メタラーニングを用いたレーザー誘導分解スペクトロスコーピによる石炭とギャングのショット分類

科学分野:

• 地質科学と材料科学
• 人工知能と機械学習

背景:

• 炭鉱のコスト削減と環境の持続可能性には 炭鉱の分類が不可欠です
• 従来の監督学習方法は,大量のラベル付きデータを必要とし,石炭の分類における応用を制限しています.
• レーザー誘発分解光譜 (LIBS) は,材料の特徴化のための迅速な分析技術を提供します.

研究 の 目的:

• LIBSを使用した正確な石炭とギャングの分類のための新しいいくつかのショット学習フレームワークを開発する.
• 伝統的な機械学習のアプローチでラベル付けされた大きなデータセットの限界を克服する.
• 鉱山の適用のためのクロスドメイン分類技術を適応する.

主な方法:

• レーザー誘発分解スペクトロスコーピー (LIBS) とメタラーニングアルゴリズムの統合
• ピーク認識と機能解離による強化されたメタラーニングの枠組みの開発.
• 火星の岩石サンプルをソースドメインとして,石炭/ギャングをターゲットドメインとして使用する.

主要な成果:

• 1回射で90. 08%の精度,5回射で95. 04%の精度を達成した.
• 伝統的な機械学習方法よりも9% (1回) と4% (5回) 優れている.
• ディープ・トランスファー・ラーニングのアプローチを11% (1ショット) と2% (5ショット) 上回った.

結論:

• 提案された数回の学習フレームワークは,限られたデータで石炭とギャングの分類に堅固な解決策を提供します.
• このアプローチは,鉱業におけるインテリジェント・ソートリング・機器の開発のための 基本的な技術的基盤を提供します.
• この方法は,LIBSベースの材料分類のための効果的な領域間適応を示しています.