< Terug naar vorige pagina

Project

Materiaal inspectie met korte golflengte hyperspectrale beeldanalyse.

Een veelgebruikte niet-destructieve methode voor materiaalinspectie is computervisie met RGB camera's en bijbehorende beeldanalyse. Dit laat toe om ruimtelijke inhomogeniteiten in de materialen weer te geven. Computervisie is echter beperkt tot het visuele gedeelte van het elektromagnetische spectrum (400-700 nm), terwijl veel van de chemische processen en mineraalvormingen in materialen specifieke reflectantie-eigenschappen bezitten in het nabije infrarood (NIR, 700-1000 nm) en het kortegolf infrarood (SWIR, 1000-2500 nm). Spectrometers daarentegen zijn in staat om deze eigenschappen weer te geven in de spectrale richting, maar verschaffen enkel punt-gebaseerde metingen. De wetenschappelijke hoofddoelstelling van dit project is het aanboren en verhogen van het potentieel van hyperspectrale beeldvorming in het NIR and SWIR gebied voor de karakterisering van heterogene gemengde en samengestelde materialen. Hiervoor zullen we hyperspectrale beeldanalyse technieken ontwikkelen met een stijgend niveau van complexiteit, gaande van spectrale indices die karakteristiek zijn voor bepaalde mineralen en materiaalcomponenten, over methodes gebaseerd op spectrale bibliotheken tot gesuperviseerde spectrale ontmengingstechnieken. We zullen de ontwikkelde technieken valideren op data van zelfgemaakte mengsels (mineraalmengsels, zand, poederklei en mortel), en toepassen op 2 echte casussen, i.e. detectie van mineralen en detectie van corrosie.
Datum:1 jan 2021 →  Heden
Trefwoorden:HYPERSPECTRALE DATA-ANALYSE
Disciplines:Machine learning en besluitvorming, Beeldverwerking, Patroonherkenning en neurale netwerken