公开(公告)号：CN119085508B

公开(公告)日：2025-02-14

申请号：CN202411581117.3

申请日：2024-11-07

Applicant: 中国计量大学

Inventor： 王晓东 ,  倪力伟 ,  许启跃 ,  叶树亮

IPC: G01B11/06 ,  G01N21/3563

Abstract: 本发明提供了一种基于红外光谱的共挤复合薄膜厚度测量及成分识别方法，采用共挤复合薄膜的红外光谱作为对象，具有快速、无损、操作简便等优点，同时红外光谱信息量丰富。基于一维卷积神经网络（1D‑CNN）模型，首先建立共挤复合薄膜1D‑CNN定量模型，通过分析共挤复合薄膜的红外光谱数据实现高精度厚度测量。接着，在此基础上，将共挤复合薄膜1D‑CNN定量模型进行迁移，构建共挤复合薄膜1D‑CNN分类模型。此方法通过迁移学习技术，在不增加计算复杂度的前提下，显著提升了成分识别模型的构建效率。整个流程不仅能够有效提高识别准确率，还能优化模型训练速度，实现对共挤复合薄膜的厚度测量与成分识别的高效、准确的双重功能。

公开(公告)号：CN119085508A

公开(公告)日：2024-12-06

申请号：CN202411581117.3

申请日：2024-11-07

Applicant: 中国计量大学

Inventor： 王晓东 ,  倪力伟 ,  许启跃 ,  叶树亮

IPC: G01B11/06 ,  G01N21/3563

Abstract: 本发明提供了一种基于红外光谱的共挤复合薄膜厚度测量及成分识别方法，采用共挤复合薄膜的红外光谱作为对象，具有快速、无损、操作简便等优点，同时红外光谱信息量丰富。基于一维卷积神经网络（1D‑CNN）模型，首先建立共挤复合薄膜1D‑CNN定量模型，通过分析共挤复合薄膜的红外光谱数据实现高精度厚度测量。接着，在此基础上，将共挤复合薄膜1D‑CNN定量模型进行迁移，构建共挤复合薄膜1D‑CNN分类模型。此方法通过迁移学习技术，在不增加计算复杂度的前提下，显著提升了成分识别模型的构建效率。整个流程不仅能够有效提高识别准确率，还能优化模型训练速度，实现对共挤复合薄膜的厚度测量与成分识别的高效、准确的双重功能。