Title: Encoding PGAA Spectra as Images for Material Classification with Convolutional Neural
4
Networks
5
1
Chemical Sciences Division, National Institute of Standards and Technology, Gaithersburg, MD
6
20899‑8320, USA
7
E-mail address of the corresponding author: david.sheen@nist.gov
8
9
资源描述：
本文是发表于*Journal of Radioanalytical and Nuclear Chemistry*的研究论文，题为“Encoding PGAA Spectra as Images for Material Classification with Convolutional Neural Networks”。研究团队使用深度卷积神经网络（CNN），将瞬发伽马射线活化分析（PGAA）光谱编码为图像，用于材料分类。具体如下：
- **背景**：美国边境每年仅有少量集装箱接受物理检查，现有检测技术存在误报率高、依赖人工解读等问题，且无法识别食品和药品等材料的来源和成分。PGAA作为一种非破坏性技术，在工业和现场环境中得到了广泛应用，但需要创新才能成为更通用的材料筛选工具。
- **方法**：利用Gramian Angular Difference Field（GADF）变换将一维PGAA光谱数据转换为二维矩阵，随后输入CNN进行分类。研究团队还使用了class activation maps和out-of-distribution测试等方法，提高模型的可解释性和可靠性。
- **结论**：二维CNN模型在准确性、可解释性和可靠性方面均表现出色，优于传统化学计量模型。研究团队认为，该方法可用于实际场景中的材料识别，如爆炸物检测和进口材料筛选。
