알루미늄 합금은 뛰어난 특성으로 인해 산업 전반에 널리 사용되고 있으며, 알루미늄 합금의 등급을 정확하게 분류하는 것은 제조업 등 분야의 발전을 더욱 촉진할 수 있습니다. 본 논문에서는 새로운 알루미늄 합금 X선 형광(XRF) 스펙트럼 분류 프레임워크인 CARS-GAF-MobileNet(CGM)을 제안합니다. 먼저, XRF 분광기를 사용하여 알루미늄 합금 샘플의 XRF 스펙트럼 데이터를 획득하고; 다음으로, 다중 원소 보정을 기반으로 하는 경쟁적 적응 재가중치 샘플링(CARS) 알고리즘을 통해 변수 선택을 수행하며; 이어서, 그람 각장(GAF)을 사용하여 1차원 스펙트럼을 2차원 스펙트럼 이미지로 변환하고, 색상 맵핑을 통해 그레이스케일 이미지를 RGB 이미지로 변환합니다; 마지막으로, 변환된 2차원 스펙트럼 이미지를 Mobilenet-V3 모델의 입력으로 사용하여 알루미늄 합금 샘플을 분류합니다. 실험 결과 제안된 CGM 프레임워크의 최종 분류 정확도는 94.3%에 달하며, 다양한 등급의 알루미늄 합금 샘플을 정확하게 식별할 수 있음을 보여줍니다. CGM은 알루미늄 합금 등급 인식에 유망한 프레임워크로, 알루미늄 합금 분류 문제에 대해 우수한 이론적 및 응용 가치를 가지고 있습니다.

X선 형광;알루미늄 합금 분류;그람 각장;경쟁적 적응 재가중치 샘플링;딥러닝