本發(fā)明涉及一種物質(zhì)分類方法及裝置，尤其是一種基于太赫茲光譜的物質(zhì)分類方法及裝置。

背景技術(shù)：

1、目前，對(duì)藥品等物質(zhì)的檢測時(shí)，所述檢測方法可包括化學(xué)法、光譜法、離子遷移譜法、色譜法、質(zhì)譜法和色譜質(zhì)譜聯(lián)用技術(shù)等方法，雖然不同的檢測方法各有優(yōu)點(diǎn)，但也有相應(yīng)的限制，具體如下：

2、化學(xué)法的檢測成本低，但不易檢測出含量低、化學(xué)結(jié)構(gòu)相似的藥品，一般多用于實(shí)驗(yàn)室環(huán)境并且無法進(jìn)行快速檢測；

3、光譜法多指利用x光進(jìn)行檢測，其中，x光穿透能力極強(qiáng)，能夠檢測到包裹里物品的形狀；然而，一些藥品在x光下只能看到外部輪廓，難以進(jìn)行定性分析，同時(shí)還存在對(duì)人體的輻射危害；

4、離子遷移譜法對(duì)微量物質(zhì)非常敏感，可通過檢測人體毛發(fā)、血液或尿液來檢測人體內(nèi)是否有藥品殘留。不過，離子遷移譜法的分辨率較低、定量性差，并且只適用于低濃度范圍內(nèi)的檢測；

5、色譜法與質(zhì)譜法具有較高的靈敏度，但操作復(fù)雜且成本高，不適用于藥品的現(xiàn)場檢測。

6、隨著太赫茲技術(shù)的發(fā)展，太赫茲波被廣泛地應(yīng)用于物質(zhì)檢測領(lǐng)域并取得顯著的成果。太赫茲波通常是指頻率在0.1-10thz的電磁波，其波長范圍為30μm-3000μm，頻率處于紅外波和微波之間。相對(duì)于其它頻段的波，太赫茲波具有相干性、高穿透性、低能性、指紋光譜、強(qiáng)吸水性等特點(diǎn)。

7、太赫茲時(shí)域光譜技術(shù)(thz-tds)是獲取太赫茲頻率范圍內(nèi)高信噪比光譜數(shù)據(jù)的常用方法，太赫茲波的頻帶覆蓋了許多大分子的振動(dòng)能級(jí)和旋轉(zhuǎn)能級(jí)，它對(duì)分子間的振動(dòng)有很強(qiáng)的敏感性，特別是對(duì)集體振動(dòng)模式和空間結(jié)構(gòu)的微小差異的敏感性。因此，太赫茲光譜可以用來區(qū)分具有相似化學(xué)成分的物質(zhì)。太赫茲光譜學(xué)的瞬態(tài)、相干和寬帶特性，可以用來快速有效的獲得被測藥物的內(nèi)部分子結(jié)構(gòu)和分子之間復(fù)雜的相互作用；同時(shí)，太赫茲波的單光子能量也較低，不會(huì)對(duì)人體造成危害，也不會(huì)引起被測物質(zhì)的電解和分離。與其它光譜相比，太赫茲波更適合違禁藥物等物質(zhì)的快速、無損檢測。

8、對(duì)太赫茲時(shí)域光譜的物質(zhì)檢測，大多都是以主成分分析—傳統(tǒng)機(jī)器學(xué)習(xí)為基礎(chǔ)，首先將樣本信號(hào)進(jìn)行傅里葉變化，然后使用主成分分析對(duì)不同樣本進(jìn)行特征提取，最后使用傳統(tǒng)機(jī)器學(xué)習(xí)建立分類模型；比如：使用梯度提升決策樹模型、支持向量機(jī)模型等對(duì)降維后的太赫茲光譜進(jìn)行物質(zhì)識(shí)別，然而采用主成分分析等一些降維方式對(duì)一些太赫茲時(shí)域光譜曲線整體差異較小的化合物進(jìn)行降維時(shí)，容易缺失樣本間差異的重要特征信息，從而導(dǎo)致不佳的分類效果。若不對(duì)原始太赫茲時(shí)域光譜數(shù)據(jù)進(jìn)行降維，傳統(tǒng)機(jī)器學(xué)習(xí)分類算法難以對(duì)維數(shù)較高的光譜數(shù)據(jù)進(jìn)行分類。

