基于卷积神经网络的微波共振腔传感器材料体积分数测量方法

本文提出一种用于共振腔内介质混合物体积分数估计的非破坏性、实时方法。采用卷积神经网络（CNN）基于散射参数（S参数）测量来估计共振腔内两种相介质混合物的比例组成。使用矢量网络分析仪（VNA）对一种带条形进料结构的矩形腔体传感器进行特征化，测试频率范围为0.01--20 GHz。CNN通过使用模拟和实验测量的S参数进行训练，即使无需去嵌入或滤波，也能实现高预测准确性，显示出对测量不完美的鲁棒性。仿真结果通过k折交叉验证实现系数 determination ($R^2$)=0.99，而使用原始数据的实验模型实现 $R^2=0.94$，平均绝对误差（MAE）小于6%。数据增强进一步提高了实验预测的准确性，达到以上 $R^2=0.998$（MAE$<$0.72%）。该方法的优势在于实现了快速、非破坏性、准确、低成本和实时估计材料比例，展示了在微波材料表征中的感应应用的强大潜力。