本發(fā)明涉及金屬檢測(cè)，尤其涉及一種基于金屬傳感器的金屬智能識(shí)別方法及系統(tǒng)。

背景技術(shù)：

1、在金屬檢測(cè)與識(shí)別領(lǐng)域，部分基于金屬傳感器的檢測(cè)識(shí)別技術(shù)通過(guò)單一或少量的電磁響應(yīng)參數(shù)對(duì)金屬進(jìn)行識(shí)別。在實(shí)際應(yīng)用中，某些金屬的電磁特性相似，例如銅和黃銅、鐵和鎳等材料，它們?cè)跈z測(cè)過(guò)程中容易互相干擾，導(dǎo)致識(shí)別精度不足。主要原因在于這些金屬在電磁場(chǎng)下的部分響應(yīng)特性較為相近，導(dǎo)致無(wú)法準(zhǔn)確捕捉其差異，從而影響了檢測(cè)的準(zhǔn)確性。

2、因此，針對(duì)這種金屬檢測(cè)中存在的干擾問(wèn)題，亟需提供一種檢測(cè)效果更佳的基于金屬傳感器的金屬智能識(shí)別方法及系統(tǒng)，以提升相似金屬間的檢測(cè)識(shí)別精度，增強(qiáng)系統(tǒng)的抗干擾能力。

技術(shù)實(shí)現(xiàn)思路

1、為解決上述技術(shù)問(wèn)題，本發(fā)明提出了一種基于金屬傳感器的金屬智能識(shí)別方法及系統(tǒng)，能夠充分利用多個(gè)電磁響應(yīng)參數(shù)，并基于頻率響應(yīng)特征進(jìn)行綜合分析，從而提升對(duì)相似金屬之間的識(shí)別精度。

2、為實(shí)現(xiàn)上述目的，本發(fā)明第一方面提供一種基于金屬傳感器的金屬智能識(shí)別方法，包括：

3、獲取基于目標(biāo)金屬傳感器進(jìn)行目標(biāo)金屬組合識(shí)別的歷史檢測(cè)數(shù)據(jù)，目標(biāo)金屬組合為兩種存在識(shí)別互相干擾的金屬，從歷史檢測(cè)數(shù)據(jù)中提取出多組第一檢測(cè)數(shù)據(jù)和第二檢測(cè)數(shù)據(jù)；

4、提取出每組第一檢測(cè)數(shù)據(jù)和第二檢測(cè)數(shù)據(jù)關(guān)于多個(gè)電磁響應(yīng)參數(shù)分別對(duì)應(yīng)的頻率響應(yīng)向量，根據(jù)每個(gè)電磁響應(yīng)參數(shù)對(duì)應(yīng)的多個(gè)頻率響應(yīng)向量提取出多組第一檢測(cè)數(shù)據(jù)中每個(gè)電磁響應(yīng)參數(shù)的第一頻率響應(yīng)參考列表，以及多組第二檢測(cè)數(shù)據(jù)中每個(gè)電磁響應(yīng)參數(shù)的第二頻率響應(yīng)參考列表；

5、基于第一頻率響應(yīng)參考列表提取出每個(gè)電磁響應(yīng)參數(shù)的第一響應(yīng)參考向量，基于第二頻率響應(yīng)參考列表提取出每個(gè)電磁響應(yīng)參數(shù)的第二響應(yīng)參考向量，基于第一響應(yīng)參考向量和第二響應(yīng)參考向量從多個(gè)電磁響應(yīng)參數(shù)分別對(duì)應(yīng)的頻率響應(yīng)向量中篩選出目標(biāo)樣本數(shù)據(jù)，基于目標(biāo)樣本數(shù)據(jù)構(gòu)建樣本數(shù)據(jù)集并確定第一目標(biāo)響應(yīng)矩陣和第二目標(biāo)響應(yīng)矩陣，通過(guò)樣本數(shù)據(jù)集進(jìn)行目標(biāo)金屬組合識(shí)別模型的訓(xùn)練；

