基于主机-客户化学的深度学习辅助传感器阵列,用于对多重爆炸物的精确光视觉识别
Wenxing Gao1, Zhibin Wang2, Qiang Li1
1State Key Laboratory of Solidification Processing, School of Materials Science and Engineering, Northwestern Polytechnical University, Xi'an 710072, China.
Analytical chemistry
|May 17, 2025
概括
这项研究介绍了一种新的深度学习视觉平台,使用多色光金纳米集群来快速准确地检测爆炸物. 该系统在识别七种爆炸物时达到100%的准确性,增强了安全和监控能力.
科学领域:
- 纳米技术纳米技术
- 分析化学 分析化学
- 人工智能的人工智能
背景情况:
- 传统的分析技术难以准确和快速地分辨多重爆炸物.
- 爆炸物检测对国家安全,环境保护和公共卫生至关重要.
研究的目的:
- 开发一个深度学习辅助的人工视觉平台,用于高精度和快速的多重爆炸物的歧视.
- 为了利用多色光金纳米集群 (CD-AuNCs) 和先进的算法来增强爆炸物检测.
主要方法:
- 采用了四种不同的发射波长的光金纳米集群 (CD-AuNCs) 保护的多色光金纳米集群.
- 采用宿主-客人交互来进行选择性爆炸性结合和独特的光指纹生成.
- 集成密集卷积网络 (DenseNet) 算法与智能手机捕获的多色光数据 (RGB值) 进行分析.
主要成果:
- 在200微米的度下,为7种爆炸物实现了100%的识别准确度.
- 证明光增强是由于通过光诱导电子转移的联体刚性和火引起的.
- 通过智能手机成功捕获了多色光反应,从而实现了快速的视觉分类.
结论:
- 开发的平台提供了一个强大的工具,用于高精度和速度的现场爆炸物监测.
- 该策略为智能检测多种分析物提供了一种多功能方法,显示了现实世界安全和环境应用的潜力.
