論文の概要: Mono/Multi-material Characterization Using Hyperspectral Images and
Multi-Block Non-Negative Matrix Factorization
- arxiv url: http://arxiv.org/abs/2309.12329v1
- Date: Tue, 15 Aug 2023 10:00:53 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-23 06:46:32.966331
- Title: Mono/Multi-material Characterization Using Hyperspectral Images and
Multi-Block Non-Negative Matrix Factorization
- Title（参考訳）: ハイパースペクトル画像とマルチブロック非負行列分解を用いたモノ/マルチマテリアルキャラクタリゼーション
- Authors: Mahdiyeh Ghaffari, Gerjen H. Tinnevelt, Marcel C. P. van Eijk,
Stanislav Podchezertsev, Geert J. Postma, Jeroen J. Jansen
- Abstract要約: 多材料およびモノマテリアルプラスチックは包装の機能性を高めるために広く利用されている。
業界 4.0 は、プラスチック包装をスピードと精度でソートする材料を大幅に改善した。
ハイパースペクトルイメージング (Hyperspectral Imaging, NIRHSI) は、試料準備なしで、自動化され、高速で、正確な材料特性を提供する。
非負行列因子化(NMF)はハイパースペクトル画像の化学分解能に広く用いられている。
MBNMFと異なる化学種の制約の対応は、特定のポリマー種の存在または欠如を評価するために用いられる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Plastic sorting is a very essential step in waste management, especially due
to the presence of multilayer plastics. These monomaterial and multimaterial
plastics are widely employed to enhance the functional properties of packaging,
combining beneficial properties in thickness, mechanical strength, and heat
tolerance. However, materials containing multiple polymer species need to be
pretreated before they can be recycled as monomaterials and therefore should
not end up in monomaterial streams. Industry 4.0 has significantly improved
materials sorting of plastic packaging in speed and accuracy compared to manual
sorting, specifically through Near Infrared Hyperspectral Imaging (NIRHSI) that
provides an automated, fast, and accurate material characterization, without
sample preparation. Identification of multimaterials with HSI however requires
novel dedicated approaches for chemical pattern recognition. Non negative
Matrix Factorization, NMF, is widely used for the chemical resolution of
hyperspectral images. Chemically relevant model constraints may make it
specifically valuable to identify multilayer plastics through HSI.
Specifically, Multi Block Non Negative Matrix Factorization (MBNMF) with
correspondence among different chemical species constraint may be used to
evaluate the presence or absence of particular polymer species. To translate
the MBNMF model into an evidence based sorting decision, we extended the model
with an F test to distinguish between monomaterial and multimaterial objects.
The benefits of our new approach, MBNMF, were illustrated by the identification
of several plastic waste objects.
- Abstract（参考訳）: プラスチックの選別は廃棄物処理において非常に重要なステップであり、特に多層プラスチックの存在のためである。
これらのモノマテリアルおよび多材料プラスチックは包装の機能性を高めるために広く用いられ、厚み、機械的強度、耐熱性に優れる。
しかし、複数のポリマー種を含む材料は、モノマテリアルとしてリサイクルされる前に前処理する必要があるため、モノマテリアルストリームには含まれない。
業界 4.0 は、手作業による選別と比較して、プラスチック包装の選別をスピードと精度で大幅に改善し、特に、自動化され、高速で正確な材料キャラクタリゼーションを提供する NIRHSI (Near Infrared Hyperspectral Imaging) を通じて、サンプル準備なしで行う。
