接近红外的高光谱圆极化成像和对象分类与机器学习的物体分类

科学领域:

• 光学和光子学 在光学和光子学.
• 机器学习 机器学习
• 材料科学 材料科学 材料科学

背景情况:

• 传统的近红外 (NIR) 超光谱成像在对具有相似吸收光谱的材料进行分类方面面临挑战.
• 对象分类对于废物管理和回收等应用至关重要.

研究的目的:

• 在NIR区域开发和评估一种新的超光谱圆极化 (S3) 成像系统.
• 与传统方法相比,评估高光谱S3成像用于材料分类的性能.
• 探索该技术在废物分类中的潜在应用.

主要方法:

• 使用循环极化宽带光源,极化格子和高光谱摄像机构建超光谱S3成像系统.
• 获取各种塑料样品的高光谱S3图像.
• 机器学习算法的应用,基于捕获的超谱S3数据进行分类.

主要成果:

• 超光谱S3成像系统成功捕获了详细的光谱和极化信息.
• 使用高光谱S3图像进行机器学习分类,比传统的NIR高光谱图像获得更高的精度.
• 该系统在区分具有相似吸收光谱的塑料样品方面表现出有效性.

结论:

• 超光谱S3成像为对象分类提供了增强的能力,特别是对于具有微妙光谱差异的材料.
• 这项技术具有显著的潜力,可以提高回收设施垃圾分类的准确性和效率.
• 开发的系统为先进的材料分析和识别提供了有价值的工具.