基于近红外高光谱成像与深度学习的纺织品有监督与无监督分类
计算机视觉与模式识别
2025-05-07 v1 应用物理
摘要
回收纺织纤维对于减少纺织行业的环境影响至关重要。高光谱近红外（NIR）成像与先进的深度学习算法相结合，为高效的纤维分类和分拣提供了一种有前景的解决方案。在本研究中，我们研究了有监督和无监督的深度学习模型，并测试了它们在不同纺织品结构上的泛化能力。我们展示了优化的卷积神经网络（CNN）和自编码器网络在不同条件下实现了稳健的泛化。这些结果凸显了高光谱成像和深度学习通过准确且稳健的分类推动可持续纺织品回收的潜力。
引用
@article{arxiv.2505.03575,
title = {Supervised and Unsupervised Textile Classification via Near-Infrared Hyperspectral Imaging and Deep Learning},
author = {Maria Kainz and Johannes K. Krondorfer and Malte Jaschik and Maria Jernej and Harald Ganster},
journal= {arXiv preprint arXiv:2505.03575},
year = {2025}
}
备注
Accepted at: Proceedings of OCM 2025 - 7th International Conference on Optical Characterization of Materials, March 26-27, 2025, Karlsruhe, Germany, pp. 319-328