来源：期刊VIP网 时间：
作者：王晋军;周兴林;
单位：武汉科技大学机械自动化学院;
摘要：使用近红外光谱技术对沥青混合料的老化程度进行快速有效评估，对于沥青道路养护具有重要意义。为了实现不同老化程度沥青混合料的快速准确分类，提出一种基于一维残差卷积神经网络（1D-ResNet）的沥青混合料光谱分类方法。该方法是在卷积神经网络链式结构的基础上引入残差模块来构建1D-ResNet分类模型。首先对近红外光谱数据间隔平均，并进行二阶导数（2nd D）及标准正态变量变换（SNV）预处理；然后将归一化的平均光谱、2nd D光谱及SNV光谱进行光谱序列融合；最后将融合光谱数据作为模型的输入，实现对不同老化程度沥青混合料的分类。实验结果表明：对光谱数据进行间隔平均后，1D-ResNet模型分类准确率为88.38%，采用光谱序列融合后分类准确率达98.86%，能够实现对沥青混合料的准确分类识别。
关键词：沥青混合料;;光谱分类;;一维残差卷积神经网络;;光谱预处理;;序列融合;;间隔平均法
基金资助：国家自然科学基金项目（51778509）;; 国家科学自然基金项目（51827812）