6、在基于目標(biāo)金屬傳感器進(jìn)行金屬識(shí)別的過(guò)程中，若采集到的目標(biāo)檢測(cè)數(shù)據(jù)所對(duì)應(yīng)的預(yù)識(shí)別結(jié)果屬于目標(biāo)金屬組合，將目標(biāo)檢測(cè)數(shù)據(jù)輸入到目標(biāo)金屬組合識(shí)別模型中生成目標(biāo)檢測(cè)數(shù)據(jù)所對(duì)應(yīng)的第一識(shí)別結(jié)果，根據(jù)第一目標(biāo)響應(yīng)矩陣和第二目標(biāo)響應(yīng)矩陣對(duì)目標(biāo)檢測(cè)數(shù)據(jù)進(jìn)行分析生成目標(biāo)檢測(cè)數(shù)據(jù)所對(duì)應(yīng)的第二識(shí)別結(jié)果，對(duì)第一識(shí)別結(jié)果和第二識(shí)別結(jié)果進(jìn)行融合得到目標(biāo)檢測(cè)數(shù)據(jù)所對(duì)應(yīng)的目標(biāo)金屬識(shí)別結(jié)果。

7、優(yōu)選地，對(duì)于第一頻率響應(yīng)參考列表和第二頻率響應(yīng)參考列表的提取，還包括：

8、對(duì)于每個(gè)電磁響應(yīng)參數(shù)在多組第一檢測(cè)數(shù)據(jù)中分別對(duì)應(yīng)的頻率響應(yīng)向量，根據(jù)頻率響應(yīng)向量確定每個(gè)電磁響應(yīng)參數(shù)在每組第一檢測(cè)數(shù)據(jù)中關(guān)于多個(gè)檢測(cè)頻率下的響應(yīng)得分，對(duì)每個(gè)電磁響應(yīng)參數(shù)在每個(gè)檢測(cè)頻率下的多個(gè)響應(yīng)得分進(jìn)行匯總，構(gòu)建得到每個(gè)電磁響應(yīng)參數(shù)對(duì)應(yīng)的第一頻率響應(yīng)參考列表；

9、對(duì)于每個(gè)電磁響應(yīng)參數(shù)在多組第二檢測(cè)數(shù)據(jù)中分別對(duì)應(yīng)的頻率響應(yīng)向量，根據(jù)頻率響應(yīng)向量確定每個(gè)電磁響應(yīng)參數(shù)在每組第二檢測(cè)數(shù)據(jù)中關(guān)于多個(gè)檢測(cè)頻率下的響應(yīng)得分，對(duì)每個(gè)電磁響應(yīng)參數(shù)在每個(gè)檢測(cè)頻率下的多個(gè)響應(yīng)得分進(jìn)行匯總，構(gòu)建得到每個(gè)電磁響應(yīng)參數(shù)對(duì)應(yīng)的第二頻率響應(yīng)參考列表，電磁響應(yīng)參數(shù)對(duì)應(yīng)的頻率響應(yīng)參考列表包括電磁響應(yīng)參數(shù)在每個(gè)檢測(cè)頻率下的總響應(yīng)得分。

10、優(yōu)選地，基于第一響應(yīng)參考向量和第二響應(yīng)參考向量從多個(gè)電磁響應(yīng)參數(shù)分別對(duì)應(yīng)的頻率響應(yīng)向量中篩選出目標(biāo)樣本數(shù)據(jù)，包括：

11、計(jì)算第一檢測(cè)數(shù)據(jù)的每個(gè)電磁響應(yīng)參數(shù)對(duì)應(yīng)的頻率響應(yīng)向量與第一響應(yīng)參考向量之間的第一相似度，計(jì)算第二檢測(cè)數(shù)據(jù)的每個(gè)電磁響應(yīng)參數(shù)對(duì)應(yīng)的頻率響應(yīng)向量與第二響應(yīng)參考向量之間的第二相似度；

12、根據(jù)每個(gè)電磁響應(yīng)參數(shù)的第一響應(yīng)參考向量和第二響應(yīng)參考向量計(jì)算每個(gè)電磁響應(yīng)參數(shù)的相似權(quán)重，基于多個(gè)相似權(quán)重計(jì)算每組第一檢測(cè)數(shù)據(jù)和第二檢測(cè)數(shù)據(jù)的特征評(píng)分，篩選出多組特征評(píng)分高于預(yù)設(shè)特征評(píng)分閾值的第一檢測(cè)數(shù)據(jù)和第二檢測(cè)數(shù)據(jù)作為目標(biāo)樣本數(shù)據(jù)。

13、優(yōu)選地，對(duì)于目標(biāo)樣本數(shù)據(jù)，還包括：

14、確定目標(biāo)樣本數(shù)據(jù)中每組第一檢測(cè)數(shù)據(jù)和第二檢測(cè)數(shù)據(jù)的樣本標(biāo)簽，構(gòu)建得到包含多組檢測(cè)數(shù)據(jù)和每組檢測(cè)數(shù)據(jù)的樣本標(biāo)簽的樣本數(shù)據(jù)集，基于樣本數(shù)據(jù)集訓(xùn)練得到目標(biāo)金屬組合識(shí)別模型；

