[发明专利]基于太赫兹无线感知的触觉粗糙度测量模型训练方法、测量方法及设备

权利要求书

1.一种基于太赫兹无线感知的触觉粗糙度测量模型训练方法，其特征在于，所述方法包括以下步骤：

获取训练样本集，所述训练样本集包含多个样本，每个样本包括待测物体多角度接收预设太赫兹时域光谱仪发射信号后反射回的反射信号；所述待测物体固定在所述太赫兹时域光谱仪的收发天线的预设距离处；

将所述反射信号进行数据预处理，得到时域信号并提取时域特征；将所述时域信号进行快速傅里叶变换，生成相应的频域信号并提取频域特征；将所述频域信号输入预设的散射特征提取器，以提取相应的散射特征；所述散射特征提取器选用菲涅尔反射模型，并设有校正因子以评价所述待测物体表面的粗糙程度；

获取多材料粗糙度推理网络，所述多材料粗糙度推理网络为双输入的二维卷积网络；将所述时域信号作为第一输入，将所述时域特征、所述频域特征和所述散射特征作为第二输入，同时输入所述多材料粗糙度推理网络，以得到所述待测物体表面的粗糙度评价参数；

利用所述训练样本集对所述多材料粗糙度推理网络进行训练，直至满足预设性能指标，将训练好的多材料粗糙度推理网络作为最终的粗糙度测量模型。

2.根据权利要求1所述的基于太赫兹无线感知的触觉粗糙度测量模型训练方法，其特征在于，还包括：

将所述反射信号进行数据预处理时，获取所述太赫兹时域光谱仪的频谱范围，对所述反射信号进行带通滤波处理；

将所述时域信号进行快速傅里叶变换之前，对所述时域信号进行2倍插值处理，以提升分辨率。

3.根据权利要求1所述的基于太赫兹无线感知的触觉粗糙度测量模型训练方法，其特征在于，所述时域特征至少包括最高峰的第一个零点位置、第二个零点位置、最高峰所在位置、最高峰第一次到低谷位置的距离、第一次到低谷位置该低谷的高度、最高峰到低谷的距离、最高峰的高度、二分之一最高峰处的峰宽和积分；所述频域特征至少包括最高峰值的位置和最高峰的高度。

4.根据权利要求1所述的基于太赫兹无线感知的触觉粗糙度测量模型训练方法，其特征在于，所述散射特征提取器选用菲涅尔反射模型，并设有校正因子以评价所述待测物体表面的粗糙程度，还包括：

若所述校正因子远小于1，则所述待测物体的表面粗糙度越低；

若所述校正因子接近于1，则所述待测物体的表面粗糙度中等；

若所述校正因子远大于1，则所述待测物体的表面粗糙度越高。

5.根据权利要求1所述的基于太赫兹无线感知的触觉粗糙度测量模型训练方法，其特征在于，所述多材料粗糙度推理网络的第一输入通道内设有6个卷积层；第二输入通道内设有4个卷积层；在所述第一输入通道和所述第二输入通道之后还依次设有特征连接层和全连接层。

6.一种基于太赫兹无线感知的触觉粗糙度测量方法，其特征在于，该方法包括以下步骤：

利用预设太赫兹时域光谱仪的收发天线分别向多个角度放置的待测物体发射信号，并接收对应角度反射回的反射信号；所述待测物体固定在所述收发天线的预设距离处；

将所述反射信号进行数据预处理，得到时域信号并提取时域特征；将所述时域信号进行快速傅里叶变换，生成相应的频域信号并提取频域特征；将所述频域信号输入预设的散射特征提取器，以提取相应的散射特征；

将所述时域信号作为第一输入，将所述时域特征、所述频域特征和所述散射特征作为第二输入，同时输入如权利要求1至5中任意一项所述基于太赫兹无线感知的触觉粗糙度测量模型训练方法中的粗糙度测量模型，以得到所述待测物体表面粗糙度评价参数。