Electrolyzers-HSI：近距离多场景高光谱成像基准数据集
计算机视觉与模式识别
2026-04-02 v2 人工智能
摘要
可持续回收的全球挑战需要自动化、快速、准确的最先进（SOTA）材料检测系统，作为循环经济的基石。普及这些能够实现实时废物分析的尖端解决方案，对于扩大回收规模和推动绿色协议至关重要。为此，我们引入了\textbf{Electrolyzers-HSI}，一种新型多模态基准数据集，旨在通过准确的电解槽材料分类加速关键原材料的回收。该数据集包含55幅配准的高分辨率RGB图像和跨越400--2500 nm光谱范围的高光谱成像（HSI）数据立方体，产生超过420万个像素向量和424,169个标记像素向量。这实现了对切碎电解槽样品的无创光谱分析，支持定量和定性的材料分类及光谱特性研究。我们评估了一套基线机器学习（ML）方法以及SOTA基于Transformer的深度学习（DL）架构，包括Vision Transformer、SpectralFormer和Multimodal Fusion Transformer，以研究在材料识别中部署Transformer时的架构瓶颈，从而进一步优化效率。我们实现了零样本检测技术，并在像素级预测中进行多数投票，以建立对象级分类的鲁棒性。遵循FAIR数据原则，Electrolyzers-HSI数据集及配套代码库已在 https://github.com/hifexplo/Electrolyzers-HSI 和 https://rodare.hzdr.de/record/3668 上开源，支持可复现研究并促进智能和可持续电子废物回收解决方案的更广泛应用。
引用
@article{arxiv.2505.20507,
title = {Electrolyzers-HSI: Close-Range Multi-Scene Hyperspectral Imaging Benchmark Dataset},
author = {Elias Arbash and Ahmed Jamal Afifi and Ymane Belahsen and Margret Fuchs and Pedram Ghamisi and Paul Scheunders and Richard Gloaguen},
journal= {arXiv preprint arXiv:2505.20507},
year = {2026}
}