Las aleaciones de aluminio se utilizan ampliamente en la industria debido a sus excelentes propiedades. La clasificación precisa de los grados de aleación de aluminio puede impulsar aún más el desarrollo en campos como la fabricación. Este artículo propone un nuevo marco de clasificación para aleaciones de aluminio basado en el espectro de fluorescencia de rayos X (XRF), llamado CARS-GAF-MobileNet (CGM). Primero, se obtienen los datos espectrales XRF de las muestras de aleación de aluminio mediante un espectrómetro XRF; luego, se propone un algoritmo CARS competitivo y adaptativo basado en la corrección multielemento para la selección de variables; posteriormente, se convierte el espectro unidimensional en una imagen espectral bidimensional utilizando el campo angular de Gram (GAF), y el mapa de colores transforma la imagen en escala de grises en una imagen RGB; finalmente, la imagen espectral bidimensional convertida se utiliza como entrada para el modelo Mobilenet-V3 para clasificar las muestras de aleación de aluminio. Los resultados experimentales muestran que la precisión final de clasificación del marco CGM propuesto puede alcanzar el 94.3%, lo que permite reconocer con precisión diferentes grados de muestras de aleaciones de aluminio. CGM es un marco con potencial para la identificación de grados de aleación de aluminio y tiene un buen valor teórico y aplicado en el problema de clasificación de aleaciones de aluminio.

fluorescencia de rayos X;clasificación de aleaciones de aluminio;campo angular de Gram;muestreo de reponderación adaptativa competitiva;aprendizaje profundo