Publikace detail

Spectral Classification of Microplastics using Neural Networks: Pilot Feasibility Study

Autoři: Doležel Petr | Roleček Jiří | Honc Daniel | Štursa Dominik | Baruque Zanon Bruno

Rok: 2022

Druh publikace: článek ve sborníku

Název zdroje: BIOSTEC 2022 : proceedings of the 15th International Joint Conference On Biomedical Engineering Systems And Technologies, Vol 4 : Biosignals

Název nakladatele: SciTePress - Science and Technology Publications

Místo vydání: Porto

Strana od-do: 283-289

Tituly:

Jazyk	Název	Abstrakt	Klíčová slova
cze	Spektrální klasifikace mikroplastů s využitím neuronových sítí: pilotní studie využitelnosti	Mikroplasty, tj. syntetické polymery s velikostí částic menší než 5 mm, jsou nově vznikající znečišťující látky, které jsou v životním prostředí velmi rozšířené. Pro monitorování znečištění životního prostředí mikroplasty je nezbytné mít k dispozici rychlé screeningové techniky, které poskytují přesné informace o kvalitě (typu polymeru) a množství. Spektroskopie je nepostradatelnou metodou, pokud je požadována přesná klasifikace jednotlivých polymerů v mikroplastech. Abychom přispěli k tématu autonomního porovnávání spekter při použití spektroskopie, rozhodli jsme se prokázat kvalitu a účinnost neuronových sítí. Testovali jsme tři architektury neuronových sítí pro použití při porovnávání spekter. Aby naše studie byla transparentní, použili jsme veřejně dostupný soubor dat FTIR spekter. Dále jsme provedli hloubkovou statistickou analýzu výkonnosti a účinnosti všech architektur, abychom ukázali vhodnost neuronových sítí pro porovnávání spekter. Výsledky uvedené na konci tohoto článku ukázaly celkovou vhodnost vybraných architektur neuronových sítí pro porovnávání spekter při klasifikaci mikroplastů.	Mikroplasty; FTIR spektrum; spektroskopie; neuronová síť
eng	Spectral Classification of Microplastics using Neural Networks: Pilot Feasibility Study	Microplastics, i.e. synthetic polymers that have particle size smaller than 5 mm, are emerging pollutants that are widespread in the environment. In order to monitor environmental pollution by microplastics, it is necessary to have available rapid screening techniques, which provide the accurate information about the quality (type of polymer) and quantity (amount). Spectroscopy is an indispensable method, if precise classification of individual polymers in microplastics is required. In order to contribute to the topic of autonomous spectra matching when using spectroscopy, we decided to demonstrate the quality and efficiency of neural networks. We adopted three neural network architectures, and we tested them for application to spectra matching. In order to keep our study transparent, we use publicly available dataset of FTIR spectra. Furthermore, we performed a deep statistical analysis of all the architectures performance and efficiency to show the suitability of neural networks for spectra matching. The results presented at the end of this article indicated the overall suitability of the selected neural network architectures for spectra matching in microplastics classification.	Microplastics; FTIR Spectra; Spectroscopy; Neural Network; Deep Learning; Spectra Matching

Search

Přihlášení pro studenty

Přihlášení pro zaměstnance

Publikace detail

Katedry

Služby

Jak nás najdete?

Často hledáte