マルチタスク深層学習とハイパースペクトルイメージングの融合：WEEEプラスチック同定と難燃剤定量のための統一モデリングフレームワーク

科学分野:

• 材料科学
• 分光法
• 人工知能

背景:

• 廃電気電子機器（WEEE）の効率的なリサイクルには、迅速なプラスチック同定と添加剤定量が必要です。
• 現在の単一タスク手法は、WEEEプラスチックの高次元スペクトルデータ分析に苦労しています。

研究 の 目的:

• WEEEリサイクルアプリケーションのためのハイパースペクトルイメージングデータの分析を強化すること。
• 同時ポリマー分類、難燃剤同定、および含有量定量のための統合フレームワークを開発すること。

主な方法:

• 共有学習とタスク固有学習を組み合わせ、クロス・タスク・フュージョンとアテンションを統合したマルチタスク畳み込みニューラルネットワーク（CNN）。
• 様々な含有量（1-30%）の4種類の難燃剤を含むWEEEプラスチック（ABS、HIPS、PP）の近赤外（NIR）および中波長赤外（MWIR）ハイパースペクトルイメージングデータを使用しました。

主要な成果:

• 提案されたマルチタスクモデルは、単一タスクモデルと比較して、ポリマー基材と難燃剤タイプの分類精度を7-10%有意に向上させました。
• 難燃剤含有量回帰のR²スコアの顕著な増加（0.04-0.071）を達成しました。
• NIRおよびMWIRハイパースペクトルデータの両方で同等の性能向上が観察されました。

結論:

• マルチタスクフレームワークは、インテリジェントなWEEEプラスチック認識と選別にための堅牢なソリューションを提供します。
• 開発されたモデルは、環境モニタリングと廃棄物管理における高度なスペクトルセンシングアプリケーションのための強力な理論的および技術的基盤を提供します。