基于全光衍射深度神经网络的矿物拉曼光谱识别方法

发布时间：2021-08-10 07:22

　　提出了一种基于全光衍射神经网络的矿物拉曼光谱识别方法。首先,分析矿物拉曼光谱的数据结构特征,对比分析了传统神经网络与光学衍射神经网络的异同,根据预处理后的数据构建光学衍射神经网络;然后,采用交叉熵损失函数和Adam算法对光学衍射神经网络进行训练,得到优化的网络参数;最后,在仿真条件下,验证和分析不同栅格高度精度对矿物识别正确率的影响,给出了不同栅格高度精度对应的网络正确率及正确率损失。该方法在RRUFF矿物拉曼光谱数据库上的测试结果显示:五类矿物识别正确率为94.2%,证明利用光学衍射神经网络进行拉曼光谱分类具有可行性,为光学衍射神经网络的应用提供参考;栅格高度在6 bit精度条件下,五类矿物正确率为93.6%,证明栅格高度离散化能够在保证网络正确率的同时极大降低光栅制作难度,为光栅制备提供理论支撑。 

【文章来源】：红外与激光工程. 2020,49(10)北大核心EICSCD

【文章页数】：8 页

【参考文献】：
期刊论文
[1]深度学习算法及其在光学的应用[J]. 周宏强,黄玲玲,王涌天.  红外与激光工程. 2019(12)
[2]基于深度学习的机载激光海洋测深海陆波形分类（英文）[J]. 胡善江,贺岩,陶邦一,俞家勇,陈卫标.  红外与激光工程. 2019(11)
[3]基于3D卷积神经网络的PolSAR图像精细分类[J]. 张腊梅,陈泽茜,邹斌.  红外与激光工程. 2018(07)



本文编号：3333741