用于非侵入式物体分类的声散射人工智能：以头发评估为例
声音
2026-05-20 v2 计算与语言
音频与语音处理
摘要
本文通过一个关于头发评估的案例研究，提出了一种新颖的、使用声散射的非侵入式物体分类方法。当入射波与物体相互作用时，会产生一个编码了结构和材料特性的散射声场。通过发射声学刺激并从头戴头发样本的物体上捕获散射信号，我们使用基于人工智能、深度学习的声学分类来对头发类型和湿度进行分类。我们基准测试了多种方法，包括：(i) 全监督深度学习，(ii) 基于嵌入的分类，(iii) 监督式基础模型微调，以及 (iv) 自监督模型微调。我们最佳的策略通过微调自监督模型的所有参数，实现了近 90% 的分类准确率。这些结果凸显了声散射作为一种保护隐私、非接触式的视觉分类替代方案，为各行业的应用开辟了巨大潜力。
引用
@article{arxiv.2506.14148,
title = {Acoustic scattering AI for non-invasive object classifications: A case study on hair assessment},
author = {Long-Vu Hoang and Tuan Nguyen and Tran Huy Dat},
journal= {arXiv preprint arXiv:2506.14148},
year = {2026}
}
备注
This paper has been retracted by the authors. Due to miscommunication, the authorship is incomplete and missing early contributions