HSIを用いたマルチマテリアルの同定には, 化学パターン認識のための新しいアプローチが必要である。
非負行列因子化(NMF)はハイパースペクトル画像の化学分解能に広く用いられている。
化学的に関係のあるモデル制約は、HSIを介して多層プラスチックを特定することに特に価値がある。
具体的には, 異なる化学種の制約による多ブロック非負マトリックス因子化(MBNMF)を用いて, 特定の高分子種の有無を評価することができる。
MBNMFモデルをエビデンスに基づくソート決定に変換するため、Fテストを用いてモデルを拡張し、モノマテリアルとマルチマテリアルオブジェクトを区別した。
新たなアプローチであるMBNMFの利点は, プラスチック廃棄物の識別によって示された。
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) - Automatically Predict Material Properties with Microscopic Image Example
Polymer Compatibility [94.40113383292139]
機械学習を用いたコンピュータ画像認識は、人工判定の欠陥を補うことができる。
畳み込みニューラルネットワークとトランスファーラーニング手法を用いて、自動誤認認識を実現する。
提案手法は, 各種材料の微細構造と物性の定量的評価に広く応用できる。
論文 参考訳（メタデータ） (2023-03-22T07:51:32Z) - Deep Reinforcement Learning for Inverse Inorganic Materials Design [0.09208007322096533]
逆無機材料設計のための強化学習(RL)手法を提案する。
本モデルは, 化学多様性と特異性を維持しながら, 電荷や電子陰性性中立性などの化学ガイドラインを学習する。
このアプローチを用いて、モデルが有望な化合物を予測し、無機物質発見のための最適化された化学設計空間を提案する。
論文 参考訳（メタデータ） (2022-10-21T13:06:19Z) - Machine Learning of polymer types from the spectral signature of Raman
spectroscopy microplastics data [3.441021278275805]
環境風化因子によって劣化したマイクロプラスチックは、風化過程に曝されていないマイクロプラスチックのサンプルよりも分析的確実性が少ない可能性がある。
機械学習ツールと技術は、マイクロプラスチック分析における確実性のための研究ツールのキャリブレーションを向上します。
論文 参考訳（メタデータ） (2022-01-14T13:34:03Z) - Classification of PS and ABS Black Plastics for WEEE Recycling
Applications [63.942632088208505]
本研究の目的は,ポリスチレン (PS) 型とアクリロニトリルブタジエン (ABS) 型の黒色プラスチックを用いて,異なる種類のプラスチックを分類できるシステムを作ることである。
畳み込みニューラルネットワークのテストと再訓練が行われ、95%の精度が得られた。
別個のテストセットを使用して平均精度は86.6%まで低下するが、結果を見てみるとABS型が100%正確に分類されていることが分かるため、すべてのエラーを蓄積するPS型である。
論文 参考訳（メタデータ） (2021-10-20T12:47:18Z) - BIGDML: Towards Exact Machine Learning Force Fields for Materials [55.944221055171276]
機械学習力場(MLFF)は正確で、計算的で、データ効率が良く、分子、材料、およびそれらのインターフェースに適用できなければならない。
ここでは、Bravais-Inspired Gradient-Domain Machine Learningアプローチを導入し、わずか10-200原子のトレーニングセットを用いて、信頼性の高い力場を構築する能力を実証する。
論文 参考訳（メタデータ） (2021-06-08T10:14:57Z) - Optimizing Molecules using Efficient Queries from Property Evaluations [66.66290256377376]
汎用的なクエリベースの分子最適化フレームワークであるQMOを提案する。
QMOは効率的なクエリに基づいて入力分子の所望の特性を改善する。
QMOは, 有機分子を最適化するベンチマークタスクにおいて, 既存の手法よりも優れていることを示す。
論文 参考訳（メタデータ） (2020-11-03T18:51:18Z) - Face Anti-Spoofing with Human Material Perception [76.4844593082362]
フェース・アンチ・スプーフィング(FAS)は、プレゼンテーション攻撃から顔認識システムを保護する上で重要な役割を担っている。
我々は、顔の反偽造を物質認識問題として言い換え、それを古典的な人間の物質知覚と組み合わせる。
本稿では,本質的な素材に基づくパターンをキャプチャ可能なバイラテラル畳み込みネットワーク(BCN)を提案する。
論文 参考訳（メタデータ） (2020-07-04T18:25:53Z) - Intelligent multiscale simulation based on process-guided composite
database [0.0]
本稿では、プロセスモデリング、材料均質化、機械学習に基づく統合データ駆動モデリングフレームワークを提案する。
我々は, 自動車, 航空宇宙, エレクトロニクス産業において重要な材料システムとして認識されてきた, 射出成形した短繊維強化複合材料に興味を持っている。
論文 参考訳（メタデータ） (2020-03-20T20:39:19Z) - Hyperspectral-Multispectral Image Fusion with Weighted LASSO [68.04032419397677]
本稿では,高スペクトル像と多スペクトル像を融合させて高画質な高スペクトル出力を実現する手法を提案する。
提案したスパース融合と再構成は,既存の公開画像の手法と比較して,定量的に優れた結果が得られることを示す。
論文 参考訳（メタデータ） (2020-03-15T23:07:56Z)
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。