使用太赫兹双梳光谱进行聚合物分类的多尺度特征注意网络

arXiv:2606.06554v1 公告类型：新 摘要：可靠的聚合物识别对于确保再生塑料的质量和安全至关重要，但传统的分选和光谱技术往往难以提供可靠的区分。太赫兹双梳光谱 (THz-DCS) 提供了一种有前景的替代方案，可提供快速、高分辨率和无损测量。在这项工作中，我们利用 THz-DCS 对 12 种聚合物进行分类，包括纯聚合物、多层薄膜、商业混合物和生物聚合物。为了处理这些光谱信号的复杂性，我们提出了多尺度特征注意网络（MSFAN），这是一种专为 THz-DCS 数据量身定制的新型深度学习架构。该框架集成了用于信号重新校准的特征选通和多尺度并行卷积以捕获不同的频率模式。这些特征通过跨特征注意力和注意力池进一步细化，使模型能够本质上突出显示信息最丰富的太赫兹区域。 MSFAN 始终优于最先进的模型，分类准确率达到 85.2%。这项研究展示了将 THz-DCS 与深度学习技术相结合以实现有效、可扩展和可解释的聚合物分类的潜力。