Pré-tratamento para curvas de absorção de terahertz por restrição de ondulação estreita e sua rápida implementação sugerida por casco convexo

Aug 03, 2023

Scientific Reports volume 12, Artigo número: 17806 (2022) Citar este artigo

378 Acessos

Detalhes das métricas

Neste trabalho é proposto um método de pré-tratamento da curva de absorção THz, que leva a uma faixa mínima de absorção, reservando a necessária ondulação da curva para identificação por rede neural convolucional. A ideia central do método proposto é confinar a ondulação da curva com um par de linhas paralelas estreitas e resolver sua posição ideal pela rotação consecutiva da curva normalizada em dois pontos fixos. Um algoritmo rápido é ainda proposto com base nas características do casco convexo, cujo procedimento é descrito detalhadamente. O algoritmo envolve a definição de alguns conjuntos de pontos importantes, calculando e comparando inclinações e determinando a melhor escolha entre 4 rotações potenciais. A racionalidade da busca do ponto crítico é ilustrada de forma geométrica. Adicionalmente, a adaptação do método é discutida e exemplos reais são dados para mostrar a capacidade do método em extrair informações não lineares de uma curva. O estudo sugere que os métodos relativos à computação gráfica também contribuem para a extração de características em relação à curva THz e ao reconhecimento de padrões.

A espectroscopia no domínio do tempo Terahertz é amplamente utilizada para detecção e identificação de materiais . A curva de absorção ou coeficiente de extinção está tão relacionada aos constituintes do material que o reconhecimento de padrões é realizado em vários contextos 5,6,7,8,9. Os picos de absorção não são observados para substâncias puras com estrutura molecular simétrica (por exemplo, polietileno). Além disso, os picos são menos observáveis ​​devido às sobreposições do espectro dos componentes. Portanto, a aprendizagem automática é significativa para a mineração de dados em investigações que envolvem, mas não se limitam a, ervas, carnes, chá e cereais, de acordo com relatórios anteriores. Sugere-se que o pré-tratamento às curvas beneficia o desempenho do modelo e reduz a dificuldade de treinamento de um modelo satisfatório. O pré-tratamento convencional inclui suavização Savitzky-Golay, filtragem no domínio da frequência, correção de espalhamento multivariado (MSC) e etc., que reservam característica essencial para identificação, mas ajustam o valor a cada amostragem de frequência10,11,12. Esses algoritmos assumem matematicamente a forma de ruído e todos os pontos são processados ​​igualmente. Porém, o recurso de identificação de curvas pode ser fragilizado e alguns parâmetros serem configurados empiricamente para obtenção de bons resultados. Além disso, métodos que envolvem computação gráfica raramente são estudados para unir métodos de identificação subsequentes.

A rede neural convolucional (CNN) tem sido empregada para identificar objetos em uma imagem como um modelo eficaz e popular . Quando a CNN está associada a uma curva terahertz, é necessária uma conversão (ou mapeamento) da curva THz para imagem antes do treinamento do modelo. A curva do espectro é vista como um limite significativo na imagem para separar a parte superior e a parte inferior, que, no entanto, não têm sentido porque nenhum valor real as atinge. Como resultado, cada pixel de uma imagem participa do treinamento do modelo CNN. A compressão da faixa de absorção para uma determinada faixa de frequência atenderia à expectativa de redução do custo computacional, ao passo que a dificuldade é reservar recursos essenciais para identificação. Como é mostrado na Fig. 1a, uma curva THz esquemática tem um intervalo que é igual à diferença de offset1 e offset2. A Linha 2 e a Linha 1 são linhas paralelas com eixo de frequência, que indicam os limites superior e inferior da absorção. Se outras duas linhas paralelas forem usadas para confinar a curva, a ondulação (diferença no deslocamento Y) entre elas muda (como é mostrado na Fig. 1b e Fig. 1c). Assim, buscamos linhas paralelas ótimas para confinar a curva com distância mínima e realizar a transformação de cisalhamento para gerar uma imagem que acomode a curva procedida com redundância mínima na direção Y (dimensão de absorção). Iluminado pelo pensamento básico, o método proposto é denominado restrição de ondulação estreita (NUC).