9、隨著深度學(xué)習(xí)的發(fā)展，神經(jīng)網(wǎng)絡(luò)因其自動(dòng)提取特征的強(qiáng)大能力，在多類別、復(fù)雜背景等情況下的物質(zhì)檢測中表現(xiàn)出不錯(cuò)的效果。為了解決現(xiàn)有機(jī)器學(xué)習(xí)算法分類準(zhǔn)確度低的問題，公開號(hào)cn113344051a的申請(qǐng)使用了神經(jīng)網(wǎng)絡(luò)來對(duì)太赫茲數(shù)據(jù)進(jìn)行分類。公開號(hào)為cn116310575a的申請(qǐng)使用convnext-tiny網(wǎng)絡(luò)模型，并于目前流行的resnet模型作對(duì)比，進(jìn)一步提高了違禁品分類識(shí)別的準(zhǔn)確率。

10、對(duì)于太赫茲光譜這種的自然數(shù)據(jù)，深度學(xué)習(xí)利用一些非線性的結(jié)構(gòu)可以把原始數(shù)據(jù)轉(zhuǎn)變?yōu)楦映橄蟮谋磉_(dá)，實(shí)現(xiàn)特征自動(dòng)提取，并且隨著數(shù)據(jù)的豐富，算法性能也隨之提升。但是卷積通過局部感受野只能提取局部特征，并且多層卷積和池化操作的疊加會(huì)逐漸降低特征圖的分辨率，導(dǎo)致模型在全局特征提取方面存在缺陷，從而影響分類精度。

11、transformer的興起徹底解決了神經(jīng)網(wǎng)絡(luò)的一些弊端。transformer使用自注意力機(jī)制，能夠捕獲輸入數(shù)據(jù)的全局依賴關(guān)系，每個(gè)輸入位置(如圖像中的一個(gè)像素或特征)都能與其他所有位置交互，從而更好地提取全局特征。為了在自注意力機(jī)制中保留輸入序列的位置信息，transformer引入了位置編碼，使得模型能夠識(shí)別和利用輸入的相對(duì)位置信息。transformer在自然語言處理(nlp)領(lǐng)域表現(xiàn)出色，并逐漸擴(kuò)展到圖像識(shí)別領(lǐng)域。例如，vit(vision?transformer)已應(yīng)用于圖像和光譜數(shù)據(jù)分類，表現(xiàn)優(yōu)于cnn。公開號(hào)為cn116883933a的申請(qǐng)中使用基于transformer架構(gòu)的msa-detr來對(duì)違禁品進(jìn)行分類，取得了很好的效果。然而，自注意力機(jī)制的計(jì)算復(fù)雜度是ο(n2)，其中n是輸入序列的長度(對(duì)于圖像來說是像素的數(shù)量)。與卷積的局部操作相比，自注意力需要計(jì)算所有位置之間的相互關(guān)系，因此計(jì)算量更大。隨著數(shù)據(jù)量的豐富，對(duì)于物質(zhì)的分類準(zhǔn)確率會(huì)提高，而這些架構(gòu)所取得的令人印象深刻的性能通常來自于模型規(guī)模的強(qiáng)大，這就使得在資源受限的設(shè)備上應(yīng)用它們成為一個(gè)關(guān)鍵的挑戰(zhàn)。

12、為了追求輕量級(jí)模型，已經(jīng)進(jìn)行了大量的研究，皆在減少模型的資源消耗，同時(shí)保持競爭性。早期關(guān)于高效cnn的研究主要集中在通過有效的組卷積、輕量級(jí)跳躍等方式來縮小原始的卷積塊。而對(duì)于transfomer網(wǎng)絡(luò)，一些研究提出了減少vit的計(jì)算復(fù)雜度，并嘗試在輕量級(jí)模型中融合vit與cnn。然而，vit的輕量化通常是以犧牲自注意力中的全局捕獲能力為代價(jià)的。因此，現(xiàn)有的高效vit方法不得不局限于在劃分的窗口內(nèi)進(jìn)行局部自注意力操作，或者僅在分辨率低的更深階段進(jìn)行全局自注意力操作。這種令人尷尬的權(quán)衡和vit向cnn的回退，阻礙了進(jìn)一步提升輕量級(jí)模型性能的可能性。

13、上面引用的一些申請(qǐng)以及參考論文基本都是用傳統(tǒng)機(jī)器學(xué)習(xí)、深度學(xué)習(xí)來進(jìn)行太赫茲物質(zhì)的分類，少部分用到了transformer網(wǎng)絡(luò)，這些方法在分類精度和訓(xùn)練速度方面難以同時(shí)兼顧。

