基于 PGNAA 光谱的铝合金和铜合金的分类研究
机器学习
2024-04-23 v1 材料科学
摘要
本文探讨了如何通过实时区分铜和铝合金来优化金属回收问题。利用通过脉冲伽马中子激活分析（PGNAA）获得的光谱数据进行分类。研究比较了两种探测器的数据，陶瓷溴化物（CeBr）和高纯德氏石英（HPGe），考虑其能量分辨率和灵敏度。我们测试了 various 数据生成、预处理和分类方法，其中最大似然分类器（MLC）和条件变分自编码器（CVAE）取得了最佳结果。该研究还强调了不同探测器类型对分类准确度的影响，其中 CeBr 在短测量时间中表现优异，而 HPGe 在较长时间内表现更好。这些发现表明，根据具体应用需求选择合适的探测器和方法的重要性。
引用
@article{arxiv.2404.14107,
title = {PGNAA Spectral Classification of Aluminium and Copper Alloys with Machine Learning},
author = {Henrik Folz and Joshua Henjes and Annika Heuer and Joscha Lahl and Philipp Olfert and Bjarne Seen and Sebastian Stabenau and Kai Krycki and Markus Lange-Hegermann and Helmand Shayan},
journal= {arXiv preprint arXiv:2404.14107},
year = {2024}
}