論文の概要: Systematic reduction of Hyperspectral Images for high-throughput Plastic Characterization

• arxiv url: http://arxiv.org/abs/2308.14776v1
• Date: Mon, 28 Aug 2023 11:38:08 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-30 17:18:53.903963
• Title: Systematic reduction of Hyperspectral Images for high-throughput Plastic Characterization
• Title（参考訳）: 高出力プラスチックキャラクタリゼーションのためのハイパースペクトル画像のシステム化
• Authors: Mahdiyeh Ghaffari, Mickey C. J. Lukkien, Nematollah Omidikia, Gerjen H. Tinnevelt, Marcel C. P. van Eijk, Jeroen J. Jansen
• Abstract要約: ハイパースペクトルイメージング(HSI)は、顕微鏡と分光を組み合わせることで、天体内の分光活性化合物の空間分布を評価する。 食品の品質管理、医薬品処理、廃棄物処理に様々な応用がある。 HSIデータセットの規模が大きいため、適切なデジタルインフラストラクチャ内で分析と保存が難しい場合がある。 近年のケモメトリックスにおけるハイテク開発は、自動およびエビデンスに基づくデータ削減を可能にしている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Hyperspectral Imaging (HSI) combines microscopy and spectroscopy to assess the spatial distribution of spectroscopically active compounds in objects, and has diverse applications in food quality control, pharmaceutical processes, and waste sorting. However, due to the large size of HSI datasets, it can be challenging to analyze and store them within a reasonable digital infrastructure, especially in waste sorting where speed and data storage resources are limited. Additionally, as with most spectroscopic data, there is significant redundancy, making pixel and variable selection crucial for retaining chemical information. Recent high-tech developments in chemometrics enable automated and evidence-based data reduction, which can substantially enhance the speed and performance of Non-Negative Matrix Factorization (NMF), a widely used algorithm for chemical resolution of HSI data. By recovering the pure contribution maps and spectral profiles of distributed compounds, NMF can provide evidence-based sorting decisions for efficient waste management. To improve the quality and efficiency of data analysis on hyperspectral imaging (HSI) data, we apply a convex-hull method to select essential pixels and wavelengths and remove uninformative and redundant information. This process minimizes computational strain and effectively eliminates highly mixed pixels. By reducing data redundancy, data investigation and analysis become more straightforward, as demonstrated in both simulated and real HSI data for plastic sorting.
• Abstract（参考訳）: ハイパースペクトルイメージング(HSI)は、顕微鏡と分光法を組み合わせて、物体中の分光活性化合物の空間分布を評価し、食品の品質管理、医薬品の処理、廃棄物の選別に様々な応用がある。 しかしながら,hsiデータセットの規模が大きいため,特に速度やデータストレージ資源が限られている廃棄物ソートにおいて,合理的なディジタルインフラストラクチャ内で分析・保存することが困難である。 さらに、多くの分光データと同様に、大きな冗長性があり、化学情報の保持にピクセルと可変選択が不可欠である。 近年のケモメトリックスにおけるハイテクの発展は、hsiデータの化学分解法として広く使われている非負行列分解法(nmf)の速度と性能を大幅に向上できる、自動的かつ証拠ベースのデータ削減を可能にする。 分散化合物の純寄与マップとスペクトルプロファイルを復元することにより、NMFは効率的な廃棄物処理のためのエビデンスベースの選別決定を提供することができる。 ハイパースペクトルイメージング(HSI)データにおけるデータ解析の質と効率を改善するため,本質的な画素や波長を選択するために凸ハル法を適用し,不定形・冗長な情報を除去する。 このプロセスは計算ひずみを最小化し、高い混合画素を効果的に除去する。 データ冗長性を減らすことで、プラスチックソートのためのシミュレーションデータと実際のHSIデータの両方で示されるように、データ調査と分析がより簡単になる。

