近日，厦门大学航空航天学院X射线高端装备实验室与英国伯明翰大学合作，在高光谱X射线CT材料识别研究方面取得新进展。相关成果以“Retention-Based Hyperspectral X-ray CT for Material Recognition and Classification”为题，发表于美国化学会期刊《Analytical Chemistry》，刊载于第98卷第40期，页码为29149—29155。

图1 研究成果发表于《Analytical Chemistry》

         高光谱X射线CT能够同时获取样品的内部结构和多能量通道衰减信息，为材料无损识别提供依据。然而，受光子计数探测器响应、噪声及图像重建误差等因素影响，重建后的光谱曲线可能出现失真，影响材料特征提取与分类的可靠性。如何在保留材料判别信息的同时减小光谱失真，是提升高光谱CT分析能力的重要问题。

针对这一问题，研究团队提出了基于保持机制（Retention）的高光谱CT光谱校正框架，将重建光谱校正与材料识别相结合。其创新主要体现在以下三个方面。

         **一是建立从CT重建光谱到同系统参考光谱的校正路径。**研究采用同一光子计数系统通过光谱数字射线成像（DR）获取的光谱作为参考，学习CT重建光谱与参考光谱之间的映射关系，减小探测器及重建过程相关因素引起的光谱偏差，为后续材料识别提供更可靠的特征输入。

         **二是利用能量通道之间的关联实现单次前向光谱校正。**研究将保持机制引入光谱映射，通过双向距离衰减机制，兼顾相邻能量通道之间的联系和跨通道的长程关联，并结合多头融合与门控更新等结构，在一次非自回归前向计算中生成校正光谱。该设计为处理有序多能量通道数据提供了新的方法。

         **三是将光谱一致性改善与材料分类效果相联系。**研究不仅评价校正前后光谱曲线的误差，还在同一固定分类器下比较不同输入光谱的识别结果，从光谱质量和分类性能两个层面验证方法的有效性。

图2 基于保持机制的高光谱CT光谱校正与材料分类框架

         在包含无机盐及金属粉末等10种代表性材料的实验中，校正后归一化光谱的平均均方根误差由0.106降至0.061，材料分类准确率由82.4%提升至91.8%，提高了9.4个百分点，接近参考光谱对应的92.3%。结果表明，在本研究的材料与实验条件下，该方法能够改善CT重建光谱与参考光谱的一致性，并提升材料识别性能。

图3 参考光谱、校正前CT光谱与校正后CT光谱的材料分类结果对比

        该研究为高光谱CT与学习型光谱分析方法的融合提供了新的技术路径，也为提升无损检测中的材料判别能力提供了实验依据。后续有望进一步拓展材料种类与测试条件，探索方法在更复杂检测场景中的适用性。

         厦门大学方正教授为论文第一作者及通讯作者，Bowei Liu、Yuao Gao和伯明翰大学Biao Cai共同参与研究。该研究获得国家自然科学基金、四川省科技计划及厦门大学中央高校基本科研业务费等项目支持。

 Retention-Based Hyperspectral X-ray CT for Material Recognition and Classification.pdf