[發(fā)明專利]一種基于膠囊網(wǎng)絡(luò)和太赫茲光譜圖像的物質(zhì)識別方法

有效

• 申請?zhí)枺?/td>: 202010795754.6
• 申請日: 2020-08-10
• 公開（公告）號: CN111931761B
• 公開（公告）日: 2023-07-28
• 發(fā)明（設(shè)計）人: 程良倫;李鳳;何偉健;吳衡
• 申請（專利權(quán)）人: 廣東工業(yè)大學(xué)
• 主分類號: G06V10/143
• 分類號: G06V10/143;G06V10/774;G06V10/764;G06V10/82;G06N3/0464
• 代理公司: 北京集佳知識產(chǎn)權(quán)代理有限公司 11227
• 代理人: 黃忠

本申請公開了一種基于膠囊網(wǎng)絡(luò)和太赫茲光譜圖像的物質(zhì)識別方法，將采集的若干待訓(xùn)練物質(zhì)樣品的太赫茲數(shù)據(jù)轉(zhuǎn)換為太赫茲光譜圖像，得到訓(xùn)練集；對訓(xùn)練集進行數(shù)據(jù)增強處理，得到擴充后的訓(xùn)練集；基于擴充后的訓(xùn)練集對預(yù)先構(gòu)建的膠囊網(wǎng)絡(luò)進行訓(xùn)練，直至膠囊網(wǎng)絡(luò)收斂，得到物質(zhì)識別模型；在采集待識別物質(zhì)樣品的太赫茲數(shù)據(jù)后，將待識別物質(zhì)樣品的太赫茲數(shù)據(jù)轉(zhuǎn)換為太赫茲光譜圖像，并將待識別物質(zhì)樣品的太赫茲光譜圖像輸入至物質(zhì)識別模型進行識別，得到待識別物質(zhì)樣品的識別結(jié)果，解決了現(xiàn)有的物質(zhì)識別方法采用傳統(tǒng)的卷積神經(jīng)網(wǎng)絡(luò)識別太赫茲光譜圖像，在池化運算過程中容易丟失圖像特征的位置信息，使得物質(zhì)識別的準確率不高的技術(shù)問題。

技術(shù)領(lǐng)域

本申請涉及圖像識別技術(shù)領(lǐng)域，尤其涉及一種基于膠囊網(wǎng)絡(luò)和太赫茲光譜圖像的物質(zhì)識別方法。

背景技術(shù)

近年來，太赫茲光譜技術(shù)得到了廣泛的關(guān)注，太赫茲光譜技術(shù)是一種非接觸測量技術(shù)，可以對半導(dǎo)體和介質(zhì)薄膜的物理信息進行快速準確的測量，而且太赫茲光譜技術(shù)信噪比高，能夠迅速地對樣品組成的細微變化做出分析和鑒別。

特征提取和物質(zhì)識別是太赫茲光譜識別領(lǐng)域的關(guān)鍵，現(xiàn)有的物質(zhì)識別方法采用傳統(tǒng)的卷積神經(jīng)網(wǎng)絡(luò)識別太赫茲光譜圖像，在池化運算過程中容易丟失圖像特征的位置信息，使得物質(zhì)識別的準確率不高。

發(fā)明內(nèi)容

本申請?zhí)峁┝艘环N基于膠囊網(wǎng)絡(luò)和太赫茲光譜圖像的物質(zhì)識別方法，用于解決現(xiàn)有的物質(zhì)識別方法采用傳統(tǒng)的卷積神經(jīng)網(wǎng)絡(luò)識別太赫茲光譜圖像，在池化運算過程中容易丟失圖像特征的位置信息，使得物質(zhì)識別的準確率不高的技術(shù)問題。

有鑒于此，本申請第一方面提供了一種基于膠囊網(wǎng)絡(luò)和太赫茲光譜圖像的物質(zhì)識別方法，包括：

在采集若干待訓(xùn)練物質(zhì)樣品的太赫茲數(shù)據(jù)后，將所述待訓(xùn)練物質(zhì)樣品的太赫茲數(shù)據(jù)轉(zhuǎn)換為太赫茲光譜圖像，得到訓(xùn)練集；

對所述訓(xùn)練集進行數(shù)據(jù)增強處理，得到擴充后的訓(xùn)練集；

基于擴充后的訓(xùn)練集對預(yù)先構(gòu)建的膠囊網(wǎng)絡(luò)進行訓(xùn)練，直至所述膠囊網(wǎng)絡(luò)收斂，得到物質(zhì)識別模型，其中，所述膠囊網(wǎng)絡(luò)包括一層卷積層、一層膠囊層和一層全連接層；

在采集待識別物質(zhì)樣品的太赫茲數(shù)據(jù)后，將所述待識別物質(zhì)樣品的太赫茲數(shù)據(jù)轉(zhuǎn)換為太赫茲光譜圖像，并將所述待識別物質(zhì)樣品的太赫茲光譜圖像輸入至所述物質(zhì)識別模型進行識別，得到所述待識別物質(zhì)樣品的識別結(jié)果。

可選的，所述對所述訓(xùn)練集進行數(shù)據(jù)增強處理，得到擴充后的訓(xùn)練集，包括：

將生成的噪聲數(shù)據(jù)輸入到對抗生成網(wǎng)絡(luò)，使得所述對抗生成網(wǎng)絡(luò)中的生成網(wǎng)絡(luò)對所述噪聲數(shù)據(jù)進行處理，輸出生成圖像；

將所述訓(xùn)練集中的太赫茲光譜圖像作為真實圖像，將所述真實圖像和所述生成圖像輸入到對抗生成網(wǎng)絡(luò)中，使得所述對抗生成網(wǎng)絡(luò)中的判別網(wǎng)絡(luò)對所述真實圖像和所述生成圖像進行鑒別，輸出鑒別結(jié)果；

基于所述鑒別結(jié)果，通過損失函數(shù)計算損失值，并基于所述損失值更新所述對抗生成網(wǎng)絡(luò)的參數(shù)，直至所述對抗生成網(wǎng)絡(luò)收斂，輸出訓(xùn)練好的對抗生成網(wǎng)絡(luò)；

通過所述訓(xùn)練好的對抗生成網(wǎng)絡(luò)生成預(yù)置數(shù)量的訓(xùn)練樣本，得到擴充后的訓(xùn)練集。

可選的，所述對抗生成網(wǎng)絡(luò)的損失函數(shù)為：

式中，E(·)為求取期望值的函數(shù)，p_data(x_i)為真實圖像x_i的分布，p_s(z_i)為生成圖像z_i的分布，D(x_i)為判別網(wǎng)絡(luò)D判別真實圖像x_i是否真實的概率，D(G(z_i))為判別網(wǎng)絡(luò)D判別生成網(wǎng)絡(luò)G生成的生成圖像z_i是否真實的概率。