Hyperspektral bildeanalyse anvendt på trevirke og nye metoder for beregningseffektivt variabelvalg

  • Illustration
    Foto
    Private

Petter Stefansson sin doktorgradsavhandling introduserer nye teknikker for raskere variabelvalg med PLS og evaluerer bruken av hyperspektral avbildning på trevitenskapelige spørsmål.

Hyperspektral bildeanalyse anvendt på trevirke og nye metoder for beregningseffektivt variabelvalg

Reflektert lys vil være påvirket av de kjemiske og fysiske egenskapene til materialet det reflekteres fra. Ved å måle spekteret til det reflekterte lyset kan man  lage statistiske modeller over materialegenskaper på en ikke-destruktiv måte.

Ved å bruke hyperspektrale kameraer kan spektralsignaturen fra materialet måles i millioner av forskjellige punkter på prøven. Måledataene kan deretter brukes til å modellere den romlige fordelingen av kjemikalier i et materiale, dvs. lage et todimensjonalt kart / bilde som viser fordelingen av en type kjemikalie i materialet.

I denne avhandlingen er hyperspektrale kameraer brukt til å måle hvordan forskjellige trematerialer reflekterer lys. Ulike eksperimenter er blitt utført der de optiske egenskapene til trebiter er blitt målt både øyeblikkelig og kontinuerlig over tid (hyperspektral tidsserie). De spektrale dataene er deretter blitt brukt til å modellere og visualisere vanninnholdet i termisk modifisert furu og fosforinnholdet i gran.

En av utfordringene med å oppnå vellykkede statistiske modeller som korrelerer spektraldata med kjemisk konsentrasjon av et stoff er å identifisere hvilke av de målte bølgelengdene som er relevante. Partial least squares regression (PLS), delvis minste kvadrater som passer, brukes vanligvis sammen med en eller annen heuristisk optimaliseringsmetode for å utføre bølgelengdeseleksjon / variabelvalg. Et hinder knyttet til dette er at det er ekstremt beregningsintensivt å evaluere tusenvis av mulige bølgelengdekombinasjoner for å se hvor godt korrelerte de er med et bestemt kjemikalie.

Denne oppgaven presenterer et konseptuelt veldig lettfattelig algoritmisk gjennombrudd som kan brukes til å gjøre tradisjonelle PLS-beregninger tusenvis av ganger mer beregningseffektive enn før. Avhandlingen viser også hvordan den innførte metoden kan brukes til å velge ut relevante variable på flere forskjellige versjoner av et spektralt datasett samtidig på en beregningseffektiv måte.

 

Published 16. oktober 2019 - 13:49 - Updated 16. oktober 2019 - 13:49