마그네슘 합금은 그 낮은 밀도, 높은 비강도 및 우수한 내식성으로 인해 항공우주, 자동차 및 전자 산업에서 널리 사용됩니다. 레이저 유도 파괴 분광법(LIBS)은 빠른 분석 속도와 복잡한 시료 전처리가 필요 없다는 장점으로 인해 마그네슘 합금 검사 분야에서 좋은 적용 가능성을 가지고 있습니다. LIBS 스펙트럼이 서로 다른 측정 간 큰 변동성을 보이며, 다양한 유형의 마그네슘 합금 스펙트럼 간 유사성이 높고 데이터에 중복 정보가 포함되어 있어 직접 분류의 효과가 제한적인 경우가 많습니다. 본 논문에서는 특징 선택 기반의 마그네슘 합금 신속 분류 방법을 제안하였으며, 최대 상관 최소 중복(mRMR), 랜덤 포레스트(RF), 스펙트럼 지수 세 가지 특징 선택 방법을 체계적으로 비교하고, 서포트 벡터 머신(SVM), 역전파 신경망(BPNN), K-최근접 이웃(KNN) 세 가지 분류 모델과 결합하여 다양한 마그네슘 합금 분류 모델을 구축하였습니다. 실험 결과, mRMR-BPNN은 단 180개의 특징만 사용하여 첫째 날과 다음 날 데이터 테스트에서 각각 99.4%와 92.5%의 정확도를 달성하여, 다른 특징 선택-분류기 조합 방법 및 원본 스펙트럼 직접 분류 방법에 비해 현저히 우수함을 보였습니다. 이 방법은 복잡한 전처리 없이 모델의 분류 정확도와 일반화 능력을 효과적으로 향상시켜, 마그네슘-알루미늄 합금 재료의 신속한 온라인 검출 및 품질 관리를 위한 신뢰할 수 있는 분석 수단을 제공하며, 산업 현장에서 LIBS 기술의 실용적 적용을 촉진하는 데 긍정적인 의의를 갖습니다.

레이저 유도 파괴 분광법;마그네슘 합금;특징 선택;기계 학습