Deteksi dan klasifikasi target satu tembakan dinamis menggunakan jaringan pseudo-Siam dan penerapannya pada spektroskopi Raman

Deteksi target dan klasifikasi dengan spektroskopi Raman adalah teknik penting untuk pertahanan biologis dan kimia dalam operasi militer. Secara konvensional, teknik ini mempraproses spektrum yang diamati menggunakan pemulusan atau koreksi dasar dan menerapkan algoritma deteksi seperti uji rasio kemungkinan umum, analisis komponen independen, faktorisasi matriks nonnegatif, dll. Algoritma deteksi konvensional ini membutuhkan preprocessing dan multiple shot dari spektrum Raman untuk mendapatkan akurasi yang masuk akal. Baru-baru ini, teknik berdasarkan pembelajaran mendalam sedang digunakan untuk deteksi target dan klasifikasi karena kemampuan beradaptasi yang besar dan akurasi yang tinggi atas metode lain dan karena tidak ada persyaratan untuk pra-pemrosesan. Pembelajaran mendalam mungkin memberikan kinerja yang baik, tetapi perlu pelatihan ulang ketika target kelas yang tidak terlatih diperkenalkan yang memakan waktu dan mengganggu. Kami merancang algoritme baru menggunakan varian jaringan pseudo-Siam, salah satu algoritme pembelajaran mendalam, yang tidak memerlukan pelatihan ulang untuk mendeteksi dan mengklasifikasikan target kelas yang tidak terlatih. Algoritme kami mendeteksi dan mengklasifikasikan target hanya dengan satu tembakan. Selain itu, algoritme kami tidak memerlukan prapemrosesan. Kami memverifikasi algoritme kami dengan spektrum Raman yang diukur menggunakan spektrometer Raman.