基于塑料光谱学的数据增强和分类算法的比较
Jiachao Luo1, Qunbiao Wu1, Jin Cao2
1School of Mechanical Engineering, Jiangsu University of Science and Technology, Jiangsu, 212100, China. just_wqb@just.edu.cn.
这项研究引入了一种新的塑料光谱生成模型,以提高塑料分类的准确性. 数据增强显著提高了模型性能,1D-ResNet实现了FTIR数据的峰值精度.
科学领域:
- 环境科学 环境科学
- 分析化学 分析化学
- 计算机科学 计算机科学
背景情况:
- 塑料废物管理是一个关键的全球环境问题.
- 光谱学和深度学习提供了有效的塑料分类方法.
- 有限的数据和算法比较阻碍了进步.
研究的目的:
- 为数据增强提出塑料光谱生成模型.
- 系统地分析和比较各种分类算法.
- 提高塑料废物分类的准确性和效率.
主要方法:
- 预处理光谱数据,使用立方插值,规范化,S-G过,线性分离和SNV.
- 开发基于C-GAN的模型,用于生成多类塑料光谱.
- 比较机器学习 (SVM,RF) 和深度学习 (GoogleNet,ResNet) 的算法.
主要成果:
- 预处理提高了分类准确性,通过PCA可视化.
- 在C-GAN模型生成一致和有效的塑料光谱.
- 数据增强使分类准确度提高了至少3%.
- 1D-ResNet实现了FTIR数据的峰值准确度 (0.991),增强了两倍.
- 一维输入模型通常表现优于二维模型.
- 深度学习在大型数据集上表现出色,而传统的ML在小型数据集上表现稳定.
结论:
- 通过光谱生成模型增强数据对于改善塑料分类至关重要.
- 1D-ResNet在识别频谱特征以进行准确的分类方面表现出卓越的性能.
- 传统的ML和深度学习都有作用,取决于数据集的大小.
更多相关视频
08:12Author Spotlight: Exploring Light-Driven Chemical Reactions and Energy-Harnessing Devices in Photochemical Research
Published on: February 16, 2024
08:49Author Spotlight: Unveiling the Potential of VSFG Microscopy in Studying Mesoscopically Heterogeneous Self-Assembled Structures
Published on: December 1, 2023
相关概念视频
Inductively Coupled Plasma Atomic Emission Spectroscopy: Instrumentation
There are three main types of inductively coupled plasma atomic emission spectroscopy (ICP-AES) instruments: sequential, simultaneous multichannel, and Fourier transform instruments, with the latter being less commonly used....
¹³C NMR: Distortionless Enhancement by Polarization Transfer (DEPT)
Flame Photometry: Overview
Ultraviolet and Visible (UV–Vis) Spectroscopy: Overview
UV–Vis Spectrometers
IR and UV–Vis Spectroscopy of Aldehydes and Ketones
