返回列表
高光谱技术结合 K-Means-LSTM 对汽车塑料保险杠的快速分类研究
目标检测
2026/09/21
摘要：为建立一种快速无损检验汽车保险杠的分析方法，利用高光谱技术对50个汽车保险杠样品进行检验分析，对高光 谱数据进行标准正态变量变换处理后，根据高光谱图的不同，将50个样品大致分为两类。利用K-means聚类法对数目较 多的第I类进一步分组，利用簇内误差平方和法确定最佳K值为4，因此将第I类样品分为4组。同时，利用K-近邻算 法、随机森林算法和长短期记忆网络算法，分别构建分类模型。K-近邻模型、随机森林模型和长短期记忆网络模型的分 类正确率分别为 69.05%、41.67%和 83.33%。通过比较，长短期记忆网络模型对汽车保险杠样品可以实现更加有效的区 分。结果表明该方法简单快速，可以为汽车保险杠类的物证鉴定提供帮助。
关键词：高光谱技术；汽车保险杠；K-means 聚类；长短期记忆网络分类模型
期刊：中国测试
DOI：https://link.cnki.net/urlid/51.1714.tb.20240914.1121.002
设备：GaiaField
