Supervised and Unsupervised Textile Classification via Near-Infrared Hyperspectral Imaging and Deep Learning

要約

繊維のリサイクルは、繊維産業の環境への影響を減らすために重要です。
高度なディープラーニングアルゴリズムと組み合わせたハイパースペクトル近赤外（NIR）イメージングは​​、効率的な繊維分類と並べ替えのための有望なソリューションを提供します。
この研究では、監督された監督なしで教師のない深い学習モデルを調査し、さまざまな繊維構造に関する一般化能力をテストします。
最適化された畳み込みニューラルネットワーク（CNNS）および自動エンコーダーネットワークは、さまざまな条件下で堅牢な一般化を実現することを示します。
これらの結果は、正確で堅牢な分類を通じて持続可能な繊維リサイクルを促進するためのハイパースペクトルイメージングと深い学習の可能性を強調しています。

要約(オリジナル)

Recycling textile fibers is critical to reducing the environmental impact of the textile industry. Hyperspectral near-infrared (NIR) imaging combined with advanced deep learning algorithms offers a promising solution for efficient fiber classification and sorting. In this study, we investigate supervised and unsupervised deep learning models and test their generalization capabilities on different textile structures. We show that optimized convolutional neural networks (CNNs) and autoencoder networks achieve robust generalization under varying conditions. These results highlight the potential of hyperspectral imaging and deep learning to advance sustainable textile recycling through accurate and robust classification.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google