高速缓存的应用使得任务的最坏执行时间无法精确预估,这通常会造成任务最坏执行时间的过量估计,降低调度算法的有效性,给系统的实时性带来负面影响。为精确估算任务的最坏执行时间引入了高速缓存锁定机制,其核心思想是将某些指令和数据锁定在高速缓存之中,在任务执行过程中,这些被锁定的内容将不会被替换,人们可以清楚的知道哪些内容存储在高速缓存中,进而精确地预估任务的最坏
高端装备制造业(High-end Equipment Manufacturing,以下简称HEM)作为战略性新兴产业之一,是推动我国工业转型升级的重要引擎。大力培育和发展HEM业,不仅是当前“双循环”经济背景下产业发展的大势所趋,更是驱动国产装备入局全球高端产业链,提升产业核心竞争力的势在必行之举。虽然我国HEM业在多项国家政策扶持下获得了较大程度上的发展,但仍面临着核心技术与关键零部件高度依赖进
大脑作为人体最重要的器官,一些不健康的生活方式可能会导致各种脑部疾病的产生,这些疾病严重威胁着人类的身体健康。临床上通常使用核磁共振对脑部结构进行成像,之后由医生对核磁共振成像中的各个脑部组织进行区分,进而对脑部疾病进行分析。但是人工区分脑部组织耗时较长,对专业知识要求较高且可复现性较差,因此对脑组织实现自动且准确的语义分割十分重要。目前基于深度学习的3D MRI语义分割网络存在两个问题:1、多尺
随着工业技术的不断进步,工业应用装备对于密封结构的密封效果要求越来越高,填料密封等传统的密封形式由于其密封原理缺陷,导致传统密封存在的磨损量大、摩擦产生的热量高等问题难以解决。对于出现的这种情况,需要研究一种具备泄漏量低、可靠性高等优点的密封方式。相对于传统密封方式,磁流体密封作为一种新的密封形式逐渐得到了研究人员的关注。在密封液体时,由于磁流体密封应用于旋转机械中涉及非常复杂的物理过程,致使磁流
光引发剂是光聚合体系的重要组成成分,在光源照射下它通过化学反应产生活性种引发光聚合。光聚合使用的传统光源为汞灯,但是,由于汞污染对环境和生物安全的危害,汞灯的使用受到限制;相比汞灯,可见光发光二极管(LED)更加节能,环境友好。由此,开发吸收波长与LED可见光源匹配的、并具有良好引发效率的光引发剂具有重要研究意义。吡咯并[3,2-b]吡咯是10-π电子杂环,有优越的光电性质,10电子结构给电子能力
水污染对人类的生存与发展具有严重负面效应。生物法相较物理法和化学法,处理效率高、生态融合性好。然而工业废水中存在相当量的有毒有害污染物,以及当污染物在水体中的含量较低时,生物法的处理效率明显降低。考虑到水体自净过程无外乎是物理、化学和生物三种净化方式协同作用的结果。因而模拟自净化过程,研发仿生态方法,尽量减少污染治理中二次污染/污染转移成为趋势。本工作以清洁能源——太阳能作为治理污染的能源,同时选
在机器学习领域,多示例学习作为一种弱监督学习方法,已被广泛应用于计算机视觉、文本分类、医学影像分析等领域。近年来,随着深度学习技术的快速发展,结合神经网络的深度模型成为多示例学习领域的一个重要研究方向,深度模型可以有效地学习示例的高级表示,进而取得比传统浅层多示例学习方法更好的分类效果。然而,一方面现有多示例神经网络通常将包中示例视为独立同分布的,这忽略了示例间存在重要结构信息这一事实;另一方面许
学位
配位聚合物利用有机配体作为化学桥,将金属离子连接起来,使该材料兼具有机和无机材料的优良性质,成为配位化学、晶体学、物理化学等多个领域的研究热点。本文利用甲酸根和草酸根作为桥连配体,以质子化的N,N’-二(3-氨丙基)乙基乙胺、3,3’-二氨基二丙基胺、N,N’-二甲基-1,3-丙二胺、N-甲基-1,3-丙二胺、苄胺、R(+)-α-甲基苄胺、三乙胺、三亚乙基四胺作为阳离子模板,诱导出十一例新型配位聚
随着5G的到来,网络的交互行为将变得更加频繁,数据的上传和下载量将是之前4G时代的数倍。这也就表明了无论是服务器还是云都需要比过去速度更快、容量更大的存储设备。新的存储技术,将成为存储行业的重要研究目标。由于互补型金属氧化物半导体(CMOS)技术逐渐接近其尺寸极限,目前电子工业中使用的传统闪存在缩小尺寸的方面已经达到极限。电阻随机存取存储器具有金属-绝缘体-金属(MIM)结构,其利用电阻转变行为来