系统地减少高通量塑料特征的超光谱图像
Mahdiyeh Ghaffari1, Mickey C J Lukkien2, Nematollah Omidikia2
1Institute for Molecules and Materials, Analytical Chemistry, Radboud University, P.O. Box 9010, 6500 GL, Nijmegen, The Netherlands. mahdiyeh.ghaffari@ru.nl.
Scientific reports
|December 7, 2023
概括
超光谱成像 (HSI) 数据分析通过一种新的凸船体方法得到了改进. 这种技术可以减少数据大小,以实现更快,更有效的塑料分类和废物管理.
科学领域:
- 化学测量 化学测量 化学测量
- 频谱学是一种光谱学.
- 数据科学数据科学数据科学
背景情况:
- 超光谱成像 (HSI) 提供了详细的化学分析,但面临着大数据集和冗余性的挑战.
- 高效的数据分析对于高强度分析应用至关重要,特别是在资源有限的领域,如废物分类.
- 非负矩阵分解 (NMF) 是HSI化学分辨率的关键算法,它从数据减少中受益.
研究的目的:
- 提高超光谱成像数据分析的速度和效率.
- 开发一种数据减少方法,以提高HSI中的非负矩阵因子化 (NMF) 性能.
- 为了使塑料分类等应用程序的数据调查和分析更加直接.
主要方法:
- 在像素和波长选择中应用凸船体方法.
- 从HSI数据集中删除非信息和冗余信息.
- 利用化学测量方法进行自动化和基于证据的数据减少.
主要成果:
- 显著减少HSI数据大小和计算压力.
- 有效地消除高度混合的像素和数据冗余.
- 在塑料分类的模拟和真实HSI数据上,证明了数据分析质量和效率的提高.
结论:
- 凸体船体方法为减少HSI数据提供了一个有效的策略.
- 这种方法提高了NMF的性能,用于化学分解和废物分类.
- 简化HSI数据分析使废物管理中的调查和应用变得更加简单.
