10.11857/j.issn.1674-5124.2018110104
基于多层感知器-Fisher判别分析的车用保险杠红外光谱鉴别
利用光谱检测和数据分析实现不同种类汽车保险杠碎片的快速无损检测和精确识别与分类具有重要的意义,采集8个品牌共计38个汽车保险杠碎片的红外谱图,预处理采用自动基线校正、峰面积归一化、多元散射校正和Savitzky-Golay平滑,通过小波阈值进行去噪处理,借助主成分分析(PCA)提取特征变量,建立基于多层感知器(MLP)的Fisher判别分析(FDA)分类模型.实验结果表明:数据在20维矩阵上特征提取最好,包含的信息量足够大,MLP模型对样本种类的识别准确率为74.70%,在20维特征数据上构建FDA模型,求得Z1和Z2判别函数式以及各样本分布散点图,其中35个样本实现了正确的区分和归类,分类准确率为92.1%,相比较单一MLP模型,MLP-FDA区分能力更强、精度更高.综上,将红外光谱技术与MLP-FDA模型结合可以实现对车用保险杠碎片的快速无损鉴别,且模型检测精度高,方法具有普适性和借鉴意义.
车用保险杠碎片、红外光谱、多层感知器、Fisher判别分析、鉴别
45
O433.4(光学)
中国人民公安大学2019年度基本科研业务费重点项目2019JKF223;中国人民公安大学2019年拔尖人才培养专项资助硕士研究生科研创新项目2019ssky003
2019-06-12(万方平台首次上网日期,不代表论文的发表时间)
共6页
74-78,92