基于卷积神经网络的纸张年代红外光谱分类建模方法研究

摘要

卷积神经网络(CNNs)由于其预处理方法简单,提取信息效果好,分类准确度高在图像分类识别领域有着广泛的应用。利用CNNs建立不同年代纸张的分类定量模型。通过调节神经网络的结构,最终模型的准确率能达到90.08%。通过对比LDA和SIMCA方法(准确率分别为48%和62%),验证了CNNs方法的可靠性。实验结果表明,应用卷积神经网络可对不同年代的纸张准确、可靠的判别分类,为纸张年代的判定提供一个简单快速无损的分析方法;基于CNNs可用于红外光谱,并可获得优异的分类效果。