基于Siamese网络的矿物拉曼光谱识别

摘要：

矿物分析在地质勘测及工程应用中都是一项极为关键的工作,在矿物分析中,相比于传统的物理方法和化学方法,拉曼光谱检测能提供更快速的定性定量分析,最重要的是,它对矿物的损伤可以忽略不计.而基于拉曼光谱的数据分析,传统的机器学习方法效果并不理想,尤其在矿物种类极其庞大的情况下.为此,提出一种基于Siamese网络的相似性学习方法,采用Hungarian算法来优化负样本,与传统的机器学习算法相比,得到了鲁棒性最好的结果.Siamese网络计算出矿物之间的相似度,除了能对矿物进行识别,还可以在一定程度上为该矿物的替代材料提供参考.

关键词：视觉、拉曼光谱、机器学习、Siamese网络、相似性学习、矿物分析

所属期刊栏目：57

分类号：TP391(计算技术、计算机技术)

在线出版日期：2020-07-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：262-268