elib
DLR-Header
DLR-Logo -> http://www.dlr.de
DLR Portal Home | Impressum | Datenschutz | Kontakt | English
Schriftgröße: [-] Text [+]

Classification of Substances Combining Standoff Laser Induced Fluorescence and Machine Learning

Kraus, Marian und Fellner, Lea und Gebert, Florian und Pargmann, Carsten und Walter, Arne und Duschek, Frank (2018) Classification of Substances Combining Standoff Laser Induced Fluorescence and Machine Learning. Journal of Light & Laser: Current Trends, 1 (1). Herald Scholarly Open Access.

[img] PDF
97kB

Offizielle URL: http://www.heraldopenaccess.us/fulltext/Light-&-Laser-Current-Trends/Classification-of-Substances-Combining-Standoff-Laser-Induced-Fluorescence-and-Machine-Learning.php

Kurzfassung

Contaminated objects and areas must be handled carefully depending on the underlying pollution. There are methods which require short distances, others the collection of samples or even direct contact to the hazardous, and some of the established techniques take long to reach a conclusion. A fast standoff method for predicting the potential hazard can be achieved by examining the laser induced fluorescence spectra of the substances of interest. The samples are excited by low-energy laser pulses of two alternating wavelengths. The datasets are measured for almost 50 agents, including fuels, pesticides and bacteria and represent the basis for a subsequent classification procedure. Therefore, the investigated materials are grouped in seven classes depending on their origin and utilization. The majority of the dataset is used in a training phase to create predictive models, which are tested with the remaining signals to qualify the classification. After all, the single spectra of the test set are classifed with an error rate less than 0.1 % in predicting the correct class. With a statement like this frst responders would be able to choose the right preventive measure for a rescue or decontamination procedure.

elib-URL des Eintrags:https://elib.dlr.de/120950/
Dokumentart:Zeitschriftenbeitrag
Titel:Classification of Substances Combining Standoff Laser Induced Fluorescence and Machine Learning
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Kraus, MarianMarian.Kraus (at) dlr.dehttps://orcid.org/0000-0002-5385-9420NICHT SPEZIFIZIERT
Fellner, LeaLea.Fellner (at) dlr.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Gebert, FlorianFlorian.Gebert (at) dlr.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Pargmann, CarstenCarsten.Pargmann (at) dlr.dehttps://orcid.org/0000-0003-3688-6360NICHT SPEZIFIZIERT
Walter, ArneArne.Walter (at) dlr.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Duschek, FrankFrank.Duschek (at) dlr.dehttps://orcid.org/0000-0002-1809-0257NICHT SPEZIFIZIERT
Datum:15 Juni 2018
Erschienen in:Journal of Light & Laser: Current Trends
Referierte Publikation:Ja
Open Access:Ja
Gold Open Access:Ja
In SCOPUS:Nein
In ISI Web of Science:Nein
Band:1
Verlag:Herald Scholarly Open Access
Status:veröffentlicht
Stichwörter:Classification algorithms; Laser Induced Fluorescence (LIF); Machine learning; Standoff detection
HGF - Forschungsbereich:Luftfahrt, Raumfahrt und Verkehr
HGF - Programm:Luftfahrt
HGF - Programmthema:Flugzeuge
DLR - Schwerpunkt:Luftfahrt
DLR - Forschungsgebiet:L AR - Aircraft Research
DLR - Teilgebiet (Projekt, Vorhaben):L - Laserforschung und Technologie (alt)
Standort: Lampoldshausen
Institute & Einrichtungen:Institut für Technische Physik
Institut für Technische Physik > Atmosphärische Propagation und Wirkung
Hinterlegt von: Kraus, Marian
Hinterlegt am:12 Nov 2018 10:18
Letzte Änderung:28 Mär 2023 23:51

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags

Blättern
Suchen
Hilfe & Kontakt
Informationen
electronic library verwendet EPrints 3.3.12
Gestaltung Webseite und Datenbank: Copyright © Deutsches Zentrum für Luft- und Raumfahrt (DLR). Alle Rechte vorbehalten.