Hyperspectral imaging solutions for the non-invasive detection and automated mapping of copper trihydroxychlorides in ancient bronze
Notice bibliographique
Résumé
Abstract Ancient bronze is subject to complex degradation which can lead, in cases where copper chlorides are present, to a cyclic and self-sustaining degradation process commonly referred to as “bronze disease”. If left untreated, bronze disease can eat away at a bronze object until it is entirely deteriorated. The presence of copper trihydroxychlorides is indicative that this process is underway and therefore the detection of these corrosion products is necessary in guiding conservation of ancient bronze artefacts. In this paper we present a high spatial/spectral resolution short wave infrared (SWIR) imaging solution for mapping copper trihydroxychlorides in ancient bronze, combining hyperspectral imaging with an in-house developed unsupervised machine learning algorithm for automated spectral clustering. For this work, verification was obtained through use of an in-house developed reference database of typical ancient bronze corrosion products from several archaeological sites, and from collections of the National Museum of China. This paper also explores the suitability, and limitations, of a visible to near-infrared (VNIR) hyperspectral imaging system as a more accessible solution for mapping copper trihydroxychlorides associated with bronze disease. We suggest that our hyperspectral imaging solution can provide a non-invasive, rapid, and high resolution material mapping within and across bronze objects, particularly beneficial for analysing large collections in a museum setting.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».