基于HNL-DSF中超连续谱生成技术的CNN多材料分类系统

《Optics & Laser Technology》：A CNN-based multi-material classification system based on supercontinuum generation in HNL-DSF

多材料分类系统基于近红外超连续光源构建，采集单/多材料塑料透射谱线，应用1D-CNN分类模型，平均精度达96.8%，优于PCA-SVM，适用于回收塑料分拣。

　　

刘龙彪|叶子明|叶峰|刘立航|林兆坦|李倩|徐杰|傅海燕

清华大学深圳国际研究生院，中国深圳518055

摘要

我们构建了一个用于近红外区域的多材料分类系统，该系统利用了在高非线性色散位移光纤中产生的超连续谱宽带光源。利用该系统，我们收集了单材料和多材料塑料样品的高光谱透射曲线。然后，我们采用了一维卷积神经网络（1D-CNN）进行分类。结果表明，即使对于多材料塑料样品，所提出的方法也能达到平均分类精度0.968 ± 0.013。我们对1D-CNN与主成分分析（PCA）结合支持向量机（SVM）进行了对比评估，以分类多材料塑料样品。结果表明，1D-CNN在多材料分类方面优于PCA-SVM。这种高光谱分类系统在回收设施中的塑料分选方面具有潜力。

引言

高光谱技术是一种先进的技术，它可以捕获样品在连续波长范围内的反射率或透射率信息。它通常应用于高光谱成像系统[1]、[16]，最近的发展将多模态信号、深度学习和基于注意力的模型结合起来，显著提高了高光谱数据的分析和解释能力。例如，三维空间-光谱注意力Transformer（TDSAT）可以有效去除噪声，同时保留关键的光谱和空间信息[14]；而结合模型驱动和数据驱动策略的自监督去噪框架，以及光谱低秩先验和深度空间先验（SLRP-DSP），进一步增强了高光谱图像处理的可靠性[15]。高光谱技术还可以与光检测和测距（LiDAR）结合使用，以实现物体识别和距离测量[2]。近年来，高光谱技术已成功应用于各种高级应用中，如确定单个细胞的生理状态[3]、区分不同的血液样本[4]以及检测坏死与健康的肠道组织[5]。为了进一步提高性能，研究人员越来越多地将高光谱数据与互补的信号源和先进算法相结合。例如，激光诱导击穿光谱与激光诱导等离子体声学信号（LIBS-LIPA）的结合，可以实现精确的金属识别[17]。多模态融合策略，如时间-频率双域增强声学处理与LIBS光谱的融合（TFDEAP）[18]、帧分割LIPA（FLIPA）融合[19]以及基于动态重叠窗口算法（DOWA）的LIPA（DLIPA）[20]，展示了多模态方法的潜力。

在实际应用中，如废物回收和材料分类，现实世界中的物体通常由多种材料组成。例如，玻璃表面可能涂有一层薄膜，或者塑料瓶可能由几种不同的聚合物构成。多材料物体的透射曲线代表了其组成材料的综合光谱特性。这些重叠或相互作用的光谱特征显著增加了光谱分析的复杂性，并对准确的材料识别提出了重大挑战。为了解决这个问题并实现多种材料的有效同时检测，我们提出了一种多材料分类系统，该系统使用通过高非线性色散位移光纤（HNL-DSF）产生的超连续谱（SC）宽带光源[6]、[7]、[8]对多材料物体进行分类。宽带光谱能够包含更广泛的材料特性，从而增强了提取丰富多样特征的能力。此外，我们还应用了一维卷积神经网络（1D-CNN）机器学习方法对多材料物体进行分类[9]。

本文的其余部分组织如下：第2节介绍了我们提出的系统的设置和一些关键组件的特点，第3节提供了实验结果及讨论，第4节给出了所提出系统的简要总结。

系统设置

系统设置

我们的实验设置如图1所示。光源由一个任意波形发生器（AWG）组成，该发生器生成矩形波触发信号，用于激发光源激光器（OSL）产生飞秒泵浦脉冲。随后，泵浦脉冲通过商用铒掺杂光纤放大器（EDFA）放大光功率，然后注入HNL-DSF。进入HNL-DSF后，泵浦脉冲通过

结果与讨论

图2(a)展示了系统接收到的光源的光功率谱，以及四种不同材料样品的透射功率谱。在1200–1400 nm的波长范围内，PET和PVC的透射率明显低于PS和PMMA，而在其他区域的光谱差异则相对难以通过视觉区分。为了消除系统误差并更清晰地突出每个样品的光谱特性，功率谱被

结论

我们提出了一种多材料分类系统，该系统有效地减少了系统误差，并产生了低噪声、宽带的光谱测量结果。通过应用三阶Savitzky-Golay滤波器，系统抑制了由OSA引入的频域波动。使用1D-CNN作为分类模型，系统实现了平均精度0.968 ± 0.013、平均召回率0.969 ± 0.010和平均F1分数0.969 ± 0.011，显著优于PCA-SVM

CRediT作者贡献声明

刘龙彪：可视化、软件编写、初稿撰写、审阅与编辑、资源准备、监督、验证、研究调查、方法论设计、项目管理、概念构思、资金获取、数据管理、正式分析。叶子明：正式分析、概念构思。叶峰：正式分析、概念构思。刘立航：项目管理、研究调查、资金获取、正式分析、数据管理、概念构思。林兆坦：研究调查，

利益冲突声明

作者声明他们没有已知的可能会影响本文所述工作的竞争性财务利益或个人关系。

致谢

本工作得到了GBA Ascend应用创新研究院、广东省人工智能与数字经济实验室（SZ）的支持，资助编号为GML-ST-2026-03。