深度学习辅助的秒激光消光火花诱导分解光谱用于快速准确地识别比斯木铜
Xiaoyong He1, Jianchang Hu2, Xiao Peng3
1School of Electronic Engineering and Intelligentization, Dongguan University of Technology, Dongguan, Guangdong, 523808, China.
这项研究引入了一种深度学习方法,使用 femtosecond激光除火花诱导的分解光谱 (fs-LA-SIBS) 进行准确的黄铜识别. 这种新的方法通过分析光谱特征来实现了100%的准确性来区分合金物种.
科学领域:
- 材料科学 材料科学 材料科学
- 分析化学 分析化学
- 频谱学是一种光谱学.
背景情况:
- 由于其可加工性和低毒性,黄铜被广泛使用.
- 准确识别比斯铜对于理解其特性至关重要.
- 传统的激光诱导分解光谱 (LIBS) 面临着弱且重叠的光谱线的挑战.
研究的目的:
- 开发一种先进的战略,用于快速和超高精度识别比斯木铜合金.
- 为了克服传统LIBS用于分析比斯木铜的局限性.
- 为了利用深度学习进行增强的光谱分析.
主要方法:
- 使用5秒激光消光火花诱导分解光谱 (fs-LA-SIBS) 来创建一个光谱数据库.
- 使用一维卷积神经网络 (CNN) 来区分五种黄铜.
- 提出了一种新的"细分fs-LA-SIBS波长"方法来分析光谱特征.
主要成果:
- 最优的CNN模型在识别斯木铜种时实现了100%的准确性.
- "细分fs-LA-SIBS波长"方法确定了特定的波长间隔,最有助于识别.
- 发现Ni,Cu,Sn和Zn元素的光谱特征的差异是高精度的关键因素.
结论:
- 这项研究介绍了1D CNN与fs-LA-SIBS用于比斯铜识别的首次应用.
- 与传统的机器学习方法相比,CNN表现出了卓越的性能.
- 拟议的方法准确地定义了光谱特征贡献,显示了对金分析的希望.
更多相关视频
09:40Measurement and Analysis of Atomic Hydrogen and Diatomic Molecular AlO, C2, CN, and TiO Spectra Following Laser-induced Optical Breakdown
Published on: February 14, 2014
08:53Dependence of Laser-induced Breakdown Spectroscopy Results on Pulse Energies and Timing Parameters Using Soil Simulants
Published on: September 23, 2013
相关概念视频
Atomic Emission Spectroscopy: Lab
Atomic Emission Spectroscopy: Overview
Atomic Emission Spectroscopy: Instrumentation
Atomic Spectroscopy: Absorption, Emission, and Fluorescence
