基于深度Q网络模型的X射线荧光光谱塑钢窗分类技术

发布时间:2026-06-01 | 来源:塑料工业 | 作者:姜红,宁势强,马星煜,马凯

为建立一种快速准确且无损的塑钢窗检验方法,采用赛默飞尼通手持式X射线荧光光谱仪,对40个不同品牌的塑钢窗样品进行了元素组成分析,并基于智能分类模型实现光谱数据的自动识别。仪器设置为以铑为阳极靶管电压40 kV,电流50 A,检测时间70s,Plastics模式。通过光谱特征峰强度及相对含量获取样品的多元素数据,利用比例

为建立一种快速准确且无损的塑钢窗检验方法,采用赛默飞尼通手持式X射线荧光光谱仪,对40个不同品牌的塑钢窗样品进行了元素组成分析,并基于智能分类模型实现光谱数据的自动识别。仪器设置为以铑为阳极靶管电压40 kV,电流50 A,检测时间70s,Plastics模式。通过光谱特征峰强度及相对含量获取样品的多元素数据,利用比例余弦谱聚类方法对光谱数据进行聚类分析,样品被划分为7类。为验证聚类结果的可靠性,分别采用贝叶斯判别分析法和Fisher线性判别分析法进行监督验证,判别准确率分别为97.5%和100%,表明聚类结果具有较高的可区分性与稳定性。在此基础上,构建基于深度Q网络与强化学习相结合的智能分类模型,实现X射线荧光光谱数据的自动特征提取与分类优化,模型在测试集上的分类准确率达到90%,表明该方法能够有效识别高维非线性光谱数据,实现塑钢窗样品的快速无损与高精度分类,为塑钢窗物证的成分识别与比对提供可靠的分析技术手段。

返回资讯频道