LIBS-Tri-Fusion与多瓦提取的LIPA用于增强水污染识别

科学领域:

• 环境科学 环境科学
• 分析化学 分析化学
• 频谱学是一种光谱学.

背景情况:

• 激光诱导分解光谱 (LIBS) 面临水污染物识别的精度和稳定性的局限性,原因是依赖单一源信号.
• 现有的方法难以处理复杂的水矩阵和低度的污染物.

研究的目的:

• 开发一种优化的三模融合方法,整合激光诱导等离子体声学 (LIPA) 信号,图像和光谱数据,以加强水污染物识别.
• 提高基于LIBS的水质监测的准确性和稳定性.

主要方法:

• 开发了一个动态重叠窗口算法 (DOWA) 来从LIPA信号 (DLIPA模型) 中提取特征.
• 利用VGG16卷积神经网络与主要组件分析 (PCA) 来从图像中提取空间特征.
• 将声学,图像和光谱特征集成到一个用随机森林 (RF) 算法训练的三模融合模型 (LIBS-Tri-Fusion) 中.

主要成果:

• 与单频谱模型 (0.854 ± 0.044) 相比,LIBS-Tri-Fusion模型实现了明显更高的0.954 ± 0.017的识别精度.
• 拟议的模型在回忆和F1得分方面表现出卓越的性能,表明了增强的检测能力.
• DLIPA模型有效地从LIPA信号中提取特征,从而有助于整体改进.

结论:

• 多模式融合是克服LIBS中单源信号分析局限性的有希望的策略.
• LIBS-Tri-Fusion方法为水质监测提供了一个准确而强大的解决方案.
• 这项研究强调了将声学,图像和光谱数据集成为先进的环境传感的潜力.