14、由上述說明可知，如何有效快速實(shí)現(xiàn)對(duì)物質(zhì)的分類，是目前急需解決的技術(shù)難題。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的是克服現(xiàn)有技術(shù)中存在的不足，提供一種基于太赫茲光譜的物質(zhì)分類方法及裝置，其基于太赫茲光譜能有效滿足對(duì)物質(zhì)分類的需求，提高分類的精度，降低硬件資源的消耗。

2、按照本發(fā)明提供的技術(shù)方案，一種基于太赫茲光譜的物質(zhì)分類方法，所述物質(zhì)分類方法包括：

3、提供基準(zhǔn)物質(zhì)組，并基于所述基準(zhǔn)物質(zhì)組構(gòu)建用于物質(zhì)分類的太赫茲光譜分類模型，其中，所述基準(zhǔn)物質(zhì)組包括若干的基準(zhǔn)類物質(zhì)；

4、提供待分類的目標(biāo)物質(zhì)，對(duì)目標(biāo)物質(zhì)進(jìn)行太赫茲光譜處理，以基于對(duì)目標(biāo)物質(zhì)的太赫茲光譜處理生成目標(biāo)物質(zhì)的吸收譜特征圖；

5、將目標(biāo)物質(zhì)的吸收譜特征圖加載到上述構(gòu)建的太赫茲光譜分類模型內(nèi)，以利用太赫茲光譜分類模型對(duì)目標(biāo)物質(zhì)的吸收譜特征圖進(jìn)行識(shí)別分類處理，以在識(shí)別分類處理后生成目標(biāo)物質(zhì)的類別，其中，

6、對(duì)識(shí)別分類生成目標(biāo)物質(zhì)的類別，所述類別為基準(zhǔn)物質(zhì)組中對(duì)應(yīng)的一個(gè)基準(zhǔn)類物質(zhì)。

7、基于對(duì)目標(biāo)物質(zhì)的太赫茲光譜處理生成目標(biāo)物質(zhì)的吸收譜特征圖時(shí)，包括：

8、對(duì)目標(biāo)物質(zhì)進(jìn)行太赫茲時(shí)域光譜透射處理，以獲取得到太赫茲光譜參考信號(hào)以及與目標(biāo)物質(zhì)對(duì)應(yīng)的目標(biāo)物質(zhì)太赫茲光譜信號(hào)；

9、對(duì)太赫茲光譜參考信號(hào)以及目標(biāo)物質(zhì)太赫茲光譜信號(hào)進(jìn)行預(yù)處理，以在預(yù)處理后分別生成太赫茲光譜參考目標(biāo)信號(hào)以及目標(biāo)物質(zhì)太赫茲光譜目標(biāo)信號(hào)；

10、基于太赫茲光譜參考目標(biāo)信號(hào)以及目標(biāo)物質(zhì)太赫茲光譜目標(biāo)信號(hào)，計(jì)算生成目標(biāo)物質(zhì)的目標(biāo)吸收系數(shù)；

11、基于目標(biāo)物質(zhì)的目標(biāo)吸收系數(shù)，生成目標(biāo)物質(zhì)的吸收譜特征圖。

12、對(duì)目標(biāo)物質(zhì)太赫茲光譜信號(hào)進(jìn)行預(yù)處理時(shí)，包括：

13、搜索確定目標(biāo)物質(zhì)太赫茲光譜信號(hào)的目標(biāo)峰值，并基于所搜索確定目標(biāo)峰值配置與目標(biāo)物質(zhì)太赫茲光譜信號(hào)匹配的目標(biāo)處理窗口；

14、基于目標(biāo)處理窗口與目標(biāo)物質(zhì)太赫茲光譜信號(hào)，生成目標(biāo)物質(zhì)映射光譜信號(hào)；

15、基于預(yù)設(shè)的目標(biāo)維度對(duì)目標(biāo)物質(zhì)映射光譜信號(hào)進(jìn)行維度匹配處理，以在維度匹配處理后生成目標(biāo)物質(zhì)太赫茲光譜目標(biāo)信號(hào)。

16、生成目標(biāo)物質(zhì)映射光譜信號(hào)時(shí)，將目標(biāo)處理窗口與目標(biāo)物質(zhì)太赫茲光譜信號(hào)進(jìn)行點(diǎn)乘，以在點(diǎn)乘后生成目標(biāo)物質(zhì)映射光譜信號(hào)；

