基于神经网络的常用飞行器表面材质识别方法

摘要

本发明涉及一种基于神经网络的常用飞行器表面材质识别方法，包括如下步骤：步骤1：采集多种常用飞行器表面材料的大量漫反射红外光谱；步骤2：对采集的光谱进行预处理；步骤3：按照传统材质检测法对材质进行检测，并对相应材质红外光谱进行标定，建立红外光谱数据与材质匹配模型；步骤4：对数据库红外光谱进行分类；步骤5：将光谱数据进行格式转换，利用神经网络对数据库进行深度学习和训练，建立其神经网络模型；所述神经网络分为输入层和竞争层，网络竞争层的各神经元通过竞争来获取对输入模式的响应机会，最后只有一个神经元成为胜利者；该方法无需样品制备即可外场对样品进行分析，识别的准确率平均达到85%以上。