📄 scienze della terra
Quantitative evaluation of the smectite content of samples with different origins using deep learning with hyperspectral data in the visible to near-infrared range
Questo studio dimostra che i modelli di deep learning, specificamente le reti neurali convoluzionali, possono classificare accuratamente gli intervalli di contenuto di smectite nei dati iperspettrali VNIR sfruttando le caratteristiche spettrali nell'intervallo 760–950 nm, con i risultati che indicano come l'origine geologica eserciti un'influenza maggiore sulle firme spettrali rispetto alla litologia, offrendo così un significativo potenziale per applicazioni nell'ingegneria geotecnica, nell'esplorazione delle risorse e nella selezione di siti per lo stoccaggio di rifiuti.
Ryohei Hase, Dohta Awaji, Shuro Yoshikawa, Seishin Nakagawa, Sakura Shimizu, Koichi Furukawa, Yohei Kawamura, Tsubasa Ot (…)2026-09-12