関連論文リスト

• Virtual Staining of Label-Free Tissue in Imaging Mass Spectrometry [2.6165589247047465]
  空間分解能を高め, 質量分析画像に細胞形態学的コントラストを導入する仮想組織染色法を提案する。 ヒト腎臓組織に対するブラインド試験では、ラベルのないサンプルの実質的に染色された画像は、その組織化学的に染色されたものと密に一致していることが示された。
  論文  参考訳（メタデータ） (2024-11-20T08:30:11Z)
• Super-resolution of biomedical volumes with 2D supervision [84.5255884646906]
  超解像のための仮設スライス拡散は、生物学的標本のすべての空間次元にわたるデータ生成分布の固有同値性を利用する。 我々は,高解像度2次元画像の高速取得を特徴とするSliceRの組織学的刺激(SRH)への応用に着目する。
  論文  参考訳（メタデータ） (2024-04-15T02:41:55Z)
• Rapid hyperspectral photothermal mid-infrared spectroscopic imaging from sparse data for gynecologic cancer tissue subtyping [3.550171634694342]
  ミドル赤外線(Mid-Infrared、MIR)は、ラベルなし、生化学的に定量的な技術である。 この研究は、MIR光熱画像への新しいアプローチを示し、その速度を桁違いに向上させる。
  論文  参考訳（メタデータ） (2024-02-28T00:57:35Z)
• ArSDM: Colonoscopy Images Synthesis with Adaptive Refinement Semantic Diffusion Models [69.9178140563928]
  大腸内視鏡検査は臨床診断や治療に不可欠である。 注釈付きデータの不足は、既存の手法の有効性と一般化を制限する。 本稿では, 下流作業に有用な大腸内視鏡画像を生成するために, 適応Refinement Semantic Diffusion Model (ArSDM)を提案する。
  論文  参考訳（メタデータ） (2023-09-03T07:55:46Z)
• ESSAformer: Efficient Transformer for Hyperspectral Image Super-resolution [76.7408734079706]
  単一ハイパースペクトル像超解像(単一HSI-SR)は、低分解能観測から高分解能ハイパースペクトル像を復元することを目的としている。 本稿では,1つのHSI-SRの繰り返し精製構造を持つESSA注目組込みトランスフォーマネットワークであるESSAformerを提案する。
  論文  参考訳（メタデータ） (2023-07-26T07:45:14Z)
• ChemVise: Maximizing Out-of-Distribution Chemical Detection with the Novel Application of Zero-Shot Learning [60.02503434201552]
  本研究は,簡単な学習セットから複雑な露光の学習近似を提案する。 合成センサ応答に対するこのアプローチは, 分布外の化学分析物の検出を驚くほど改善することを示した。
  論文  参考訳（メタデータ） (2023-02-09T20:19:57Z)
• Combining Variational Autoencoders and Physical Bias for Improved Microscopy Data Analysis [0.0]
  本稿では,データ内の変数の因子を分散させる物理拡張機械学習手法を提案する。 本手法はNiO-LSMO, BiFeO3, グラフェンなど様々な材料に適用される。 その結果,大量の画像データから有意な情報を抽出する手法の有効性が示された。
  論文  参考訳（メタデータ） (2023-02-08T17:35:38Z)
• Unsupervised Machine Learning for Exploratory Data Analysis of Exoplanet Transmission Spectra [68.8204255655161]
  我々は、通過する太陽系外惑星のスペクトルデータを解析するための教師なし手法に焦点をあてる。 スペクトルデータには、適切な低次元表現を要求する高い相関関係があることが示される。 主成分に基づく興味深い構造、すなわち、異なる化学状態に対応する明確に定義された分岐を明らかにする。
  論文  参考訳（メタデータ） (2022-01-07T22:26:33Z)
• HyperPCA: a Powerful Tool to Extract Elemental Maps from Noisy Data Obtained in LIBS Mapping of Materials [7.648784748888189]
  本稿では,データのスパース表現に基づくハイパースペクトル画像解析ツールHyperPCAを紹介する。 本手法は, 得られた情報量と品質の両面での優位性を示し, 解析面の物理化学的特性の改善を図っている。
  論文  参考訳（メタデータ） (2021-11-30T07:52:44Z)
• Learning Spatial-Spectral Prior for Super-Resolution of Hyperspectral Imagery [79.69449412334188]
  本稿では,最先端の残差学習をベースとした単一グレー/RGB画像の超解像化手法について検討する。 本稿では,空間情報とハイパースペクトルデータのスペクトル間の相関をフル活用するための空間スペクトル先行ネットワーク(SSPN)を提案する。 実験結果から,SSPSR法により高分解能高分解能高分解能画像の詳細が得られた。
  論文  参考訳（メタデータ） (2020-05-18T14:25:50Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。