As ligas de alumínio são amplamente utilizadas na indústria devido às suas excelentes propriedades. A classificação precisa dos graus das ligas de alumínio pode impulsionar ainda mais o desenvolvimento em áreas como a fabricação. Este artigo propõe uma nova estrutura de classificação do espectro de fluorescência de raios X (XRF) para ligas de alumínio chamada CARS-GAF-MobileNet (CGM). Primeiramente, os dados espectrais XRF das amostras de ligas de alumínio são obtidos usando um espectrômetro XRF; depois, é proposto um algoritmo competitivo adaptativo de amostragem com reponderação (CARS) baseado em correção multielementar para seleção de variáveis; em seguida, o espectro unidimensional é convertido em imagem espectral bidimensional usando o campo angular de Gram (GAF), e a imagem em tons de cinza é convertida em imagem RGB através de mapeamento de cores; por fim, a imagem espectral bidimensional convertida é usada como entrada para o modelo Mobilenet-V3 para classificar as amostras de ligas de alumínio. Os resultados experimentais mostram que a precisão final de classificação da estrutura CGM proposta pode atingir 94,3%, permitindo o reconhecimento preciso de amostras de ligas de alumínio de diferentes graus. CGM é uma estrutura promissora para o reconhecimento de graus de ligas de alumínio, possuindo bom valor teórico e aplicado para o problema da classificação de ligas de alumínio.

fluorescência de raios X;classificação de ligas de alumínio;campo angular de Gram;amostragem adaptativa competitiva com reponderação;aprendizado profundo