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

背景技術(shù)：

1、在金屬檢測與識別領(lǐng)域，部分基于金屬傳感器的檢測識別技術(shù)通過單一或少量的電磁響應(yīng)參數(shù)對金屬進行識別。在實際應(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，它們在檢測過程中容易互相干擾，導(dǎo)致識別精度不足。主要原因在于這些金屬在電磁場下的部分響應(yīng)特性較為相近，導(dǎo)致無法準(zhǔn)確捕捉其差異，從而影響了檢測的準(zhǔn)確性。

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

技術(shù)實現(xiàn)思路

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

2、為實現(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別方法，包括：

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

4、提取出每組第一檢測數(shù)據(jù)和第二檢測數(shù)據(jù)關(guān)于多個電磁響應(yīng)參數(shù)分別對應(yīng)的頻率響應(yīng)向量，根據(jù)每個電磁響應(yīng)參數(shù)對應(yīng)的多個頻率響應(yīng)向量提取出多組第一檢測數(shù)據(jù)中每個電磁響應(yīng)參數(shù)的第一頻率響應(yīng)參考列表，以及多組第二檢測數(shù)據(jù)中每個電磁響應(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)參考向量從多個電磁響應(yīng)參數(shù)分別對應(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，通過樣本數(shù)據(jù)集進行目標(biāo)金屬組合識別模型的訓(xùn)練；

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

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

8、對于每個電磁響應(yīng)參數(shù)在多組第一檢測數(shù)據(jù)中分別對應(yīng)的頻率響應(yīng)向量，根據(jù)頻率響應(yīng)向量確定每個電磁響應(yīng)參數(shù)在每組第一檢測數(shù)據(jù)中關(guān)于多個檢測頻率下的響應(yīng)得分，對每個電磁響應(yīng)參數(shù)在每個檢測頻率下的多個響應(yīng)得分進行匯總，構(gòu)建得到每個電磁響應(yīng)參數(shù)對應(yīng)的第一頻率響應(yīng)參考列表；

9、對于每個電磁響應(yīng)參數(shù)在多組第二檢測數(shù)據(jù)中分別對應(yīng)的頻率響應(yīng)向量，根據(jù)頻率響應(yīng)向量確定每個電磁響應(yīng)參數(shù)在每組第二檢測數(shù)據(jù)中關(guān)于多個檢測頻率下的響應(yīng)得分，對每個電磁響應(yīng)參數(shù)在每個檢測頻率下的多個響應(yīng)得分進行匯總，構(gòu)建得到每個電磁響應(yīng)參數(shù)對應(yīng)的第二頻率響應(yīng)參考列表，電磁響應(yīng)參數(shù)對應(yīng)的頻率響應(yīng)參考列表包括電磁響應(yīng)參數(shù)在每個檢測頻率下的總響應(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)參考向量從多個電磁響應(yīng)參數(shù)分別對應(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、計算第一檢測數(shù)據(jù)的每個電磁響應(yīng)參數(shù)對應(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，計算第二檢測數(shù)據(jù)的每個電磁響應(yīng)參數(shù)對應(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)參考向量計算每個電磁響應(yīng)參數(shù)的相似權(quán)重，基于多個相似權(quán)重計算每組第一檢測數(shù)據(jù)和第二檢測數(shù)據(jù)的特征評分，篩選出多組特征評分高于預(yù)設(shè)特征評分閾值的第一檢測數(shù)據(jù)和第二檢測數(shù)據(jù)作為目標(biāo)樣本數(shù)據(jù)。

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

14、確定目標(biāo)樣本數(shù)據(jù)中每組第一檢測數(shù)據(jù)和第二檢測數(shù)據(jù)的樣本標(biāo)簽，構(gòu)建得到包含多組檢測數(shù)據(jù)和每組檢測數(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)金屬組合識別模型；

15、提取出目標(biāo)樣本數(shù)據(jù)中多組第一檢測數(shù)據(jù)關(guān)于每個電磁響應(yīng)參數(shù)的響應(yīng)向量集合，構(gòu)建每個電磁響應(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)，基于隨機梯度下降算法對每個電磁響應(yīng)參數(shù)的第一響應(yīng)參考向量進行迭代優(yōu)化，生成每個電磁響應(yīng)參數(shù)的第一響應(yīng)參數(shù)向量，基于多個第一響應(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)中多組第二檢測數(shù)據(jù)關(guān)于每個電磁響應(yīng)參數(shù)的響應(yīng)向量集合，構(gòu)建每個電磁響應(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)，基于隨機梯度下降算法對每個電磁響應(yīng)參數(shù)的第二響應(yīng)參考向量進行迭代優(yōu)化，生成每個電磁響應(yīng)參數(shù)的第二響應(yīng)參數(shù)向量，基于多個第二響應(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，對于第一識別結(jié)果和第二識別結(jié)果，還包括：

18、第一識別結(jié)果包括每個樣本標(biāo)簽的第一分類評分，第二識別結(jié)果包括每個樣本標(biāo)簽的第二分類評分，對每個樣本標(biāo)簽的第一分類評分和第二分類評分進行融合，得到目標(biāo)檢測數(shù)據(jù)所對應(yīng)的包含每個樣本標(biāo)簽的總樣本評分的目標(biāo)金屬識別結(jié)果。

19、優(yōu)選地，目標(biāo)金屬組合識別模型為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別系統(tǒng)，用于實現(xiàn)上述的一種基于金屬傳感器的金屬智能識別方法，包括：

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

22、頻率響應(yīng)分析模塊，用于提取出每組第一檢測數(shù)據(jù)和第二檢測數(shù)據(jù)關(guān)于多個電磁響應(yīng)參數(shù)分別對應(yīng)的頻率響應(yīng)向量，根據(jù)每個電磁響應(yīng)參數(shù)對應(yīng)的多個頻率響應(yīng)向量提取出多組第一檢測數(shù)據(jù)中每個電磁響應(yīng)參數(shù)的第一頻率響應(yīng)參考列表，以及多組第二檢測數(shù)據(jù)中每個電磁響應(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)參考向量從多個電磁響應(yīng)參數(shù)分別對應(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，通過樣本數(shù)據(jù)集進行目標(biāo)金屬組合識別模型的訓(xùn)練；

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

25、優(yōu)選地，金屬檢測識別模塊對第一識別結(jié)果和第二識別結(jié)果進行融合得到目標(biāo)檢測數(shù)據(jù)所對應(yīng)的目標(biāo)金屬識別結(jié)果，包括：

26、第一識別結(jié)果包括每個樣本標(biāo)簽的第一分類評分，第二識別結(jié)果包括每個樣本標(biāo)簽的第二分類評分，對每個樣本標(biāo)簽的第一分類評分和第二分類評分進行融合，得到目標(biāo)檢測數(shù)據(jù)所對應(yīng)的包含每個樣本標(biāo)簽的總樣本評分的目標(biāo)金屬識別結(jié)果。

27、本發(fā)明具有以下有益效果：

28、本發(fā)明通過基于頻率響應(yīng)特征分析和機器學(xué)習(xí)模型，有效解決了相似金屬在檢測過程中難以區(qū)分的技術(shù)問題，通過提取和優(yōu)化多個電磁響應(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)金屬組合識別模型進行相似金屬的智能識別，本發(fā)明能夠顯著提高對相似金屬的識別精度，相比于傳統(tǒng)的單參數(shù)分析方法，本發(fā)明實現(xiàn)了多維度參數(shù)的綜合分析，提升了對噪聲和異常數(shù)據(jù)的抗干擾能力，增強了相似金屬識別的魯棒性和可靠性。