基于双模态的小角散射图像结构表征技术研究

小角X射线散射设备的不断升级和发展产生了更多更高维的散射数据,给研究人员快速获取实验结果带来了极大挑战.亟需有效的自动化分类方法,加快数据表征速度的同时保证较高的准确率.然而,许多模型学习特征主要针对光照图像,忽略了散射图像特点,分类准确率较低.因此,基于散射模式特点,提出了一种双模态细粒度特征提取模型BRTNet.该模型采用双模态输入模式,其一为采用多尺度卷积为架构的特征学习网络PRS,学习散射图像的微观信息;其二为融合局部信息的多头注意力机制ConvTransformer,学习散射序列的相关性信息.然后,模型结合图像信息和序列信息,融合双分支特征,对散射数据进行分类并获得分类结果.在生物溶液散射数据集上的实验结果表明,模型分类准确率超89%,同基准模型相比具有较为明显的优势.