加工データを学習データに用いたニューラルネットワークによるスペクトル解析

Analysis of spectra using processed data as training data in the neural network

大場 正規 

Oba, Masaki

LIBSなどで得られた多元素スペクトルデータの解析方法としてニューラルネットワークによる解析システムの構築を行っている。学習データは多い方が、精度が上がると期待されるが、多くの実試料を作製するのは時間と労力を必要とする。そこでGdO、TiO、ZrOそれぞれのスペクトルデータを、比率を変えてデータ上で混合して462種類の加工した学習データを作成し、学習させた。その後、マイクロ波LIBS測定で得られた実試料のデータ62種類の各元素間の含有比率を解析し、その特性を調べた。その結果、真値との差およそ10%で含有比を求められた。

As a method of analyzing multi-element spectral data obtained by LIBS, etc., we are constructing an analysis system using a neural network. More learning data is expected to improve accuracy, but it takes time and effort to prepare many actual samples. Therefore, the spectral data of GdO, TiO and ZrO were mixed on the data by changing the ratio to create 462 types of processed learning data, and the data were learned. After that, we analyzed the content ratio between each element of 62 kinds of data of real samples obtained by microwave LIBS measurement and examined its characteristics. As a result, the content ratio was obtained with a difference of about 10% from the true value.