电解剂-HSI:近距离多场景高光谱成像基准数据集
Elias Arbash1,2, Ahmed Jamal Afifi3, Ymane Belahsen3,4
1Helmholtz-Zentrum Dresden-Rossendorf (HZDR) - Helmholtz Institute Freiberg for Resource Technology (HIF), Freiberg, Germany. e.arbash@hzdr.de.
Scientific data
|November 19, 2025
概括
本研究介绍了Electrolyzers-HSI,这是一个用于自动识别电解剂材料的新数据集,增强了可持续回收的关键原材料回收. 数据集和代码加速了人工智能驱动的循环经济解决方案.
科学领域:
- 材料科学 材料科学 材料科学
- 计算机科学 计算机科学
- 环境科学 环境科学
背景情况:
- 可持续的回收利用是一个全球性挑战,需要先进的材料检测.
- 整合人工智能和先进技术对于循环经济和绿色协议的雄心壮志至关重要.
- 目前的废物分析通常是孤立的,阻碍了可扩展的工业实践.
研究的目的:
- 介绍Electrolyzers-HSI,这是一个多式模式的基准数据集,用于准确的电解剂材料分类.
- 加快从电子垃圾中回收关键原材料.
- 促进可复制的研究和采用智能回收技术.
主要方法:
- 收集了55个共同注册的RGB图像和高光谱成像 (HSI) 数据立方体 (400-2500nm).
- 启用了微碎电解器样本的非侵入性分析,用于定量材料分类.
- 评估了用于材料识别的基于变压器的深度学习 (DL) 架构.
主要成果:
- 电解剂-HSI数据集有助于对电解剂材料进行准确的分类.
- 证明了DL模型在强大的电解剂识别方面的有效性.
- 验证了用于推进自动化电子废物回收利用的数据集.
结论:
- 电解剂-HSI支持人工智能驱动的回收可持续性.
- 数据集和代码库加速了关键原材料的回收.
- 促进可扩展的工业实践,以实现智能和可持续的电子废物回收利用.
更多相关视频
07:05Applying Hyperspectral Reflectance Imaging to Investigate the Palettes and the Techniques of Painters
Published on: June 18, 2021
2.8K
08:49Author Spotlight: Unveiling the Potential of VSFG Microscopy in Studying Mesoscopically Heterogeneous Self-Assembled Structures
Published on: December 1, 2023
2.0K
