一、引言
在全球范围内，恐怖主义爆炸袭击事件频发，对社会安全造成了极大威胁。光谱分析技术因具有快速、准确、非接触等优点，在爆炸物检测领域得到了广泛应用，常见的有拉曼光谱技术、太赫兹技术、毫米波技术、X射线技术等。拉曼光谱技术易受荧光干扰和样品状态影响，峰重现性差，且无法检测非透明包装的爆炸物；毫米波技术存在侵犯隐私和辐射安全问题；X射线技术虽在安检领域成熟，但对生物有损害。相比之下，太赫兹技术以其低能量、高透射、独特指纹谱和安全性等优势，在爆炸物检测方面展现出巨大潜力，成为研究热点。
二、太赫兹技术在爆炸物探测中的应用
2.1 太赫兹时域光谱技术的原理
太赫兹波频率介于0.1-10THz之间，波长范围是0.03-3mm，在电磁波谱中介于微波和红外区域。太赫兹时域光谱技术（THz-TDS）是一种相干光探测技术，比传统傅里叶红外光谱法更灵敏，支持透射、反射、全反射等测量方式。典型的THz-TDS实验系统主要由超快脉冲激光器、THz发射器、THz探测器和时间延迟控制系统组成。飞秒激光器产生的宽带短脉冲信号分为两路，一路用于激发样品，另一路作为参考信号，两路信号在探测器处相干叠加，从而获取物质的光谱信息、结构特征及光学参数，如折射率、吸收率和消光率等。
图1 典型太赫兹时域光谱系统
2.2 太赫兹技术在爆炸物探测中的研究
PETN、HMX、RDX等常用炸药在0.1-10THz光谱范围内有独特特征，使得太赫兹时域光谱技术成为探测爆炸物的有效方法。2003年，CAMPBELL等人首次利用太赫兹光谱获得了部分炸药的特征吸收光谱。此后，众多研究不断深入。段俊杰等在0.5-6.0THz范围内检测了5种含能材料，并对特征吸收峰进行模拟指认和成因分析；NORBERT等研究了多种炸药及材料的太赫兹吸收和折射率数据，以及温度对光谱的影响；DUAN等对CL-20的光谱和相变机理展开研究；HE等人分析了CL-20的低频吸收特征光谱；LIU等人研究了FOX-7在不同温度下的光谱及多态转变机制；CHOI等确定了RDX和HMX的主吸收峰位置；KOALLA R等研究了ADNP的特征光谱，且实验结果与理论计算吻合良好。
图2 RDX(红色) 和 HMX(蓝色) 的吸收系数光谱
爆炸物的隐匿性和成分多样性增加了探测难度，而太赫兹波的“指纹性”使其在混合及隐匿爆炸物探测中具有优势。PIERNO等建立了隐匿爆炸物的太赫兹光谱数据库；有研究将炸药制成溶液检测，发现不同化合物时间信号差异明显；CHOI等检测出含能材料混合物的主要成分；SLEIMAN等通过测量吸收光谱和数据分析实现了爆炸物的识别和分类；HUANG等测量多种化合物和混合物光谱，为高氮化合物鉴定提供参考；PALKA等测量了新型含能材料的太赫兹吸收光谱。
三、机器学习在太赫兹技术探测爆炸物中的应用
太赫兹光谱技术在实际应用中，受设备稳定性、环境因素等影响，数据质量会下降。例如，仪器噪音、水分子吸附效应等会导致基于特征峰区分化合物的方式失效。机器学习技术具有适应性强、高效、准确的特点，能在一定程度上解决这些问题。
曾子威团队提出新的物质识别路径，利用Xception网络训练识别样本集合，有效区分隐藏式炸药，准确率达94%。针对湿度影响，他们收集不同湿度下爆炸物光谱信息，经小波变换和ResNet-50网络分类，在高湿度环境下测试集分类准确率高达96.6%，且该方法无需复杂预处理，更适用于工程应用。
胡其枫等探索RNN和CNN在光谱识别中的应用，两种算法准确率分别达97.5%和99.6%，且优于传统K-NN方法。经S-G滤波处理光谱数据后，准确率进一步提高，其中CNN方法鲁棒性更强，为太赫兹技术在无损安全检测领域提供了算法支持。
虞浩跃等研究出两种自动提取与识别太赫兹光谱的模式。BLSTM-RNN可直接提取有效特征，解决光谱数据维度过高导致的模型训练难题，但存在参数调整困难等问题。gcForest算法模型能自动提取有效特性，模型复杂度可随数据量调节，在不同规模光谱数据集中都有高精度识别能力，两种模式均可用于爆炸物定性鉴别。
四、结论与展望
太赫兹光谱技术在爆炸物探测领域前景广阔，对爆炸物风险监测和防范意义重大。然而，检测过程受仪器、环境、样品状态等因素影响，特征太赫兹光谱峰识别准确度会下降。
随着机器学习算法优化和数据集扩大，机器学习将成为太赫兹光谱技术探测爆炸物的重要手段。但目前面临光谱数据获取和处理成本高、数据集小，以及机器学习模型解释性差等问题。未来发展趋势为开发更精细的数据处理技术和更有效的数据增强技术，以满足大数据量需求；将机器学习与传统光谱分析相结合，解决精细解释问题，推动太赫兹光谱技术在爆炸物探测领域的进一步发展。
引用文献：《太赫兹光谱技术在爆炸物探测中的应用及研究进展》，张瑞萍等