15、提取出目標(biāo)樣本數(shù)據(jù)中多組第一檢測(cè)數(shù)據(jù)關(guān)于每個(gè)電磁響應(yīng)參數(shù)的響應(yīng)向量集合，構(gòu)建每個(gè)電磁響應(yīng)參數(shù)的響應(yīng)向量集合的目標(biāo)優(yōu)化函數(shù)，以電磁響應(yīng)參數(shù)的響應(yīng)向量集合中包含的每個(gè)頻率響應(yīng)向量與電磁響應(yīng)參數(shù)的第一響應(yīng)參考向量之間的評(píng)分誤差最小化為目標(biāo)優(yōu)化函數(shù)的優(yōu)化目標(biāo)，基于隨機(jī)梯度下降算法對(duì)每個(gè)電磁響應(yīng)參數(shù)的第一響應(yīng)參考向量進(jìn)行迭代優(yōu)化，生成每個(gè)電磁響應(yīng)參數(shù)的第一響應(yīng)參數(shù)向量，基于多個(gè)第一響應(yīng)參數(shù)向量構(gòu)建得到第一目標(biāo)響應(yīng)矩陣；

16、提取出目標(biāo)樣本數(shù)據(jù)中多組第二檢測(cè)數(shù)據(jù)關(guān)于每個(gè)電磁響應(yīng)參數(shù)的響應(yīng)向量集合，構(gòu)建每個(gè)電磁響應(yīng)參數(shù)的響應(yīng)向量集合的目標(biāo)優(yōu)化函數(shù)，以電磁響應(yīng)參數(shù)的響應(yīng)向量集合中包含的每個(gè)頻率響應(yīng)向量與電磁響應(yīng)參數(shù)的第二響應(yīng)參考向量之間的評(píng)分誤差最小化為目標(biāo)優(yōu)化函數(shù)的優(yōu)化目標(biāo)，基于隨機(jī)梯度下降算法對(duì)每個(gè)電磁響應(yīng)參數(shù)的第二響應(yīng)參考向量進(jìn)行迭代優(yōu)化，生成每個(gè)電磁響應(yīng)參數(shù)的第二響應(yīng)參數(shù)向量，基于多個(gè)第二響應(yīng)參數(shù)向量構(gòu)建得到第二目標(biāo)響應(yīng)矩陣。

17、優(yōu)選地，對(duì)于第一識(shí)別結(jié)果和第二識(shí)別結(jié)果，還包括：

18、第一識(shí)別結(jié)果包括每個(gè)樣本標(biāo)簽的第一分類(lèi)評(píng)分，第二識(shí)別結(jié)果包括每個(gè)樣本標(biāo)簽的第二分類(lèi)評(píng)分，對(duì)每個(gè)樣本標(biāo)簽的第一分類(lèi)評(píng)分和第二分類(lèi)評(píng)分進(jìn)行融合，得到目標(biāo)檢測(cè)數(shù)據(jù)所對(duì)應(yīng)的包含每個(gè)樣本標(biāo)簽的總樣本評(píng)分的目標(biāo)金屬識(shí)別結(jié)果。

19、優(yōu)選地，目標(biāo)金屬組合識(shí)別模型為svm模型。

20、本發(fā)明第二方面提供一種基于金屬傳感器的金屬智能識(shí)別系統(tǒng)，用于實(shí)現(xiàn)上述的一種基于金屬傳感器的金屬智能識(shí)別方法，包括：

21、數(shù)據(jù)采集模塊，用于獲取基于目標(biāo)金屬傳感器進(jìn)行目標(biāo)金屬組合識(shí)別的歷史檢測(cè)數(shù)據(jù)，目標(biāo)金屬組合為兩種存在識(shí)別互相干擾的金屬，從歷史檢測(cè)數(shù)據(jù)中提取出多組第一檢測(cè)數(shù)據(jù)和第二檢測(cè)數(shù)據(jù)；

22、頻率響應(yīng)分析模塊，用于提取出每組第一檢測(cè)數(shù)據(jù)和第二檢測(cè)數(shù)據(jù)關(guān)于多個(gè)電磁響應(yīng)參數(shù)分別對(duì)應(yīng)的頻率響應(yīng)向量，根據(jù)每個(gè)電磁響應(yīng)參數(shù)對(duì)應(yīng)的多個(gè)頻率響應(yīng)向量提取出多組第一檢測(cè)數(shù)據(jù)中每個(gè)電磁響應(yīng)參數(shù)的第一頻率響應(yīng)參考列表，以及多組第二檢測(cè)數(shù)據(jù)中每個(gè)電磁響應(yīng)參數(shù)的第二頻率響應(yīng)參考列表；