17、對(duì)目標(biāo)物質(zhì)映射光譜信號(hào)進(jìn)行維度匹配處理時(shí)，包括對(duì)目標(biāo)物質(zhì)映射光譜信號(hào)進(jìn)行截?cái)嗵幚砘蛱畛涮幚怼?/p>

18、計(jì)算生成目標(biāo)物質(zhì)的目標(biāo)吸收系數(shù)時(shí)，包括：

19、將太赫茲光譜參考目標(biāo)信號(hào)以及目標(biāo)物質(zhì)太赫茲光譜目標(biāo)信號(hào)進(jìn)行頻域轉(zhuǎn)換處理，以在頻域轉(zhuǎn)換處理后分別生成對(duì)應(yīng)的太赫茲光譜參考頻域信號(hào)、目標(biāo)物質(zhì)太赫茲光譜頻域信號(hào)；

20、對(duì)太赫茲光譜參考頻域信號(hào)、目標(biāo)物質(zhì)太赫茲光譜頻域信號(hào)進(jìn)行過濾，以分別生成太赫茲光譜參考目標(biāo)頻域信號(hào)、目標(biāo)物質(zhì)太赫茲光譜目標(biāo)頻域信號(hào)；

21、基于太赫茲光譜參考目標(biāo)頻域信號(hào)以及目標(biāo)物質(zhì)太赫茲光譜目標(biāo)頻域信號(hào)，計(jì)算生成目標(biāo)物質(zhì)的目標(biāo)吸收系數(shù)，所述目標(biāo)物質(zhì)的目標(biāo)吸收系數(shù)為：

22、

23、其中，ω為角頻率，s(w)為目標(biāo)物質(zhì)太赫茲光譜目標(biāo)頻域信號(hào)；r(w)為太赫茲光譜參考目標(biāo)頻域信號(hào)；h(w)是頻率ω下的傳遞函數(shù)；d為目標(biāo)物質(zhì)的厚度；c為光在真空中的速度；ρ(ω)為目標(biāo)物質(zhì)太赫茲光譜目標(biāo)頻域信號(hào)和太赫茲光譜參考目標(biāo)頻域信號(hào)的幅值比；arg(s(w))為目標(biāo)物質(zhì)太赫茲光譜目標(biāo)頻域信號(hào)的相位；arg(r(w))為太赫茲光譜參考目標(biāo)頻域信號(hào)的相位；為目標(biāo)物質(zhì)太赫茲光譜目標(biāo)頻域信號(hào)相對(duì)太赫茲光譜參考目標(biāo)頻域信號(hào)的相位差；n(ω)為目標(biāo)物質(zhì)的折射率參數(shù)；α(ω)為目標(biāo)物質(zhì)的目標(biāo)吸收系數(shù)。

24、生成目標(biāo)物質(zhì)的吸收譜特征圖時(shí)，包括：

25、基于目標(biāo)物質(zhì)的類型，配置吸收系數(shù)頻段；

26、利用所配置的吸收系數(shù)頻段對(duì)計(jì)算生成目標(biāo)物質(zhì)的目標(biāo)吸收系數(shù)進(jìn)行篩選，以提取得到與吸收系數(shù)頻段對(duì)應(yīng)的目標(biāo)物質(zhì)篩選后目標(biāo)吸收系數(shù)；

27、基于目標(biāo)物質(zhì)篩選后目標(biāo)吸收系數(shù)，生成目標(biāo)物質(zhì)的吸收譜特征圖，其中，目標(biāo)物質(zhì)的吸收譜特征圖包括目標(biāo)物質(zhì)的吸收譜二維灰度圖。

28、所述太赫茲光譜分類模型基于efficientvmamba輕量級(jí)模型構(gòu)建生成，其中，

29、基于efficientvmamba輕量級(jí)模型構(gòu)建生成太赫茲光譜分類模型時(shí)，所述太赫茲光譜分類模型包括依次連接的分類起始層、分類識(shí)別第一模塊、分類識(shí)別第二模塊、分類識(shí)別第三模塊、分類識(shí)別第四模塊以及分類器，其中，

30、對(duì)目標(biāo)物質(zhì)的吸收譜特征圖進(jìn)行識(shí)別分類處理時(shí)，目標(biāo)物質(zhì)的吸收譜特征圖依次經(jīng)起始層、分類識(shí)別第一模塊、分類識(shí)別第二模塊、分類識(shí)別第三模塊、分類識(shí)別第四模塊以及分類器處理，并經(jīng)分類器輸出目標(biāo)物質(zhì)的類別。

