一个基于多式模式学习的新型系统,用于精确识别和可解释性分析,该系统结合了激光诱导分解光谱和激光诱导等离子体声学信号
Wenhan Gao1, Boyuan Han1, Zhuoyi Sun1
1State Key Laboratory Cultivation Base of Atmospheric Optoelectronic Detection and Information Fusion, Nanjing University of Information Science & Technology, Nanjing, 210044, China; Jiangsu International Joint Laboratory on Meteorological Photonics and Optoelectronic Detection, Jiangsu Collaborative Innovation Center on Atmospheric Environment and Equipment Technology (CICAEET), Nanjing University of Information Science & Technology, Nanjing, 210044, China.
这项研究引入了一种新的方法,通过结合激光诱导分解光谱 (LIBS) 和激光诱导等离子声学 (LIPA) 信号来识别铜类型. 这种创新的跨模式方法显著提高了铜的识别准确性.
科学领域:
- 分析化学 分析化学
- 频谱学是一种光谱学.
- 材料科学 材料科学 材料科学
背景情况:
- 传统的铜识别方法往往忽略了等离子体声学信号.
- 激光诱导分解光谱 (LIBS) 是一种常见的元素分析技术.
- 等离子体特性对于准确的材料识别至关重要.
研究的目的:
- 开发一种用于识别铜类型的创新方法.
- 整合激光诱导分解光谱 (LIBS) 和激光诱导等离子体声学 (LIPA) 信号以进行增强分析.
- 为了提高铜识别的准确性和可解释性.
主要方法:
- 开创了一种整合LIBS和LIPA信号的跨模式学习技术.
- 使用支持矢量机器 (SVM) 进行分类.
- 使用主要组件分析 (PCA) 来减小维度,以及夏普利添加式扩展 (SHAP) 来进行特征选择和可解释性.
主要成果:
- 合并的LIBS和LIPA模型显示出高铜识别精度.
- 特性解释性分析提供了对铜检测中的特征作用的更深入的理解.
- 这种方法成功地提高了基于LIBS的识别准确性.
结论:
- 整合LIBS和LIPA信号为材料分析提供了一个强大的框架.
- 跨模式学习显著提高了铜识别的准确性.
- 这项研究推进了光谱学中多模数据融合的理论基础.
相关概念视频
Atomic Emission Spectroscopy: Lab
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....
Matrix-Assisted Laser Desorption Ionization (MALDI)
The analyte of interest, a biomolecule or a mixture of biomolecules, is mixed with a suitable matrix material. The...
Confocal Fluorescence Microscopy


