Redes neuronales y Deep Learning aplicado a la clasificación de materiales a partir de espectro óptico y acústico

Abstract

RESUMEN: LIBS es una técnica utilizada para conocer la composición atómica de materiales en distintos estados. Esta técnica consiste en ablacionar el material y captar la información espectral emitida a cada longitud de onda mediante un espectrómetro óptico en el momento de emisión de plasma del material. Una aplicación habitual de la técnica LIBS es para identificar un material desconocido a partir de su espectro de emisión. Para ello, los modelos basados en redes neuronales destacan por su eficiencia y capacidad de ajuste. Este documento recoge un estudio sobre la efectividad de este tipo de algoritmos para la clasificación de ocho tipos de plásticos distintos. Además, se mostraría si el espectro acústico asociado a la generación explosiva del plasma contiene información relevante para la clasificación y tiene relevancia de cara a una clasificación.

ABSTRACT: LIBS is a technique used to know the atomic composition of materials in different states. This technique consists of ablating the material and capturing the spectral infor mation emitted at each wavelength using an optical spectrometer at the time of plasma emission from the material. A common application of the LIBS technique is to identify an unknown material from its emission spectrum. For this purpose, models based on neural networks stand out for their efficiency and fitting capability. This paper presents a study on the effectiveness of this type of algorithms for the classification of eight dif ferent types of plastics. In addition, it will be shown whether the acoustic spectrum associated with the explosive generation of the plasma contains relevant information for classification and has relevance for classification.