Vignette d'image

Fasnacht, Laurent

Nom
Fasnacht, Laurent
Affiliation principale
Fonction
Ancien.ne collaborateur.trice
Identifiants
https://libra.unine.ch/handle/123456789/942
_
0000-0002-9853-8209

Résultat de la recherche

Filtres

1
1
1
1
1
Réinitialiser les filtres

Paramètres

Voici les éléments 1 - 1 sur 1
  • Publication
    Accès libre
    Short-wave infrared hyperspectral imaging of minerals
    (Neuchâtel, 2019)
    Fasnacht, Laurent 
    ;
    Brunner, Philip 
    L'imagerie hyperspectrale est une technique prometteuse pour l'identification et la cartographie de minéraux. Elle est largement employée en télédétection, au moyen de capteurs aéroportés, mais est relativement peu utilisée en laboratoire. De fait, un ensemble de problèmes limite la qualité des données obtenues, et par conséquent celle des conclusions en découlant. L'identification de minéraux nécessite deux étapes: 1. acquisition des données et calibration, 2. classification, en utilisant une librairie spectrale en tant que données de références. Cette thèse présente une analyse de l'entier de ce processus et propose des améliorations.
    La caméra a été soigneusement étudiée afin de comprendre son principe de fonctionnement. Les différents aspects de l'acquisition ont été soigneusement évalués, notamment le choix du type de source de lumière, la disposition des différents éléments lors de l'acquisition de données, ainsi que l'impact des éléments environnants. Des algorithmes ont été conçus afin d'améliorer l'efficacité de l'acquisition de données, notamment pour automatiser le focus ou pour éviter les difficultés à choisir l'exposition correcte. Des méthodes combinant plusieurs images afin d'améliorer la qualité ont aussi été développées: de l'imagerie à grande gamme dynamique (HDR) a été implémentée afin de combiner plusieurs images capturées avec des temps d'intégration différents, et une méthode a été développée pour séparer la transmittance et la réflectance d'objets translucides.
    L'efficacité des réseaux de neurones artificiels a été évaluée pour la classification: ceux-ci produisent des résultats très précis, mais requièrent un spectre complet. Cette exigence nécessite l'interpolation de pixels défectueux et empêche la réutilisation d'un réseau déjà entraîné avec une autre caméra. Ainsi, une nouvelle couche d'entrée (input layer) a été conçue, laquelle gère de façon efficace des spectres dont certaines bandes manquent. Comme il n'existait pas de données d'entraînement à l'identification de minéraux d'un tel réseau de neurones, une librairie spectrale d'images de réflectance a été créée. Celle-ci contient 130 échantillons de 76 minéraux distincts. Une telle librairie est, à notre connaissance, unique.
    Finalement, des outils logiciels et matériels ont été développés afin d'effectuer toutes ces opérations de façon efficace, et d'automatiser tous les équipements concernés. Ces outils ont été publiés sous licence Open Source.

    Abstract
    Hyperspectral imaging is a promising technology for mineral identification and mapping. This technology is commonly used for remote sensing, using aerial sensors. It is however less frequently used for laboratory measurement, as a range of issues currently undermine the quality of the data obtained, and consequently the resulting conclusions. Mineral identification consists in two steps: 1. data acquisition and calibration, 2. classification, using a spectral library as reference data. This thesis presents an analysis of this whole process and proposes improvements.
    The camera was carefully studied in order to understand exactly its operating principles. Each aspect of the scene set-up, such as the type of light source, the positioning of the various elements of the set-up and the impact of surrounding objects was carefully evaluated. Algorithms were designed to improve the efficiency of the acquisition, such as automate focus or to avoid difficulties in choosing the correct exposition. Methods to combine multiple images in order to increase the data quality were also developed: high dynamic range was implemented to merge multiple images captured with different integration time, and a method was developed to separate the transmittance and the reflectance of translucent objects.
    The efficiency of artificial neural networks was evaluated for classification. It was found that they were producing highly accurate results, but required complete spectra as input, which requires interpolation of bad pixels and prevents the re-use of an already trained network with a different camera. Therefore a novel input layer was designed which handles efficiently spectra with missing bands. As no training data was readily available for training an artificial neural network for mineral identification, a spectral library of 2D reflectance images of 130 samples of 76 distinct minerals was created. To the best of our knowledge, no similar dataset exists.
    Finally, hardware and software tools were designed and implemented to carry out all these steps and to allow efficient automation of all the devices involved. These tools have been published under Open Source licenses.