一种基于材料折射率的远程材料鉴别方法

技术领域

本专利涉及光学、材料物理学领域，尤其涉及一种分析材料折射率的远程材料鉴别技术。

背景技术

鉴别材料是一个极为重要的课题，但鉴别材料需要测试材料的物化性质，通常需要根据该材料发生的物理变化或化学反应进行鉴定，这既对材料本身造成了破坏，又操作繁琐。由此我们发明了一种远程材料鉴别方法，依据菲涅尔公式反射界面对入射光的光电场的改变为理论依据，融入折射率模型，构建了一种通过光强度值判断材料折射率的模型，从而鉴别材料。

发明内容

本发明的目的是提供一种基于材料折射率的远程材料鉴别方法，以期能通过入射光电场、入射角、反射光光强与折射率的关系，构建一种能生成折射率的折射率导向模型，从而实现远程材料鉴别。

本发明为了实现上述目的，采用如下技术方案：

一种基于材料折射率的远程材料鉴别方法，包括以下五个步骤：

步骤1.1：搭建光学测量模块，检测未加偏振片时的光强度值以及加装偏振片后的光强度值并计算光电场垂直分量和光电场平行分量；

步骤1.2：搭建并训练ANN网络；

步骤1.3：搭建并训练折射率导向模型；

步骤1.4：使用光学元件采集需要远程鉴别的材料的光强度值I，输入至训练完成的折射率导向模型，生成该材料的折射率；

步骤1.5：对照材料折射率表，根据生成的折射率查找对应的材料，完成材料鉴别。

进一步地，所述的搭建光学测量模块包括以下五个步骤：

步骤2.1：调整光学元件角度并固定，使得光线经过待测物质表面反射后能进入所述的光学元件，记录光线的入射角i，并使用所述光学元件采集待测材料的光强度值I；

步骤2.2：使用一种光学测量方法测量光电场平行分量，包括以下步骤：将一个偏振片加装在光学元件的前部，旋转所述偏振片，使得所述偏振片的偏振方向与入射平面平行；使用所述光学元件采集偏振方向上的光强度值I

，

其中ε

步骤2.3：使用一种光学测量方法测量光电场垂直分量，包括以下步骤：将一个偏振片加装在光学元件的前部，旋转所述偏振片，使得所述偏振片的偏振方向与入射平面垂直；使用所述光学元件采集偏振方向上的光强度值I

步骤2.4：改变光线入射角i，重复步骤2.1至步骤2.3，分别采集得光强度值I、光电场平行分量E

步骤2.5：更换不同的材料，重复步骤2.1至步骤2.4，在不同入射角度下采集光强度值I、光电场平行分量E

优选的，步骤1.2所述的ANN网络包括：输入层，与所述光学测量模块全连接，用于接收待测材料的光强度值I作为输入信号；输出层，与光电场平行分量E

进一步地，ANN网络初始权重的训练，包括输入待测材料的光强度值I，与训练集给定的E

进一步地，折射率导向模型所包括的正向模型、反向模型和双向循环模型三种类型的模型使用了菲涅尔公式结合反射光光强与光电场间的关系推出的界面折射率比值n

，

其中，

，

，

，

，

，

，

，

i表示入射角，E

，

其中，I为光强度值，i表示入射角，E

具体地，正向模型包括I、E

具体地，反向模型包括假E

具体地，双向循环模型包括I、E

进一步地，折射率导向模型所包括的正向模型、反向模型和双向循环模型三种类型的模型均包括训练特点和生成特点两个特点。训练特点指模型在训练时，固定模型的公式部分，更新模型的ANN网络和参数；生成特点指模型在生成时，固定模型的公式部分和ANN网络，更新参数。

