Les alliages d'aluminium sont largement utilisés dans l'industrie grâce à leurs excellentes caractéristiques. Une classification précise des grades d'alliages d'aluminium peut favoriser le développement ultérieur des secteurs tels que la fabrication. Cet article propose un nouveau cadre de classification des alliages d'aluminium basé sur la spectroscopie par fluorescence X (XRF) appelé CARS-GAF-MobileNet (CGM). Tout d'abord, les données spectrales XRF des échantillons d'alliages d'aluminium sont obtenues à l'aide d'un spectromètre XRF ; ensuite, un algorithme de sélection de variables CARS compétitif et adaptatif basé sur la correction multi-éléments est proposé ; puis, le spectre unidimensionnel est converti en image spectrale bidimensionnelle par champ d'angle de Gram (GAF), et l'image en niveaux de gris est transformée en image RVB par mappage de couleurs ; enfin, l'image spectrale bidimensionnelle convertie est utilisée comme entrée du modèle Mobilenet-V3 pour classifier les échantillons d'alliages d'aluminium. Les résultats expérimentaux montrent que la précision finale de classification du cadre CGM proposé atteint 94,3%, permettant une identification précise des différents grades des échantillons d'alliages d'aluminium. CGM est un cadre prometteur pour la reconnaissance des grades d'alliages d'aluminium, avec des valeurs théoriques et appliquées appréciables dans le domaine de la classification des alliages d'aluminium.

fluorescence par rayons X;classification des alliages d'aluminium;champ d'angle de Gram;sélection adaptative compétitive par rééchantillonnage;apprentissage profond