从传感器融合到知识蒸,在协作LIBS和超光谱成像中进行矿物质识别

科学领域:

• 谱学和成像科学 谱学和成像科学
• 分析化学 分析化学
• 地质科学是地球科学.

背景情况:

• 像激光诱导分解光谱 (LIBS) 和超光谱成像 (HSI) 这样的独立光谱技术在分析能力上有局限性.
• 多模式光谱成像整合了来自不同来源的数据,以克服个人技术的局限性.
• 协作传感为复杂的识别任务提供了增强的分析能力.

研究的目的:

• 探索结合LIBS和HSI用于矿物识别的协同潜力.
• 评估两种不同的多式联运方法:传统的传感器融合和知识蒸.
• 为了证明多模态光谱成像对单模态系统的好处.

主要方法:

• 实施传统的传感器融合,通过整合LIBS和HSI数据来增加信息内容.
• 开发了一个知识蒸框架,LIBS作为HSI的监管机构.
• 将这些方法应用于一个以矿物鉴定为重点的案例研究.

主要成果:

• 与单模传感相比,传感器融合和知识蒸方法都显示出更高的性能.
• 知识蒸框架在最大限度地利用多种技术带来的好处方面表现出了特殊的优势.
• 多模式方法导致了矿物识别的更易解释的模型.

结论:

• 多模式光谱成像,特别是通过知识蒸,显著提高分析性能和模型可解释性.
• 这种综合方法为推进矿物鉴定提供了一个有希望的途径.
• 这些发现为先进的光谱成像融合技术的实际工业应用铺平了道路.