Новый алгоритм MSFAN распознает 12 типов полимеров с точностью 85% с помощью терагерцовой спектроскопии
Надежная идентификация полимеров — ключевая задача при сортировке отходов для вторичной переработки. Традиционные методы, включая оптическую спектроскопию, не всегда обеспечивают достаточную точность разделения, особенно для многослойных пленок, коммерческих смесей и биополимеров.
Ученые предложили альтернативу — терагерцовую двухгребенчатую спектроскопию (THz-DCS). Этот метод обеспечивает быстрые, высокоразрешающие и неразрушающие измерения, что делает его перспективным для промышленного применения.
Для обработки сложных спектральных сигналов команда создала Multi-Scale Feature Attention Network (MSFAN) — новую архитектуру глубокого обучения. MSFAN использует механизмы управления признаками и многомасштабные свертки для выделения ключевых частотных диапазонов, а также кросс-атрибутивное внимание и пулинг для фокусировки на информативных участках спектра.
В эксперименте MSFAN классифицировала 12 типов полимеров, включая чистые полимеры, многослойные пленки, коммерческие смеси и биополимеры. Модель достигла точности 85,2%, превзойдя существующие передовые аналоги. Это демонстрирует потенциал сочетания THz-DCS и глубокого обучения для эффективной и масштабируемой сортировки пластика.
Разработка особенно актуальна для индустрии переработки, где качество вторичного сырья напрямую зависит от точности разделения. Улучшение классификации позволит сократить количество отходов, отправляемых на свалки, и повысить экономическую эффективность перерабатывающих предприятий.
Исследование опубликовано в архиве препринтов arXiv и открывает путь к созданию систем онлайн-сортировки на основе терагерцовой спектроскопии и искусственного интеллекта.
