[发明专利]一种基于胶囊网络和太赫兹光谱图像的物质识别方法

说明书

本申请公开了一种基于胶囊网络和太赫兹光谱图像的物质识别方法，将采集的若干待训练物质样品的太赫兹数据转换为太赫兹光谱图像，得到训练集；对训练集进行数据增强处理，得到扩充后的训练集；基于扩充后的训练集对预先构建的胶囊网络进行训练，直至胶囊网络收敛，得到物质识别模型；在采集待识别物质样品的太赫兹数据后，将待识别物质样品的太赫兹数据转换为太赫兹光谱图像，并将待识别物质样品的太赫兹光谱图像输入至物质识别模型进行识别，得到待识别物质样品的识别结果，解决了现有的物质识别方法采用传统的卷积神经网络识别太赫兹光谱图像，在池化运算过程中容易丢失图像特征的位置信息，使得物质识别的准确率不高的技术问题。

技术领域

本申请涉及图像识别技术领域，尤其涉及一种基于胶囊网络和太赫兹光谱图像的物质识别方法。

背景技术

近年来，太赫兹光谱技术得到了广泛的关注，太赫兹光谱技术是一种非接触测量技术，可以对半导体和介质薄膜的物理信息进行快速准确的测量，而且太赫兹光谱技术信噪比高，能够迅速地对样品组成的细微变化做出分析和鉴别。

特征提取和物质识别是太赫兹光谱识别领域的关键，现有的物质识别方法采用传统的卷积神经网络识别太赫兹光谱图像，在池化运算过程中容易丢失图像特征的位置信息，使得物质识别的准确率不高。

发明内容

本申请提供了一种基于胶囊网络和太赫兹光谱图像的物质识别方法，用于解决现有的物质识别方法采用传统的卷积神经网络识别太赫兹光谱图像，在池化运算过程中容易丢失图像特征的位置信息，使得物质识别的准确率不高的技术问题。

有鉴于此，本申请第一方面提供了一种基于胶囊网络和太赫兹光谱图像的物质识别方法，包括：

在采集若干待训练物质样品的太赫兹数据后，将所述待训练物质样品的太赫兹数据转换为太赫兹光谱图像，得到训练集；

对所述训练集进行数据增强处理，得到扩充后的训练集；

基于扩充后的训练集对预先构建的胶囊网络进行训练，直至所述胶囊网络收敛，得到物质识别模型，其中，所述胶囊网络包括一层卷积层、一层胶囊层和一层全连接层；

在采集待识别物质样品的太赫兹数据后，将所述待识别物质样品的太赫兹数据转换为太赫兹光谱图像，并将所述待识别物质样品的太赫兹光谱图像输入至所述物质识别模型进行识别，得到所述待识别物质样品的识别结果。

可选的，所述对所述训练集进行数据增强处理，得到扩充后的训练集，包括：

将生成的噪声数据输入到对抗生成网络，使得所述对抗生成网络中的生成网络对所述噪声数据进行处理，输出生成图像；

将所述训练集中的太赫兹光谱图像作为真实图像，将所述真实图像和所述生成图像输入到对抗生成网络中，使得所述对抗生成网络中的判别网络对所述真实图像和所述生成图像进行鉴别，输出鉴别结果；

基于所述鉴别结果，通过损失函数计算损失值，并基于所述损失值更新所述对抗生成网络的参数，直至所述对抗生成网络收敛，输出训练好的对抗生成网络；

通过所述训练好的对抗生成网络生成预置数量的训练样本，得到扩充后的训练集。

可选的，所述对抗生成网络的损失函数为：

式中，E(·)为求取期望值的函数，p_data(x_i)为真实图像x_i的分布，p_s(z_i)为生成图像z_i的分布，D(x_i)为判别网络D判别真实图像x_i是否真实的概率，D(G(z_i))为判别网络D判别生成网络G生成的生成图像z_i是否真实的概率。