アルミニウム合金は、その優れた特性により工業分野で広く応用されており、アルミニウム合金の銘柄を正確に分類することは製造業などの分野の発展をさらに促進することができます。本稿では、新しいアルミニウム合金X線蛍光（XRF）スペクトル分類フレームワークであるCARS-GAF-MobileNet（CGM）を提案します。まず、XRF分光器を用いてアルミニウム合金サンプルのXRFスペクトルデータを取得し、次に、多元素補正に基づく競合的適応再重み付けサンプリング（CARS）アルゴリズムで変数選択を行います。その後、グラム角度場（GAF）を用いて一次元スペクトルを二次元スペクトル画像に変換し、カラーマッピングによりグレースケール画像をRGB画像に変換します。最後に、変換後の二次元スペクトル画像をMobilenet-V3モデルの入力としてアルミニウム合金サンプルを分類します。実験結果は、提案するCGMフレームワークの最終分類精度が94.3％に達し、異なる銘柄のアルミニウム合金サンプルを正確に識別できることを示しています。CGMは有望なアルミニウム合金銘柄識別フレームワークであり、アルミニウム合金分類問題に対して優れた理論的および応用的価値を持っています。

X線蛍光;アルミニウム合金分類;グラム角度場;競合的適応再重み付けサンプリング;深層学習