31、基于基準(zhǔn)物質(zhì)組構(gòu)建太赫茲光譜分類模型時(shí)，包括：

32、構(gòu)建與太赫茲光譜分類模型對(duì)應(yīng)的太赫茲光譜分類基礎(chǔ)模型，并制作用于對(duì)太赫茲光譜分類基礎(chǔ)模型進(jìn)行訓(xùn)練的分類模型訓(xùn)練數(shù)據(jù)集，其中，

33、所述分類模型訓(xùn)練數(shù)據(jù)集包括若干訓(xùn)練樣本；

34、制作分類模型訓(xùn)練數(shù)據(jù)集時(shí)，對(duì)基準(zhǔn)物質(zhì)組內(nèi)的每一基準(zhǔn)類物質(zhì)，獲取所述基準(zhǔn)類物質(zhì)的太赫茲光譜信息，并基于每一基準(zhǔn)類物質(zhì)的太赫茲光譜信息，制作所述基準(zhǔn)類物質(zhì)對(duì)應(yīng)的吸收譜特征圖，且基于一個(gè)吸收譜特征圖形成分類模型訓(xùn)練數(shù)據(jù)集內(nèi)的一個(gè)訓(xùn)練樣本；

35、利用分類模型訓(xùn)練數(shù)據(jù)集對(duì)太赫茲光譜分類基礎(chǔ)模型進(jìn)行訓(xùn)練，并在對(duì)太赫茲光譜分類基礎(chǔ)模型訓(xùn)練達(dá)到目標(biāo)狀態(tài)時(shí)，則基于太赫茲光譜分類基礎(chǔ)模型形成太赫茲光譜分類模型。

36、所述分類識(shí)別第一模塊包括至少一個(gè)高效視覺狀態(tài)空間單元，其中，

37、每個(gè)高效視覺狀態(tài)空間單元包括兩個(gè)依次串接的視覺狀態(tài)空間塊；

38、對(duì)任一視覺狀態(tài)空間塊，包括視覺狀態(tài)第一分支以及視覺狀態(tài)第二分支，

39、利用視覺狀態(tài)第一分支進(jìn)行局部特征提取，以在局部特征提取后生成局部特征提取特征圖；

40、視覺狀態(tài)第二分支基于高效二維選擇性掃描進(jìn)行全局特征提取，以在全局特征提取后生成全局特征提取特征圖；

41、利用壓縮-激勵(lì)網(wǎng)絡(luò)對(duì)局部特征提取特征圖、全局特征提取特征圖進(jìn)行特征平衡，并在特征平衡后進(jìn)行補(bǔ)丁合并操作，且在補(bǔ)丁合并操作后生成視覺狀態(tài)空間塊處理后特征圖。

42、一種基于太赫茲光譜的物質(zhì)分類裝置，包括物質(zhì)分類終端，其中，對(duì)目標(biāo)物質(zhì)，物質(zhì)分類終端采用上述所述的物質(zhì)分類方法進(jìn)行識(shí)別分類處理，以在識(shí)別分類處理后生成目標(biāo)物質(zhì)的類別。

43、本發(fā)明的優(yōu)點(diǎn)：基于基準(zhǔn)物質(zhì)類構(gòu)建太赫茲光譜分類模型，當(dāng)太赫茲光譜分類模型基于efficientvmamba-t模型構(gòu)建生成時(shí)，則使得太赫茲光譜分類模型既有trasnfomer全局特征提取的優(yōu)勢，又具有輕量化的特性，降低對(duì)硬件資源的消耗；

44、對(duì)目標(biāo)物質(zhì)的目標(biāo)物質(zhì)太赫茲光譜信號(hào)，通過預(yù)處理方式得到對(duì)應(yīng)的吸收譜特征圖，利用太赫茲光譜分類模型對(duì)吸收譜特征圖進(jìn)行識(shí)別分類處理，可得到目標(biāo)物質(zhì)的類別，也即基于太赫茲光譜能有效滿足對(duì)物質(zhì)分類的需求，太赫茲檢測具有速度快、無損檢測、對(duì)人體無害等優(yōu)點(diǎn)，通過獲取目標(biāo)物質(zhì)的吸收光譜數(shù)據(jù)，能夠充分挖掘目標(biāo)物質(zhì)的固有特性，從而顯著提高分類的準(zhǔn)確性。