具体地，正向模型在训练时，输入待测材料的光强度值I，经过网络和公式（2）计算出n

具体地，反向模型在训练时，将训练集给定的折射率的值的倒数输入至参数n

具体地，双向循环模型的训练包括两个步骤：

自训练，自训练的目的在于训练网络的自洽性，使得网络在经过前向传播或反向传播至同一个参数时所得数值相同。随机给定I、E

参照训练，其目的在于使得网络逼近于真实的物理规律。给定训练集中采集的光强度值I作为真实的I值或给定训练集中材料折射率的值的倒数作为真实的n

特别地，每次参照训练后通常增加一轮自训练，可防止网络的自洽性在参照训练后丢失。

具体地，双向循环模型在生成时可以使用下述两种方法生成n

方法一、将光学元件采集到的光强度值I输入至双向循环模型中，前向传播一个或多个循环，生成n

方法二、随机给定n

需特别说明的是，由于检测环境通常在空气中，n

与现有技术相比，本发明的有益效果在于：

本发明实现了远程鉴别材料，不会损耗原材料，仅通过检测光强度值即可鉴别材料，并且可运用到RGB图像中，用照片中的RGB值代替光强度值，大大降低了操作复杂度和成本。

附图说明

图1为本发明中一种基于材料折射率的远程材料鉴别方法步骤图；

图2为本发明中正向模型结构图；

图3为本发明中反向模型结构图；

图4为本发明中双向循环模型结构图；

图5为本发明中未加偏振片的光学测量示例图；

图6为本发明中加装偏振片的光学测量示例图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

在一个实施例中，如图1所示，我们采用以下步骤：

实施例1-步骤1.1、搭建如图5所示的光路，首先取一个内径为10cm×10cm×3cm的玻璃容器，选择一个固定的角度α，用光照度计采集光强度值I，再在光照度计前加装一个平行于入射平面的偏振片，如图6所示，采集对应的偏振方向上的光强度值I

，

其中ε

实施例1-步骤1.2、构建ANN网络，其输入层与光强度值I全连接，其输出层与光电场平行分量E

实施例1-步骤1.3、构建如图2所示的正向模型，其中n

将采集到的光强度值I输入至正向模型中，每次先前向传播，与计算所得的E

并重复执行，迭代100次；

实施例1-步骤1.4、向玻璃容器中装入水，用光照度计采集光强度值I并输入至正向模型，前向传播，生成材料该位置的n

实施例1-步骤1.5、将材料每个位置的折射率取均值，与空气、水、饱和食盐水、玻璃的折射率作比较，发现最接近水的折射率，因此鉴定该材料为水。

在一个实施例中，如图1所示，我们采用以下步骤：

实施例2-步骤1.1、从不同角度用光照度计检测金属铁、铜、铝、银、锌、钛、镍的反射光，选择一个固定的角度α，用光照度计对金属铁采集光强度值I，再在光照度计前加装一个平行于入射平面的偏振片，采集对应的偏振方向上的光强度值I

实施例2-步骤1.2、构建ANN网络，其输入层与光强度值I全连接，其输出层与光电场平行分量E

实施例2-步骤1.3、构建如图3所示的反向模型，将采集到的光强度值I输入至反向模型中，每次先前向传播，与计算所得的E

实施例2-步骤1.4、用光照度计对金属铁采集光强度值I，针对材料每个位置，先随机给定n

实施例2-步骤1.5、将每个位置的折射率取均值，对照各金属材料的折射率表，发现最接近钛的折射率，因此鉴定该材料为钛。

在一个实施例中，如图1所示，我们采用以下步骤：

实施例3-步骤1.1、用摄像头从材料斜上方45度角拍摄各种塑料材质的RGB图像，包括聚乙烯、聚丙烯、聚偏二氯乙烯、聚四氟乙烯、聚碳酸酯、聚苯乙烯、聚甲基丙烯酸甲酯，分别标定输出n

实施例3-步骤1.2、构建ANN网络，其输入层与光强度值I全连接，其输出层与光电场平行分量E

实施例3-步骤1.3、构建如图4所示的双向循环模型，其中，i固定为π/4，n

，

其中，

，

，

，

，

，

，

，

i表示入射角，E

，

其中，I为光强度值，i表示入射角，E

对模型进行自训练，随机给定E

重复执行自训练，迭代50次；

对模型进行参照训练，将采集到的材料的每个位置的RGB值作为光强度值I输入至模型中，每次先前向传播两个循环，与该张照片对应的n

重复执行参照训练，每次执行参照训练后再次执行自训练，迭代50次；

实施例3-步骤1.4、用摄像头采集聚四氟乙烯的RGB值，将采集到的材料的每个位置的RGB值作为光强度值I输入至模型中，前向传播，生成每个像素点的n

实施例3-步骤1.5、将材料每个位置的折射率取均值，对照各塑料材质的折射率表，发现最接近聚四氟乙烯的折射率，因此鉴定该材料为四氟乙烯。

以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。应当说明的是，任何熟悉本领域的技术人员在本说明书的教导下，所做出的所有等同替代、明显变形形式，均落在本说明书的实质范围之内，理应受到本发明的保护。