23、樣本數(shù)據(jù)提取分析模塊，用于基于第一頻率響應(yīng)參考列表提取出每個(gè)電磁響應(yīng)參數(shù)的第一響應(yīng)參考向量，基于第二頻率響應(yīng)參考列表提取出每個(gè)電磁響應(yīng)參數(shù)的第二響應(yīng)參考向量，基于第一響應(yīng)參考向量和第二響應(yīng)參考向量從多個(gè)電磁響應(yīng)參數(shù)分別對(duì)應(yīng)的頻率響應(yīng)向量中篩選出目標(biāo)樣本數(shù)據(jù)，基于目標(biāo)樣本數(shù)據(jù)構(gòu)建樣本數(shù)據(jù)集并確定第一目標(biāo)響應(yīng)矩陣和第二目標(biāo)響應(yīng)矩陣，通過(guò)樣本數(shù)據(jù)集進(jìn)行目標(biāo)金屬組合識(shí)別模型的訓(xùn)練；

24、金屬檢測(cè)識(shí)別模塊，用于在基于目標(biāo)金屬傳感器進(jìn)行金屬識(shí)別的過(guò)程中，若采集到的目標(biāo)檢測(cè)數(shù)據(jù)所對(duì)應(yīng)的預(yù)識(shí)別結(jié)果屬于目標(biāo)金屬組合，將目標(biāo)檢測(cè)數(shù)據(jù)輸入到目標(biāo)金屬組合識(shí)別模型中生成目標(biāo)檢測(cè)數(shù)據(jù)所對(duì)應(yīng)的第一識(shí)別結(jié)果，根據(jù)第一目標(biāo)響應(yīng)矩陣和第二目標(biāo)響應(yīng)矩陣對(duì)目標(biāo)檢測(cè)數(shù)據(jù)進(jìn)行分析生成目標(biāo)檢測(cè)數(shù)據(jù)所對(duì)應(yīng)的第二識(shí)別結(jié)果，對(duì)第一識(shí)別結(jié)果和第二識(shí)別結(jié)果進(jìn)行融合得到目標(biāo)檢測(cè)數(shù)據(jù)所對(duì)應(yīng)的目標(biāo)金屬識(shí)別結(jié)果。

25、優(yōu)選地，金屬檢測(cè)識(shí)別模塊對(duì)第一識(shí)別結(jié)果和第二識(shí)別結(jié)果進(jìn)行融合得到目標(biāo)檢測(cè)數(shù)據(jù)所對(duì)應(yīng)的目標(biāo)金屬識(shí)別結(jié)果，包括：

26、第一識(shí)別結(jié)果包括每個(gè)樣本標(biāo)簽的第一分類(lèi)評(píng)分，第二識(shí)別結(jié)果包括每個(gè)樣本標(biāo)簽的第二分類(lèi)評(píng)分，對(duì)每個(gè)樣本標(biāo)簽的第一分類(lèi)評(píng)分和第二分類(lèi)評(píng)分進(jìn)行融合，得到目標(biāo)檢測(cè)數(shù)據(jù)所對(duì)應(yīng)的包含每個(gè)樣本標(biāo)簽的總樣本評(píng)分的目標(biāo)金屬識(shí)別結(jié)果。

27、本發(fā)明具有以下有益效果：

28、本發(fā)明通過(guò)基于頻率響應(yīng)特征分析和機(jī)器學(xué)習(xí)模型，有效解決了相似金屬在檢測(cè)過(guò)程中難以區(qū)分的技術(shù)問(wèn)題，通過(guò)提取和優(yōu)化多個(gè)電磁響應(yīng)參數(shù)的響應(yīng)參考向量，構(gòu)建出具有代表性的目標(biāo)響應(yīng)矩陣，再結(jié)合目標(biāo)金屬組合識(shí)別模型進(jìn)行相似金屬的智能識(shí)別，本發(fā)明能夠顯著提高對(duì)相似金屬的識(shí)別精度，相比于傳統(tǒng)的單參數(shù)分析方法，本發(fā)明實(shí)現(xiàn)了多維度參數(shù)的綜合分析，提升了對(duì)噪聲和異常數(shù)據(jù)的抗干擾能力，增強(qiáng)了相似金屬識(shí)別的魯棒性和可靠性。