关键词:
壁画彩陶
LIBS
光谱分析
机器学习分类
可视化
摘要:
激光诱导击穿光谱(Laser induced breakdown spectroscopy,LIBS)技术是一种通过聚焦短脉冲激光在样品表面生成等离子体,并对该等离子体发出的特征光谱进行分析来识别样品成分的方法,属于原子发射光谱技术。当下,这种技术多用于原位微损的光谱检测分析,又由于光谱特征的复杂性以及机器学习算法的迅速发展,二者在众多领域得到广泛联用。然而,现有基于二者的应用依旧主要依靠人工处理来完成LIBS光谱的分析与机器学习的分类,设计一款软件来实现相关的LIBS光谱分析与机器学习分类有望使得二者的应用更加方便高效。
壁画颜料与彩陶年代的研究蕴含着对古代文明深度理解的追求,它们是连接古代社会文化、技术进步和物质应用的纽带。通过对壁画颜料和彩陶年代的详细分析,研究者能够揭示古代文化的交流模式、经济活动以及环境适应策略,为理解人类历史上的艺术发展和科技进步提供宝贵的视角。因此,这一领域的研究不仅具有重要的历史和文化价值,也为现代科技、材料科学及文化遗产保护等领域提供了丰富的参考和灵感。
本文根据现阶段壁画颜料分类与彩陶年代鉴别等需求提出了基于LIBS技术的壁画颜料分类与彩陶年代鉴别可视化光谱分析与信息分类软件平台的设计方案。其主要的工作内容如下:
针对LIBS光谱模拟问题,使用NIST标准数据库通过拟合算法进行光谱计算,依靠指定相关特征元素与含量比例对特定条件下的LIBS光谱进行模拟,并比较模拟光谱与标准光谱是否一致,最终得出,无论是单一元素还是多重元素,两者模拟出的光谱图像高度一致使用voigt积分拟合函数模拟出的LIBS光谱进行光谱数据模拟可以用于开发相关功能并设计页面实现可视化交互。
为了简化样品LIBS光谱分析人工处理专业要求高、处理速度慢的问题,分别设计单一光谱绘制、多重光谱绘制、寻峰列表绘图、特征元素标注四项功能,分别实现单一样品的光谱绘制、多个样品的光谱绘制、光谱特征峰的确定与光谱特征元素的标定,以可视化页面实现对于光谱数据的快速自动处理分析,简化并规范了光谱数据的分析流程,为传统的单纯依赖人工一步一步处理数据的光谱分析工作大大提高效率的同时也减少了不小的数据分析工作量。
考虑到壁画颜料分类与彩陶年代鉴别的相关研究需要,依靠机器学习算法,对比研究出了最适用于壁画颜料分类的卷积神经网络模型与最适用于彩陶年代鉴别的梯度提升算法模型,并构建相关优化模型,在优化模型的基础上设计壁画颜料分类功能与彩陶年代鉴别功能,并开发相关界面,实现光谱分类结果的可视化。
针对光谱模拟、光谱分析、壁画颜料分类与彩陶年代鉴别的功能集成化需求,设计了基于LIBS技术的壁画彩陶可视化光谱分析与信息分类软件平台,为壁画颜料和彩陶年代的研究提供一个全面、高效和准确的分析工具,为古代文化遗产的研究和保护提供新的视角和方法。